基于高分一号影像的土壤盐渍化信息提取方法

目前土壤盐渍化遥感监测主要使用中低分辨率遥感影像,存在对土壤盐渍化细节信息监测能力不足的问题。通过使用国产"高分一号"卫星高分辨率遥感影像(GF-1 PMS),基于先进的面向对象方法和最大似然法进行了盐渍化信息提取,并比较了两种方法的提取效果,此外,又同Landsat8 OLI的提取结果进行了比较。通过对两种分类方法、两种最新传感器提取结果的比较,可以得出:国产高分一号影像在土壤盐渍化信息提取方面有着巨大的潜力,就提取方法而言,同最大似然法相比,面向对象方法精度更高,更适用于GF-1 PMS影像的盐渍化信息提取,面向对象法的总体精度和Kappa系数为92.94%和0.91,而最大似然法的总体精度和Kappa系数为87.78%和0.77,面向对象方法的精度高出了约5个百分点;就分辨率而言,同Landsat8 OLI影像相比,Landsat8 OLI影像分类精度只有63.47%,而GF-1 PMS高分辨影像分类精度要高很多,盐渍化信息细节描述更充分,可提取出受到盐渍化影响的植被信息,对农田尺度盐渍化遥感监测研究有重要意义,也对拓展国产高分一号影像GF-1 PMS的应用范围是有益的。     

基于高分一号卫星影像的多种融合方法比较

以扬州地区为试验区,利用高分一号(GF-1)卫星全色及多光谱影像数据开展融合试验,将PCA、GS、Pansharping 3种传统融合方法与Elbakary、Proxy-sharpening和SFIM等以全色波段为尺度因子的融合方法进行对比,从光谱继承性和空间融入度两方面分析融合效果,寻找适合GF-1号卫星影像的较佳融合方法。结果表明,传统融合方法在光谱继承性和空间融入度两方面的评价结果中保持一致,且Pansharping方法在定性和定量分析中都为最优;以全色波段为尺度因子的融合方法其空间融入度随着光谱继承性的降低而增加;基于不同移动窗口大小的SFIM方法其光谱继承度和空间融入度均属最优,其中,移动窗口为5×5和7×7时,整体融合精度高于其他方法。     

基于MODIS影像的土地覆被分类研究——以京津冀地区为例

在全球变化研究中,如何快速、准确获取土地覆被信息对该项研究有着至关重要的作用.随着遥感科学的不断发展和应用领域的深入,研究者可以利用遥感影像进行土地覆被分类研究,并且具有准确、快速、自动化等优点.本文利用MODIS数据具有的多光谱、多时相特点,以京津冀地区为例,选取2013 年全年16-day 的MOD13Q1/EVI时间序列数据、2013 年5 月份一期的MOD09Q1(1、2 波段)和MOD09A1(3-7 波段)产品,并运用时间序列谐波分析法对全年MOD13Q1/EVI 时间序列数据进行去云、去噪的平滑重建处理,使其数据更能反映物候周期性变化规律.选择谐波分析后的全年MOD13Q1/EVI 时间序列数据、MODIS数据的1-7 波段地表反射率和NDWI(归一化差异水体指数)、MNDWI(改进归一化差异水体指数)和NDSI(土壤亮度指数),构建了3 种特征变量组合方案的CART决策树,分别进行京津冀地区的土地覆被分类研究.结果表明:方案一(全年EVI 的23 个时相)、方案二(方案一+MOD09 的1-7 波段地表反射率)和方案三(方案二+MNDWI+NDSI+NDWI)的总体分类精度分别达到86.70%、89.98%、91.34%,Kappa系数分别为84.94%、88.66%、90.20%.研究表明,仅利用MODIS遥感影像自身多种分类特征和决策树方法对宏观土地覆被分类就可达到较高精度,显示了本文分类方法在实践中的可行性及MODIS数据在区域尺度土地覆被分类研究方面的优势与潜力.     

基于高分二号的云南松林遥感影像提取方法研究

基于高空间分辨率的高分二号遥感影像,建立包含影像光谱特征、几何特征、纹理特征在内的分类特征集,使用面向对象的分类算法提取研究区的云南松林。研究表明:光谱特征、几何特征和纹理特征同时参与分类,得到的分类效果比单独使用一种特征或两种特征组合的分类效果更显著;与贝叶斯分类算法、K最邻近分类算法、支持向量机分类算法相比,随机森林算法的分类结果总体精度最高,为93.35%,对研究区云南松林提取的生产者精度为96.91%,用户精度为92.35%;云南松林面积占研究区面积的40.10%,是研究区最为重要的树种。     

基于知识规则的土地利用/土地覆被分类方法——以黑河流域为例

本文提出了一种基于知识规则的土地利用/土地覆被分类的新方法。知识规则是基于专家经验建立起来的,反映研究区内不同分类系统下各类别的地理分布特性与地理分布交叉可能性。基于黑河流域90 m 分辨率DEM、2009 年逐月1 km 分辨率NDVI,参考美国地质调查局(USGS) 1 km分辨率土地利用/土地覆被数据在欧亚大陆上各类别的聚类中心,应用在上、中、下游分别建立的知识规则,以知识规则结合最近距离的USGS 类别聚类的方法,制作了一套与USGS全球土地覆被分类标准一致的、可以用于大气模式以及陆面过程模式的黑河流域土地覆被类型分布数据。本方法分类结果与以往研究采用的类别映射方法的分类结果及实际地物影像进行对比,表明知识规则下的分类结果更能准确表达流域地表覆盖特征,对冰雪、冻土类别和沙地荒漠类别的表现更优。     

基于高分影像纹理分维变化的灾害自动识别方法

目前遥感变化检测主要是人机交互式目视解译,不能满足灾害自动识别尤其是卫星在轨变化检测自动化的新要求,亟须研究遥感影像变化自动检测算法,以实现灾害遥感自动识别。该文将高空间分辨率遥感影像的多尺度格网分割与纹理分维变化比较相结合,提出基于高分影像纹理分维单调变化(Texture Fractal MonotonousChange,TFMC)的灾害自动识别方法。通过计算和对比不同格网分割尺度下前后两期高分影像的纹理分维变化及其空间分布,并基于纹理分维变化单调性准则,可自动检测并识别灾区范围。以2011年3月11日日本地震海啸灾区的Worldview 0.5m全色影像为例,进行实验研究,表明MTFC方法无需人工干预即可根据纹理分形单调下降(当前减先前)可靠地识别出海水淹没区和密集房屋损毁区。经进一步优化,MTFC方法可望发展为高分遥感卫星在轨变化检测及灾害链聚焦监测的新技术。     

基于随机森林与特征选择的藏东南土地覆被分类方法及精度评价

由于云污染、实地验证点的匮乏,以及地形地貌的复杂、破碎化,多云山区土地覆被的准确分类较难实现。以藏东南这一典型的多云山区及生态过渡区为研究区,基于Google Earth Engine(GEE)平台和野外实测数据,结合多光谱数据、雷达数据、高程数据、辅助数据,提取光谱特征、纹理特征、地形特征等信息,利用递归特征消除法对特征进行优化,并采用随机森林算法构建分类模型,以期有效利用多源遥感数据提高土地覆被分类精度。结果表明：(1)并非特征越多分类精度越高,特征选择后数量由58个减至38个,分类精度（总体精度93.96%,Kappa系数0.92）较未优化前（总体精度93.11%,Kappa系数0.92）略有提升。(2)地形特征及雷达特征对藏东南土地覆被分类具有重要作用,地形特征对多数土地覆被类型的分类精度具有影响,而雷达数据对裸地、建设用地、灌丛影响较大,分类过程中如不考虑地形及雷达特征,总体精度分别降至88.98%,92.48%。纹理特征以及时序特征仅对提高具有明显纹理以及时序变化的土地覆被类型的精度有帮助。结合随机森林和特征优化算法,能够在保证土地覆被分类精度的同时,高效整合多源数据信息,...     

基于谐波分析和线性混合模型的河北平原区土地覆被分类研究

土地覆被分类是研究土地利用/覆被变化的基础数据和关键环节。以16d合成MODIS-EVI时间序列数据为主要数据源,采用谐波分析方法分析不同土地覆被类型的季节性变化规律和物候特征差异,引入谐波特征值构建线性混合模型,提取不同端元的丰度值。从土地覆被类型较齐全、谐波特征具有代表性的石家庄地区高空间分辨率影像上选择训练样本,确定MODIS纯净像元和混合像元的划分阈值,对河北平原区进行土地覆被分类制图。结果表明,与河北省县级土地调查统计数据对比,一年两熟耕地、一年一熟耕地、园地及有林地、自然陆地表面的总量精度分别为90.19%、86.17%、85.96%和77.82%,平均总量精度为85.03%;与石家庄地区9个县(市)一年两熟耕地和一年一熟耕地基于TM的分类结果对比,平均面积相对误差分别为10.25%、13.98%。受粗空间分辨率和合成周期、水热条件以及种植模式破碎化限制,混合像元主要集中在河北平原中东部地区,一年两熟耕地、一年一熟耕地、园地及有林地混合面积比重较大。     

面向对象的遥感影像分类方法在土地覆盖中的应用

本文基于面向对象的分类思想,以SPOT-5影像为数据,采用分层分类的方法,利用对象的多特征构建合适的特征空间,建立知识库,结合最邻近分类器与模糊规则两种方法,并使用空间关系对分类进行优化,结果表明该方法对高分辨率影像分类在减少分类不确定的同时还提高了分类精度。     

基于决策树的遥感影像分类方法研究

基于决策树分类算法在遥感影像分类方面的深厚潜力。探讨了3种不同的决策树算法（UDT、MDT和HDT）。首先对决策树算法结构。算法理论进行了阐述：具体利用决策树算法进行遥感土地覆盖分类实验，并把获得的结果与传统统计分类法进行比较，研究表明，决策树分类法相对简单，明确，分类结构直观，有诸多优势。     

基于土地覆被的局域社会生态系统动态平衡

社会子系统和自然子系统相互作用关系是社会生态系统研究的核心内容。社会生态系统中社会子系统和自然子系统的相互作用处于动态平衡之中,山地社会生态系统的动态平衡主要取决于自然植被的演替和人类活动的干扰。以土地利用/覆被的斑块调查数据和农户社会经济入户调查数据为基础,在村域尺度上构建了基于土地利用/覆被的社会生态系统动态平衡分析方法,分析村域社会生态系统各斑块在从祼地(或人工建筑)到顶级群落演替过程中所处的位置,揭示两类子系统相互作用关系。通过对高黎贡山东坡不同海拔梯度上旱龙、芒岗、芒晃三个自然村的动态平衡分析,结果显示:动态平衡指数DEI依次为旱龙(-0.50)芒岗(-0.71)芒晃(-0.75);其中人口压力较小、土地生产力较高的旱龙村,处于最佳的V-SES动态平衡之中;芒岗村的土地生产力较高但人口压力最大,芒晃村的人口压力小但土地生产力最低,均处于V-SES动态平衡的较差状态。研究结果为村域社会生态系统动态平衡分析提供了一种新的方法,且对开展更大尺度上的SES研究具有参考价值。     

基于高分一号卫星遥感影像的矿区生态安全评价研究——以井陉矿区为例

根据矿区生态环境的特点,以世界经合组织(OCED)提出的"压力-状态-响应"(P-S-R)框架理论为指导,构建了既适合遥感监测技术定量评估又能较好表征矿区生态安全信息的评价指标体系,针对矿区开采地区空间地物的复杂性,提出了指标数据源遥感化的概念,基于"高分一号"卫星遥感影像为主的多源、多时相、多分辨率遥感数据源,实现了多尺度目标监测与评价技术。以井陉矿区为例,进行矿区生态安全评价研究,评价结果符合实际情况,表明该研究可为维护矿区及其周边生态环境的原生平衡、引导矿区资源的合理开采与利用提供技术支持。     

高分三号影像在洪涝灾害应急监测中的应用

合成孔径雷达(SAR)广泛应用于洪涝灾害监测中,本文针对2020年安徽六安的特大洪水灾害及时获取高分三号(GF-3)卫星的实时SAR数据,开展了应急监测。监测结果显示:六安市北部霍邱县境内的城东湖、城西湖以及淮河两侧的乡镇受灾较为严重,对严重区进行了多期的动态监测和统计分析,取得了良好的效果。同时认为GF-3卫星影像具有较高的灾害应急监测能力,可为国家减灾备灾、应急救灾、恢复重建工作提供有力的数据支撑。     

高分三号卫星SAR影像的DOM制作要点探究

高分三号卫星以其高分辨率著称,能够实现高光谱和高精度观测,获取稳定可靠的SAR图像。SAR影像的数字正射影像图（DOM）制作,成为拓展其应用范围的重中之重。基于此,本文主要对高分三号卫星SAR影像的DOM制作要点进行探究。首先分析了SAR影像的成像特点,其次围绕SAR影像的DOM制作要点开展分析,分别论述了主要技术路线、影像预处理要点和几何纠正要点,最后围绕具体的制作实践进行深入论述与分析。     

土地覆被的气候预测模型

在全国挑选了东北、华北、华中、西南、华南、西北、新疆和西藏8个试验区,采用人工神经网络和逐步回归方法,应用温度、降水对植被指数进行预报(气候因子超前土地覆盖特征量24个月).试报结果表明:在对植被指数的预报上,人工神经网络优于逐步回归.同时尝试性的将神经网络预报方法与逐步回归方法结合起来作预报,即应用逐步回归挑选出来的预报因子作为神经网络的外部输入精选因子,进行神经网络模拟预报.研究表明,对神经网络的预报因子进行精选,可事先排除一些干扰信息,对提高神经网络的预报准确率有所帮助.     

基于遥感技术的银川市土地利用/覆被研究

为消除地形复杂地区不同地物的同谱异物现象,在遥感(RS)和地理信息系统(GIS)技术的支持下,采用分区分类方法对宁夏银川市1991和1999年的Landsat TM/ETM 影像进行解译,得到了银川市两期土地利用/覆被变化数据。在此基础上,通过转移矩阵和土地利用/覆被变化幅度、动态度及状态指数模型,对银川市土地利用/覆被变化的状况和变化过程进行了研究。结果表明,在研究期内,银川市各土地利用/覆被变化类型都有不同程度的变化。林地、耕地和城市用地转入大于转出,朝着规模增加的方向发展,而草地和水体转出大于转入,朝着规模缩小的方向发展,未利用地虽然转入大于转出,但变化缓慢;土地利用/覆被年变化率最大的是草地,其次为耕地,未利用地的最小。     

基于RS和GIS的西双版纳土地覆被动态变化

人口增加、经济发展导致滇南热带地区西双版纳土地利用/土地覆被发生显著变化,这些变化对该区的生态环境及生物多样性保护有着重要影响。基于RS和GIS方法,通过对1976、1988和2003年三个时期遥感影像解译分析,试图了解西双版纳近27 a间土地利用/土地覆被时空变化特征及影响因素。结果表明,近27 a间有林地在西双版纳分布最广、占绝对优势,其中以亚热带常绿阔叶林面积最大;但在研究时段内,有林地面积不断减少、呈现破碎化,尤其是热带季节雨林、山地雨林面积减少最为明显和破碎化最为严重。相应,橡胶园、灌木林面积不断扩大并聚集成片,其中橡胶园在1988~2003年间是面积增长最快、最多的地类,其面积扩张主要来源于对热带季节雨林的砍伐。轮歇地面积在1976~1988年是所有地类中增长最快、最多的,在1988~2003年由于向橡胶园转变而大幅度减小。粗放式的刀耕火种和橡胶种植园的不断扩大是主导本区土地利用/土地覆被变化的主要因素,土地利用变化导致了本区生态环境的退化和生物多样性的丢失。     

基于GF-1与Landsat-8影像的土地覆盖分类比较

高分一号(GF-1)卫星具有多种分辨率与大幅宽结合、重访周期短等优势,而Landsat-8卫星具有多波段、高辐射分辨率等优势。针对不同传感器参数特点,利用支持向量机分类器(SVM)对同区域同期两种数据进行土地覆盖分类对比研究。结果表明：两种传感器对应波段决定系数均大于0.92;典型样本的光谱趋势一致性良好,但在农田与林地、不透水面与裸土的典型样本可分离性方面,Landsat-8优于GF-1;GF-1与Landsat-8的分类总精度分别为90.38%和90.07%,但不同地物类型的分类精度存在差异,波谱响应函数的差异可能是导致Landsat-8对林地的分类精度高于GF-1的原因;此外,GF-1对零碎分布地物类型的分类精度高于Landsat-8,主要原因是GF-1具有更高的空间分辨率。     

基于eCognition的面向对象的土地覆被分类研究——以云南大学呈贡校区为例

以云南大学呈贡校区作为研究区,使用高分辨率的GeoEye-1数据,利用智能化影像分析软件eCognition,采用多尺度分割方法和最邻近法,探索性的进行面向对象的土地覆被分类研究。研究成果显示使用这种面向对象的土地分类方法得到的土地覆被类型判识精确度高达90%,颜色信息丰富、形状接近真实地物、大小区分明显、纹理信息突出、上下文关系明确、总体分类精度达到90%以上。同时研究成果还为呈贡校区的土地绿化建设和重点部署提供了技术支撑。     

一种顾及先验知识与光谱信息的土地利用/覆被遥感分类方法

提出一种基于贝叶斯综合模型的先验知识与光谱信息的土地利用/覆被类型联合决策方法:首先依据光谱信息对遥感影像进行预分类,然后利用先验知识修正预分类结果,以减少因同物异谱和异物同谱造成的分类错误,抑制因空间分辨率较高造成的类内噪声较大等现象.试验表明,通过引入先验知识,分类精度显著提高,单纯应用光谱信息总体分类精度为81.89%;引入数字高程模型,总体分类精度提高至88.75%;引入土地利用先验知识,总体分类精度提高至94.41%.