基于主成分分析的海东地区城镇建设用地集约利用水平评价

本文采用主成分分析法,对海东地区城镇建设用地集约利用水平进行评价,量化城镇建设用地集约利用水平。并从评价结果中分析出海东地区城镇建设用地集约利用的特征和存在的主要问题,评价结果表明：平安县处于集约利用状态,乐都县和互助县为中度集约利用状态,而循化县、民和县和化隆县处于粗放利用状态。     

基于NDBI指数法的城镇用地影像识别分析与制图

高级空间热辐射热反射探测仪(ASTER)遥感影像与一般遥感影像相比,能为对地观测提供更高质量的信息源。本文以福州市的ASTER影像为数据源,用归一化建筑指数(NDBI)提取城镇用地专题信息,并与非监督和监督自动分类提取的结果作比较,结果表明:运用NDBI指数法提取ASTER影像的城镇用地专题信息,不仅能获取较高精度,而且能在一定程度上区分新老建筑。     

基于随机森林算法的近地表气温遥感反演研究

近地表气温是城市热环境的重要表征,是改变和影响城区气候的重要因素。为获得空间上连续的近地表气温,本文以北京市为研究区,利用Landsat5/TM数据计算分别得到地表温度、归一化植被指数、改进的归一化差异水体指数、地表反照率、不透水面盖度,并结合气象站点气温和高程作为输入参数建立随机森林模型反演近地表气温。结果表明,随机森林反演的近地表气温平均绝对误差（MAE）为0.80 ℃,均方根误差（RMSE）为1.06 ℃,与传统多元线性气温回归方法相比,平均绝对误差（MAE）和均方根误差（RMSE）分别提高0.06 ℃和0.09 ℃。研究表明,利用随机森林模型反演近地表气温是可行的,并且具有一定的优越性。此外,对随机森林模型的输入参数进行重要性分析,地表温度对气温反演模型的影响最大,其次为高程。     

基于随机森林的陕西省西安市近地表气温估算

随着城市规模不断扩大以及人口激增,城市气候与热环境问题日益凸显,开展城市近地表气温遥感监测研究能够为改善城市气候、减缓热岛效应、打造适宜人居环境提供参考。针对传统气温监测方法在多因素复杂关系模拟中的局限性,以陕西省西安市为研究对象,运用可以集成多要素、学习复杂、非线性映射关系的随机森林(Random Forest, RF)模型,基于Landsat 8卫星遥感数据以及SRTM高程数据相关参数的综合分析,构建多种近地表气温估算的随机森林模型,通过性能对比评估优选最佳模型,估算了2016年5月16日西安市近地表气温,分析了近地表气温的空间分布特征。结果表明：在所有近地表气温影响因子中,高程对随机森林模型近地表气温估算的贡献度最大,其次是地表温度。所有随机森林模型训练集的判定系数(R²)均高于0.916,均方根误差(RMSE)均低于0.467℃,验证集判定系数均高于0.726,均方根误差均低于0.840℃;训练集判定系数均高于验证集,均方根误差均低于验证集;最优随机森林模型训练集判定系数为0.934,均方根误差为0.425℃,验证集判定系数为0.795,均方根误差为0.7...     

基于随机森林的黄土地貌分类研究

地貌分类在指导人类建设活动的规模与布局中有着重要的意义。然而,传统的基于数字高程模型(DEM)的地貌分类方法使用的地形因子和考虑到的地貌特征往往比较单一。本文提出了一种基于流域单元的地貌分类方法,该方法考虑了流域单元的多方面特征,包括基本地形因子统计量、地形特征点线统计量、小流域特征和纹理特征。本研究首先基于DEM进行水文分析将研究区域划分成不同的小流域。然后利用数字地形分析提取29个不同方面的特征来表征流域的形态,并基于随机森林(RF)算法进行了特征选择和参数标定。RF是一种基于决策树算法的集成分类器,能有效地处理高维数据,分类精度高。最后选择训练集小流域对RF分类器进行训练,使用训练完成的分类器对整个研究区域的地貌进行分类,研究地貌分异的规律。该实验在我国陕北黄土高原典型黄土地貌区域的地貌分类中取得了较好的结果,结果表明不同的地貌之间存在明显的区域界线,特定的地貌类型在空间上表现出明显的聚集性。通过人工判读进行验证的分类精度达到了85%,Kappa系数为0.83。     

基于无人机影像和面向对象随机森林算法的岩溶湿地植被识别方法研究

目前对岩溶湿地的重视程度远低于其他湿地类型,缺乏利用遥感技术进行岩溶湿地植被高精度识别的研究,但岩溶湿地同其他湿地类型一样,湿地面积退化严重,亟待需要解决。因此,本文选取受人类活动影响较大、湿地退化较为严重的广西桂林会仙喀斯特国家湿地公园的部分核心区域作为研究区,以DJI大疆御Mavic Pro无人机航摄影像为数据源,利用泛化能力强、分类精度高的面向对象随机森林算法实现了会仙岩溶湿地植被的高精度分类,探究无人机可见光影像和面向对象随机森林算法在岩溶湿地植被识别中的适用性,为无人机遥感技术应用于岩溶湿地的研究和保护提供技术参考。首先,在eCognition Developer9.0中利用多尺度迭代分割算法对影像图层进行分割;然后,基于以往在进行面向对象分类研究的经验来指导我们进行特征选择,充分考虑了影像的光谱和纹理特征、植被指数、无人机遥感数据派生的研究区数字地表模型（DSM）和几何特征;最后,在RStudio中实现了随机森林算法参数的调优、模型的构建以及分类。结果显示,面向对象随机森林算法对会仙湿地植被具有较高的识别能力,在95%置信区间内总体精度为86.75%,Kappa系数为0.83。在单一典型岩溶湿地植被识别精度中,狗牙根-白茅-水龙植被群丛的用户精度在90%以上,生产者精度高于80%,竹子-马甲子-桂花生产者精度高于80%,但是用户精度较低,仅为70.59%。     

基于随机森林算法的地表温度鲁棒降尺度方法

陆地表面温度是描述区域或者全球范围内陆地表面与大气的相互作用和能量平衡最重要的环境参数之一。针对目前尚未有遥感卫星能够同时提供具有高时间和高空间分辨率的地表温度产品的问题,国内外学者发展了多种对低空间分辨率的地表温度进行降尺度的算法。然而,由于对地表温度解释变量和降尺度模型的选择往往具有区域局限性,导致了降尺度模型的泛化能力受到了一定的限制。本文首先评估了地表反射率、遥感光谱指数、地形因子、地表覆盖、经纬度以及基本状态变量6类环境参量与地表温度之间的相关关系,并在此基础上筛选出最佳解释变量;同时,结合在非线性回归问题上表现比较优秀的随机森林算法,建立了一种鲁棒性的基于随机森林算法地表温度降尺度模型（RRF）。本文选取了中国范围内具有代表性的11个地区作为主要研究区,将空间分辨率为1 km的MODIS地表温度产品降尺度至90 m。以北京市2个典型地表类型的子区域为代表研究区,通过与传统的基于归一化植被指数与地表温度相关关系的TsHARP模型,以及基于红波段和近红外波段以及地表高程作为尺度因子建立的简单Basic-RF模型的对比分析可得,RRF模型在2个子研究区降尺度结果均优于TsHARP模型和Basic-RF模型,其均方根误差分别为2.39 K和2.27 K。通过进一步对2个子研究区训练的RRF进行交叉验证,证明在一个研究区训练的RRF应用至另一研究区的降尺度时,RRF模型表现出了较好的鲁棒性,降尺度结果的均方根误差分别为2.56 K和2.44 K,精度误差相差仅为0.17 K。通过将RRF应用于中国范围内的多个研究区,结果表明利用少量训练数据构建的RRF模型适用于大范围的区域,地表温度降尺度结果都能取得较好的精度。     

基于随机森林的西辽河流域CCI土壤湿度降尺度研究

土壤湿度是气候系统中的关键因子,对农业管理、水资源管理和生态系统监测与评估等具有重要应用价值。遥感土壤湿度产品虽能提供大尺度范围的土壤湿度分布,但受限于较低的空间分辨率,难以满足实际应用的要求,对遥感土壤湿度产品的降尺度研究成为当前的热点之一。本文以0.25°分辨率的欧空局ESA CCI日土壤湿度为主要数据源,结合1 km分辨率的MODIS下垫面数据、地形数据、气象数据等环境因子,构建随机森林降尺度模型,对我国西辽河流域2013—2020年CCI日土壤湿度产品进行降尺度,得到1 km分辨率的土壤湿度时空分布数据。研究发现：(1)环境因子重要性分析表明,相对湿度和白天地表温度是影响土壤湿度变化最重要的2个因素,地形与位置因子的影响次之;(2)利用研究区内22个站点的实测数据序列对随机森林降尺度模型性能进行验证,结果表明考虑多种环境因子（地表、地形和气象）的降尺度结果比仅考虑地表参数的降尺度结果的精度要高,每个站点的RMSE都在0.048 8 m3/m3以下,平均相关系数为0.497 3,BIAS绝对值在0.003 0～0.033 3 m3/m3,降尺度后的土壤湿度与原始CCI遥感土壤湿度...     

基于主成分分析的济宁市环境承载力研究

该文以济宁市环境承载力为研究对象,运用主成分分析法,从影响环境污染状况、环境治理状况、人口状况、经济发展状况、自然资源状况、物耗能耗状况等19个指标中,提取出影响环境承载力动态变化的3个主成分,对济宁市环境承载力年际变化进行了综合评价。结果表明:2006—2010年,济宁市环境承载力呈现逐年上升的趋势。该研究评价结果较好,可以为该地区的可持续开发规划提供理论参考。     

基于随机森林模型的中国中老年人群HDL-C环境影响因素研究

高密度脂蛋白胆固醇（HDL-C）可以有效促进人体内胆固醇的代谢外排,其水平的高低与患心血管疾病的风险呈负相关关系,是心血管疾病的预防与保护因素。厘清我国中老年人群HDL-C水平的地理分异特征及环境影响因素,对我国心血管疾病防治工作的开展有重要意义。论文基于中国中老年人纵向追踪调查,利用全局空间自相关、冷热点分析等方法阐释中国中老年人群HDL-C水平的空间分异特征及变化趋势,同时对比引入随机森林回归模型及多元线性回归方法探讨HDL-C水平空间分布的环境影响因素及其指示作用。结果表明：中国中老年人群HDL-C水平表现为女性高于男性、农村高于城镇,具有明显的地域差异性,整体呈现出“北低南高,中间过渡”的分布格局,且北方出现了以内蒙古、河北、辽宁为代表的低值聚集区,南方出现了以广东、广西、云南为代表的高值聚集区;SO2、NO2、降水、气压、PM10和PM2.5是影响中老年人群HDL-C水平差异分布的主要环境因素,其中高浓度的空气污染物是造成HDL-C值较低的危险因素,充沛的降水和低压环境是防治HDL-C值较低的保护因素。因此,今后关于HDL-C血脂异常防控工作在全国各地应注重其空间分布规律,重...     

共模误差PCA与ICA提取方法的比较

为消除共模误差CME,目前广泛应用的主成分分析法（PCA）基于观测数据的二阶统计量（方差和协方差）将观测网残差分解成一组不相关的随时间变化的模态和对应的空间响应,而GPS时间序列分布具有非高斯特征,二阶统计量不能完全描述其随机特性。本文假设区域网CME 与其他误差相互统计独立,则可以采用独立分量分析（ICA）法。采用模拟数据对ICA提取CME的精确性和有效性进行验证,并与PCA结果进行对比。结果表明,ICA能够有效地提取观测网CME。     

城市建成区遥感影像边界提取与扩张分析

针对城市建成区提取过程中,仅依赖单一数据源导致精度不够的问题,本文基于面向对象分类方法和利用土地类型信息标准差统计变量,实现遥感影像中城市建城区边界的提取,并以该建成区为依据对河南省虞城县的城区空间扩张特征作了分析。实验中首先采用均值漂移分割算法对高分一号遥感影像实现分割,然后利用决策树分类算法实现土地利用类型分类,最后基于0.1 km × 0.1 km窗口统计土地利用类型标准差信息,获取建成区边界。面向实际应用,以河南省虞城县为例,采用高分一号影像获得虞城县2017年建成区数据,并基于该数据采用多个TM影像提取城区其他年份的建成区边界,实现河南省虞城县城区空间扩张特征分析。结果表明,本文方法获取的建成区边界精度较一般的监督分类提取边界有进一步的提高,精度达到89%。进而说明结合高分辨率影像提取多个年份的建成区数据的可靠性,在城市扩张研究中,对仅利用低空间分辨率提取精度不够问题和仅利用高分辨影像提取效率低等问题提供了较好的解决方案。     

基于多源遥感数据的城市扩张监测与分析

有关建成区空间分布的研究是城市发展规划的重要组成部分,针对单一数据源不足以提供准确、及时的建成区信息的问题,提出了一种结合Landsat数据和夜光遥感数据的城市扩张监测方法。该文以Landsat影像与夜光遥感影像为数据源,采用SVM分类方法和突变检测阈值分割技术,提取2004—2016年的原济南市、泰安市、原莱芜市的建成区范围,然后引入城市扩张强度、紧凑度、重心轨迹转移分析和等扇形分析等指标,来定量分析城市扩张的时空变化特征。结果表明:从2004—2016年,研究区建成区面积增加了508.06km~2,原济南、泰安市均以外延式的城市发展为主,主要的趋势是北部、西部和南部;而原莱芜市则以填充型的城市发展为主,紧凑度高于其余两市,西北方向处于扩张速率的高值区;其中城市扩张强度指标定量地反映出在2004—2007年间研究区城市化进程取得重大突破,是区域城市化进程的重要阶段。相较于单一数据源,引入夜光遥感数据,可以更快速高效地提取城市建成区信息。     

基于几何光学模型的人工林叶面积指数遥感反演

 MODIS等全球叶面积指数(LAI)产品空间分辨率偏低(250m~7km),不能满足高空间分辨率遥感应用的需求。为获取大区域高空间分辨率LAI,有必要对物理模型用于高空间分辨率遥感影像LAI反演的可行性进行探讨。本文基于4-scale模型LAI反演算法,以甘肃省张掖为研究区,利用TM 影像实现研究区人工林LAI反演。反演算法考虑了反射率入射-观测角度对LAI与植被指数关系的影响和植被冠层尺度的集聚程度。利用地面实测LAI数据对反演结果进行验证与分析,并与NDVI经验模型进行对比,同时分析LAI反演结果对波段反射率敏感性。结果表明: 4-scale模型LAI反演结果与实测LAI一致性良好(R²=0.67,RMSE=0.50),且优于NDVI经验模型(R²=0.59,RMSE=0.67);当LAI大于2时,4-scale模型LAI反演算法误差小于NDVI经验模型,能有效避免植被指数的饱和现象;红光波段反射率减小时,引起4-scale模型LAI反演结果的变化幅度比其增大时更高,且影响程度大于近红外波段反射率。研究表明,4-scale 模型LAI反演算法可用于TM数据反演人工林LAI,模型应用普适性较强。     

随机森林方法支持的复杂地形区土地利用/土地覆被分类研究

随机森林方法目前已经成为遥感分类机器学习中一种有效方法,探索基于中等分辨率的Landsat卫星数据与随机森林方法相结合对复杂地形区长时间序列数据的获取及土地利用/土地覆被变化及模拟研究是非常有意义的。本文基于Landsat8OLI卫星多光谱数据,采用随机森林分类方法对青海省湟水流域复杂地形区土地利用类型进行了分类研究。针对复杂地形区域的情况,将研究区进行地理分区,根据每个分区的特点,选择相应的地形特征参数,并通过提取Landsat 8数据的光谱信息与纹理信息构建最优特征集,探索随机森林方法在复杂地形区土地利用分类的适用性。结果表明：使用Landsat8OLI数据进行随机森林分类,能较好地得到湟水流域复杂地形区域的土地利用类型结果;光谱、地形及纹理信息的结合在不同分区的表现结果不同。在脑山区光谱与地形信息结合能使随机森林分类效果最佳,总体精度达到91.33%,Kappa系数为0.886;而在浅山区与川水区综合考虑光谱、地形、纹理信息进行随机森林分类效果最佳,浅山区与川水区总体精度分别达到92.09%和87.85%,Kappa系数分别为0.902和0.859;利用随机森林算法进行优化选择纹理特征组合可以在保证分类精度的同时能够快速地提取土地利用类型信息,为复杂地形区土地利用类型的区分提供了实际可行的方法。     

基于多源遥感数据和GEE平台的博斯腾湖面积变化及影响因素分析

作为典型的干旱区内陆湖泊,博斯腾湖的面积变化趋势与当地自然和人文环境的变迁密不可分.本文结合GIS与RS技术,利用Landsat影像和MODIS数据共2289景及JRC GSW水体掩膜产品,基于Google Earth Engine (GEE)平台采用指数法得出2000-2019年博斯腾湖面积年际和年内变化趋势,并采用...     

基于卷积神经网络与条件随机场方法提取乡镇非正规固体废弃物

随着村镇经济建设发展,生活垃圾和工业固体废弃物造成的污染问题日益突出,已经成为制约新农村建设发展和生态文明建设的关键问题,而目前针对乡镇非正规固体废弃物的调查与统计主要依赖全国各乡镇相关部门逐级调查上报,工作量较大。本文基于高分辨率遥感影像,将深度学习模型和条件随机场模型相结合引入到乡镇固体废弃物的提取研究中,探索一种基于深度卷积神经网络的乡镇固体废弃物提取模型。由于固体废弃物在影像上表现为面积小,分布破碎等特点,为了提高工作效率,将模型特分为识别和提取2个部分：① 通过全连接卷积网络（CNN）对固体废弃物进行快速识别判断,筛选感兴趣区域影像块;② 在传统的全卷积神经网络(FCN)的基础上加入条件随机场模型(CRF)提取固体废弃物边界,提高整体分割精度。根据安徽、山西等地区相关部门上报固体废弃物堆放点以及住房与城乡建设部城乡规划管理中心进行野外检查的结果,实验最终识别精度达到86.87%以上;形状提取精度为89.84%,Kappa系数为0.7851,识别与提取精度均优于传统分类方法。同时,该方法已经逐步应用于住房和城乡建设部有关成都、兰州、河北等部分乡镇非正规固体废弃物的核查工作,取得了较为满意的结果。     

融合面向对象和分水岭算法的山地湖泊提取方法

面向对象的方法提取湖泊,常常面临边界识别不精确的问题.本研究在面向对象方法的基础上,利用分水岭算法,解决湖泊边界识别问题.该方法初步将遥感影像划分为确定湖泊区域、潜在湖泊区域和背景;然后通过分水岭算法对潜在湖泊区域进行二次提取.研究选择昆仑-喀喇和喜马拉雅山脉区域的3个山地湖泊发育良好的区域作为实验区,利用Landsa...     

基于光学与雷达影像变化检测的2020年鄱阳湖洪灾评估与分析

利用遥感对地观测技术对2020年夏季鄱阳湖地区发生的洪水灾情进行评估和分析,分别选取Landsat 8卫星4月和Sentinel-1A雷达卫星7月的影像作为洪水发生前、后的影像,利用遥感专题信息提取、随机森林分类和变化检测技术揭示洪水淹没范围,以及被淹没的主要土地覆盖类型面积,同时结合水文气象和地形数据进行灾情和受灾原因分析。研究结果表明,鄱阳湖2020年洪灾的淹没面积为1961.95 km²,共造成区内110.83 km²建筑用地、760.54 km²耕地、71.59 km²林地、992.02 km²草地和26.97 km²裸地被淹,其中尤以鄱阳县受灾最为严重,其总受灾面积达到514 km²,其次为新建区与余干县,分别达到了330 km²和310 km²。持续2个月的强降雨使得鄱阳湖流域的水位超过了其1998年特大洪水的水位,加上长江水倒灌,湖区地势北高南低,积水不能及时排出,圩堤决口等诸...