基于地理国情普查的奉化市建成区绿地景观格局研究

以奉化市建成区为研究区域,结合奉化市建成区绿地率和绿化覆盖率调查,在Arc GIS支持下,对奉化市建成区绿地景观格局进行研究。研究结果表明:奉化市建成区绿地现状面积为387.12 hm2,绿化率13.32%,绿化覆盖面积542.43 hm2,绿化覆盖率18.65%;绿地斑块大小组成比较合理,城市边缘地区缺乏大中型和大型绿地斑块;绿地平均形状指数相对较高,绿地景观形状指数,公园绿地防护绿地其他绿地生产绿地附属绿地;各类型绿地景观平均斑块分维数基本都处于1.3~1.6之间,分维数较高,斑块边界较复杂。此外,本研究还对奉化市建成区各街区绿地景观指数做了比较分析。     

特征优选的GF-2影像湿地地表覆盖要素提取

为满足地理国情普查及监测对湿地地表覆盖要素自动分类需求,本文以GF-2影像为数据源,采用Relief F算法优选特征,根据选取不同特征数量达到的总体分类精度和类间分类精度,对比分析面向对象的随机森林、决策树、支持向量机、最邻近4种分类方法对湿地覆被自动分类的适用性,通过实例进行对比分析,结果表明经过特征优选上述4种分类方法均可利用较少特征值达到较优的分类结果,验证了Relief F算法的有效性。在分类精度和学习速度方面,随机森林最优,决策树优于支持向量机,除最邻近方法外均可用于湿地信息普查。     

基于TM影像的城市建成区绿地提取方法研究

基于TM影像,选取归一化植被指数NDVI、子像元和神经网络3种方法从不同角度提取城市建成区绿地,从与标准值对比、精度评估和错判误差等多方面进行对比分析,寻找提取城市建成区绿地的最佳方法.结果表明:一方面,这3种方法均能够较为精确地提取出城市建成区绿地覆盖面积及空间分布特征,尤以子像元方法最佳;另一方面,这3种方法误差产生情况各不相同,NDVI方法以多判误差、子像元方法以少判误差和神经网络方法以错判误差为主.     

城市道路的多特征多核SVM提取方法

针对高分辨率遥感影像中城市道路提取的复杂性及SVM的分类性能,提出了一种城市道路的多特征多核SVM提取方法。首先利用FCM算法将原始影像粗分为建成区和非建成区两类,剔除非建成区;然后根据分水岭分割算法分割建成区并提取分割对象的光谱特征与空间特征,以全局核函数和局部核函数加权组合的方式构建多核SVM对建成区进行二次分类,去除建成区中的建筑物等非道路信息;最后利用数学形态学处理,获得最终的道路提取结果。试验结果表明：文中所提方法能够较精确地提取城市道路信息,分类精度高于单核SVM提取及其他对比方法。     

基于GIS的湖南农业大学土地利用景观格局变化分析

以湖南农业大学为研究区,对2005年和2010年的遥感影像进行土地利用景观分类,选取并计算具有代表性的景观指数,结合GIS的空间分析技术,从景观的总体和单元特征、空间构型和景观异质性等方面对景观变化情况进行分析。结果表明,经过五年的建设,研究区大量其他景观转变为绿地景观、道路景观、生活设施景观、娱乐场地景观及教学设施景观。尽管土地利用程度加大,但景观格局日趋合理,功能分区进一步明确,且生态环境得到较好的保护。     

基于高分二号的城市绿地提取方法研究

绿地对城市生态系统具有重要的调节作用。利用遥感技术来辅助绿地信息的提取,能够获取绿地空间结构,动态掌握绿地覆盖面积,从而达到调控和监测城市绿地变化的目的。本文分别采用最小距离分类和面向对象的最邻近分类2种方法进行城市绿地提取,实验结果表明,利用高分二号这种空间分辨率较高的遥感影像进行绿地信息提取,面向对象的分类方法要比传统的最小距离分类方法更为适合。     

基于ALOS数据的厦门岛城市绿地景观格局分析

以厦门岛为研究区,利用ALOS卫星AVNIR-2和PRISM高分辨率遥感影像,基于新版《城市绿地分类标准》,采用NDVI阈值法和目视解译法进行城市绿地分类,研究2010年厦门本岛的城市绿地的景观格局。结果表明:①公园绿地形成厦门岛城市绿地分布的主要格局;②城市绿地景观结构格局不合理,不同绿地类型在不同斑块等级上的数量和面积上分布不太均衡;③防护绿地和附属绿地斑块密度大、破碎度高、聚集度低,公园绿地和区域绿地则相反。城市绿地多样性较高,丰富度大,但景观破碎度高、均匀度低。     

基于多源遥感数据的南宁市建成区动态监测与驱动力分析

为了解南宁市建成区空间和时间的扩张特征,本研究选取美国国防气象卫星（DMSP）得到的DMSP/OLS和美国的“索米”国家极轨卫星伙伴卫星（Suomi NPP）得到的NPP-VIIRS两类夜间灯光遥感影像数据,以及Landsat系列遥感影像作为基础数据,提出了一种基于多源数据融合法结合统计数据比较法快速提取城市建成区的方法,基于该方法对2000—2020年南宁市建成区的面积扩张变化、面积重心变化、面积扩张速度和扩张强度变化进行了动态监测和驱动力分析。结果表明：(1)南宁城区扩张幅度明显,扩张速度呈增强趋势;(2)南宁市建成区形态以向外扩张、向内填充为主,空间紧凑程度不断下降,空间形态趋于稳定;(3)建成区重心由西北向东南转移,东南方向为南宁市建成区的主导发展方向;(4)人口增长和经济发展是城市建成区扩张的直接驱动力和根本驱动力,城市交通运输的发展对建成区扩张具有牵引力与指向性。     

基于夜光遥感影像的苏南城市群建成区提取方法

基于苏南地区2020年月平均NPP-VIIRS夜光遥感影像,构建了基于差值平方函数的城市群建成区提取模型,验证了模型精度,分析了苏南城市群建成区特征,并从面积、混淆矩阵和景观指数等方面对不同方法提取的建成区对比分析,具体结论如下：(1)构建了基于差值平方函数的城市群建成区提取模型,此法提取的建成区与苏南地区实际建成区分布结果具有高度的一致性;(2)实现了苏南城市群建成区的提取,苏州面积最大,无锡建成区占比最高;(3)差值平方法提取的城市建成区面积准确率高于阈值法,差值平方法与阈值法的总体精度相近,而差值平方法的Kappa系数高于阈值法,景观指数更接近实际情况,能够有效提高城市建成区的提取精度。     

基于RS和GIS的重庆市都市区绿地系统

以0.5m Geoeye高分辨率卫星影像为主要信息源,在遥感和地理信息系统的支持下,选取了多样性、优势度、均匀度、分离度和破碎度等指标对重庆市都市建成区绿地系统景观格局特征进行了分析,在此基础上,对其绿地系统建设提出了初步建议。     

济南市建成区扩展的时空特征及驱动力分析

以山东省济南市为例,以1979—2005年5个不同时相的遥感图像为数据源,利用遥感信息提取技术,获取了城市扩展的空间信息。结合济南市社会经济统计数据,从扩展方向、重心转移等方面综合分析了济南市建成区扩展的时空特征,并从人口、经济、地理区位、政策导向等4个方面探讨了城市扩展的驱动力。结果表明,济南市城区扩展的整体趋势是东西向的带状扩张,向东扩张明显,城市重心向东北方向转移;1979年济南市城区面积是52．7km^2,2005年达到311．6km^2,是1979年的5．9倍。     

基于物候差和多时相影像的耕地种植结构遥感调查——以唐山玉田为例

为减少利用遥感光谱特征解译农作物过程中样本选取的主观性误差,同时克服现场调研样本数据不充分的不足。该文基于玉田县物候特征,选择研究所需4个遥感时相,进而结合4时相中耕地地表覆盖状态(绿地和裸地)以及4时相叠置后绿地、裸地的地类组合特征,建立农作物解译标志,从而提取主要的农作物种植结构信息。根据该方法提取的研究区主要作物冬小麦、夏玉米和大白菜的面积与统计数据的相对误差分别为4.01%、3.25%和4.16%,且空间分布符合与实际情况;提取结果总体精度和Kappa系数分别为86.19%和0.83。     

融合多特征的村域无人机影像两阶段土地利用分类方法

为提高村域尺度土地利用分类精度,本文基于高分辨率无人机影像,研究了融合多特征的两阶段分类方法。该方法首先利用基于平均J-M距离增量的“扩充特征子集法”获取最优纹理特征和可见光植被指数,并与原始影像融合;然后,根据地物的具体特征表现,基于规则结合最邻近法分两阶段进行提取。研究结果表明：1)纹理特征和可见光植被指数有助于提高影像分割质量,且基于平均J-M距离增量的“扩充特征子集法”选取的特征相较于同类其他特征更能体现地类间差异化程度;2)相较于全局最优分割尺度下的决策树、支持向量机及随机森林等分类,本文方法总体精度分别高出6.89%、2.66%、5.17%,Kappa系数分别高出11.86%、4.28%、9.04%,在村域土地利用分类方面表现出较强适用性。     

城市居住单元绿地景观遥感环境研究

城市是人类改造最彻底的景观,城市中的居住单元是与市民最息息相关的景观单元。绿地是居住单元的重要自然要素,在调节气候、改善环境质量、吸尘消声等方面起着重要作用,在一定程度上反映了居住单元景观质量的优劣。遥感、地理信息系统与景观生态学理论共同形成了对生态系统空间格局进行研究的独具特色的研究模式,而利用景观指数对空间格局进行定量化研究是这种研究模式的基本内容。传统的景观指数研究多基于TM、SPOT影像在较大尺度上开展,基于高分辨率遥感影像在居住单元这样的小尺度上研究景观格局还较少。本文具体介绍了利用高分辨率遥感影像提取居住单元绿地景观斑块的整个过程,并选取绿地覆盖率、斑块密度、分维数、均匀度指数和最大斑块指数等指数,分析了厦门居住单元的绿地景观结构,最后采用模糊评判的方法对选取的居住单元作综合评价。     

基于RS与GIS的城市景观形态分析

城市景观包括城市中的建筑、道路、绿地、水域等地表特征,是研究城市环境和体现城市特色的重要依据。基于TM影像提取城市景观特征,利用GIS技术对景观形态进行空间分析,得到城市景观形态特征,为城市建设提供决策支持。     

基于高分一号卫星的城市扩张变化监测研究

廊坊是京津冀城市群的地理中心,位于京津两个国际都市之间。本文选取廊坊市中心为研究对象,利用高分一号卫星数据和航空影像,分析廊坊市2010~2016年的城市扩张变化情况,为京津冀协同发展制定政策并为城市制订规划提供依据。首先对遥感影像进行预处理,对高分一号卫星影像,按用地类型分别采用监督分类、面向对象和植被指数法提取城市2016年地表现状信息,并进行精度评价;对2010年的航空影像进行数字化,两类数据结合进行基于分类的变化检测和精度评价,分析城市空间变化特征。结果表明,厂房、建筑和未建成区分别采用监督分类、建筑阈值分类和面向对象法分类效果较好;廊坊市城市扩张的驱动力主要为经济发展、政策因素、历史条件、地形等。     

基于夜光遥感数据的中原城市群建成区时空变化分析

本文基于“类NPP-VIIRS”夜光遥感数据集,采用改进的统计数据比较法提取中原城市群建成区,利用重心迁移指标和典型景观格局指标,分析中原城市群建成区2002—2020年的时空变化特征。研究表明:①中原城市群建成区扩张强度先快后慢,整体呈下降趋势;建成区重心在经历多次偏移后最终指向东南方向,但一直位于郑州大都市区范围内。②中原城市群发展迅速,建成区总面积在2002—2020年增加了1.429倍;在2011—2012年出现大量新兴城镇;2014年之后趋于稳定,城镇之间的联系越来越紧密。③中原城市群建成区空间格局复杂度逐年上升,破碎程度总体降低,郑州大都市区建成区扩张速度明显快于中原城市群整体建成区扩张速度。     

地理国情监测绿化指数调查的技术方法研究

主要阐述位于城市中心城区内开展绿化覆盖的调查,研究如何运用遥感反演调查技术方法,调查出中心城区内绿化覆盖状况,通过分类精度评价能符合精度要求后,进一步开展城市绿地景观格局的分析,计算出中心城区内的绿化覆盖率、绿地廊道的指数等多项城市的绿地景观指数,为自然资源管理的宏观分析及各级政府部门提供了地理国情数据支撑。     

特征分类与邻近图相结合的建筑物群空间分布特征提取方法

建筑物群综合过程中需要对建筑物群空间分布特征进行认知和识别。本文在分析国内外相关研究的基础上,从描述建筑物空间特征的大量指标中,利用主成份分析方法,总结并提出了有代表性的建筑物空间特征指标集:凸包面积、紧密度IPQ指标、边数和最小面积外接矩形方向,并基于这些指标研究了建筑物群的分类。在利用最小生成树邻近图(MST)划分建筑物空间子群时,考虑了建筑物成群与所处地理环境(河流和道路等因素)的关系。另外,基于最邻近图(NNG)、MST、相对邻近图(RNG)和Gabriel图(GG)4种建筑物群邻近图,提出了自动识别具有特定空间排列建筑物子群的方法,并比较分析了识别结果的影响因素和可用性。最后,选择北京某地区建筑物群为试验对象,实现了对建筑物群的分类和空间聚类,并提取了其中直线型空间排列的建筑物子群。     

浅析基于GIS的济南市发展布局与历史变迁

利用ArcGIS软件数据处理和空间分析功能,采用内业数据编辑、数理统计分析等方法,对济南市1993年、2002年、2009年、2012年4个时段内建成区的DLG数据变化信息进行挖掘、分析、统计、计算,获取城市空间布局与历史变迁相关信息,为济南城市布局及今后城市发展提供依据。