引入二维交细分类型的地表覆盖矢量数据增量更新

通过遥感影像与基准年数据对比获得变化信息是目前地表覆盖数据增量更新的主要变化数据来源,但现有方法不能直接更新地表覆盖矢量数据。本文设计了一种包含变化对象的空间位置和类型信息的地表覆盖增量数据模型,发展了一种引入面/面二维交细分类型的地表覆盖矢量数据增量更新方法。该方法首先采用基于目标整体交、差结果的欧拉数的E-WID层次拓扑关系模型区,分析了地表覆盖矢量数据更新中的14种二维交细分拓扑关系类型;然后根据这些二维交细分类型,设计了9条自动更新处理规则。最后开发了一套基于根据二维交细分类型处理规则的地表覆盖数据增量更新原型系统,并用实际数据验证了其正确性。     

基于ArcGIS Python的地表覆盖栅格化技术

为提高地表覆盖栅格化的生产效率,对地表覆盖数据栅格化处理技术进行了研究。介绍了一种基于ArcGIS Python脚本编程的地表覆盖栅格化技术;并以福建省2016年基础性地理国情监测数据为例,验证了该技术实现地表覆盖数据批量自动栅格化的可行性。     

一种基于对象和快照的混合地表覆盖时空数据存储模型

时空数据模型是数据库和时空数据分析研究热点之一。由于时空数据变化类型多、分析计算复杂及应用范围广,一种观点认为建立通用的时空数据模型具有高度复杂性。本文针对地表覆盖变化时空数据建库和时空分析应用需求,提出了基于对象和快照的混合时空数据模型。该模型用面向对象描述地表覆盖的斑块对象时空过程,组织管理斑块对象时空事件和空间、属性信息,同时用快照描述地表覆盖整体时空分布,组织管理栅格快照,两者通过基于时间和空间位置的逻辑关联关系形成混合模型。模型在表达对象自身变化的时空事件类型基础上,增加了不同分类对象之间互相转变的时空事件表达。该模型既可以用于对地表覆盖历史观测数据组织存储建库,又可以用于支持时空统计分析、时空演变模拟和时空数据挖掘。通过对黑龙江地区地表覆盖时空数据建库、查询检索、整体格局演变分析和斑块变化时空过程检索与表达的试验,验证了模型的有效性。     

基于知识的GlobeLand30耕地数据质量检查方法与工程实践

全球地表覆盖数据产品GlobeLand30研制的一项重要任务是设计和研发数据质量检查方法,降低地表覆盖10大类型分类提取的错判率与漏判率.本文以耕地为例,分析了影响全球耕地信息提取的主要质量因素,凝练了耕地的地域分布、人文相关知识、时空稳定性、物候特征等方面的知识,构建了基于知识的数据质量检查规则,设计了由整体到局部、分区域检查与修改交互式处理的策略,形成了一种基于知识的全球耕地数据质量检查方法;并利用该方法开展了GlobeLand30耕地数据质量检查,将耕地数据精度提高到了83.06%.该方法对地理国情及其他地表覆盖研究具有借鉴意义.     

面向地表覆盖更新的时空目标不一致性探测方法研究

正地表覆盖是地表各种生物与物理覆盖综合体,其空间分布及随时间的变化是气候模拟、生态评估、地理国情监测等不可或缺的重要基础地理信息。随着对地观测技术发展,利用遥感影像提取地表覆盖信息已成为当前的一种主要技术手段。但因地物光谱、纹理、时相等特征复杂多样,加上时相适宜、质量优良的影像数据难以全面覆盖,往往导致地表覆盖更新前后多期产品数据不一致。工程生产实践中,地表覆盖数据质检主要以人工检核为主、部分自动化为辅,耗时、费力,迫切需要一种面向地表     

基于北京二号与地理国情数据的林地提取

由于地理国情林地数据不包含实地面积小于400 m²的树木或四旁单排林,若仅利用地理国情的林地数据统计区域森林覆盖率,将对四旁树面积较大地区的林地统计结果产生较大误差。为提取区域内准确的林地覆盖与空间分布状况,本文借助地理国情地表覆盖数据,提出了一种基于北京二号高分辨率遥感影像的林地提取方法。首先,根据遥感影像光谱特征,将研究区按植被、道路、铁路、建筑用地进行地类划分,并基于遥感影像进行各地类的样本提取,通过可分离检验的样本利用最大似然分类提取研究区内植被覆盖范围;然后,借助地理国情地表覆盖数据,使用叠置分析剔除误分、错分地类,得到区域林地的空间分布。试验结果表明：(1)研究区内林地覆盖率为20.3%,尚未满足北京新一轮林地规划需求;(2)地理国情地表覆盖数据内林地面积占提取林地总面积的54.03%,说明在部分地区使用本文方法对地理国情林地数据进行补充是有必要的。通过将试验结果与遥感影像进行目视比对并结合外业调查结果发现,提取的林地空间分布情况与实际分布基本相符。本文为地理国情的应用提供了一种新方法,研究结果可辅助区域的绿色发展规划,有助于构建科学的生态空间格局。     

基础地理信息跨尺度联动更新规则体系研究

系统介绍了基础地理信息跨尺度联动更新关键技术相关的规则体系,通过图层映射、几何对应、图面综合、要素取舍、关系协调等多套规则的有机结合,实现了变化更新信息的准确提取;同时开展了基于增量的要素编辑与自动化标注的约束性规则研究,并以1：1万DLG数据联动更新1：5万DLG数据为例,进行了跨尺度基础地理信息联动更新试验。     

全球地表覆盖高分辨率遥感制图

全球地表覆盖分布及变化是气候变化研究、生态环境评估、地理国情监测、宏观调控分析等不可或缺的重要基础信息。国际上现有全球五套地表覆盖数据产品的空间分辨率为1km或300m,数据精度、分类体系、时空分辨率等均存在不足。为了满足全球变化研究与地球模式模拟的需求,应该研制具有较高时空分辨率、更符合全球变化需要、精度较好的全球地表覆盖数据产品。本文简要介绍了全球地表覆盖遥感制图的情况和数据产品的不足,讨论了对新一代地表覆盖数据产品的需求,介绍了我国研制全球30m地表覆盖数据产品的863重点项目。     

地理国情监测中水域范围与水域要素套合问题分析

针对地理国情监测中地表覆盖水域范围与地理国情水域要素套合时存在的诸多问题,本文提出了利用DEM水文分析法和ArcGIS空间关系排查法进行优化处理的方法.实践证明,利用该方法能解决两类数据时空不一致以及其他情况引起的套合问题,使得在全国尺度上的地理国情监测水域数据成果更加准确、客观、可靠,为提高地理国情监测成果质量提供了有力保障.     

地理国情普查地表覆盖要素处理和优化技术研究

地表覆盖要素分类提取是地理国情普查工作的基础, 是地理国情指标信息统计与发布的重要依据。本文结合武汉市第一次地理国情普查工作情况, 研究与分析了地表覆盖分类数据提取的现状和存在的相关问题, 提出了基于FME的地表覆盖分类数据编辑和检查、分类成果的坐标转换处理模式, 同时综合TCL脚本语言和命令行批处理模式对数据处理方式进行了优化。该方法能提高地表覆盖分类处理的效率和质量, 可以为地理国情普查工作中的地表覆盖要素分类处理提供重要的技术参考。     

地表覆盖遥感产品更新完善的研究动向

近年来,多尺度地表覆盖遥感产品的不断涌现,为环境变化研究、地球系统模拟、地理国(世)情监测和可持续发展规划等提供了重要科学数据。为更好地满足广大用户日益增长的应用需求,应对地表覆盖遥感产品进行持续更新完善,保持其时效性、增强时序性、丰富多样性。针对大面积地表覆盖遥感产品更新完善所面临的主要问题,介绍和评述了国内外有关研究动向,包括影像与众源信息相结合的更新、数据类型细化与完善、地表覆盖真实性验证,并作了简要展望。     

Multi-temporal remote sensing data applied in automatic land cover update using iterative training sample selection and Markov Random Field model

Automatic land cover update was an effective means to obtain objective and timely land cover maps without human disturbance. This study investigated the efficacy of multi-temporal remote sensing data and advanced non-parametric classifier on improving the classification accuracy of the automatic land cover update approach integrating iterative training sample selection and Markov Random Fields model when the historical remote sensing data were unavailable. The results indicated that two-temporal remote sensing data acquired in one crop growth season could significantly improve the classification accuracy of the automatic land cover update approach by approximately 3–4%. However, the support vector machine (SVM) classifier was not suitable to be integrated in the automatic land cover update approach, because the huge initially selected training samples made the training of the SVM classifier unrealizable.     

Ensemble Stacked Auto-encoder Classification on LIDAR Remote Sensing Images

Light detection and ranging system (LIDAR) can obtain diverse remote sensing datasets which contains different land cover information. The datasets offer vital and significant features for land cover classification. As a new and effective deep learning algorithm, stacked auto-encoders (SAE) consists of multiple auto-encoders in which the code of each auto-encoder is the input of the successive one. The classification precision is closely related to hidden layers, and the number of samples in fine-tuning step also affects classification results. In this paper we study the classifiers based on different number of samples and hidden layers. According to appropriate parameters, we promote SAE with adaptive boosting ensemble strategy to build new classification method. Two tests which are based on LIDAR datasets are implemented. The experiment results prove that the fusion of deep learning and ensemble learning is effective to LIDAR remote sensing images. The proposed method is robust to similar scenes classification. The overall accuracy increases 6% compared with bagging method on test 1.     

基于相似度验证的自动变化探测研究

变化检测技术越来越多地应用于城市遥感分析和应用领域,但目前城市变化检测的研究主要基于中低空间分辨率的遥感数据,使用的方法也主要是像元直接比较法或者是分类后比较法。提出一种基于变化向量分析和相似度验证相结合的变化检测方法,应用高空间分辨率影像来快速实现城市建筑物、街道等目标的自动变化检测。并详细阐述了变化目标的提取以及验证的方法和过程,其结果真实地反映了地面目标的实际变化程度和类型。     

影像变化检测技术辅助的地表覆盖分类成果质量检查技术研究

针对地理国情监测项目地表覆盖分类成果的分类精度检查特殊性,提出了一套基于高分辨率遥感影像变化检测技术辅助成果质量检查的技术路线,并结合工程实践开展了成果检查试验,试验结果表明:该技术路线能有效检查出成果中存在的漏更新、误更新等典型问题,有效提高检查的效率与准确性,可为地理国情监测项目中地表覆盖分类成果质量控制提供技术参考。     

以“不变特征点集”为控制数据集的遥感图像自动化处理框架

全球变化研究需要将多种传感器光谱波长接近的图像波段一起使用,以满足遥感应用对时间分辨率和区域覆盖的要求,这给遥感图像处理提出了新要求,涉及多传感器多时相数据几何定位一致性问题、辐射归一化问题及地类属性标识一致性问题以及高度自动化处理的问题。针对上述几方面问题,提出了一个基于"不变特征点集"IFPs(Invariant Feature Points set)作为控制数据集的区域级遥感图像自动化处理框架,将图像的几何空间、辐射值空间和类别属性值空间的时空对齐问题纳入到统一框架,提供了一种间接快速处理的手段和理念,并对构建IFPs的关键技术进行了综述。     

All Equal-Area Map Projections Are Created Equal,But Some Are More Equal Than Others

High-resolution regional and global raster databases are currently being generated for a variety of environmental and scientific modeling applications. The projection of these data from geographic coordinates to a plane coordinate system is subject to significant areal error. Sources of error include users selecting an inappropriate projection or incorrect parameters for a given projection, algorithmic errors in commercial geographic information system (GIS) software, and errors resulting from the projection of data in the raster format. To assess the latter type of errors, the accuracy of raster projection was analyzed by two methods. First, a set of 12 one-degree by one-degree quadrilaterals placed at various latitudes was projected at several raster resolutions and compared to the projection of a vector representation of the same quadrilaterals. Second, several different raster resolutions of land cover data for Asia were projected and the total areas of 21 land cover categories were tabulated and compared. While equal-area projections are designed to specifically preserve area, the comparison of the results of the one-degree by one-degree quadrilaterals with the common equal area projections (e.g., the Mollweide) indicates a considerable variance in the one-degree area after projection. Similarly, the empirical comparison of land cover areas for Asia among various projections shows that total areas of land cover vary with projection type, raster resolution, and latitude. No single projection is best for all resolutions and all latitudes. While any of the equal-area projections tested are reasonably accurate for most applications with resolutions of eight-kilometer pixels or smaller, significant variances in accuracies appear at larger pixel sizes.     

地表覆盖分类数据对区域森林叶面积指数反演的影响

以江西省吉安市为研究区,将5种全球地表覆盖分类数据(包括美国地质调查局(USGS)、马里兰大学(UMD)和波士顿大学(BU)生成的3套数据和欧洲生成的2套数据)以及由TM影像生成的区域地表覆盖分类数据,分别与MODIS1km反射率资料结合,利用基于4尺度几何光学模型的LAI反演方法生成研究区的LAI。在1km和4km两种尺度上将反演的LAI与TM资料生成的LAI进行比较,评价地表覆盖分类数据对LAI反演结果的影响。结果表明,TM和欧洲太空局的GLOBCOVER地表覆盖分类数据用于反演LAI的结果较好,在1km尺度上,反演的LAI与统计模型估算的TMLAI相关的R2分别为0.44和0.40,在4km尺度上的R2分别为0.57和0.54;其次为波士顿大学的MODIS地表覆盖分类数据,据其反演的LAI与TMLAI相关的R2在1km和4km尺度上分别为0.38和0.51;而马里兰大学的UMD和欧洲的GLC2000地表覆盖分类数据会导致反演的LAI存在较大误差,据其反演的LAI与TMLAI之间的一致性较差,在1km和4km两种尺度上平均偏低20%左右;LAI的反演结果对聚集度系数具有强的敏感性。该研究表明,为了提高区域/全球LAI反演精度,需要有高质量的地表覆盖分类数据。     

Measures of spatio-temporal accuracy for time series land cover data

Remote sensing is a useful tool for monitoring changes in land cover over time. The accuracy of such time-series analyses has hitherto only been assessed using confusion matrices. The matrix allows global measures of user, producer and overall accuracies to be generated, but lacks consideration of any spatial aspects of accuracy. It is well known that land cover errors are typically spatially auto-correlated and can have a distinct spatial distribution. As yet little work has considered the temporal dimension and investigated the persistence or errors in both geographic and temporal dimensions. Spatio-temporal errors can have a profound impact on both change detection and on environmental monitoring and modelling activities using land cover data. This study investigated methods for describing the spatio-temporal characteristics of classification accuracy. Annual thematic maps were created using a random forest classification of MODIS data over the Jakarta metropolitan areas for the period of 2001–2013. A logistic geographically weighted model was used to estimate annual spatial measures of user, producer and overall accuracies. A principal component analysis was then used to extract summaries of the multi-temporal accuracy. The results showed how the spatial distribution of user and producer accuracy varied over space and time, and overall spatial variance was confirmed by the principal component analysis. The results indicated that areas of homogeneous land cover were mapped with relatively high accuracy and low variability, and areas of mixed land cover with the opposite characteristics. A multi-temporal spatial approach to accuracy is shown to provide more informative measures of accuracy, allowing map producers and users to evaluate time series thematic maps more comprehensively than a standard confusion matrix approach. The need to identify suitable properties for a temporal kernel are discussed.     

遥感时间序列影像变化检测研究进展

同一区域、不同时期大量历史数据的积累,以及同一区域能够方便地获取高时间分辨率遥感数据,使遥感时间序列影像变化检测成为近年来遥感技术与应用的研究热点。本文系统总结和评述了当前遥感时间序列影像变化检测的相关研究进展和应用状况,在阐明遥感时间序列分析的意义,以及时间序列影像在变化检测中的优势的基础上,从非遥感领域时间序列变化检测方法出发,针对遥感时间序列影像变化检测的需求,明确和归纳了遥感时间序列变化检测的问题与类型,并对当前最新研究进行了综述,总结了各种方法的优点与不足,重点介绍了基于经验模态分解的遥感时间序列影像异常信息检测方法和基于隐马尔可夫模型的土地利用/覆盖变化检测方法,以期能够为相关研究提供参考。最后总结了该研究领域的发展趋势和存在问题,并对今后的研究工作和未来发展方向进行了展望。