基于GF2号卫星影像的农业信息提取方法对比分析

以GF2卫星0.8 m全色/3.2 m多光谱分辨率遥感影像为基础数据源,对基于GF2号卫星影像的农业信息提取流程和方法进行了研究与对比分析。首先对GF2号卫星影像进行波谱分析;其次对GF2号影像进行融合,并对多种融合方法进行质量评价;最后选择阈值法、波谱间关系法、非监督分类法和面向对象法分别对GF2号影像数据进行农业信息提取试验,并对信息提取结果进行精度验证和结果分析。试验表明,面向农业信息提取的GF2号卫星影像融合方法中,Pansharp融合算法融合影像色彩正常,无虚影,清晰度高,地类对比度正常,纹理清晰,熵值及与原始多光谱影像的相关系数高。阈值法和谱间关系法适用于提取单要素农业信息,非监督分类法能够初步获取研究区土地利用情况,面向对象法提取研究区全要素信息精度高。总体来说,不同信息提取方法具有各自的优势,在具体实际应用中,可以根据目标地类的波谱特性,选择适宜的遥感影像处理和信息提取方法。     

一种面向LUCC的时空数据存储管理模型

为满足土地利用和地表覆盖变化(land-use and land-cover change,LUCC)动态监测中时空数据统计分析、时空过程模拟、时空演变分析预测、时空数据挖掘的应用需求,需将LUCC数据存储管理方式由单一空间数据推进至时空数据存储管理。本文提出一种基于快照和面向对象的混合时空数据模型,支持矢量和栅格时空数据存储管理、LUCC时空过程模拟、LUCC时空过程建模参数提取和成果数据管理与发布。基于该模型研发了LUCC时空信息系统原型,以LUCC时空信息统计、地表覆盖斑块时空过程模拟、地表覆盖时空转移矩阵计算为例,验证了模型的可行性。     

面向对象图像识别的地学理解方法的优化与应用

近年来,面向对象技术的应用愈加广泛,以适应不同应用目的下不同地物复杂度的图像处理与信息提取要求。本文详细分析了面向对象信息提取方法中存在的问题,提出将传统像元级光谱分类与面向对象信息提取技术相结合,通过最大似然光谱分类和地学统计分析获取图像区域的先验知识,包括不同类型地物光谱混淆情况和图像复杂程度的定性描述等,以反映图像处理与信息提取的难度大小及技术要求,利用预分析获得的知识优化面向对象信息提取技术流程中图像分割参数设置及分类器的构造等,用于克服面向对象方法参数选取的盲目性和结果的多样性。并以SPOT5高分辨率遥感图像为例,通过常规方法和改进方法的对比,证明本试验方法有利于真实地分割地物基元,提高分类精度、效率和训练器性能。     

面向对象遥感图像处理方法在建筑物震害评估中的应用研究

以汶川地震中的都江堰地区震后遥感图像为例,研究分析了图像分割技术及模糊分类技术,在此基础上,用分类精度更高的单尺度、多特征的面向对象图像处理方法进行建筑物震害评估。重点探索了混淆矩阵在震害评估中的应用,通过Kappa统计值进行震害分类结果的比对与精度评价,并验证该分类方法的稳定性。研究结果表明：改进后的面向对象图像处理方法简单、快速且精度较高,具有良好的适用性和稳定性。     

黄土沟谷特征点簇及其空间结构模型研究

对黄土沟谷形态结构和发育演化起核心控制与标定作用的,是一系列具有自组织结构的特征点集。针对该特征点集,提出黄土沟谷特征点簇的概念,对其组织要素和基本特征进行了分析;研究创建一种采用非结构化、且能够有效表达拓扑结构与空间信息的黄土沟谷特征点簇空间结构模型;对基于DEM数据获取的一个典型黄土小流域沟谷特征点,运用创建的点簇模型建立了具体的黄土沟谷特征点簇;最后,以点簇中的特征点追溯查找为例,验证了所创建的黄土沟谷特征点簇的应用价值。     

空间数据库模型概念与结构研究

空间数据库模型是实现地理信息系统的基础,它决定了客观世界中的空间实体将以何种方式在计算机系统中被抽象、存储和管理。传统地理信息系统的空间数据库采用空间数据和属性数据由关系数据库和文件系统分别管理的机制,这种机制在当今面向对象的思想日益得到深入应用以及地理信息系统应用开发日益复杂的趋势之下,暴露出描述能力不足、实现复杂以及不利于空间数据共享等问题。针对这些问题,在此结合OGC(OPEN GIS CONSORTIUM)给出的空间实体存储规范和Oracle Spatial的数据格式,着重讨论了结合关系数据库和面向对象思想的对象-关系数据模型。     

面向对象的GF-1卫星影像苹果树遥感提取研究-以山地丘陵地区的栖霞市为例

国产高分卫星1号（简称GF-1）可提供高空间分辨率遥感数据，这为实现精准农业提供良好的数据保障。但是，其在复杂地形作物遥感提取方面的适用性仍需要进一步探索和分析。因此，以山地丘陵地形为主的栖霞市为研究区，基于GF-1影像数据利用面向对象分类法提取苹果树的种植面积和空间分布信息。研究结果表明：引入植被覆盖度和坡度信息的面向对象决策树分类方法（简称优化分类方法）能够有效提高苹果种植面积的遥感提取精度为94.1%，生产精度和用户精度分别为87.3%和90.3%。相比于最大似然监督分类和无辅助信息的面向对象决策树分类方法，本研究的优化方法遥感提取面积精度分别提高了17.4%和0.3%，生产精度分别提高了10.1%和2.6%，用户精度分别提高了10.1%和2.8%。该研究成果以期为GF-1卫星数据在山地丘陵地区的果园信息遥感提取提供基本的技术支撑和实践经验。     

雅鲁藏布江中部流域土地沙化遥感识别

雅鲁藏布江中部流域长期遭受土地沙化侵蚀,采取有效手段进行沙化土地信息快速识别,跟踪土地沙化现状和动态发展,是土地沙化防治的基本前提。遥感数据因其快速、大范围、高精度监测等特点已被广泛应用于土地沙化监测。为降低该区域沙化土地破碎化分布特征以及广泛分布的稀疏植被地表对沙化土地遥感识别带来的不确定性,本文利用Google Earth Engine平台获取2019年秋季雅鲁藏布江中部流域Landsat无云遥感影像,基于面向对象的分类思想,充分提取沙化土地的光谱、几何和地形特征,根据不同的分类器构建4种分类方案,包括单一分类器(支持向量机、决策树、最近邻)分类以及组合分类法分类,提取雅江中游河谷地区沙化土地信息并验证不同方案的提取精度。结果表明:(1)利用面向对象组合分类模型提取的沙化土地信息效果最佳,总体精度高达91.38%,Kappa系数为0.82;(2)相较于采用单一分类器(支持向量机、最近邻和决策树分类)的面向对象分类方法,组合分类模型能更有效地识别破碎化的小面积沙化土地,降低沙化土地与稀疏植被地表的混淆情况,提高分类可靠性;(3)基于面向对象组合分类模型反演得到雅鲁藏布江中部流域201...     

高分辨率多光谱影像城区建筑物提取研究

城区高空间分辨率遥感数据由于存在大量同物异谱和异物同谱现象,应用传统的基于像元光谱分类的方法进行建筑物分类提取难以取得满意的效果。本文发展了一种从高分辨率Ikonos卫星影像上基于知识规则的面向对象分类提取城区建筑物方法,包括如下步骤：(1)融合1m全色和4m多光谱波段影像,生成1m分辨率的多光谱融合影像;（2）分割融合影像;（3）执行基于对象光谱的最近邻监督分类;（4）应用模糊逻辑分类器结合光谱、空间、纹理和上下文特征等知识规则进行建筑物分类。精度统计结果表明,本文提出的分类方法提取城区建筑物取得了93%的精度。     

面向对象的时空数据模型及其实现技术

在基于时间片的连续快照模型基础上,基于OpenGIS定义的几何类型扩充了时态类型,构建面向对象的时空数据模型,定义其抽象数据类型及相关操作;并采用对象关系数据库PostgreSQL作为实现平台,扩展其存储和查询能力。通过实例验证了上述模型及实现方法的有效性和实用性。