遥感图像屏幕判读识别法在贵州岩溶山区土地调查中的应用

随着计算机与遥感技术的不断发展,监督分类在我国资源、环境等各个领域中得到了广泛的应用。尤其在土地调查、遥感估产等方面,我国北方平原、高原地区已取得了显著的成效。但是,在岩溶发育强烈的贵州山区,由于其独特的地形、地物条件（地形切割深,地块破碎而阴影多,地物种类繁杂且分布零乱等）,给训练区处理及正确分类造成很大困难。采用屏幕判读识别法不仅可以提高训练样品输入的精度和纯度、减少野外工作时间,而且可以弥补野外所选训练场地分布不均、地类不全和数量不够等缺点．从而提高了分类精度。另外利用屏幕判读识别还可修正计算机监督分类的错分、漏分现象并及时发现一些有特殊意义的环境问题。因此,屏幕判读识别法在岩溶区土地、环境调查中具有重要意义。      

多光谱影像波段比值法消除地形阴影的定量分析

在地形起伏较大的地区获取遥感影像时,由于地形效应的存在,阴影的产生几乎是不可避免的。为此,对多光谱图像进行波段比值处理,减弱或者消除地形阴影的影响,提高遥感影像的识别与分类精度,并对处理后的图像进行质量评价,为选择最佳处理方法提供参考。结合数字高程模型(DEM)对山区遥感图像进行分区,对分区结果进行各种波段比值运算,消除地形阴影;以信息熵作为质量评价指标,对比值处理消除地形阴影后的结果进行定量分析,研究处理结果与所选比值处理方法之间的联系。结果表明,波段比值处理可以减弱或者消除地形阴影的影响,与单波段比值处理和线性波段比值处理相比,非线性波段比值处理后图像的信息熵增强最大。     

阴影区和太阳照射区的分形分析

文献中常从分形角度来分析遥感图像，但是，有一方面未曾考虑，那就是图像可能为几个不同的分形过程的混合体，在这次勘查中，对已知分维数表面的太阳照射区和阴影区的分维数进行确定，并发现阴影区的分维数趋向于２．０。而令人惊奇的是，太阳照射区的分维数与其表面的分维数成反相关关系。     

面向高空间分辨率遥感影像的山区地形校正方法

山区地形复杂,遥感影像地形效应明显,易造成"同物异谱"、"同谱异物"现象,增大了遥感地质填图的难度.但前人对适用于复杂地形条件下地质填图的地形校正模型讨论较少,特别是校正高空间分辨率遥感影像时多缺少对应高精度数字高程模型,校正结果易受地形异常影响.在Richter"山区"校正模型基础上引入地形抹平模型,提出"Smoothed山区"校正方法,并与另14种地形校正模型在GF-1、GF-2、SPOT6山区影像上进行对比实验.结果显示,"Smoothed山区"校正模型在山区高空间分辨率遥感影像的校正效果明显优于其他模型,校正结果地形效应减弱,影像信息丰富不失真,并且直接获取地表反射率数据,可为进一步的遥感蚀变提取等工作提供基础数据.该模型适用于复杂地形山区的遥感地质填图.      

若尔盖高原地物遥感分类

各种物质在遥感数据中都有其特征的波谱吸收峰。因此通过波谱识别就可以大大减少以往遥感分类方法中的漏分及混分现象。为了解决若尔盖高原地物遥感分类问题,首次对本区ETM多光谱融合数据采用了地物波谱角分类法进行地物识别。分类步骤:遥感数据定标→选择训练区样本→MNF变换减维去噪处理→利用纯净像元指数(PPI)进行样本提纯→利用n-D散度法进行样本重组→波谱角分类(SAM).其分类结果表明,类别精度评价总精度为0.806,kappa系数为0.785.其精度均符合1:5万比例尺的土地详查工作的技术要求。      

基于CBERS的喀斯特山区土地利用专题信息提取方法研究——以贵州省都匀市为例

以“ 3S”技术为技术背景,以遥感数字图像处理技术为主要技术支持,以中巴地球资源卫星CBERS和美国La ndsat- 7 TM 影像为遥感数据源,探索CBERS数据在喀斯特山区的土地利用遥感解译中最理想的图像处理方法及分类方法,对比研究CBERS和TM 在喀斯特地区土地利用分类实验中的各自优势。通过多次遥感图像处理技术实验与分析,摸索出了利用数学建模解决CBERS在喀斯特山区水体与阴影的混分问题以及建设用地与旱地、水田的混分问题的新方法,并以基于最佳指数波段选择法推算出了431波段为喀斯特地区土地利用分类的最佳波段组合。实验证明,中巴资源卫星影像较好地实现喀斯特地区大比例尺土地利用分类,完全可以替代国外遥感影像TM而运用于喀斯特山区土地利用调查中。      

基于GF2卫星数据的矿山遥感监测方法及对象识别研究

基于GF2高分辨率遥感影像的数据特征和固体废弃物(尾矿库、废石堆)、矿山建筑、中转场、地下开采硐口、塌陷坑、矿山环境恢复治理等矿山遥感监测的主要地物目标特征,系统地建立了研究区主要矿山地物的遥感解译标志.通过对研究区的矿山路网和管网分析,确定研究区矿山总体分布情况,结合建立的矿山地物解译标志,对各区块内部图斑细化解译,...     

基于多光谱遥感影像的巫峡滑坡灾害识别技术研究

三峡库区地质结构复杂,尤其是巫峡高陡岸坡发育区域,历来是滑坡灾害高发区,对三峡库区的安全运行构成威胁。为了厘清巫峡高陡峡谷区滑坡灾害发育的高精度多光谱遥感影像特征,本研究以高精度遥感影像资料为基础,以巫峡高陡峡谷区为研究对象,应用面对对象的分类方法对研究区的高精遥感影像进行分割和分类,结合多尺度分割和ESP(Estimation of Scale Parameter)工具确定最优分割尺度,选取典型的滑坡对象样本进行最近邻分类,探索基于高精度多光谱遥感影像的高陡峡谷区滑坡灾害识别技术方法。经试验得出高陡峡谷区基于高精度多光谱遥感影像的滑坡灾害识别的最优分割尺度为720,形状因子和紧致度为0.5,在分割基础上,进行分类和滑坡信息提取。通过对比已有滑坡灾害资料,基于遥感影像自动识别滑坡灾害技术得到的研究区滑坡灾害分布结果总体精度达到了0.8696。研究结果表明,基于高精度的遥感影像自动识别滑坡灾害技术方法能够较好地进行分割与滑坡识别,精度评价的结果比较符合实际。研究结果为巫峡高陡峡谷区滑坡灾害的识别、调查、预测和防治提供依据,对三峡库区滑坡灾害的早期识别和防灾减灾有重要意义。     

决策树方法在遥感地质填图中的应用

决策树理论在遥感分类中, 分类准确、高效.依据其理论方法, 对青海省民和地区的遥感数据———ETM + (enhanced thematic mapper plus) 进行了分类, 选用的ETM +数据为1999年10月份数据, 数字高程(DEM) 数据来自于1:2 5万民和幅地形图, 数据格式为MapInfo通用格式MIF, 数据进行了坐标转换(地理坐标), 对原始数据进行了处理, 从等高线中提取数字高程.对遥感数据进行地形及光照矫正, 计算植被因子及缨帽变换的3个分量, 同其他5个遥感波段结合形成原始分类图层, 同时确定目标分类结果.原始数据的采样基于目视, 首先采用不同的彩色合成方案突出不同的目标地物, 交互式进行采样, 使用IDL语言编制程序从原始数据中提取地物数字信息, 使用Clementine7.2对数据进行处理, 其中10 %的采样数据验证模型准确率, 其余数据用来推算模型, 对数据进行10次迭代, 同时给予75 %的剪枝, 得到区分不同地物(如红层、黄土等) 的最合适图层(band 1 & band 3)和具体数值, 形成决策树模型, 将决策树模型导入Envi4.0中, 对原始数据(9个图层) 进行计算形成初步分类结果图, 对初步分类结果图进行一定的碎片合并, 最终形成分类结果图.该图同1:2 5万地质图进行对比确认分类的效果, 同传统分类图比较确认决策树分类方法优于传统分类.另外来自于决策树所提取的信息, 有利于地学知识的归纳总结      

基于遥感和GIS的我国季风海洋型冰川区冰碛物覆盖型冰川边界的自动识别

冰碛物覆盖型冰川边界的自动识别是冰川遥感监测的难点,综合遥感图像和DEM等多种数据,提出了一种基于遥感和地理信息系统的改进的半自动集成分类方法.该方法选择NDSI、NDVI作为分类指标,通过栅格DEM反演地表现象,并利用处于热红外波段的TM6探测地物的热辐射差异,应用栅格图像和GIS进行邻接空间分析,将冰川及冰碛物覆盖型冰川进行区别和分类.选择我国典型的季风海洋型冰川区——贡嘎山地区大量冰碛物覆盖的贡巴冰川作为实例进行研究,取得了较好的分类结果.该方法比Frank Paul提出的方法更适合于我国海洋型冰川的遥感研究,同时也提出了存在的问题.