模糊支持向量机和变化矢量分析相结合的矿区土地覆盖变化检测

针对目前土地覆盖变化检测常用的方法存在不同程度的误差累积,夸大了变化区域,提出模糊支持向量机(FSVM)和变化矢量分析(CVA)相结合的土地覆盖检测方法。以某矿区2004年和2008年两期的CBERS遥感影像进行了试验。结果表明,植被大幅减少,其他地类都有不同程度的增加,主要是由于开采规模和产量提升所致。通过与常规的其他两类方法比较发现,本文方法的总体精度、Kappa系数、漏检误差和虚检误差分别为92.67%、0.892 7%、5.79%、7.31%,比其他两种方法有较大提高,能够提供较全面的变化类别和准确信息,可以有效地应用于矿区土地覆盖动态监测。     

禹州市1992-2015年矿区植被覆盖度动态变化研究

以禹州市1992-2015年7景Landsat影像数据为数据源,利用像元二分模型计算获取每一景影像的植被覆盖度并进行分析;再结合河南省地质环境监测院发布的2018年禹州市矿区图斑矢量分析了禹州市矿区内20 a间植被覆盖度的时空变化特征.结果表明:①禹州市矿区范围内平均植被覆盖度较低,1992-2015年禹州市矿区的平均植被覆盖度由41.84％ 降至17.3％;②禹州市矿区的中高植被覆盖区面积变化趋于平稳,低植被覆盖区面积下降,无植被覆盖区面积明显上升,与矿区开采面积不断扩大的趋势保持一致;③结合矿区图斑的土地占用类型统计发现,对比堆积类土地占用类型,挖损、压占类土地占用类型矿山对植被破坏程度更加严重.     

利用综合变化检测方法进行土地覆盖变化制图

在全球环境变化研究中,对土地利用和土地覆盖的描述、量化和监测尤为重要。为此,基于综合变化检测算法(comprehensive change detection method,CCDM),计算2011—2016年Landsat影像(P033/R033)的土地类型变化。CCDM整合了2种基于光谱的变化检测方法,即多指标综合变化分析(multi-index integrated change analysis,MⅡCA)模型和分区(Zone)变化检测模型。通过计算变化向量(change vector,CV)、最大相对变化向量(relative change vector maximum,RCVMAX)、差分归一化燃烧率(differenced normalized burn ratio,d NBR)和差分归一化植被指数(differenced normalized difference vegetation index,d NDVI)等4个光谱指标和时间(t)提取2期Landsat影像的变化。此外,根据前期和当前土地覆盖的变化趋势和MⅡCA与Zone结果的变化,对CCDM结果的准确性进行了评价。评价结果表明:非变化类的准确率为96%,变化类的准确率为40%,总体精度为68%。CCDM方法简单、容易实现、应用广泛,能捕捉不同景观中各种自然和人为干扰引起的潜在土地覆盖变化,可为国家土地覆盖更新和土地变化检测提供技术支持。     

ASTER和TM/ETM+遥感数据融合监测土地覆盖变化

在人们纷纷选择IKONOS、QUICKBIRD、SPOT-5等高分辨率影像监测土地利用/覆盖变化之际,以北京海淀区为例,尝试采用Brovey变换和主成分分析(PCA)法融合ASTER、TM/ETM+中等分辨率影像,充分利用ASTER、TM/ETM+数据的多光谱和较高空间分辨率特性,挖掘其在土地覆盖变化监测中的潜力,为大规模监测土地利用/覆盖变化提供科学参考。研究将2003年ASTER多光谱3N、2、1波段与1999年ETM+PAN波段进行Brovey变换;1992年TM543与1999年ETM+PAN波段进行PCA融合,快速发现土地覆盖变化信息。经验证,变化发现精度达92.50%,符合项目精度要求。试验表明:在缺乏高分辨率影像的地区,选择价格相对便宜的AS-TER和TM/ETM+数据,采用Brovey变换和主成分分析(PCA)法进行融合,可有效监测土地覆盖变化,节约动态监测成本,二者具有很大的应用价值,值得推广。     

基于时空域密度异常的土地利用/土地覆盖短期变化检测

论文分析了时间序列遥感影像中土地利用/土地覆盖短期变化的特点及其时空异常特征, 认为和环境、物候等因素造成的影像变化相比, 由人为活动引起的土地利用/土地覆盖变化具有典型的时间和空间异常特征, 并提出了基于密度异常的土地利用短期变化检测方法。研究工作选取珠江口地区1—5月作物生长期间的3个时间序列Radarsat雷达影像进行试验, 在影像分割的基础上, 构建了基于对象的特征变化矢量, 并将密度异常检测算法(DBAD)扩展到变化矢量的N维特征空间上, 运用随机搜索策略确定检测参数, 对Radarsat时间序列变化矢量中的“小模式”事件进行了检测。检测结果认为, 密度异常检测算法检测的是变化矢量在特征空间的密度分布, 与变化矢量的强度和方向无关, 因此能在时间序列影像中分离出由典型的、正常的作物生长或农事活动引起的影像光谱或回波变化, 进而识别出由人为活动或突发事件导致的土地利用/土地覆盖变化, 这是通常的图像差值等方法难以做到的。进一步的抽样检测说明, 密度异常检测方法对新增建设用地的检测准确率最高(>88%);林地地表覆盖相对稳定, 检测误差也很低(8%);农用地和养殖水面的异常变化检测误差在11%—22%之间;较大的检测误差主要集中在建设用地、农用地和未利用地之间的转换(16%—25%);此外, 养殖水面的检测误差主要集中在河流沿岸及水面变化较大的养殖区域。影像分割结果特别是一些线状分割图斑以及混合地类图斑对误差也有一定的影响。     

NWFE结合纹理特征的SVM土地覆被分类方法研究

为提高土地覆被分类精度,采用非参数权重特征提取(nonparametric weighted feature extraction,NWFE)结合纹理特征的支持向量机(support vector machines,SVM)的分类法,对新疆玛纳斯河流域绿洲区2006年的土地覆被进行分类,并将该方法与主成分分析(principal component analysis,PCA)结合纹理特征的SVM分类、原始波段结合纹理特征的SVM分类进行对比。结果表明,NWFE结合纹理特征的SVM分类结果优于其他2种分类结果,不仅反映了土地覆被分布的整体情况,而且使不同土地覆被类型得到较好的区分,总体分类精度达89.17%。     

GIS中多维点数据的误差区间分析法研究

GIS中线面位置的不确定性,归根结底是点的不确定性。对于点位的不确定性可视化,已有很多研究[5-6,8],本文正是在此基础上展开的。在误差理论中,误差椭圆有举足轻重的地位,对点位质量用生动的图形灵活地表现出来。本文则用误差椭圆(椭球)方程求其最小外接矩形(长方体),并给出计算该误差区间置信度的方法,说明在多维联合正态分布的点位误差区间置信度计算上,当且仅当相关系数为零时,也可使用x2分布查表求得。在描述点位精度时,误差区间描述极为简单,也便于参与其他计算,具有良好的实用性和应用价值,这对描述点位精度有一定的积极作用。     

基于独立分量法的新疆GNSS时间序列共模误差分析CSCD

共模误差(CME)是区域连续全球卫星导航系统(GNSS)网中的主要误差来源之一.针对GNSS时间序列具有非高斯分布特征,基于二阶统计量的主成分分析(PCA)难以准确提取出CME分量问题,采用具有高阶统计量的独立分量分析(ICA)对CME进行提取.以2011—2018年新疆区域GNSS坐标时间序列为例,将PCA滤波效果进行对比验证,分析了CME对GNSS坐标时间序列的影响,并对CME序列进行周期分析.结果表明:前6个独立分量包含CME分量,这可能与卫星轨道、地表质量负荷和时钟误差有关,ICA滤波后东(N)、北(E)、天顶(U)三个方向的均方根(RMS)值分别降低31.83%、32.29%、35.49%,速度不确定度分别降低44.14%、38.49%、43.32%,各测站的周期项振幅较滤波前更一致,有效地剔除了CME,提高了坐标时间序列的精度.     

大光斑波形数据在土地覆盖分类的适用性分析

针对GLAS地学激光测高系统是冰、云和陆地高程卫星(ICESat)的唯一监测工具,能够记录地表光斑内的地物信息,是否能应用于黄土高原土地覆盖分类的问题进行了研究。利用粒子群和最小二乘法相结合的方法对GLAS波形数据进行高斯分解,获取高斯波个数、波形总能量、波形信号起始和信号结束位置4个波形参数;基于波形自动分类方法对黄土高原水体、森林、城市用地、其他地类(裸地、低矮植被等)进行分类。通过基于覆盖相同研究区域的30 m地表覆盖数据(Globe Land30),验证分类的准确性。结果表明,GLAS大光斑波形数据对黄土高原的4种地类能够很好地进行区分,总分类精度高达87.68%,Kappa系数为65.79%。研究表明,GLAS波形数据可以作为获取土地覆盖信息的有效数据源,为研究黄土高原土地覆盖变化提供更丰富的数据支持。     

矿山环境遥感动态监测中的相对辐射校正方法研究

多时相不变特征集(TIC)方法是一种简单而有效的相对辐射校正方法,该方法通过反射率基本不随时间变化地物的高密度中心确定线性回归方程,与目前国内多采用的伪不变特征点(PIF)方法相比,在反射率基本不随时间变化的地物数量较少时,不受反射率发生变化地物的干扰。在植被覆盖程度高、城镇点较少的矿山环境中,反射率基本不随时间变化的地物较少,因此TIC方法适用于矿山环境遥感动态监测。以鄂东南多金属矿区为研究区,使用TM数据,采用TIC方法对不同时相的归一化植被指数(NDVI)进行了相对辐射校正,有效地减小了辐射差异,实现了多时相遥感图像的辐射归一化。     

基于BJ -1小卫星遥感数据的矿区土地覆盖变化检测

为了评价利用北京一号小卫星(BJ-I)遥感数据监测煤矿区土地利用/地表覆盖变化的效果,针对其数据特点,选择基于图像信息运算和图像信息变换的直接变化检洲法以及分类后比较法,对徐州东矿区2007～2008年土地利用/地表覆盖变化情况进行检测,以对比、评价各种方法在土地利用/地表覆盖变化检测中的应用效果和BJ -1数据的适用...     

上海近十年来城市化及其生态环境变化的评估研究

为了了解上海近十年来的变化,应用遥感变化检测方法来评估研究近十年来上海的城市范围及城市生态方面的扩展和变化,即一方面利用从土地覆盖衍生出的城市化面积指数(UAI)来反映城市扩展的速度,另一方面应用植被覆盖率(FVC)变化来评估城市生态环境的演变.研究中,首先对2000～2009年的MOD13Q1影像按照年叠加反演出.N...     

石嘴山矿区地表环境动态变化遥感监测

为实现石嘴山矿区地表环境动态变化遥感监测,选取覆盖石嘴山矿区的20世纪70年代(1970s)航空遥感图像、2003年SPOT5卫星图像和2009年RapidEye卫星图像,结合野外实地调查资料,建立了完善的地类解译标志;基于ArcGIS软件,对3个时相、不同传感器的遥感图像进行人机交互解译和解译结果叠加分析,得出1970s-2003年和2003-2009年地类变化图;通过对地类变化图的统计分析,得到矿区地类变化及相互转化情况,进而分析其变化规律及成因.结果表明:1970s-2003年间,石嘴山矿区地类变化主要体现为由基础设施建设和水土流失造成的植被覆盖区和耕地向城镇居民点及荒地的转化,而采矿活动则造成煤矸石山、煤堆、水体等地物面积的增大;2003-2009年间,植被覆盖区面积增幅最快,而煤矸石山、煤堆等矿山地物面积减小明显,这与矿区的地质环境治理恢复密不可分.     

高频GNSS信号去噪的小波和多方向主成分分析

针对传统主成分分析(PCA)忽视测站各坐标分量之间相关性的问题,提出了一种小波去噪和多方向主成分分析(WD-MPCA)组合的方法. 该方法弥补了传统PCA的缺陷,与经验模态分解和主成分分析(EMD-PCA)组合方法及小波去噪和主成分分析(WD-PCA)组合方法相比,WD-MPCA组合方法精度最高. 经WD-MPCA组合方法去噪后,其平均中误差分别为0.83 mm、0.85 mm和8.30 mm,比原始坐标残差时间序列的平均中误差分别降低了81.14%、81.91%和40.37%. WD-MPCA组合方法充分考虑了各测站不同分量之间的相关性,可以有效去除信号中的高频随机白噪声(WN)和低频有色噪声(CN),这对高频全球卫星导航系统(GNSS)技术的实际应用和理论发展具有重要的意义.      

MODIS土地覆盖分类的尺度不确定性研究

以空间异质性较强的枯水期鄱阳湖为研究区,以搭载于同一卫星平台、具有同一观测时间和较高空间分辨率的ASTER数据为参照,分析研究了MODIS数据在土地覆盖分类中由空间尺度带来的不确定性。首先基于MODIS三角权重函数,建立了从ASTER到MODIS的尺度转换方法;然后对不同空间分辨率的数据进行土地覆盖分类,并基于误差矩阵和线性模型分析了MODIS土地覆盖分类结果的误差来源。结果表明,空间分辨率和光谱分辨率与成像方式这两类因素对MODIS与ASTER分类结果差异的贡献比例约为(6.6—11.2):2;MODIS像元尺度对研究区水体的分类不确定性影响较低,而对森林的不确定性影响可达63%。由此可见,在基于MODIS数据的土地覆盖分类研究中,空间尺度所产生的不确定性是比较显著的。这些研究结果对于土地覆盖分类及变化检测、尺度效应和景观生态学不确定性研究,有积极的参考意义。     

基于BP神经网络的厘米级超宽带测距误差改正模型设计与实验

在室内复杂环境下,超宽带(UWB)测距误差难以通过常规方法进行有效补偿,严重制约了其定位精度.在分析室内环境下UWB测距误差分布特点的基础上,设计了两种不同结构的BP神经网络误差改正模型.模型BP1输入单个标签与4个基站的测距值,输出对应的4个测距误差;模型BP2输入一对标签、基站的三维坐标,输出对应的一个测距误差.以...     

光谱与纹理信息复合的土地利用/覆盖变化动态监测研究

及时、准确地动态监测地球表面特性对于掌握人类和自然现象之间的关系和相互作用是非常重要的,并为决策的制定奠定基础。传统卫星遥感的土地利用/覆盖变化动态监测方法基本上可分为光谱直接比较法和分类比较法两大类,但两类方法多以光谱信息为基础来提取土地利用变化信息,而忽略纹理等空间信息。本研究中,基于变化向量分析方法,将光谱与纹理两种信息复合计算变化强度,并采用支持向量机法提取变化/非变化信息,通过监督分类确定变化区域内的土地利用/覆盖类型的转移方向,完成土地利用/覆盖动态监测。最后,利用两期TM数据,对海淀区1997—2004年进行土地利用/覆盖变化动态监测,以验证该方法。该方法较分类后比较法在一定程度上减少误差积累,降低了错误类型转化,提取的变化信息总精度达到93.1%,Kappa为0.862,比利用光谱信息双窗口变步长的变化向量分析方法提取出土地利用/覆盖变化信息的精度有一定的提高(总体精度为90.2%,Kappa为0.804)。纹理信息与光谱信息复合,能够更大拉开变化/非变化信息之间的距离,有利于动态变化信息的提取,是该方法能够有效提取变化信息的关键所在。     

基于多目标遥感信息处理的城市扩展监测与分析

基于徐州市1994年、2002年和2007年的多时相Landsat TM/ETM+遥感影像,利用建筑用地指数(IBI)提取城市建筑用地信息,通过监督分类获得城市土地覆盖网,由单窗算法反演地表温度.利用多目标遥感信息处理得到的建筑用地分布、土地覆盖图和地表热环境信息,从土地利用结构变化、城市热环境时空演变两个方面分析了徐州市城市扩展动态,表明徐州市建成区面积不断扩大,城市扩展速度进一步加快,土地利用类型相互转换频繁;城市热岛现象显著,热岛分布与城市建筑用地的轮廓基本吻合,建筑用地不断增加是热岛效应加重的主要因素.研究表明,综合土地覆盖分类、专题信息提取和地表参数定量反演的多目标遥感信息处理用于监测分析城市扩展与生态环境响应具有明显的优越性.     

LSTM辅助车载GNSS/INS组合导航算法及性能分析

针对车载GNSS/惯性导航系统(inertial navigation system,INS)组合导航系统在GNSS信号失锁时定位精度下降甚至发散的问题，提出了一种长短期记忆(long short-term memory,LSTM)神经网络辅助组合导航的算法来提高定位精度，实现可靠连续稳定的定位.通过移动集成平台进行实验，结果表明：当GNSS信号失锁30 s时，LSTM辅助组合导航系统在东(east,E)、北(north,N)方向的位置误差最大值分别降低了77.45%、17.39%，均方根误差(root mean square error,RMSE)分别降低了79.53%、42.36%；当GNSS信号失锁100 s时，LSTM辅助GNSS/INS在E、N、天顶(up,U)三个方向上的位置误差最大值分别降低了60.07%、98.30%、84.65%,RMSE分别降低了61.96%、97.98%、84.65%. LSTM辅助较大地提升了车载GNSS/INS组合导航系统的导航性能.     

基于遥感与GIS技术对城市绿地信息提取、统计方法研究

本文结合新疆石河子市国家人居城市申报项目,基于遥感技术,利用QUICKBIRD卫星影像,运用归一化植被指数(NDVI)法提取绿地信息,建立解译标志,采用人机交互方式,提高解译精度,该方法目前在植被监测、土地覆盖变化、荒漠化研究中有广泛的应用。