城市地表温度影像时空融合方法研究

地表温度（land surface temperature,LST）是反映地表能量和水平衡物理过程的一个重要参数,受限于载荷量的限制以及传感器的技术瓶颈,当前的卫星平台均难以获取同时具有较高空间和时间分辨率的遥感地表温度影像,客观上影响了遥感地表温度影像的应用。针对地表异质性较高的城市区域,选取覆盖武汉城区的中分辨率成像光谱仪（Moderate-Resolution Imaging Spectroradiometer,MODIS）和增强型专题绘图仪（Enhanced Thematic Mapper Plus,ETM+）数据,结合时空反射率融合模型（enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）和非线性辐射温度分解算法（non-linear disaggregation procedure for radiometric surface temperature,NL-DisTrad）对地表温度影像进行时空融合研究,最终生成60 m空间分辨率的逐日地表温度融合影像。将融合影像与2002-07-09和2002-10-13的ETM+实际地表温度影像进行融合精度验证分析,其决定系数R2分别为0.80和0.86,均方根误差（root mean square error,RMSE）分别为2.65 K和1.78 K。实验结果表明,所提出的地表温度时空融合模型在城市区域的地表温度时空融合应用中具有潜在的应用前景。     

基于地表覆盖的TM影像波段选择定量分析算法应用研究

地表覆盖变化信息提取更加依赖丰富、准确、可靠的多时相、多层次、多分辨率、多源的数据,因此,为了获取地表覆盖的信息,必须要对影像波段进行优化组合。不同的波段组合对不同的地图显示的效果不同,多光谱影像合成需要进行波段组合优化,本文重点针对地表覆盖研究中经常采用的TM的多光谱数据的波段选择问题,对地表覆盖研究具有借鉴意义。     

关于土地覆被遥感监测的几点思考

针对国内外土地覆被遥感监测中存在的突出问题展开讨论,分析土地覆被分类系统的目标适应性; 总结现有分类算法的特点及存在问题,分析小尺度和大尺度监测技术的差异性和效果; 研究不同尺度土地覆被监测所解决的应用问题及尺度空间变化下的分类效果; 分析现有监测体系的分类精度及产生误差的原因和解决方法.     

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。     

多时相全极化SAR数据融合方法与土地覆盖分类研究

结合多时相和全极化SAR数据在地表覆盖分类中的优势,通过融合多时相全极化SAR数据,降低雷达图像上斑点噪声的影响,开展土地覆盖分类研究。以贵州扎佐林场大约12 km×17 km的区域为研究区,使用6个不同时期的RADARSAT-2全极化数据进行地表覆盖分类研究。研究结果表明:不同地物的后向散射机制有很大区别,且对应的后向散射系数随时间的变化规律也各不相同;该方法能有效区分人工建筑、森林、农田和水体等地物,斑点噪声得到有效抑制,图像质量,特别是视觉效果大为改善。     

Genetic Algorithm Based Feature Subset Selection for Land Cover/ Land Use Mapping Using Wavelet Packet Transform

A genetic algorithm based approach is used in this paper for the selection of a subset from the combination of Wavelet Packet Statistical and Wavelet Packet Co-occurrence textural feature sets to classify the LISS IV satellite images using neural networks. Generally, adding a new feature increases the complexity of training and classification. Hence there is a need to differentiate between those features that contribute ample information and others. Many current feature reduction techniques such as Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA) involve linear transformations of the original pattern vectors to new vectors of lower dimensions. Hence a multi-objective Genetic Algorithm has been employed to reduce the complexity and increase the accuracy of classification. Four indices - user’s accuracy, producer’s accuracy, overall accuracy and kappa co-efficient are used to assess the accuracy of the classified data. Experimental results show that the proposed Genetic Algorithm approach with lesser number of optimal features produces comparable results with that of our earlier approach using more features.     

Fusion of Radar and Optical Data for Land Cover Mapping

Abstract

This study examined the complementarity of radar and optical data for feature identification. Spaceborne radar and Landsat Thematic Mapper (TM ) multispectral data sets were assessed independently and in combination to classify a site near Wad Medani, Sudan. Radar processing procedures included speckle reduction, texture extraction and post‐processing smoothing. Relative accuracy of the resultant classifications was established by comparison to ground truth information derived from field visitation. Neither speckle filtering nor post‐classification smoothing were improvements over the poor results obtained with the unfiltered, original radar data. Texture measures were significant improvements over the original data (20 percent overall accuracy increase) and several, but not all, individual classes had excellent results. Landsat TM had good overall results (80 percent correct) but considerable spectral confusion between urban and bare soil. Combination of radar with Landsat TM greatly improved results, achieving near perfect classification of all individual classes. The systematic strategy of this study, determination of the best individual method before introducing the next procedure, was effective in managing a complex set of analysis possibilities.     

Land Cover Mapping for Namdapha National Park (Arunachal Pradesh), India Using Harmonized Land Cover Legends

Since last few decades RS-GIS is playing vital role in studying and mapping spatiotemporal responses of land cover, however, as a matter of fact, the mapping outputs largely depend on the expert's/user's preferences because location specific and people specific land cover classification systems are adopted autonomously for image classification in GIS. This may actually lead to an ambiguous definition of a particular land cover type when such different maps are compared at global level. In 1993, FAO and UNEP started efforts for development of a software tool know as LCCS which is a comprehensive standardized tool capable of providing land cover characterization to all possible land cover types in the world regardless of spatial relevance, mapping scale, data collection method etc. Adding to the global efforts of land cover legend harmonization and mapping, this study presents development of harmonized land cover legends for Namdapha National Park located in north-eastern Indian Himalayan region using LCCS and subsequent mapping. The potential of Remote Sensing (RS) and Geographical Information Systems (GIS) in forest/land cover mapping is very well recognized. Therefore, adopting the developed harmonized legends for the study area, land cover mapping was done using RS-GIS approach.     

高光谱影像空-谱协同嵌入的地物分类算法

针对传统高光谱影像地物分类算法大多仅考虑光谱信息而忽略空间邻近像元间相关性的问题,提出了一种空-谱协同嵌入(SSCE)降维算法和空-谱协同最近邻(SSCNN)分类器。首先,定义一种空-谱协同距离,并将其应用于近邻选取和低维嵌入;然后,构建空-谱近邻关系图来保持数据中的流形结构,并在权值设置中增大空间近邻点的权重以增强数据间的聚集性,提取鉴别特征;最后使用SSCNN分类器对降维后的数据进行分类。利用PaviaU和Salinas高光谱数据集进行试验验证,结果表明,与传统的光谱分类算法相比,该算法能有效提高高光谱影像的地物分类精度。     

基于多光谱遥感影像的城市建设用地提取及扩张分析

随着经济的快速发展和城市化水平的提高,城市空间扩展已然成为国内外城市发展研究中的热门问题,城市建成区变化监测是对城市扩展最为直观的分析方式。本文选用了2001、2009年Landsat 4-5/TM以及2016年Landsat 8/OLI 3个时相的多光谱遥感影像,采用OSTU算法结合修正归一化水体指数(MNDWI)、归一化裸露指数(NDBI)和归一化不透水面指数(NDISI),自适应地确定最佳阈值提取地物信息,以分层分类的方法对福州市市辖区建设用地进行提取。根据建成区提取结果,定量研究了城市建成区的扩展速率以及城市重心的移动等,并从人口、经济与规划等方面对福州市的城市扩张进行了分析。     

基于Web服务的全球地表覆盖遥感制图大数据集成与应用

针对全球30 m地表覆盖遥感精细制图中面临的大量地理信息数据资料使用问题,基于Web服务提出了一种全球地表覆盖遥感制图大数据集成方法,提出了面向服务发布的异构数据集成处理流程与异构服务集成方法,在此基础上研发了应用服务系统,减少了使用过程中大量重复的数据处理工作,为用户提供了方便的数据使用平台,提高了数据使用效率。该方法已在全球30 m地表覆盖遥感精细制图的数据质量检查中得到全面应用。     

土地覆盖类型对城市热岛效应的响应分析

利用夏季MODIS地表温度和土地覆盖产品,结合Landsat等辅助遥感数据,分别提取济南、武汉、重庆3个城市2003年、2008年、2013年的土地覆盖与地表温度信息,确定3个城市不同年份的热岛效应等级分布。在此基础上,对济南、武汉、重庆这3个城市的地表温度分布特征、热岛效应等级分布特征与土地覆盖类型各因子之间的关系展开分析。结果表明：城市用地是城市热岛的主要贡献因素,相关系数达到0.42;最能缓解城市热岛效应的是林地,平均相关系数为-0.41;3个城市中最能缓解城市热岛效应的土地覆盖类型并不完全相同：济南市为林地和耕地,武汉市为水体,重庆市为林地。     

影像融合技术应用于地表分类之探讨

本论文尝试讨论两个主题：主题一为利用主成分分析PCA方法应用于像元阶层资料融合技术的研究。主题二为应用Dempster-Shafer evidence theory方法于特征阶层数据融合技术的研究。在第一个主题中，由于合成孔径雷达的数据具有全偏极特性，在此选取了对植被较为敏感的HV极化合成孔径雷达数据，与具有光谱特性的光学SPOT数据做数据融合处理以利接下来的地物分类。首先，本研究利用小波转换技术来滤除合成孔径雷达斑驳噪声，在接下来融合步骤中，主成分分析出来的第一部分（PCI）是用做完滤除噪声后的合成孔径雷达取代，在数据融合后，进行地物分类是采用最大似然法来分类融合影像。在第二个主题中，利用全偏极雷达数据的极化特性结合SPOT数据的光谱特性，其主要目的是为了增加分类的精确度。首先使用李式滤波器滤除全偏极雷达数据噪声，接下来同样是使用采用最大似然法来分类融合影像，（不同的在于全偏极雷达影像使用Wishart几率分布，在光学影像采用multivariate Gaussian几率分布）将每个类别中每个像元属于某个类别的几率值计算出来，再利用Dempster-Shafer evidence theory来结合这些类别的机率值。最后产生出一张新的分类影像。实验的结果显示分类的精确度比较于未融合的资料都有明显提升的效果，也证明了此两个数据融合方法对于不同数据特性的融合都是很成功的。     

ANFIS Based Land Cover/Land Use Mapping of LISS IV Imagery Using Optimized Wavelet Packet Features

Digital image classification is the process of sorting all the pixels in an image into a finite number of individual classes. But, it is difficult to classify satellite images since they include both pure pixels and boundary pixels. The boundary pixels are ‘mixed’ pixels, representing an area occupied by more than one ground cover. That is, class boundaries represented by pixels, are not sharp but fuzzy. This paper discuses the application of Adaptive Neuro-Fuzzy inference system (ANFIS) for classification of remotely sensed images that contains mixed pixels. Decision making was performed in two stages: feature extraction using the Wavelet Packet Transforms (WPT) and the ANFIS trained with the back propagation gradient descent method in combination with the least squares method for classification. Genetic Algorithms (GA) based approach is analysed for the selection of a subset from the combination of Wavelet Packet Statistical Features (WPSF) and Wavelet Packet Co-occurrence (WPC) textural feature set, which are used to classify the LISS IV images. GA has been employed to reduce the complexity and increase the accuracy of classification. Four indices—user’s accuracy, producer’s accuracy, overall accuracy and kappa co-efficient are used to assess the accuracy of the classified data. Experiments show that the proposed approach produces better results compared to the results obtained when classical classifiers are used.     

全球30m地表覆盖遥感制图的总体技术

本文针对全球30米分辨率地表覆盖遥感制图这一世界性难题,提出了以多源影像最优化处理、参考资料服务化整合、覆盖类型精细化提取、产品质量多元化检核为主线的总体研究思路,研发了影像几何与辐射重建、异质异构服务化集成、对象化分层分类、知识化检核处理等主体技术方法;用于制定了相应数据产品规范、生产技术规范,研发了多项生产型软件,用于研制了2000和2010两个基准年的全球）30米地表覆盖数据产品,将空间分辨率提高了1个数量级。     

土地覆盖制图：基于最优化遥感数据的支撑向量机分类

遥感数据具有在不同空间、光谱和时间尺度上获取地表测量信息的能力,使其成为获取土地覆盖信息的一个主要数据源。影像分类即把卫星影像上的相关像元划分给某类已知的土地覆盖类型的过程。支撑向量机（SVMs）是一种土地覆盖分类的新技术。三种常用的SVMs是：基于线性和多项式的SVM以及具有高斯核函数的SVM分类器,分类能否成功地应用有赖于其各自选择的最佳参数。但是海量的遥感数据使得这些参数的确定速度十分缓慢。本文研究了一种新的基于最优化遥感数据压缩技术的SVM分类方法。研究显示用于获取SVM参数的数据量能够在不影响土地覆盖的分类精度的前提下进行压缩。数据压缩成功的应用于多项式和高斯核函数的SVM分类,而线性SVM的分类精度却非常低。     

基于COM/AutoCAD的SPOT5卫星影像地物半自动成图方法

对使用COM ActiveX自动控件接口操作AutoCAD进行介绍,针对利用SPOT5 HRS立体影像进行地物要素成图问题提出基于COM/AutoCAD的矢量化方法,并着重阐述利用该方法制作1∶50 000地形图的主要问题。     

基于卫星影像制作土地利用和土地覆盖图的方法试验——全国1∶5万土地利用/土地覆盖图制作试验项目

土地资源是一个国家或地区赖以生产和发展的重要物质基础，利用3S技术和数字化测绘技术对土地资源进行定期调查与动态监测，逐渐成为人们加强对土地资源的合理利用问题研究的重要手段。以1∶5万湖北省武汉市、陕西省韩城市土地覆盖/土地利用图的制作为试验样本，利用遥感和数字图像处理领域的前沿技术——基于Erdas Imagine 8.4的非监督分类、监督分类，辅以人工干预方法，以遥感影像数据（Landsat 7）为数据源，对土地资源的定期调查与快速监测的工艺流程与方法进行了较为深入的研究探讨。     

基于AdaBoost算法的城镇建设用地遥感动态提取研究

利用2007年的上海地区CBERS影像,使用AdaBoost组合分类器,将基于影像地物光谱信息、纹理结构信息和基于决策树分类器的提取方法组合,以提高分类精度。实验结果显示,AdaBoost算法在提高城镇建设用地的分类精度上显著有效。