基于Landsat TM与CBER-02B的土地覆盖变化分析

以Landsat TM和CBERS-02B图像为遥感数据源,运用RS与GIS技术,对遥感数据的处理方法和技术流程进行系统的研究,并对汉寿县三期遥感影像进行处理,增强影像的可识别性。在野外调查和室内判别的基础上,建立研究区解译标志,采用机助目视解译方法,建立了1994年、2003年及2008年汉寿县土地覆盖数据库,提取并分析汉寿县土地覆盖变化信息。     

面向对象标准最邻近分类法在地理国情监测中的应用

地理国情监测项目范围大,遥感影像分辨率高,信息提取精度要求高,人工解译任务繁重,急需利用自动解译技术来提高效率。面向对象的标准最邻近分类法可针对地表覆盖信息实现数据的自动快速提取,相比于人工分类方法所提取的结果,该方法具有较高的精度,并且可大幅度提高地理国情监测地表覆盖信息提取的生产效率。     

基于解译知识库的地表覆盖自动解译研究及实现

高分辨率遥感影像具有丰富的空间结构信息和地理特征信息,因而被广泛地应用于地表覆盖信息提取工作中。针对高分辨率遥感影像解译中存在的目视解译效率低、自动解译分类精度有待提高、重复构建解译规则易造成劳动冗余等问题,本文提出了基于解译知识库的面向对象自动解译方法,并在此基础上开发了自动解译软件系统,通过解译知识的分类存储和用户的按需调用,实现影像解译的流程化、高效化。以四川省地理国情地表覆盖解译工作为例,表明应用该方法能够显著提高解译效率,解译结果具有一定的可靠性。     

基于Google Earth Engine与多源遥感数据的土地覆盖变化监测

快速准确地获取一个地区的土地覆盖变化信息,可为该地区的社会经济发展、生态环境建设、国土空间规划等提供重要支撑.以广东省为研究区,以Google Earth Engine(GEE)云平台为支撑,以Sentinel-1/2和Landsat7/8数据为遥感数据源,结合多源时序影像和DSM影像,利用机器学习分类方法进行了土地覆盖类型快速监测.     

基于多时相遥感影像的耕地利用信息提取研究

耕地为人类的生存和发展提供了重要的物质基础,是人类生存必不可少的基础资源。利用遥感影像进行耕地资源信息提取,可以为耕地资源保护提供数据支持。以黑龙江省鹤岗市为研究区,以1990年、1999年、2010年、2016年Landsat影像为数据,提取耕地信息。通过对研究区多时相遥感影像进行影像融合、图像增强、镶嵌和裁剪以及影像接边检查等预处理,利用监督分类(GLC和SVM)方法进行遥感影像解译,对解译后数据进行人工目视解译,生成耕地利用数据库。研究结果表明:不同地物光谱特征的选取对地物分类、信息提取有直接影响;进行监督分类时选点的疏密离散程度决定其成果精度的高低,对于耕地信息提取有直接影响;监督分类的方法具有结构简单、计算效率高的特点,对于大数据量的遥感影像处理更有优势。本研究成果可为研究区耕地利用保护提供基础数据。     

高分辨率遥感影像下沿海地区地表覆盖信息的提取

沿海地区地表覆盖信息是全国地理国情普查的重要内容,遥感影像分类技术为沿海地区地表覆盖信息提供了一种重要方法。本文基于GF-1高分辨率遥感影像,建立了沿海地区地表覆盖分类系统,采用中国测绘科学研究院自主研发的面向对象GLC决策树分类方法和软件进行了地表覆盖分类。通过对某试验区进行分类试验,并结合该区地表覆盖标准分类图进行精度评价,验证了基于高分辨率影像,面向对象GLC决策树分类方法在沿海地区地表覆盖信息提取上的有效性及优越性,其总体分类精度和Kappa系数分别为87.201 8%、0.840 6,均高于SVM分类法。最后提出基于高分辨率遥感影像的沿海地区地表覆盖信息提取流程。     

光谱特征扩展的时间序列Landsat数据地表覆盖分类

时间序列遥感影像常用于地表覆盖监测及其变化监测。然而,利用时序遥感数据—尤其是中分辨率遥感数据监测地表覆盖变化,其方法基本是先对多期影像分别进行监督分类然后对比分类结果。由于这种方法需要对每期遥感影像单独选择分类训练样本,而对于历史影像,常常难以获得可靠的样本数据。本文基于遥感数据定量化处理,尝试利用光谱特征扩展方法对时间序列Landsat数据进行分类:首先,结合一种新的大气校正方法和相对辐射归一化方法,对时间序列Landsat数据进行定量化处理,以消除各期影像之间的辐射差异,获得地表反射率数据。然后,论文选择一期易于获得分类训练样本的反射率数据作为"参考影像",并结合样本数据提取不同地表覆盖类型的光谱特征。最后,将"参考影像"中提取的地物光谱特征,扩展到所有时间序列反射率数据进行分类。论文利用青藏高原玛多地区的5景Landsat数据对本文的方法进行了验证,结果显示:基于光谱特征扩展的分类方法,可有效对定量化处理后的Landsat数据进行分类,分类总体精度为88.35%—94.25%,分类结果和传统的单景监督分类结果具有较好的一致性。此外,研究也发现,"参考影像"和待分类图像获取时间的季相差异会影响其分类的精度。     

Sentinel-2和Landsat8影像的四种常用水体指数地表水体提取对比

利用卫星影像快速准确地提取湖泊等地表水体范围一直是一个重要的研究课题,其对洪涝灾害监测、水资源管理与利用等具有重要意义。Sentinel-2 MSI和Landsat8 OLI数据是目前主流的开放获取的中高空间分辨率遥感影像。以鄱阳湖区为研究对象,首先,分别使用归一化差异水体指数(normalized difference water index,NDWI)、改进的归一化差异水体指数(modified normalized difference water index,MNDWI)、自动水体提取指数(automated water extraction index,AWEIsh)和基于线性判别分析的水体指数(water index,WI2015)等4种常用的水体指数从2种影像中提取湖泊水体的分布信息;然后,分析了在同种水体指数之下2种影像提取结果的差异性和同一幅影像中4种水体指数提取结果的不同;最后,利用同期的高分一号影像目视解译的结果对水体提取结果进行了精度验证。结果表明,对于2种遥感影像,4种水体指数均能成功地提取出研究区的大部分水体; AWEIsh和WI2015的提取精度最高,在Sentinel-2和Landsat8影像上分别达到了98%和94%以上,MNDWI次之,NDWI的提取精度最低;相对而言,Sentinel-2影像提取的水体细部信息更为明显,整体提取效果优于Landsat8影像。     

地理国情监测中基于高分辨率影像的地表覆盖信息人工解译方法和经验探讨

地理国情监测对象主要包括地表形态、地表覆盖和重要地理国情要素3方面,其中地表覆盖能真实反映土地表面自然营造物和人工建造物的属性,能描述地理国情信息的特征。尽管对以遥感影像为数据源的地表覆盖信息解译制定了详细的规则,但地表覆盖类型复杂多样,部分影像因天气、设备等原因不能清晰辨别地物,以及目前自动特征提取算法还不够完善,因此部分地表覆盖信息的提取还需根据经验进行解译。以西部某区第一次地理国情普查为例,结合提取规则和地物的形状、大小、颜色、纹理、位置等特征,探讨易混淆图斑的解译方法,为地表覆盖解译工作提供参考。     

基于决策树的遥感影像土地利用类型识别研究

为了准确获取新都区土地利用类型,以2007年四川省成都市新都地区的TM遥感影像为数据源,基于决策二叉树分类方法,在利用各类典型地物的反射光谱特性及典型归一化指数的基础上,结合目视解译,建立了一组能快速、准确提取土地利用信息的决策树分类规则,对研究区域遥感影像进行决策树分类。研究结果表明,决策树分类总体精度和Kappa系数分别为81.00%和0.7314,取得了较为满意的分类结果。     

Sentinel+Landsat融合影像的城市不透水面积参数获取

不透水面是衡量城市化的发展程度和评价城市生态环境质量的重要指标之一。南昌市作为环鄱阳湖生态经济圈的典型代表区域城市之一,准确、及时、高效地获取其不透水面信息对经济发展和生态规划提供全新的决策参考具有重大意义。现有的不透水面研究大多集中在针对单一光学遥感影像数据提取不透水面信息,但受影像数据源的影响,其分类结果往往存在光谱混淆和“椒盐”现象,限制了不透水面分类精度的进一步提高。为了改善这一局面,本文以南昌市为研究区,综合考虑多源遥感影像数据各自具有的影像特征优势,探究基于Sentinel+Landsat影像提取不透水面信息的适用性与优劣性。     

基于RS和GIS的松花江流域植被覆盖动态变化研究

利用遥感和地理信息系统技术对1989,1995年的Landsat TM数据和2002年Landsat ETM＋三期遥感数据进行处理,反演和计算松花江流域的归一化植被指数（NDVI）,在此基础上,获取研究区域植被覆盖度。在ArcGIS9.2软件空间分析模块的支持下,对研究区域三期植被覆盖影像进行叠加分析,以流域尺度和栅格尺度分析植被覆盖变化的时间和空间特性,获取研究区域植被覆盖度空间格局分布特征,为该区域植被覆盖度的自动化监测提供很好的技术支持。     

Satellite-based monitoring and statistics for raft and cage aquaculture in China’s offshore waters

Based on Landsat 8 remote sensing images, a combination of an unsupervised classification algorithm and artificial review was used to extract areas for Chinese offshore raft and cage aquaculture in 2018. The results of the extraction showed that China’s 2018 coastal zone raft aquaculture area comprised 194,110 ha, of which the province having the largest raft aquaculture area was Jiangsu (28.77 %), followed by Fujian (20.42 %) and Shandong (13.11 %). The cage aquaculture area covered 57,847,799 square meters, of which the provinces with the largest cage aquaculture area were Fujian (64.81 %), Guangdong (17.45 %), and Liaoning (5.63 %). In addition, by combining high-resolution remote sensing image visual interpretation and field investigation, the classification of 1200 sample points in four regions was determined, and the accuracy of the aquaculture area extraction was found to be 87.35 %. The extraction results can be used not only to evaluate China’s aquaculture production but also offer significant reference value for scientific planning related to sea use, ecological environmental protection, and marine disaster prevention and mitigation.     

基于光谱混合分解的流域不透水面提取及其动态分析——以于桥水库为例

不透水面不仅是城市非点源污染的主要来源,还是流域生态环境变化的主要因素之一。不透水面的数量、位置、几何形状、分布格局以及透水率与不透水率的比值,均影响着流域的水文环境,因此成为研究热点。本文以天津于桥水库流域为例,综合遥感(RS)与地理信息系统(GIS)技术,从流域尺度上研究1984~2013年间不透水面覆盖度的变化。在ENVI 5.1软件支持下,利用遥感影像获取1984,1994,2004和2013年4个时相的不透水面信息。采用修正后的归一化水体指数剔除水体信息,排除水体对不透水面提取精度的影响。运用线性光谱混合分析法(Linear Spectral Mixture Analysis,LSMA),提取流域不透水面覆盖度。结果表明:流域内不透水面覆盖度大多集中在1~5级,植被覆盖程度较高。近30年间不透水面比例逐年增加,2013年比1984年增加了2.802%,呈线性增长。中等分辨率的遥感影像适合流域尺度的不透水面提取的结果可作为流域水文及规划管理的重要基础性数据。     

利用SPACE LAB彩色红外影像及数据复合技术对藏北牧草资源进行计算机分类的研究

本文就在藏北草资源调查中,应用空间实验室量测摄影机(MC)摄得的彩色红外影像,及根据遥感影像目视判读所利用的信息空间特点和草场分类原理进行计算机自动分类的理论与方法,对利用辅助数据和影像数据复合技术的几种尝试进行了讨论,并依实地调查资料和专家判读结果对各种分类结果进行了评价。说明利用这种航天遥感资料,辅以Landsat影像生物量指标、DTM和坡度、坡向数据以及计算机自动分类技术,进行资源调查是可行的,可以达到最佳效果。     

高分辨率遥感影像解译中的机器学习范式

高分辨率遥感影像解译是遥感信息处理领域的研究热点之一,在遥感大数据知识挖掘与智能化分析中起着至关重要的作用,具有重要的民用和军事应用价值.传统的高分辨率遥感影像解译通常采用人工目视解译方式,费时费力且精度低.所以,如何自动、高效地实现高分辨率遥感影像解译是亟待解决的问题.近年来,随着人工智能技术的飞速发展,采用机器学习...     

融合多源时序遥感数据大尺度不透水面覆盖率估算

不透水面信息是监测城市扩张及区域生态环境变化研究的重要指标,基于遥感技术对地表不透水面信息进行快速提取具有重要意义。传统大范围不透水面覆盖率估算模型主要基于单一遥感信息与不透水面比例之间的相关性,通过单因子回归模型实现不透水面覆盖率的估算。受限于单一遥感信息的信息量及普适性等影响,这类方法在大尺度不透水面提取中具有较大局限性,估算结果的区域适应性存在较大差异。针对该问题,本文提出基于多特征遥感信息进行不透水面估算的方法,以弥补单一特征在大范围不透水面提取中的不确定性。该方法首先以多时相MOD13Q1、MOD09A1产品、夜间灯光数据（NPP-VIIRS）和Landsat 8 OLI为遥感数据源,从不同角度构建突出不透水面信息的多个指数特征;在此基础上利用多元回归模型建立多因子不透水面覆盖率估算模型,进而实现大尺度不透水面覆盖率的遥感估算。本研究选择分布于全国范围内13个典型城市作为主要研究区对提出的模型进行了验证,结果表明：该方法能够适应不同区域不透水面覆盖率的估算,在复杂城市区域表现出较传统方法更好的效果,明显改善了城市内部不透水面覆盖率的估算精度。     

大比例尺地形图在地理国情普查中的应用探讨

地理国情普查最主要的内容是地表覆盖分类与重要地理国情要素,其中地表覆盖主要基于遥感或航空影像影像进行分割、分类,解译出地表覆盖物的类型,以便从地理的角度进行统计分析。大比例尺地形图具有地表覆盖物与地理要素丰富信息的特点,本文结合生产实践探索出一套大比例尺地形图数据应用于地理国情普查的有效技术方法。     

济南市土地利用变化监测分析

济南作为山东省省会城市,在城市发展与土地利用变化方面应做到合理监测。本文以山东省济南市为研究对象,对济南市的土地遥感影像图进行分类。利用2005年和2016年济南市区Landsat遥感影像为基础数据,结合济南市矢量边界文件,对济南市的遥感影像图进行处理,通过目视解译,建立合理的训练样本,再结合野外调查的结果,制作济南市的土地利用分类图,根据分类结果对济南市土地利用变化进行分析与评价,为今后的济南市土地利用提供科学的依据和合理的建议[1]。     

结合高分遥感和多源数据的高原湖泊流域土地利用分析

高分一号卫星是为提升我国高分辨率数据自给率自主发射的卫星,在土地利用监测方面具有重要的应用价值。将GF-1卫星影像与多源数据影像进行对比能够挖掘各数据源在土地利用动态监测方面的差异性。本文以云南省杞麓湖流域为研究区,选取最新的Sentinel-2、GF-1和Landsat 8卫星遥感影像进行土地利用分类,以第二次全国土地利用调查数据为基期数据,结合野外实地调研和土地利用转移矩阵开展土地利用现状和演变分析,得出以下结论：①杞麓湖流域的水域、建设用地、耕地和林地自中心向外呈现出圈层分布的特征,与第二次全国土地调查结果相比,水域、耕地、林地3种类型的自然景观面积减少,而建设用地和其他用地受人类活动的影响,面积大幅增加,变化主要集中在杞麓湖周边的纳古镇和河西镇。②Sentinel-2卫星影像与GF-1卫星影像均具有较高的空间分辨率,二者对土地利用变化评估的结果相近,均优于Landsat 8卫星影像,其中GF-1卫星影像具有较高的应用价值。