广州市土地利用动态遥感监测方法探讨

本文以广州市监测区为例,采用ERDAS／PCI软件对SPOT卫星影像数据进行校正、镶嵌和融合,其精度满足土地利用动态遥感监测用图的要求;采用计算机辅助和人工判读的方法对土地利用信息变化进行提取,和广州市增城市的土地利用更新调查结果进行对比,其动态监测图斑成果的准确性达到88.4%,符合操作规程的要求。所以,本次广东省土地利用动态遥感监测技术设计合理,作业方法正确,可以实施应用。     

RaPidEye与IRS-P5数据融合在土地动态遥感监测中的应用

RapidEye数据已经大规模的用于土地动态遥感监测中,具有重访周期短的优势,P5数据具有高分辨率的优势,将多源遥感影像进行融合,可以充分发挥高空间分辨率卫星遥感数据的优势,优化高分辨率卫星遥感数据解决方案.本文通过研究数据处理与应用的方法与技巧,挖掘数据应用潜力,以更好的应用高分辨率遥感数据进行土地动态遥感监测.     

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．     

动态遥感监测在国土资源管理中的应用研究

介绍了利用遥感技术实现动态监测土地资源利用的主要技术流程,分析了遥感技术在国土管理应用中存在的优势和问题,探讨了动态遥感监测在国土管理中的应用趋势.     

不同融合方法在区域地质调查中的应用

随着遥感技术不断发展，获取遥感数据的方式各不相同，如何充分发挥遥感多时相、高分辨率等优势成了遥感应用的瓶颈问题。遥感影像融合则是行之有效的方法，不同应用领域采取的融合方法一般不同。以青海巴隆地区为例，介绍了不同影像数据融合方法在区域地质调查中的应用，并最终确定了用于区域地质调查的影像数据融合方式。     

郑州市城镇用地遥感动态监测研究

随着我国城市化进程的加快，城镇建设中土地利用问题必将日益显现。加强城镇土地利用监测，对于确保在城镇建设中科学合理利用土地将起着不可低估的作用。通过对利用遥感测出的郑州市城镇土地利用变化情况的分析，得出利用遥感对城镇土地利用进行动态监测是一种较为科学的方法。     

基于SPOT5影像土地利用动态遥感监测的质量控制

本文作者通过从事土地利用遥感动态监测工作的实践,从影像数据选取、影像正射纠正、影像辐射校正、图斑变化检测、影像配准统一多次监测图斑基准方面,分析了如何有效提高土地利用动态遥感监测的质量,最大程度地减少变化图斑的漏判、误判及用地类型的错误现象,使得各期监测成果有效统一,减少政府对土地利用监测的执法成本。实践表明,本方法较科学、合理,能有效地提高土地利用遥感动态监测的成果质量。     

基于小波变换的卫星遥感影像数据融合

遥感信息融合(Fusion)是遥感数据处理的重要内容之一。通过把高分辨率的全色影像与多光谱彩色低分辨率的数据叠加，可以最大限度地利用不同分辨率、不同光谱信息和不同时相分辨率的遥感信息。首先概括了已有的遥感平台与数据，在给出小波分解基本模型的基础上，探讨了采用小波变换进行遥感信息融合的基本方法和实现流程。同时利用该方法，用于SPOT全色卫星影像数据和Landsat TM多光谱数据的融合处理。作为实际应用，给出了详细的小波信息融合结果，并证明了该方法是切实可行的。     

浅谈3S技术在土地利用数据库建设与管理中的应用

阐述利用MapGIS进行土地利用数据库建设,结合遥感资料实施动态监测管理,并运用GPS采集变更图斑数据用于数据库更新的应用研究成果,为土地利用信息化管理提供了可借鉴的有效途径。     

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．     

SPOT5遥感影像不同融合方法对地物识别精度的影响

以河南省开封市北部及郊区的SPOT5遥感影像为基础数据,对SPOT5全色波段影像与多光谱影像的几种融合方式进行了比较研究;基于各种融合结果影像进行实验区域的计算机监督和非监督分类,提取各类地物面积数据,比较影像融合前后各类地物面积变化率;分析不同融合影像对地物识别精度的影响,确定适宜不同地物判识的融合影像和方法,旨在为土地利用类型调查中的影像融合方法的选择提供参考.     

改进时空DS证据理论在车辆识别中的应用

将证据理论作为数据融合方法,将多传感器多测量周期的数据进行融合,讨论了集中式,分布式无反馈,分布式有反馈三种融合方法,将其应用于车辆类型识别方面,并通过实验对这三种方法进行了比较,得出在传感器提供数据较准确时,分布式有反馈融合方法的分辨效果最明显,而在传感器提供数据不是非常准确(甚至错误)时,分布式无反馈方法得到正确结果的准确率最高.     

遥感影像融合方法比较研究

影像融合是提高遥感影像特征提取、分类、目标识别能力的重要手段;为比较不同融合方法的融合效果,采用基于低通滤波的IHS变换融合法、PCA变换法、高通滤波法和Gram-Schmidt变换融合法对北京某地区的SPOT-5全色影像和TM多光谱影像进行融合试验,并采用均值、标准差、信息熵和相关系数4个评价指标对结果影像从信息保留性和光谱保持性上进行评价;结果表明:在4种方法中,Gram-Schmidt变换融合法在信息量的保持上具有最大优势,光谱保持性与PCA变化法持平;高通滤波法在对信息量的保留和光谱信息保持均较好,但融合结果的亮度性最差。     

SPOT-5全色与多光谱遥感影像融合方法比较

随着遥感技术的发展,SPOT-5卫星数据以其优越的性价比,得到了较多的应用.在阐述遥感图像融合原理的基础上,以SPOT-5全色与多光谱影像为数据源,应用IHS变换、PCA融合、Brovey变换、乘积变换和HPF融合等5种比较常用的融合方法,从提高空间分辨率和保持原始图像光谱信息的角度进行了分析评价,探讨最适合于SPOT...     

系统误差环境下二维分配算法的关联性能

数据关联是多传感器数据融合的关键技术之一,是对冗余数据进行融合处理的前提和基础。对关联算法的性能分析与评价是算法设计与选取的主要依据。传统的性能分析方法多数为基于仿真测试的事后评价方法,其分析结果与仿真场景密切相关,难以全面客观地反映算法性能。该文提出了一种从理论上分析关联算法性能的思路,首先寻找关联算法出错的边界条件,分析边界条件出现的概率,从而得到算法关联错误概率的期望。与传统性能评价方法不同的是,该方法揭示了关联算法的内在性能,以工程中常用的二维分配算法为例,分析了算法性能与系统误差的关系,为实际系统的算法设计提供了理论依据。仿真实验验证了理论分析的结论。     

基于Brovey融合的卫星影像土地覆盖变化检测

随着高空间分辨率卫星影像的发展,如ETM ,QuickBird,IKONOSE等高空间分辨率卫星,近20年来已相继开发了许多影像融合的方法,如HIS,PC,HPF,SFIM,SVR,Wavekt和Brovey等融合法．传统的影像融合是将时相相同或相近的影像进行融合,以提高影像的空间分辨率和光谱分辨率,提高影像的目视可解度和分类精度等．而本文却是对不同时相的影像进行融合,用Brovey融合法将不同时相的TM(1986年7月26日)和ETM (2000年5月4日)的Pan波段影像进行融合,再对融合后的影像采用无监督分类和PC2分析两种方法将两时相的土地覆盖变化区域提取出来．研究证明融合法能快速、简便、准确的检测出土地覆盖变化的区域。     

雷达组网中交叉定位误差校正算法

论述了干扰条件下组网雷达交叉定位的解算模型,并对其定位误差及分布进行了分析。针对各定位模型定位误差大、跳跃性强这一问题。依据数据融合理论建立了组网雷达定位误差的融合校正方法,消除了定位误差跳跃性分布现象。仿真结果表明,定位误差的融合校正模型扩大了组网雷达精确定位范围,使雷达定位精度有了较大的提高。     

车辆状态感知中的自适应二次融合

该文针对危险品运输车辆在途状态特点,结合自适应加权与二维回归分析2种融合方法,提出了一种自适应二次融合算法,有效应用于在途性状数据的采集,并通过以气体危险品磷化氢在途性状数据采集的一个实例,进一步验证了该算法的效果,实践表明运用该算法,车辆在途性状获取的准确性和可靠性都得到了显著提高。     

基于智能优化算法的物联网异构数据融合方法

针对当前物联网数据融合方法速度慢、 融合精度低等问题, 以改善物联网异构数据融合效果为目标, 提出一种基于智能优化算法的物联网异构数据融合方法. 首先采用多个节点采集监测对象状态数据, 并对每个节点采集的数据噪声进行过滤, 初步减少数据规模, 提高物联网异构数据质量； 然后引入聚类分析算法处理簇首数据, 消除簇内数据间的冗余； 最后在汇聚节点采用智能优化算法对簇首数据进行加权融合, 并在相同环境下与其他融合方法进行对比实验. 实验结果表明, 该方法能对物联网异构数据进行有效融合, 获得了较高精度的物联网异构数据融合结果, 物联网异构数据融合错误少、 速度快, 提高了物联网数据融合的效率.