多源数据结合的高分一号土地利用/覆盖分类方法研究

基于多时相的GF-1数据获取NDVI时序变化、NDWI和MNDVI等指数图像数据，辅以Landsat8卫星OLI影像和数字高程模型(DEM)数据，得到了不同地物在光谱、时相和形状等方面的特征；通过分析各种地物类型在这些特征上的差异和变化规律，总结出不同地物的特征提取规则，构建了一种基于GF-1数据在地物复杂地区的土地利用/覆盖分类方法，并以广州市为实验区，运用该方法、最大似然法和最小距离法进行了土地利用/覆盖分类及其精度评价.结果显示:基于GF-1数据在地物复杂地区的土地利用/覆盖分类方法的总体精度为85.86%(部分地物分类精度达到95%以上)，与最大似然法及最小距离法相比，其总体精度分别提高了4.62%和12.24%，说明该方法能够更好地发挥GF-1遥感数据在土地利用/覆盖分类中的实际应用潜力，且有效提高了各种土地利用/覆盖地物类别的分类精度.     

中巴资源卫星02B星土地覆盖分类

为了能够将中巴资源卫星02B星更好地用于民用事业,需要对其数据进行精确研究以达到适合民用的目的.针对中巴资源卫星02B星CCD图像数据用监督分类中的最大似然法和最小距离法进行土地覆盖分类比较.通过分类精度评价的结果进行说明监督分类有效的用于该星分类,其分类图可以用于城市、土地、林业等动态变化监测.     

中巴资源二号卫星影像在土地利用变化中的应用——以包头固阳县土地利用变化为例

以包头固阳县为实验区，概述了利用中巴地球资源卫星（CBERS）遥感数据进行土地利用动态监测的主要研究方法．通过系统研究，探索了利用CBERS遥感数据开展国土资源环境监测的理论和方法．在分类中，采用监督分类辅以目视解译分类法相结合的混合分类法，改进训练样本选取方法，进行变化信息的提取，此方法的使用，使土地利用信息自动提取的精度明显提高，得到的总体分类精度为82．13％和Kappa指数值0．8016、研究中使用了中巴资源二号卫星影像，取得了一定的成效，这在国内土地利用变化影像应用研究方面还较新，需进一步的研究，同时由于此影像的免费使用，使得成本费用大大降低，值得大力推广、研究表明，CBERS遥感数据在干旱、半干旱地区资源调查与监测评价等诸多方面，具有良好的实用性能和应用前景．     

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.     

基于非线性参数的意识任务分类

研究了非线性参数作为脑电（EEG）信号特征时对意识任务分类的作用，使用的3种非线性参数特征为最大Lyapunov指数、轨道平均周期和轨道平均初始距离，分类方法为Fisher线性判别式．对4个实验对象共60个任务对进行了分类处理．使用3种参数在2s数据段上取得的平均分类精度分别为82．3％、90．7％和93．3％．在较短（1s）的数据段上，应用轨道平均初始距离参数进行分类取得了平均为90．8％的正确率，分类精度接近于Anderson取得的实验结果．轨道平均周期和轨道平均初始距离算法具有较小的运算量，能够应用于在线系统．     

基于遥感和GIS的土地利用分类方法研究

本文基于遥感卫星数据,在遥感软件ENVI 5.1和地理信息系统软件Arc GIS 10.0的支持下,通过最大似然法(MLC)、支持向量机(SVM)、人工神经网络(ANN)三种方法,对研究区土地利用/覆盖(LUCC)分类进行信息提取,并对不同分类方法的结果进行比较分析和精度检验.研究表明:使用支持向量机进行遥感图像分类,精度优于最大似然法和人工神经网络,且学习速度也较快,可更好地区分土地利用类型,提高土地利用信息的精度,适用于不同地貌单元,能够作为小尺度范围内遥感影像LUCC分类研究的有效工具.     

基于GF-1 PMS影像的土地利用/覆盖分类研究

土地利用/覆盖变化是当前全球环境变化的重要内容之一,而土地利用/覆盖分类是其基础工作之一。以萍乡市区为研究区,利用国产GF-1 PMS影像为基础数据,采用最小距离、最大似然法、平行六面体和支持向量机四种监督分类法进行了土地利用/覆盖分类试验研究。结果表明:最大似然法和支持向量机分类算法具有更好的分类精度,总体精度分别为93.3和96.03,Kappa系数分别为0.917 2和0.948 7,而最小距离法和平行六面体的精度则差很多。由于GF-1 PMS的多光谱波段和全色波段的空间分辨率分别为8 m和2 m,因而支持向量机分类结果可以满足很多水文、生态等模型的需要。     

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。     

江南丘陵区土地利用/覆被分类

江南丘陵区土地利用/履被类型相对比较复杂，传统的基于光谱特征的计算机自动分类的精度难以达到实际应用的需求．为了提高分类精度，需要模仿目视解译过程，从遥感信息机理与地学规律的综合分析人手，综合其它辅助信息进行分类．在对绍兴试验区地学背景知识和遥感数据光谱特性充分分析的基础上，获取了试验区各类典型地物分类的知识，并以规则的形式表示这些知识，集成TM影像亮度值、亮度值关系和DEM、坡度和坡向地理辅助数据对试验区土地利用/履被进行分类．结果表明，该方法可以方便有效地综合多种辅助数据进行分类，得到令人满意的分类结果，本次试验的分类精度为86．66％。     

CBERS-02图像在土地利用/覆盖动态监测中的应用

以四川省2000-2004年生态环境动态监测项目为基础，对中巴资源二号卫星（CBERS-02）遥感数据的处理方法和技术流程进行了分析和讨论，并探讨利用CBERS-02卫星遥感图像，结合GIS技术实施快速、准确、经济的大范围土地利用／覆盖状况调查．通过对遥感图像处理和信息提取，查明了研究区2000-2004年期间土地利用／覆盖状况及其动态变化．结果表明，CBERS-02卫星数据可以在土地利用／覆盖动态监测中发挥重要作用，通过与其它遥感资料和实测数据相结合，可以缩短监测周期，降低应用成本．     

Integrating genetic algorithm method with neural network for land use classification using SZ- 3 CMODIS data

This paper presents a methodology on land use mapping using CMODIS (Chinese Moderate Resolution Imaging Spectroradiometer) data on-board SZ-3 (Shenzhou 3) spacecraft. The integrated method is composed of genetic algorithm (GA) for feature extraction and neural network classifier for land use classification. In the data preprocessing, a moment matching method was adopted to remove the stripes in the images. Then by using the reproduction, crossover and mutation operators of GA based on the mechanism of “natural selection”, and with Jeffries-Matusita distance as its discriminate rule and the training samples, the optimal band combination for land use classification was obtained. To generate a land use map, the three layers back propagation neural network classifier is used for training the samples and classification. Compared with the Maximum Likelihood classification algorithm, the results show that the accuracy of land use classification is obviously improved by using our proposed method, the selected band number in the classification process is reduced, and the computational performance for training and classification is improved. The result also shows that the CMODIS data can be effectively used for land use/land cover classification and change monitoring at regional and global scale.     

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.     

基于大数据的城市土地利用分类研究——以西宁市为例

以西宁市为例，基于宜出行和兴趣点（points of interest，POI）2类常用大数据以及最大似然、支持向量机和神经网络3种常用分类方法，开展了城市土地利用分类研究．通过对比不同数据与方法组合下的城市土地利用分类精度，确定了提取城市土地利用信息的最优数据组合方式和分类方法．并基于分类结果对西宁市的城市土地利用格局进行了分析．结果显示，基于POI和宜出行数据的神经网络分类方法获取的研究区城市土地利用信息精度最高，总体精度为71.25%，Kappa系数为0.62．主要原因在于综合POI和宜出行可以更加充分地反映不同土地利用类型的特征，而神经网络可以有效综合多源大数据的信息．因此，基于多源大数据和神经网络为快速有效地获取城市土地利用信息提供了有效途径，具有较大的应用潜力．      

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。     

土地利用功能分类探讨

在综述已有的土地利用分类体系的基础上,以土地利用的生态、生产、生活功能为立足点,建立了土地利用功能分类体系,包括生活用地、生产用地、生态用地3个一级类型;针对不同的用地部门,划分了65个二级类型.     

农业用地的空时积和空时利用指数

复种指数(全年农作物播种总面积与总耕地面积之比)虽然概念清楚,但代表意义不明确,人们难以根据复种指数的高低确切地比较土地利用的充分程度。作者认为,农业土地资源的完整内涵应是农业土地面积和一年中土地可供作物生长的生长期长度之积,而作物在农业生产中占用的土地资源量应是作物占用的土地面积和占用的生长期长度之积。因而提出用“土地空时积”和“土地空时利用指数”,作为农业土地资源量和土地利用程度的度量指标,并讨论了这两个术语的扩展应用问题。     

CBERS-02数据在喀斯特石漠化遥感调查中的应用——以贵州黔南布依族自治州为例

以"3S"技术为技术背景,以中巴地球资源卫星CBERS-02为遥感数据源,对贵州省黔南布依族自治州喀斯特石漠化进行遥感解译,基于最佳指数波段选择法推算出喀斯特地区石漠化分类的最佳波段组合。实验表明,中巴资源卫星影像不但可以替代具有相似空间分辨率和光谱波段设计的国外遥感影像TM和SPOT,作为喀斯特石漠化监测的重要手段和主要的信息源,而且能够较好地满足大比例尺石漠化成图的需要,为制定喀斯特石漠化综合防治规划提供依据。     

Knowledge-based land use/cover classification of remote sensing image in Kenli, Shandong Province, China

Quantitative remote sensing methods have been widely adopted for land use/cover information extraction. However, in the Yellow River delta, spectral confusions between different surface features are common, which always introduce errors into the ordinary automatic spectral classification. A knowledge-based land use/cover classification is tried. Based on a systematic analysis of the spectral characteristics of different land use/cover types in the study area, several index models derived from TM digital data of Kenli County are built, which can make pixels of certain land use/cover types enhanced. With the combination of the index models, the expert knowledge of the area and some ancillary data, such as land use maps and soil maps based on ground surveys, rules of every class are determined to extract the land use/cover information. Accuracy evaluation shows that without any manual modification, the land use/cover information determined with remote sensing is 81.8% and accuracy for the spatial distribution of land use/cover cross checked with a random sample is 84.5%. Therefore, this approach provides an effective means for land use/cover information extraction in the Yellow River delta and can be used as reference for other areas where spectral confusions commonly exist.