Sentinel-2A与GF-1数据在油菜种植提取中的差异性分析及提取方法对比研究

以Sentinel-2A和GF-1 WFV为数据源,分别采用最邻近法(面向对象)及BP神经网络法(基于像元),提取兴化市油菜种植区,并对提取结果进行精度验证;同时,结合官方数据,比较各提取组合类型(数据+方法)提取的油菜种植面积相对误差.通过此,探讨多源中高空间分辨率遥感数据中,油菜作物的提取效果差异性及适用的提取方法,并对研究区油菜种植空间格局特征进行分析.结果表明:针对Sentinel-2A和GF-1 WF数据,最邻近法及BP神经网络法提取效果均较好,各提取结果均显示油菜种植区在缸顾乡、周奋乡、垛田镇等西部区域主要呈集中连片分布,其他区域呈零星状分布.相对于基于像元的分类法,面向对象分类法在精度评价中的各参数表现更佳,并能较为有效地避免复杂地物类型区像元错分及漏分问题.针对同一数据,采用最邻近法所提取Sentinel-2A数据的生产者精度、用户精度以及油菜面积精度比BP神经网络法分别多3.22%、0.43%、6.24%,采用最邻近法所提取GF-1 WFV的生产者精度、用户精度和油菜面积精度比BP神经网络法高3.74%、0.10%、9.58%.针对同一方法,由于Sentinel-2A数据具更高的空间分辨率及更丰富的光谱信息,以上2种方法提取该数据的精度均高于GF-1 WFV数据,Sentinel-2A数据更适用于地物结构复杂,地块细碎的小尺度地区的作物信息提取.     

基于机器学习的多源遥感影像融合土地利用分类研究

为了快速获取准确的城市土地利用信息,提高西南地区遥感影像城市土地利用分类信息提取的精度,探讨了当前快速发展的机器学习技术在该领域中的分类实验.选用昆明市主城区作为研究区域,以Landsat8与Sentinel-1A影像为原始数据,使用GS变换法对影像进行融合,使用卷积神经网络(Convolutional Neural Network,CNN)和BP神经网络(Back Propagation Network)2种分类算法对融合前后的遥感影像进行土地利用分类信息提取,对分类结果进行分析.研究结果表明:基于Landsat8和Sentinel-1A的融合影像数据的卷积神经网络分类算法具有最好的分类效果,其总体分类精度和Kappa系数分别为85.8091%,0.8124,认为基于多源遥感影像融合的卷积神经网络分类方法是获取准确的城市土地利用分类信息的一种可行的方法,可以为高原地区城市的土地利用分类提取研究参考.     

基于GF-1卫星WFV数据的全国建设用地自动监测技术研究

该文以国产高分一号卫星WFV数据为数据源,采用面向对象分类技术,研究面向全国范围的宏观监测信息提取技术及系统实现。一方面,研究了大尺度上利用高分遥感影像和面向对象分类技术进行宏观监测信息提取一整套技术方法,并对其中的建设用地进行了重点研究。另一方面,在集群计算环境下,利用高分一号卫星WFV数据,实现基于面向对象的宏观监测信息自动提取,并重点对建设用地提取结果进行了验证,验证结果显示分类精度优于80%。该研究提高了利用中等分辨率影像进行宏观监测的准确性及时效性,为合理利用和管理土地资源提供决策支持信息,支撑土地利用业务化应用。     

基于GF-1卫星的县域冬小麦面积提取及年际变化监测

利用遥感技术提取冬小麦种植面积及年际变化监测,可为农业经济的宏观决策提供可靠的依据.自2013年我国首颗高分卫星发射以来,高分一号卫星数据以其高分辨率的优势成为了我国农业遥感监测的主要数据源之一.本文以高分一号卫星携带的16m空间分辨率的宽视场(wide field view,WFV)数据为主要数据源,以开封县为例,采用Google Earth(以下简称GE)0.3m遥感影像为样本辅助数据,加上人工目视解译选择样本控制点,采用监督分类中的最大似然法提取冬小麦种植面积,并利用样本点对分类结果进行精度验证和年际变化监测.实验数据表明:采用冬小麦生长周期内的11月份到翌年4月份间的一幅高质量GF-1/WFV影像,利用本文给出的处理流程提取冬小麦面积均可达到农业使用的标准,且1月份为开封县冬小麦提取的最佳时像.同时,采用2013年12月29日、2015年2月25日及2016年2月20日的开封县GF1/WFV数据,面积提取精度均达到95%以上,kappa系数均大于0.96,种植面积提取的数据均略小于河南省统计局公布的数据,但两者呈现出的波动趋势是一致的.结果表明以GF-1/WFV影像为主要数据源,GE影像为辅助数据进行县域尺度上的冬小麦面积提取及年际变化监测的方法是有效可行的.     

基于Sentinel-2A的矿化蚀变异常信息提取应用

通过对Sentinel-2A影像数据的光谱特征分析,并结合遥感矿化蚀变异常信息的提取理论,选取四川省康定雅拉地区为研究区域,采用主成分分析法提取羟基蚀变异常信息,通过图像密度分割和蚀变信息面积统计,结合Landsat 8遥感数据提取分析结果和研究区地质图进行对比分析。结果表明,Sentinel-2A遥感数据进行矿化蚀变异常信息提取具有良好的可行性,并且提取精度高,提取蚀变信息面积广,可为Sentinel-2A新型光学遥感数据在遥感找矿领域的运用提供参考。     

基于卫星遥感图像的农作物分类算法

为提高遥感图像对农作物的预估精度和农业种植效率, 设计了基于卫星遥感图像的农作物分类算法。 以2018 年 7 月 30 日哨兵二号(Sentinel-2)卫星拍摄的高分辨率哈尔滨市农业示范基地卫星影像为实验数据, 在不同光谱波段内(含红边波段), 通过使用最大似然法、 支持向量机法、 神经网络法分别对影像中水稻、 大豆、玉米、 高粱等农作物特征进行提取、 分类, 获得到农作物分类图;将统计结果与真实的参数进行比较, 分析了相同算法下使用不同数据源, 不同算法使用相同数据源, 这两种情况下的分类精度与可靠性。 实验结果表明,通过神经网络法得到的分类结果精度最高, 可靠性最强, 适合于全国范围内推广。     

基于时空融合的NDVI时序生成技术在冬小麦监测中的应用

高时空分辨率归一化植被指数(normalized difference vegetation index,NDVI)数据对于冬小麦的动态监测具有重要意义,而高分一号卫星的不足之处是无法获得时间序列数据。为了解决上述问题,以河南省东北部为实验研究区,以高分一号卫星16m分辨率的多光谱宽覆盖GF-1/WFV(Gaofen-1satellite/wide field of view)数据与MODIS地表反射率产品MOD09Q1数据为数据源,采用STARFM (spatial and temporal adaptive reflectance fusion model)时空融合算法,对冬小麦出苗生长期、越冬期、返青-拔节期、抽穗期、成熟期等5个不同物候期的数据进行分析,并最终生成步长为8d的GF-1/WFV NDVI时间序列数据(即预测NDVI).结果显示:5个不同物候期的预测GF-1/WFV NDVI与实际GF-1/WFV NDVI的相关系数分别为0.695 9,0.840 4,0.892 1,0.897 0,0.632 9;预测GF-1/WFV NDVI时间序列数据与实际MOD09Q1NDVI数据具有高度的一致性。     

2m分辨率遥感影像地表覆盖分类误差研究

以贵州省镇远县焦溪镇为研究区,以资源3号(ZY-3)2m分辨率卫星影像为主要数据源,采用面向对象分类技术提取研究区地表覆盖信息,将提取结果与普莱亚(Pleiades)影像,经目视解译并结合实地验证获取的高精度地表覆盖进行对比,分析ZY-3影像提取地表覆盖各类型的精度误差。研究结果表明:ZY-3影像相对于Pleiades数据提取平均总误差为1.56%,其中旱地和建设用地分类误差相对较大,精度误差分别是3.41%和3.08%。而水体分类误差最小,为0.70%,其余地类水田、乔木林、灌木林、草地、裸地提取误差则分别是1.28%、0.53%、0.86%、1.18%、1.47%。     

图斑与变化向量分析相结合的秋粮作物遥感提取

本文提出一种图斑与变化向量分析相结合的农作物提取方法,旨在综合面向对象空间纹理信息、归一化植被指数信息和作物变化信息,提取农作物.实验以高分一号为数据源,选取河北省衡水市中部区域提取作物,根据野外采样点数据验证方法精度.实验结果表明:该方法较高精度地提取了研究区作物分布,总体精度达到93.4%.其中主要作物玉米提取的用户精度、制图精度分别为95.4%、95.7%,棉花提取的用户精度、制图精度分别为86.8%、84.0%,其余非农作物类别用户精度高于89.9%,制图精度高于91.6%.棉花和景观树由于种植破碎,并且大部分都混作于玉米中,提取精度比玉米低.从分类结果图中可以看出,该方法基于面向对象,以地块为基本识别单元提取作物信息,消除了传统基于像元的分类存在的"椒盐现象".研究表明:本文提出的方法能够充分利用面向对象地块信息,以农作物变化信息为依据,辅以归一化植被指数,较高精度的提取农作物.该方法的成功实施为面向对象方法在农作物提取中的研究提供了新思路,为作物信息提取提供了有效的途径.     

基于多时相Sentinel-2数据的中牟县冬小麦种植面积提取

农作物的遥感识别监测是开展农作物长势监测、估产的前提和出发点，是农业遥感的焦点之一.利用遥感数据监测作物种植面积，日益成为农业管理及政策制定的重要技术支撑.以中牟县为研究区，选取2020—2021年期间的6幅Sentinel-2遥感影像数据，主要依据农作物的物候期光谱特征曲线变化和时序归一化植被指数曲线的变化，利用面向对象提取方法提取中牟县冬小麦面积及空间分布.将提取结果与谷歌地球高分辨率影像结合野外调查得到的验证样本进行精度验证，评价结果显示：总体精度93.33%,Kappa系数86.38%，结果能够较好地反映中牟县冬小麦种植面积及空间分布情况.该方法为大区域农作物的面积提取提供了重要方法参考.     

计算机文本信息挖掘技术在网络安全中的应用

针对网络文本信息的安全性判别问题,采取改进的邻近分类算法挖掘文本.该改进邻近分类方法在传统方法定义分类特征的同时,起用共线性判别矩阵,对具有共线属性的特征合并处理.这种改进策略,不仅可以增加分类特征的准确性,也可以加快文本信息的分类进程.对Spambase语料库开展实验研究,从精度、召回率、联判度、误差4个维度对分类效果进行评价.结果显示:改进的邻近分类方法具有明显的优势,可以更加准确地区分安全文本和危险文本.     

PS-InSAR技术在兰州市地面形变中的监测应用

近年来,由于城市地表沉降带来的次生灾害后果愈加严重,给城市的发展带来了诸多隐患,因此对城市进行长时间序列的形变监测具有重要的现实意义,而传统的监测方法无法获取城市大面积的地表形变信息.合成孔径雷达遥感(interfer-ometric synthetic aperture radar,InSAR)技术在大规模地表形变监测中具有独特的优势.兰州市地质条件特殊,地貌条件复杂,是中国地质灾害发生频率较大的区域之一.采用63景Sentinel-1A和5景Sentinel-1B数据基于永久散射体合成孔径雷达干涉(persistent scatterer interferometric synthetic aperture radar,PS-InSAR)测量技术获取了2014年10月—2020年4月的兰州市城区的地面形变场.研究结果表明,兰州市城区地表形变较小,临近城区周边的几处村镇存在着不同程度的沉降,且部分区域的沉降呈现出逐渐加快的趋势.     

福州市城市交通违法行为的空间分布规律分析

为辅助治理城市交通违法行为,从源头减少交通事故,以福州市各县市区为研究区,对福州市交通违法数据按照交通违法扣分细则分类;然后,利用最邻近指数技术计算交通违法行为的聚集状态,并利用标准差椭圆、层次聚类和核密度3种算法进行空间热点识别.结果表明:福州市交通违法数据以点形式分布,主要聚集在三环内和福清市;各类交通违法行为均为聚集型分布状态,中心点主要分布于福州市东南方向,福州市交通违法行为未来的高发区可能呈从主城区向东南方向延伸的趋势;市中心被商场和景区包围的八一七北路、东三环快速路与机场高速互通枢纽、连江县104国道东边居民区和学校为3类交通违法高发区域.     

上海市乡村旅游景区(点)空间分布研究

引用最邻近指数、地理集中指数、基尼系数和洛伦兹曲线对上海乡村旅游景区(点)的空间分布进行测算.计算结果表明:上海乡村旅游景区(点)的最邻近指数为0.656,其空间分布呈凝聚型.其地理集中指数为87.200,这表明其空间分布是相对集聚的,并与最邻近指数的结果相映证.上海市乡村旅游景区(点)的基尼系数为0.9647,C=0.0353,这亦说明其空间分布是相对集中的,空间上表现为不均衡.且根据洛伦兹曲线,可看出,上海市乡村旅游景区(点)在空间上表现为非均衡集中分布的特征.笔者试着从相关区域内的财政收入、工业总产值、农业园区基础设施投资、常住人口密度和土地面积等因素来探讨对其空间分布结构的影响,并提出更合理的布局方案,以期促进上海乡村旅游的发展.     

近邻系数协同强化人脸图像子空间聚类法

针对最小二乘回归子空间聚类法没有考虑近邻样本对求解表示系数的影响这一不足,提出近邻系数协同强化子空间聚类法.该方法利用近邻样本相似导致表示系数接近的思想定义近邻系数协同强化项.通过近邻样本的系数强化表示系数,从而得到更能反映样本相似度的相似矩阵,进而提高聚类准确率.在6个人脸图像数据集上的实验表明该方法是有效的.     

多晶和非晶薄膜材料的能量过滤电子衍射分析法

本文介绍了一种能快速准确分析薄膜材料微观结构的新技术──透射电子显微镜样品后扫描能量过滤电子衍射分析法．该技术利用常规的透射电子显微镜把选区衍射花样投到一个顺序电子能量损失谱仪的入口光阑上，让微机输出脉冲电压到样品后偏转线圈使衍射花样顺序扫过光阑进入谱仪中．检测零损失电子强度随散射矢量的径向分布，从而导出能显示近邻原子间距和配位数等结构信息的约化密度函数．根据多晶金薄膜的试验结果显示．文中给出的该项技术测出的最近邻原子间距可精确到０．００２ｎｍ，配位数的测定可精确到０．５．     

云南拉巴-东炉房地区Cu多金属矿区土壤地球化学特征

通过对云南拉巴-东炉房地区开展1∶5万土壤地球化学测量工作，总结了该区土壤地球化学找矿研究。以数学地质统计方法为指导思想，对所采样品数据，利用SPSS软件进行R型聚类分析，采用最短（邻近）分类准则（nearest neighbor）及皮尔森相关系数，生成聚类分析谱系图，以研究各元素间的共生组合关系，及空间分布规律，并在此基础上圈定出优选靶区，为该地区的找矿工作的开展提供一定的理论依据和技术支持。     

一种改进的K近邻法在模式识别中的应用

针对传统K近邻法的缺陷,改进的K近邻法首先对训练样本进行聚类,将样本的特征空间划分成若干满足一定条件的小超球体,然后依据最近间隔值在这些小超球体内搜索待分类样本的K个近邻点.算法通过特征选取,选出反映样本模式重要信息的特征,从而确保了聚类的质量.同时K近邻算法中引入的最近间隔值,既确定了近邻点的搜索半径,又保障了搜索的准确性.通过实验证实,该方法不但节省时间,还有较高的识别率.     

最近邻搜索用于分类问题的一种改进

最近邻搜索广泛应用于分类问题,其最显著的优点是分类准确率高、泛化性能好.但现有最近邻分类算法都存在着一个弱点——样本集增大分类计算量也显著增大.为了克服这一不足,本文基于一个新的思路,提出了最近邻分类方法的一种改进方法.该方法在进行最近邻分类时,不一定要找到待分类点的最近邻点,而只要知道最近邻点的类别即可,大大地减少了最近邻搜索时的计算量.用经典的分类问题双螺线问题(TSP)以及其他几个例子,就该改进方法的分类效果、分类速度和学习性能等3个方面进行了测试,并与经典的K维双叉树(KD树)最近邻搜索法以及压缩近邻法进行了比较.结果表明,就综合性能而言,本文改进方法是有竞争力的.