基于遥感的昆明市城市土地利用变化情况对比研究

利用昆明地区1992年、2005年两个时相TM数据,在ERDAS IMAGINGE8.5专业遥感图像处理软件的支持下,进行土地利用分类和昆明市区13年来土地利用化的对比研究.将分波段分层分类法与基于监督分类的分层提取法相结合,利用TM影像多光谱数据间的有效重组利用,在TM145波段组合影像上提取建设用地和水体,在TM345组合上提取剩余地类.在单纯运用监督分类法对掩膜后的2005年影像分类难以达到精度要求时,用基于监督分类的分层分类法,分出一类掩膜掉一层,最终将所有层叠加得到研究区土地利用/土地覆盖分类图,分类精度达到要求.并根据分类结果进行研究区13年来土地利用数量结构变化分析和土地利用转型分析.     

基于ETM+遥感影像的森林植被信息提取方法研究

以南京市区的遥感影像图为研究对象,对基于ETM 遥感影像的森林覆盖面积提取的一般方法进行研究.笔者分析了ETM 影像波段的特征值和相关性,得出TM3、TM4、TM5之间的相关性小,包含信息量丰富;采用Brovey变换将TM3、TM4、TM5与PAN波段融合,并提出用融合后的波段TM4R和TM3R作归一化植被指数,得到NDVIR;然后利用最大似然法对融合图像和NDVIR的组合图像进行分类,根据分类结果计算出南京市森林覆盖率为38.63%.     

南方丘陵山区遥感影像特征选择与自动分类方法

选取南方丘陵山区--广西钦州湾 TM影像作为试验区,在地物光谱分析基础上,利用知识型光谱合成、主成分变换对 TM卫星图像进行增强处理,并采用非监督分类与监督分类相结合的方法,对 TM图像及特征图像进行自动分类试验,以寻求适用于南方丘陵山区的土地利用 /土地覆盖的遥感自动分类方法.     

利用TM/ETM+影像提取水污染信息的方法

为获取水体污染监测信息及其变化规律,以TM/ETM+影像为实验数据,研究利用遥感影像提取水体及水污染信息的方法.根据影像数据及提取物的特点,采用谱间关系法与阈值法综合的方法进行水体提取,依据清洁水体视反射率信息,对比分析水中悬浮泥沙、水华等信息,完成水质分类处理.研究结果表明:通过该实验方法和技术手段,利用TM/ETM+影像能够较好的进行水污染信息的提取及水质分类.该方法为大面积的水污染监测与治理提供了有益的经验.     

不同等级土壤遥感分类的尺度匹配性探讨

采用Landsat5 TM遥感影像为数据源,以湖北省江汉平原之潜江市为试验区,探讨同一遥感信息源下对不同等级的土壤分类的尺度匹配性.以Landsat5 TM遥感影像和两个级别的土壤类型图(土壤亚类及土属)为基础数据,集成主成分分析、归一化植被指数等图像处理技术,提取多种影像特征建立土壤分类特征数据集;采用最大似然监督分类方法对潜江市不同级别的土壤分别进行遥感分类;并利用混淆矩阵方法对分类结果分别进行精度验证.结果表明:土属的总体分类精度较高,达到92.79%,Kappa系数为0.919 5;土壤亚类相对较低,总体分类精度只有84.71%,Kappa系数为0.820 1.可见土壤遥感分类具有显著的尺度适宜性特征,在两个级别的土壤分类实验中,Landsat5 TM更适宜土壤的最基层的土属类型划分.在土壤遥感分类时,应首先探讨土壤类型等级与遥感影像的尺度匹配性.     

TM影像在土地利用现状调查中的应用

以遥感技术在阜新市土地利用现状调查中的应用实例出发，介绍了利用TM影像进行土地利用专题信息提取的整个过程，包括图像的校正、镶嵌、特征提取和训练区的选择，采用聚类和监督分类的方法对图像进行了分类，并对分类结果进行了验证。     

基于规则的遥感影像分类方法研究——以黄山市为例

介绍了决策树C4.5算法,并利用该算法实现了对遥感数据规则的挖掘,在此基础上设计并实现了针对于C4.5规则的编辑器,通过该编辑器能够实现对规则的编辑与管理。规则编辑器的设计与实现,为在分类过程中人工的干预提供了可能。将人工干预与基于数学理论规则的自动提取相结合,尤其是在地形较复杂的地区,将有利于分类精度的提高。利用黄山市Land Sat TM影像,进行了基于C4.5算法自动提取规则的遥感影像分类实验。实验结果表明,利用C4.5算法提取的分类规则准确率高,利用提取的分类规则进行的遥感影像分类效果较好。     

基于独立分量分析的遥感影像分类方法

多光谱遥感影像反映了不同地物的光谱特征,其分类是遥感应用的基础。独立分量分析对未知的源信号的混合信号进行估计,可以获得相互独立的源信号的近似。独立分量分析利用了信号的高阶统计信息,对于多光谱遥感影像而言,其去除了波段影像之间的相关性,获得的波段影像是相互独立的。最后通过TM遥感影像数据的分类试验,验证了基于独立分量分析的线性光谱混合分析模型应用于多光谱遥感影像非监督分类的有效性。     

基于模糊C均值和BP神经网络的遥感影像自动分类算法

针对非监督分类算法分类精度不高、监督法分类算法的训练样本需要人工选择且容易误选的问题,提出了一种基于模糊C均值聚类(FCM)和BP神经网络相结合的遥感影像自动分类算法。首先利用FCM对影像进行初始聚类,然后根据聚类结果,由该算法自动选取其中的纯净像元作为训练样本,并送入BP网络进行学习,用最终训练得到的BP神经网络分类器对TM遥感影像进行分类,实验结果表明该算法具有较高的分类精度,能够满足大尺度地物类别判定的需要。     

土地利用分类中TM影像最佳波段组合选择研究

土地利用和土地覆盖变化是全球变化的主要原因,也是生态安全的重要影响因素,遥感影像以其宏观、及时的特点为土地利用分类研究领域提供了重要数据.文章分析了TM影像各波段的光谱特征,运用均值、标准差和相关系数等指标定量分析TM数据各波段和波段之间的特征,用最佳指数(OIF)来衡量各种波段组合的信息量,确定五种波段组合方案,再结合TM影像的光谱特征,最后优选出345波段组合用于土地利用分类.     

北京市海淀区地表覆盖类型研究

该文是针对北京市海淀区TM影像进行图像处理方面的工作,采用监督分类的方法体系对海淀区影像进行处理分析,在确定分类模板之后对地物进行分类和分类后处理工作,最后给出精度评价,从而可针对北京市海淀区的地表覆盖类型和分布情况作进一步研究.     

长江口潮滩湿地植被光谱分析与遥感检测

通过野外实测长江口潮滩湿地主要植物的光谱特征，分析和提取了优势植被的光谱特征参数和波段.考虑到潮滩湿地植被在生长特点、季节和盖度等方面的影响因素，采用了组合光谱特征波段的植被指数对长江口潮滩湿地植被进行分类检测，以期在现有的多光谱遥感影像上提高分类精度，检测出潮滩湿地植被空间分布的变化.分别计算了实测夏季和秋季的 RVI，NDVI，SAVI和MSAVI四种植被指数，得出不同植被指数对潮滩湿地植被不同盖度和不同季节的检测方法，并将该方法应用于多光谱TM影像上，验证这几种植被指数在TM影像上的分类精度，结合实地考察，发现MSAVI应用到多光谱TM影像上对潮滩湿地植被的分类检测效果最好，但时相应选择夏季.     

基于神经网络的扎龙湿地土地覆盖分类研究

主要研究神经网络在土地覆盖分类方面的应用问题．采用四层神经网络结构,对扎龙湿地的TM影像进行了分类研究,并提出一种基于鲁棒误差函数的自适应反向传播学习算法．仿真结果表明,该方法能够有效地对扎龙湿地TM影像进行分类．所采用的四层网络结构可减轻存储量大的负担,鲁棒误差函数有效地抑制了大误差,自适应反向传播算法使误差下降更快,而且最终得到的分类精度高于三层神经网络和最大似然法的分类精度。     

基于光谱测量的南方典型树种反射光谱特征分析

利用ISI921VF野外地物光谱辐射计测量得到的南方典型树种光谱数据,分析南方典型树种的冠层反射光谱特征,并探讨光谱对于遥感影像树种分类的可分性．以茶、杉木、阔叶林、马尾松这四种作为代表,结果表明这四种地物的反射光谱曲线及它们的一阶微分反射比波谱曲线在近红外波段差异显著;且转化为北京一号（BJ-1）和TM等效反射波谱曲线后,BJ-1影像和TM影像的地物间差异仍较明显,因此常用的多光谱遥感影像对纯林分树种具有一定的可分性．     

基于Landsat-8影像的大通县土地覆盖分类方法对比研究

针对Landsat-8影像在土地覆盖分类中的应用研究,以青海省西宁市大通县为研究区,在对Landsat-8影像进行辐射定标、大气校正、影像裁切等基础上,利用最大似然分类和支持向量机(SVM)分类法,获得两种方法支持下的6种土地覆盖分类结果。经过精度评定和对比分析,结果表明:SVM分类法优于最大似然分类,总体分类精度分别为78.53%,85.64%。同时,Landsat-8 OLI数据相对于TM/ETM+数据,增加的波段新特性有利于土地覆盖分类精度的提高。文中方法适用于Landsat-8影像在土地覆盖分类研究与应用,能够满足大区域土地覆盖分类应用需求。     

遥感影像绿地信息提取--以开封市为例

基于Landsat TM影像,对开封市绿地专题信息进行提取,主要通过计算TM影像及各主成分分量和归一化植被指数 NDVI的相关系数的方法来进行波段组合,提高遥感影像的目视解译精度和分类精度,取得较好结果.研究得出开封市绿地面积占总面积的22.56%,主要集中分布在郊区乡镇.     

基于TM影像的聊城地区植被信息的自动提取

基于主成分分析和归一化植被指数NDVI的计算,得出聊城市TM影像的波段信息、各主成分分量及归一化植被指数的相关系数,从而找到相关系数最小的三个波段,利用该组合波段对图像进行分类,得出聊城地区绿地信息专题图．实验结果表明该方法提高了遥感影像绿地信息提取的自动化程度和精度．     

基于BP神经网络的石漠化遥感影像分类方法的探讨

以由DEM数据提取出的坡度、地形特征信息与TM遥感影像的光谱信息相结合,应用BP神经网络方法进行石漠化遥感影像分类。并对比了BP神经网络分类法、ISODATA分类法、最大似然法三种分类方法。结果表明BP神经网络分类法有效地提高了石漠化信息的遥感分类精度。     

基于面向对象的长株潭地区遥感影像分类方法

结合Landsat TM遥感影像和环境减灾卫星HJ-1-A、B影像数据,基于面向对象的遥感影像分类技术实现长株潭地区土地利用/覆被的分类提取.综合利用隶属度函数和最邻近分类方法设置分类规则,逐步提取林地、湿地、耕地、人工表面的地物信息.以地形复杂多样的长株潭地区为研究区,收集整理具有代表性的样点用于分类和精度评价.结果表明,利用隶属度函数方法分类结果基本能满足生产者和用户的需要,但是林地、耕地内部二级类精度相对较低,错分比较严重,采用最邻近分类优化分类结果后,研究区总体分类精度达到86.05%,耕地和林地一级类分类精度分别提高到73.63%和87.1%.     

基于TM影像的开封市绿地信息提取研究

本文基于TM影像,对开封市绿地专题信息进行提取,主要通过计算TM影像及各主成分分量和归一化植被指数NDVI的相关系数的方法来进行波段组合,提高遥感影像的目视解译精度和分类精度,取得较好结果.研究得出开封市绿地面积占总面积的22.56%,主要集中分布在郊区乡镇,在城市中心城区,由于人口密度大,建筑物密集,绿地面积较少.