面向地学应用的遥感影像分割评价

影像分割是面向地理对象影像分析(GEOBIA)中的一个关键环节。分割评价有助于为影像选择合适的分割方法和最佳分割尺度。本文提出一种以遥感地学应用面向的对象为依据的分割方法分类及评价体系。首先将影像分割方法分为面向局部特征监测的典型目标识别和面向全局特征监测的面向GEOBIA的分割方法两组,进而针对这两组分割方法提出了两套分割评价测度指标及相应的综合评价方法。在面向典型目标识别的分割方法评价中,使用区域内部非均质度、区域间灰度对比度、区域间散度对比度、边界点梯度和单位像素运行时间作为评价测度,并针对由于评价测度间的相关性而无法直接确定各测度权重分配的问题,提出利用熵权法为各个评价测度分配权重以获得综合评价结果的分割评价方法,该评价方法可用于选择合适的分割方法。用于面向GOEBIA的分割方法中使用分割区域内均质性和区域间异质性作为评价测度,这种评价方法适用于选择最优分割尺度参数。本文通过定量试验论证了这两种评价方法的有效性,试验结果表明其在遥感应用中具有实际意义。最后本文分析了影像分割评价方法的不足及未来的发展方向。     

k均值聚类引导的遥感影像多尺度分割优化方法

针对不同尺度地物的分割需求,提出了一种k均值聚类引导的多尺度分割优化方法。首先对原始影像进行小尺度分割和k均值聚类,然后利用k均值聚类结果引导对象合并,在合并过程中利用Otsu阈值方法自动选择k均值聚类的影响因子,最终得到适应不同尺度地物的分割结果。以FNEA多尺度分割方法为例,利用模拟数据和真实的GeoEye-1影像数据进行相关试验,目视和定量评价表明本文方法能够得到适宜不同尺度地物的高质量分割结果。     

基于时间序列统计特性的森林变化监测

森林动态变化分析对揭示生态系统环境变化及植被恢复和布局重建等具有重要意义,时间序列的遥感数据为森林监测提供了基础数据。本文根据森林植被的统计学特性,在暗目标法的基础上,利用归一化植被指数NDVI实现森林样本自动选择;并融合NDVI构建了新的综合森林特征指数(Integrated Forest Z-Score,IFZ);以时间序列的IFZ分析森林动态信息,实现森林变化动态监测。以三峡大坝及周边区域森林为研究区,利用2001年至2012年每年生长季节(5月—10月)的Landsat TM影像检验本文算法。基于2002年、2006年和2010年三期7月—9月的Quick Bird影像的精度分析结果发现:研究区森林变化检测的总体精度可达96.53%,Kappa系数为0.9512。在添加NDVI指数后构建的IFZ提高了总体监测精度。其中,毁林类别的检测精度提高显著,漏检率和误检率分别为2.74%和3.64%;干扰后重建的森林类别的检测精度有一定提高,其漏检率和误检率分别为10.79%和10.51%。研究结果表明,改进暗目标法能提高森林样本的选样效率,添加NDVI的IFZ能提高森林动态变化的识别度。此外,本算法不仅能定性识别森林变化,而且能定量提供森林干扰发生时间和干扰强度。     

旅游地文本中的细粒度地名可视化方法

在旅游文本中,旅游地内的细粒度地名贯穿了整个旅游过程,起到了景观符号和旅游记忆载体的作用。文章阐述了细粒度旅游地地名的概念和其研究意义,选取样本旅游地对网络上旅游文本中的细粒度地名进行统计分析,总结出细粒度旅游地地名的4个特点:尺度小、定位明确、形象直观和承载记忆;以Apache服务器和MySQL为平台,构建细粒度地名数据库;结合百度地图API和PHP语言编程,实现细粒度地名的识别与可视化方法。以黄山风景区为研究样例,构建了旅游地细粒度地名可视化应用实例,提供了一种地图辅助的旅游文本阅读模式。     

局部空间自相关统计洪水灾害影像分析

针对洪水灾害分析在速度、准确性和及时性等方面的需求,该文在研究空间自相关分析的基础上,提出了一种基于局部自相关统计的洪水灾害影像分析方法。首先,对影像进行掩膜处理,去除云层干扰;其次,采用局部空间统计的方法对影像进行统计分析;然后,通过密度分割的方法提取水体,将影像分为水体和陆地两类;最后,将3幅影像分类的结果进行空间叠加分析,分析洪水灾害影响情况。以2013年嫩江流域3个时期的影像为实验数据,设计了仿真实验。实验结果表明,该方法可以较准确地对大面积洪水影响区域进行分析。     

一种机载激光雷达道路点云的半自动提取方法

针对直接从LiDAR点云数据中提取道路信息比较困难的问题,文章提出了一种基于点云分割和区域生长的机载LiDAR数据道路点云提取方法:采用曲面生长法对点云进行分割,直接得到包含道路信息的曲面点集合;应用LiDAR数据的回波强度对分割结果中的道路进行强度标定,并采用区域增长的思想实现了道路的精细提取。实验表明,该方法能够高效、准确地提取道路点云,在路桥建模方面有较强的使用价值。     

改进的模糊聚类遥感影像分割

聚类是数据挖掘的重要分支之一,引入模糊理论的模糊聚类分析为显示数据提供了模糊处理能力,在许多领域被广泛应用。本文应用考虑邻域关系的约束模糊C均值(Fuzzy C-Means with Constrains,FCM_S)算法,将邻域像素引入到目标函数中,进而有效地利用邻域像素信息,提高分割精度。本文应用FCM_S算法对模拟彩色纹理图像进行分割,计算其混淆矩阵,定性定量地与FCM算法进行对比分析,证明了该算法的鲁棒性。     

基于遥感影像的城市用地变化监测方法研究

利用遥感技术进行动态变化监测是地理国情监测的重点研究内容之一,动态监测技术方法较多,笔者在对已有方法探讨的基础上,基于World View-2及资源三号遥感影像,提出了一种城市用地变化信息检测的多波段主成分分析方法。该方法通过线性变换生成互不相关的波段组合,对多波段主成分分析后的影像采用直方图统计法进行阈值分割,再经过滤波处理,去除干扰信息。研究结果表明,采用该方法提取两期遥感影像上的变化信息,可以实现动态变化监测。     

Linking pesticides and human health: A geographic information system (GIS) and Landsat remote sensing method to estimate agricultural pesticide exposure

Accurate pesticide exposure estimation is integral to epidemiologic studies elucidating the role of pesticides in human health. Humans can be exposed to pesticides via residential proximity to agricultural pesticide applications (drift). We present an improved geographic information system (GIS) and remote sensing method, the Landsat method, to estimate agricultural pesticide exposure through matching pesticide applications to crops classified from temporally concurrent Landsat satellite remote sensing images in California. The image classification method utilizes Normalized Difference Vegetation Index (NDVI) values in a combined maximum likelihood classification and per-field (using segments) approach. Pesticide exposure is estimated according to pesticide-treated crop fields intersecting 500 m buffers around geocoded locations (e.g., residences) in a GIS. Study results demonstrate that the Landsat method can improve GIS-based pesticide exposure estimation by matching more pesticide applications to crops (especially temporary crops) classified using temporally concurrent Landsat images compared to the standard method that relies on infrequently updated land use survey (LUS) crop data. The Landsat method can be used in epidemiologic studies to reconstruct past individual-level exposure to specific pesticides according to where individuals are located.     

A spatio-temporal analysis of academic performance at the Basic Education Certificate Examination in Ghana

Over the last decade, Ghana has more than tripled investment in its basic education system. Consequently, the country has made huge educational gains, primarily in providing universal access to basic education. However, many stakeholders are worried that academic performance is lagging because of disproportional attention to accessing basic education. Discussion of these concerns is hampered by ongoing disagreement about the true trajectory of academic performance at the basic education level and the widespread nature of students' lagging academic performance. In part, this disagreement stems from the failure of empirical studies to comprehensively examine trends in academic performance standards at the basic education level by concurrently considering a geographical and longitudinal perspective. Thus, this study examines the spatio-temporal trends of academic performance at the junior high school level since 2009 by using multilevel growth curve modeling, spatial statistics, and district-level longitudinal data. Results reveal 3 statistically distinct trajectories of academic performance: erratic, accelerating, and decelerating changes. Results also show that rural–urban gaps explain 31% of the performance trajectories, a trend which is expected to persist in the long term. In addition, we find extreme variations in academic performance within rural areas. Given the varying trajectories and geographical variability in academic performance, we suggest a localized approach to addressing challenges of low academic achievement at the basic education level in Ghana.