中分辨率遥感影像土地利用覆被信息自动提取研究——以太原市区Landsat8影像为例

"土地利用/土地覆被"(简称LUCC)是全球环境变化研究的热点问题之一,遥感技术是LUCC研究的重要手段,遥感影像LUCC信息的高精度自动提取成为众多专家学者关注的重要研究领域.Landsat系列卫星影像是最早且最为广泛使用的中分辨率陆地遥感影像.文章以2013年2月发射的Landsat8卫星的OLI影像为研究对象,利用ENVI软件,对太原市区的土地利用/土地覆被信息分别用最大似然法和决策树分类法实现自动提取,并进行精度比较.结果表明:最大似然法提取的总体精度为69.33%,Kappa系数为0.605 5,主要是耕地与林地、草地、建设用地以及建设用地与裸地的混分、错分现象较为严重,造成分类精度较低;而决策树分类法的自动提取通过确定适当的判别规则,使地类间的混分、错分现象明显改善,分类总体精度提高到91.33%,Kappa系数达到0.892 3,各土地利用类型的分类精度均有一定提高.     

应用RF和SVM的城镇土地利用面向对象分类

中尺度城镇土地资源空间信息提取是资源环境监测的重要内容。以鄂州、黄冈区域城镇为案例,基于Landsat 8数据,使用面向对象方法提取地类光谱、纹理、几何和地形特征,并应用RF和SVM算法实施城镇土地利用分类。结果表明,合理尺度分割能够增强用地类型可识别性,提升解译效率; RF和SVM算法很好地模拟了地类对象属性特征地物类别间的模式规则,RF分类模型总体精度达89. 18%,Kappa系数为86. 33%,SVM模型总体精度为88. 03%,Kappa系数为81. 60%,整体而言RF分类结果优于SVM。该方案兼具可操作性、准确性,对大中尺度的土地资源信息提取适用性良好。     

基于RF模型的高分辨率遥感影像分类评价

以QuickBird高分辨率遥感影像为主要数据源,采用多尺度影像分割方法提取地物对象的光谱、纹理和形状特征;在此基础上,构建基于随机森林（RF）方法的遥感影像分类模型,分析和评价特征变量对模型重要性与稳定性的影响。结果表明:1研究区最优分割尺度参数为70、形状因子0.2、色彩因子0.8,同时构建研究区乔木、灌木和草地等8个景观类型的光谱、纹理和形状等32个特征变量信息;2选择5 000棵树和1个节点变量构建的RF分类模型的总体精度为0.94,Kappa系数为0.93,OOB（Out of Bag）数据泛化误差为6.01%;3通过分析特征变量的重要性发现,Ratio_la₁和Ratio_la₂等光谱特征的重要性值明显比形状特征和纹理特征的高;4基于平均下降精度,选择16个变量构建RF模型时总体精度达到0.94,Kappa系数0.93;5基于基尼指数构建的RF模型,在19个变量时总体精度和Kappa系数达到峰值。相比较而言,基于平均下降精度构建的RF较稳定。     

基于多时相遥感数据的吉林盐碱区土地覆被信息提取方法对比—以镇赉为例

利用多时相的遥感数据制作的多维分类特征数据集,可以充分挖掘遥感影像中的植被信息提高地表覆被信息的分类精度。以世界三大盐碱土分布区之一的吉林省镇赉县为例,利用多时相Landsat8遥感数据制作的多维分类特征数据集,通过不同的分类方法提取了实验区11类地表覆被信息,并进行精度对比分析。结果表明:1支持向量机(SVM)法对苏打盐碱化土壤特殊生态环境的地表覆被信息提取具有较好的分类效果,总体分类精度87.77%,Kappa系数0.864 9;其中盐碱地的分类效果较好,生产精度达到98.34%。2不同方案分类精度从高到低依次为:支持向量机、最大似然分类、神经网络、最小距离、光谱角法。3镇赉县的土地利用类型以旱地、水田、盐碱地为主,镇赉西部以旱地为主要,中部地区盐碱地、碱泡、旱地交错分布,东部以水田为主。     

面向对象的遥感影像湿地分类与变化检测研究

在面向对象技术支持下,运用多特征融合的遥感影像分类方法进行湿地分类提取,并通过对比得出两个时期的湿地变化.一时期Aster影像的总体精度为87%,Kappa系数为0.85;二时期GF影像的总体精度为87%,Kappa系数为0.83.通过对比计算发现福州市龙祥岛地区湿地总量减少,变化较显著的两类湿地是河流和滩涂,河流面积增加5.54%,滩涂面积减少6.83%.为及时掌握湿地的情况、做好湿地的开发与保护提供了参考.     

基于面向对象方法的天津市滨海新区湿地信息提取

基于天津市滨海新区2021年的Sentinel-2遥感影像数据,针对传统遥感影像湿地分类的不确定性问题,选择了面向对象分层分类的方法。采用面向对象多尺度分割算法,依据地物光谱异质性特征将遥感影像分割为光谱相似的对象,再结合不同地物的光谱指数、空间几何特征、纹理特征构建层次模型,分层提取湿地信息。分类效果同随机森林分类方法相比较,结果表明：利用面向对象的分层分类方法总体分类精度达到91.75%,Kappa系数为0.91,分类结果“斑驳现象”减少,湿地边界清晰完整。     

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.     

基于相似系数的1种算法在遥感图像分类中的应用

用基于向量夹角余弦的相似系数方法对黄河三角洲1998年12月份的Landsat—5TM遥感影像进行了分类，分类精度分析表明用夹角余弦作为分类的相似性度量指标是合理的。这种遥感图像的分类方法简单，在实际分类中可以作为常用的方法之一。     

基于决策树的多源遥感数据分类

遥感影像是获取土地覆盖信息的重要手段。分析了影响决策树分类的特征因子,并根据这些因子构建分类决策树。结合中分辨率多源遥感数据,对贡嘎山区进行土地覆盖分类,通过与最大似然法分析对比,基于决策树的多源数据分类对试验区的分类精度(总体精度85.71%,Kappa系数0.83)远高于基于像素的最大似然法监督分类(总体精度63.56%,Kappa系数0.58)。     

基于CART决策树的ZY-3卫星遥感数据土地利用分类监测

通过分析ZY-3卫星遥感影像光谱特征、数据质量,探讨其遥感影像在土地利用分类监测领域的应用前景.基于遥感影像特征,结合面向对象的分析思想,选择训练样本构建决策树分类模型,进行土地利用计算机自动分类,并通过混淆矩阵和Kappa分析对分类精度进行评价.研究表明：1)基于决策树模型和面向对象分类方法,ZY-3卫星遥感影像分类总体精度为88.76%,有助于提高影像分类精度;2)在分类模型中,ZY-3卫星影像对水域、耕地、公路用地和林地影像辨识度较高,而对于其它用地类型相对不足.3)ZY-3卫星数据高分辨率影像特征明显,影像可用于土地利用分类监测.     

基于Landsat数据沈阳城市建成区动态监测研究

目的研究城市建成区扩展的时空特征,加深对城市化理论的理解,为城市未来的城市化进程提供有效的时空决策依据.方法基于辽宁省沈阳市2000—2015年Landsat-7遥感影像数据,首先对原始遥感图像进行几何校正;接着对精纠的遥感图像,进行图像的拼接和裁剪;然后通过监督分类和非监督分类,把裁剪后的图像按建设用地、耕地、林地、水域以及未利用土地进行分类;利用ENVI5.3的Confusion Martrix功能,计算了两种分类精度的总体精度和Kappa系数.结果计算得到监督分类总体精度为92.36%、Kappa系数为0.88,非监督分类总体精度为77.32%、Kappa系数为0.65;2000—2015年沈阳市建成区扩展先后表现为急剧的扩展和逐渐趋于稳定这两类特征;建成区紧凑度不断下降,分行维数呈上升态势.结论 2000—2015年沈阳市建成区总体处于快速扩展的时期,主要以外部发散式延伸扩展为主,在空间上的离散程度很大;GDP因素、人口因素和全运会举办所带来的影响是沈阳建成区扩展的驱动因素.     

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%.     

基于中分辨率遥感影像的水体信息精确提取

为了精确提取地表覆盖类型复杂、水体类型多样的山区水体信息,本文提出一种基于Landsat 8多光谱影像的综合集成的决策树分类法。该方法以决策分类树为模型框架,以分层分类的遥感地学分析思想为主线,将自动水体提取指数(AWEI)以及基于知识的缓冲区图像分割法集成到决策树分类器中进行分类。对两个典型测试区域进行精度评价,得到Kappa系数分别为0.9596和0.8960,总体精度分别为99.7792%和99.6577%。     

基于震后高分辨率卫星遥感影像的建筑物瓦砾快速提取方法

利用震后高分辨率卫星遥感影像提取建筑物损毁空间分布和破坏程度信息,对于地震灾情评估具有重要作用.本文以2010年海地地震巨灾为例,选用震后高分辨率卫星遥感影像Geoeye-1为数据源,在分析建筑物瓦砾可分离性的基础之上,利用监督分类方法提取损毁建筑物的瓦砾.结果表明,在震后高分辨率卫星遥感影像中,瓦砾是建筑物损毁的明显震害标志;瓦砾的生产者精度为87.23%,大于总体分类精度63.14%;瓦砾的Kappa系数为0.62,高于总体Kappa系数0.54.研究表明,基于瓦砾纹理特征的遥感信息提取方法能够从震后复杂的城市地物类型中识别出大部分瓦砾,该方法得到的结果可以应用于地震灾情应急评估,辅助应急救援等.     

基于长时序影像的森林矿区开采扰动识别

针对煤炭开采对矿区及周围的森林生态环境产生剧烈扰动的问题,提出了长时间序列的开采扰动识别方法.基于1984年—2015年共20期的Landsat TM/ETM+/OLI长时间序列遥感影像,以美国西弗吉尼亚州布恩县为例,利用植被变化监测（VCT）算法,应用综合森林特征指数（IFZ）,构建“IFZ-时间”时间序列轨迹,实现了森林矿区开采扰动的识别,得到扰动年产品,重建森林从扰动到恢复的整个历史周期,可以为矿区环境监测和生态恢复工作提供技术支持.分类精度评价结果显示研究区分类的总体精度达到83.2%,Kappa系数达到0.814,表明植被变化监测算法可以有效地提取森林矿区的开采扰动信息.     

监督分类方法在遥感影像分类处理中的比较

随着计算机解译技术的发展,遥感影像分类方法不断涌现,各种分类器分类精度不一的问题,对其应用产生了一定的影响。运用ENVI软件,采用同一地区的Landsat TM影像,通过目视解译选择相对应的训练样本和已有的验证样本进行试验,对监督分类的6种分类器(最大似然、神经元网络、支持向量机、最小距离、马氏距离、平行六面体分类方法)进行分类后的精度比较。通过对试验区的地物做分类结果的评判和比较研究,再经过分类后处理,得出分类结果的总体精度和Kappa系数。结果表明,最大似然分类方法的精度明显高于其他分类方法的精度,而对比分类影像的细部图,也优于其他分类法,即在监督分类中,最大似然分类法具有较好的分类效果。     

基于易康软件的QuickBird遥感影像林分类型识别——以福建省将乐林场为例

【目的】研究基于面向对象方法的林分类型识别,解决森林资源监测的核心问题。【方法】以福建省将乐林场为研究样本,采用基于QuickBird遥感影像的蓝、绿、红、近红外4个多光谱波段为面向对象分类的试验数据,借助eCognition Developer 8.7(易康)软件,设置10种分割尺度(25～250,步长为25),应用带有线性核函数支持向量机分类器(support vector machine,SVM),分别对每种分割尺度下的3组特征(单独光谱、光谱+纹理、光谱+纹理+空间)进行面向对象林分类型分类。【结果】以尺度参数150对QuickBird遥感影像进行分割质量最高(ED3_Modified=0.37)。10种尺度上,在光谱特征中加入纹理特征能够明显提高分类精度,但引入空间特征分类精度几乎无变化。基于光谱+纹理特征在分割尺度150时获得了最高分类精度(总精度达到85%,Kappa系数为0.86)。【结论】分割尺度对面向对象林分类型识别精度有着重要影响。在所有尺度(25～250)下,光谱、纹理特征分类精度均高于单独使用光谱特征分类总精度,空间特征在林分类型分类中并没有起到作用。匹配良好的分割和参考对象时能够得到更高精度的分类结果,同时,轻微的过度分割或分割不足不会明显影响分类结果。基于易康软件的面向对象方法对QuickBird多波段遥感数据进行林分类型分类能够获得比较满意的结果。     

面向对象的多层次规则分类地物遥感信息提取方法试验分析研究

监测土地覆盖变化是目前高分辨率遥感的重要应用领域，城市覆盖地物变更速度快、地物类型复杂，使用传统方法提取监测难度较大。针对此问题，选择云南省大理白族自治州上官镇为研究区，以GF-2 PMS遥感影像为数据源；采用面向对象的方法对研究区进行最优分割尺度分割，选取最优特征组合用于构建模糊分类规则，分层次进行地物提取，最终获得研究区地物类型分布图。运用混淆矩阵方法进行精度评价，面向对象的多层次规则分类法提取分类效果良好，分类总体精度达79.95%,Kappa系数为0.74。与基于像元的分类方法和单一尺度下面向对象的提取分类法相比，面向对象的多层次规则分类法精度明显提高，说明本方法运用于复杂地物提取分类具有较好可行性。     

基于BP神经网络的遥感影像分类方法

为了消除传统的遥感影像分类所带来的模糊性和不确定性,采用BP神经网络进行遥感影像分类.利用MatLab软件构建BP网络遥感影像分类算法,通过对BP网络算法进行改进,采用动量-自适应学习速率调整算法克服了网络训练速度慢、不易收敛到全局最优等缺点.对一幅全色遥感图像通过300次训练后,输出能真实反映地类的影像图.其分类总精度为86.67%,Kappa系数为0.82,分类精度能够满足遥感图像分类的需要.     

土地利用的遥感信息变化提取研究

利用卫星遥感影像进行土地利用类型分类和动态变化监测是遥感应用中的一个重要课题。本文选择不同时相的ETM 和SPOT-5卫星遥感影像数据,对两期影像进行监督分类,快速提取不同时期的土地利用数据;然后进行动态变化监测,获得土地利用情况的变化特征和信息;最后对其分类精度进行评价分析。研究表明,两期影像中耕地、居民用地和未利用地这三个类别的变化面积较大;ETM 影像进行监督分类的精度为90.1692%,Kappa系数值为0.8268;SPOT-5影像进行监督分类的精度为95.1477%,Kappa系数值为0.9361。由于SPOT-5影像的分辨率较高,分类效果更优于ETM 影像,更能准确的反映土地类型的信息和特征。