基于决策树分类的地表覆盖遥感信息提取

地处西南的渝北地区地表覆盖类型复杂、土地利用多元化,仅依赖于光谱特征的传统遥感信息提取方法难以获得较高的分类精度。利用决策树分类技术对渝北地区的TM遥感影像进行分类,除光谱信息外还结合地质、NDVI、PCI等多源数据进行实验。结果表明,总精度和Kappa系数分别为88.42%和0.854 7,较传统的监督分类和仅依赖于光谱特征的决策树分类方法有较大提高,这也表明基于多源数据的决策树分类技术对地表覆盖复杂地区的遥感影像分类比较适用,是遥感信息提取的一种有效手段。     

基于MODIS数据的决策树分类方法研究与应用

介绍了目前国际上流行的两种决策树算法———CART算法与C4·5算法,并引入了两种机器学习领域里的分类新技术———boosting和bagging技术,为探究这些决策树分类算法与新技术在遥感影像分类方面的潜力,以中国华北地区MODIS250m分辨率影像进行了土地覆盖决策树分类试验与分析。研究结果表明决策树在满足充分训练样本的条件下,相对于传统方法如最大似然法(MLC)能明显提高分类精度,而在样本量不足下决策树分类表现差于MLC;并发现在单一决策树生成中,分类回归树CART算法表现较C4·5算法具有分类精度和树结构优势,分类精度的提高取决于树结构的合理构建与剪枝处理;另外在决策树CART中引入boosting技术,能明显提高那些较难识别类别的分类准确率18·5%到25·6%。     

基于多级决策树分类的土地利用与覆盖信息提取

结合Landsat-8遥感数据,采用多级决策树分类方案,利用归一化植被指数、波段比值、主成分分量等光谱特征参数并融合其他非遥感知识,对黄河三角洲地区土地利用与覆盖的信息展开了全面的提取、研究与分析,获得了该地区5个一级类、12个二级类地物的分布情况,分类总体精度93.88%,优于传统监督分类。同时采用聚类、分类叠加和人机交互等分类后处理操作以获得更贴近地面实际的制图效果,开展基于海岸线的缓冲区分析以获得各地物特别是距离海岸线10 km、20 km范围内地物类型的空间分布并完成相关制图与分析,为黄河三角洲地区滨海土地的利用与开发提供了数据支持。     

利用决策树工具的土地利用类型遥感识别方法研究

应用决策树的理论和方法,利用遥感数据及其他相关数据和资料进行土地利用信息分类。通过研究地物光谱统计特征,讨论了通过耕地指数等归一化地类指数来增强影像地类特征、结合DEM提取土地利用信息的决策树分支点的设计方法,较好地解决了水体和建筑阴影、道路等容易混淆区域的区分问题。     

基于MODIS影像多特征的CART决策树分类

以山东省为研究区域,利用2009年9月MODIS的8 d合成波段反射率产品MOD09,选择特征变量植被指数(NDVI、EVI)、NDWI、NDMI、NDSI及辅助信息DEM,通过选取其中的影像特征组合来确定分类方案,构建各波段组合的CART决策树,对MODIS影像进行分类,得到CART决策树的最优波段组合。结果表明,特征变量DEM、NDVI、EVI对分类结果贡献较大;将CART决策树的分类结果与其相对应的最大似然分类结果进行比较可知,基于影像多特征的CART决策树分类方法能明显提高分类精度。     

基于高光谱数据和专家决策法提取红树林群落类型信息

高光谱遥感是进行地表植被观测的强有力工具,研究并验证有效的算法和数据支撑技术,对于合理利用高光谱数据进行地表植被监测与分析至关重要。在光谱特征分析和地面调查的基础上,基于决策树方法和高光谱分析方法的组合,以深圳市福田国家级自然保护区为例,利用高光谱数据进行红树林群落信息提取的实证研究。结果证实了Hymap数据对于红树林群落类型信息提取的数据支撑能力,以及相关方法用于红树林分类研究方面的有效性。     

基于单时相MODIS数据的决策树自动构建及分类研究

以甘肃省为试验区,利用单时相MODIS数据的光谱信息,使用最大似然法和基于See 5.0数据挖掘的决策树分类方法,进行了分类对比研究。分类结果表明,加入温度-植被角度TVA和温度-植被距离TVD两个指数后,低植被覆盖区的分类效果得到了改善;基于See 5.0数据挖掘的决策树方法能够快速地建立决策树,且能提高较难识别地物类型的分类精度。     

基于决策树的我国农业数据挖掘分析

决策树是用于分类的常用建模方法.首先对分类的概念和决策树方法分别进行了总体介绍,在此基础上对我国30个省市自治区的乡村劳动力、耕地面积以及农业总产值信息数据进行了挖掘分析,在运用决策树对数据进行分类过程中对连续数据采用聚类分析的方法进行离散化处理,从而避免了原始经验分类方法的主观性.最后,通过上述决策树分类方法,生成我国农业情况的决策树,获得相关空间分类规则,并对其进行分析说明.结果表明,决策树分类方法适合我国农业情况.     

基于决策树的我国农业数据挖掘分析

决策树是用于分类的常用建模方法。首先对分类的概念和决策树方法分别进行了总体介绍,在此基础上对我国30个省市自治区的乡村劳动力、耕地面积以及农业总产值信息数据进行了挖掘分析,在运用决策树对数据进行分类过程中对连续数据采用聚类分析的方法进行离散化处理,从而避免了原始经验分类方法的主观性。最后,通过上述决策树分类方法,生成我国农业情况的决策树,获得相关空间分类规则,并对其进行分析说明。结果表明,决策树分类方法适合我国农业情况。     

Object-Based Land Cover Classification Using High-Posting-Density LiDAR Data

This study introduces a method for object-based land cover classification based solely on the analysis of LiDAR-derived information—i.e., without the use of conventional optical imagery such as aerial photography or multispectral imagery. The method focuses on the relative information content from height, intensity, and shape of features found in the scene. Eight object-based metrics were used to classify the terrain into land cover information: mean height, standard deviation (STDEV) of height, height homogeneity, height contrast, height entropy, height correlation, mean intensity, and compactness. Using machine-learning decision trees, these metrics yielded land cover classification accuracies > 90%. A sensitivity analysis found that mean intensity was the key metric for differentiating between the grass and road/parking lot classes. Mean height was also a contributing discriminator for distinguishing features with different height information, such as between the building and grass classes. The shape- or texture-based metrics did not significantly improve the land cover classifications. The most important three metrics (i.e., mean height, STDEV height, and mean intensity) were sufficient to achieve classification accuracies > 90%.     

应用MODIS数据对陕西地区土地利用/覆盖变化的监测

应用MODIS数据监测陕西地区土地利用/覆盖变化。主要内容是利用陕西省MODIS影像辅助以ETM＋等数据进行最大似然法监督分类,根据分类的结果得到各个土地利用类型面积,然后与统计资料对比,进行土地利用/土地覆盖动态监测分析。     

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...     

从MODIS数据中反演大气廓线和地表参数

MODIS的设计目的是能够每隔1-2天测量一次全球范围生物的和物理的过程.我们可以从该仪器提供的数据中获得进一步的地球表面和低层大气的全球动力和过程信息.对MODIS数据,利用遗传算法,首先从大气温度探测波段中,反演得到大气温度廓线信息;然后从水汽波段中获得水汽廓线信息;最后在已有的温、湿廓线基础上,校正测量辐射亮度数据.校正了大气影响后,利用MODIS29、31、32大气窗口波段,采用比辐射率约束方法(Emissivityboundsmethod)缩小波段比辐射率取值范围,然后采用遗传算法实现陆面温度、波段比辐射率等地表参数的同时反演.模拟试验表明,利用遗传算法可以从MODIS数据中获得较为精确的大气廓线信息和地面参数信息,为全球温室效应和全球变化研究提供支持.     

利用孪生多层感知机进行线状要素几何相似性判别

针对传统的几何相似性判别方法依赖于人工特征的定义和选取,且难以确定合适阈值的问题,提出一种基于孪生多层感知机的线状要素几何相似性判别方法。该方法将线状要素的几何数据转换为二值图像,利用孪生网络和多层感知机提取线状要素的低维模糊性特征;并通过距离函数计算特征差异,判别线状要素的几何相似性。实验表明,该方法在线状要素几何相似性判别中具有良好的效果,同时具有快速迁移学习的能力;并随样本库的扩充和神经网络模型的优化还有进一步改进的空间。     

Land Cover Classification Using ICESat/GLAS Full Waveform Data

In the present study, parameters derived from Ice, Cloud, and land Elevation Satellite/Geoscience Laser Altimeter System (GLAS) full waveform were used for land cover classification in western part of Doon valley, Uttarakhand, India. Three parameters, viz, height, front slope angle (afslope) and canopy return ratio (rCanopy) were extracted from the returned full waveform signals. k-means (KM), partitioning around medoids (PAM), and fuzzy c-means (FCM) with different cluster sizes were used for classifying the land cover types with the help of GLAS-derived parameters. Among the clustering methods, KM performed the best. The overall accuracy (89.41 %) of all methods were quite significant with cluster size three i.e. with three classes forest, mango orchard and other class including agriculture, barren/fallow land, settlement, dry river bed, etc. The accuracy of the PAM (60 %) and the FCM (68.4 %) decreased drastically at four clusters with the separation of agriculture from barren/fallow land. The accuracy of the PAM and the FCM further decreased with increase in the number of clusters whereas KM showed reliable results for all clusters. KM with five clusters was able to distinguish five different land covers, viz, forest, mango orchard, agriculture and barren/fallow land and other class including settlement, dry river bed, etc. with an overall classification accuracy of 72.93 %. The study presents a method for classifying land cover types using GLAS full waveform data.     

用SPOT-VGT数据制作中国2000年度土地覆盖数据

土地覆盖是自然环境与人类活动相互作用的中心,准确而现势性强的土地覆盖数据是科学研究、资源管理和环境监测等应用的基础资料。该研究作为欧盟联合研究中心2000年全球土地覆盖计划(GLC2000)的一部分,利用2000年的1km空间分辨率的SPOT-4VGTS10数据与DEM、积温和降水等通过AHP方法合成的自然因子数据,采用FAO的土地覆盖分类系统(LCCS),通过非监督分类方法制作中国2000年的土地覆盖图。研究结果表明,在HANTS方法去云处理的基础上,结合气候分区,利用一年内每10天最大值合成的NDVI时间序列自然因子数据集可对除干旱区外大部分地区进行很好的分类,对干旱区则采用8月下旬的VGT原始数据取代NDVI数据参加分类,可达到较好的分类结果。     

三江源地区基于MODIS数据地表温度与土地覆盖定量关系研究

以三江源自然保护区为研究区,基于MODIS L1 B数据,采用劈窗算法反演地表温度,分析了地表温度空间分布的特征,与计算得到的归一化植被指数进行回归分析。结果表明地表温度与归一化植被指数存在很好的负相关性。分析讨论了地表温度的空间分布与土地覆盖及其他影响因子之间存在的定量关系,探讨了植被生产力与气候变化之间的相互作用以及发展趋势。研究结果有利于三江源湿地的生态保护,可为土地覆盖的动态监测提供有力的科学参考。     

MODIS数据地表温度反演分裂窗算法的IDL实现

地表温度是气象、水文、生态等研究领域中的一个重要参数。本文针对MOD IS数据的分裂窗算法进行了简要的介绍,并对参数的获取进行了分析。该算法已经被推荐并已经应用于中国地表温度产品生产。为了进行义务化流程生产地表温度产品,我们在IDL6.0环境下,编程实现了该算法。该程序运算速度快,操作简便,不需人为干预就可快速反演地表温度,非常适合批量计算MOIDS地表温度。     

应用转移矩阵分析辽阳矿区的地表覆盖变化

为了分析辽阳地区的地表覆盖变化情况,本文选取辽阳矿区为研究区域,以2003年、2009年、2015年Landsat TM/OLI遥感影像及ASTER GDEMV2高程数据为基本数据源,提取NDVI、NDBI、MNDWI、高程值及单波段亮度遥感指数构建决策树分类模型,完成辽阳矿区地表覆盖的分类。对分类结果进行地表覆盖类型数量变化利用土地转移矩阵分析,并对驱动力因素进行研究。结果表明;决策树模型适用于辽阳矿区地表覆盖分类,分类精度较高。研究区域土地覆盖类型发生显著变化,主要表现为建设用地大幅增长,采矿用地大面积减少,植被、水体、裸地面积变化较小。人口增长、经济发展、矿区生态治理成为该矿区地表覆盖特征变化的主要驱动因素。