基于卡方变换的中分辨率遥感影像土地覆盖变化对象识别方法

该文旨在探讨中分辨率遥感影像的土地覆盖变化对象识别方法。首先基于植被-不透水层-土壤(VIS)模型,参考OIF指数的信息量进行对象特征指标选取,基于过分割和欠分割指数确定最优分割尺度,对两期SPOT影像进行多时相分割,然后利用卡方变换方法自动选择阈值,进行植被、不透水层、土壤和水体4种土地覆盖类型之间的变化对象识别。精度评价表明,随着对象特征指标包含信息量的不断增加,检测结果的总精度不断提高,其中对影像所有特征指标进行主成分分析并选择前3个主成分作为特征指标组合对土地覆盖变化对象进行识别的总精度最高,为93.9%,Kappa系数为0.824,证明了该方法的有效性。     

基于主成分分析法的土地利用/覆被变化驱动力研究

分析1990-2007年山东省胶南市土地利用/覆被变化情况,为进一步确定土地利用/覆被变化的驱动因子,选取GDP、农业人口比重和固定资产投资等33个社会经济指标,借助SPSS进行相关分析和主成分分析,将胶南市的土地利用/覆被变化驱动因子概括为人口和经济发展、城镇化水平、产业结构优化、农业生产条件4个主要驱动因子,为政府制定土地利用规划和土地保护政策、优化土地利用结构提供借鉴.     

基于自组织映射法的时间序列土地利用变化的时空可视化

精细尺度下多时间序列土地利用时空演变分析是当前研究的一个趋势,本研究基于2005、2007、2009、2011、2013年5期土地利用数据采用自组织映射方法分析了北京市乡镇级多时间序列土地利用的时空演变规律,实现了乡镇尺度下多时间序列土地利用数据的时空一体化表达和对比分析。通过构建自组织映射神经网络,利用其聚类和降维可视化功能对5个监测时期的土地利用数据同时进行训练,在其输出面板可以发现不同土地利用类型的分布聚集模式以及相互之间的结构比例关系,并对输出神经元进行二次聚类以及土地利用变化轨迹分析,展示出北京市乡镇级5个监测时相的土地利用时空演变规律。结果揭示出北京市平原区、山区及二者过渡的山前结合带的各自不同的土地利用时空变化轨迹与模式：北京市平原区向高建设用地比例的土地利用结构方向演变,山区向高林地比例的土地利用结构方向演变,而山前结合带的土地利用时空演变较为复杂。