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.     

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％。     

DEM在喀斯特山区多云背景下土地利用遥感影像解译中的应用

土地利用分类是研究土地资源,进行土地评价和土地利用/土地覆盖变化等研究的基础。利用遥感(RS)技术可对土地资源进行分类调查。以沿河县为分析样区,沿河县是典型的喀斯特山区县,常年多云多雾,给土地利用遥感解译带来较大难度。研究中以地理信息系统(GIS)技术为工作平台,利用近年ASTER影像为基础数据,采用分层提取特征波段的方法,结合数字高程模型(DEM)数据对沿河县土地利用进行了遥感分类解译。分类结果表明,多云背景下的影像数据和DEM数据相结合的方法,可以更好、更快、更有效地提取土地信息,达到较好的分类精度。     

土地利用遥感分类技术探讨

土地利用的分类方法很多,将基于类神经网路的专家系统应用于土地利用遥感分类,是通过专家系统的知识来训练网路,利用网路的自学习和联想记忆能力来进行遥感影像的分类,以提高遥感影像处理的精度和速度。     

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。     

光学遥感影像土地利用分类方法综述

土地是实现经济社会高质量发展的基础性资源,光学遥感影像以时间、空间、光谱等特有的优势为土地利用变化的发现、识别、分析提供了很好的支持,利用光学遥感技术提取土地利用变化信息已经成为重要的研究领域。论文以近年来土地利用分类相关文献为基础,分别从数据源、处理流程、处理精度、计算效率等角度对土地利用分类应用较为广泛的目视解译、监督分类、非监督分类、深度学习等四类方法进行了分析和总结。最后展望了光学遥感影像土地利用分类方法的发展方向     

基于粗集的遥感影像决策树分类新方法

土地利用信息是进行土地规划和管理的重要数据,有着重要的经济价值.采用计算机仿真技术对遥感影像进行自动分类是一种获取土地利用数据十分有效的手段.然而遥感影像的不确定、不一致现象易导致过度拟合,增加了分类难度.提出了一种新的基于粗集的决策树用于遥感影像分类.经试验表明该分类方法较CART树、ID3树等算法在分类精度、防止过度拟合方面均有所提高.     

高分辨率遥感数据和POI数据支持下的城市土地利用分类——以宁波市某广场为例

遥感影像数据用于城市土地利用分类由来已久,但这种方法难以识别建筑物的社会经济属性。而包含社交媒体数据在内的多源数据为城市研究与应用提供了丰富的数据资源,能有效弥补遥感影像数据无法体现建筑物内在特征的不足。以宁波市某广场为例,利用高分辨率遥感数据和兴趣点(POI)数据,结合主题模型,研究使用多源数据融合是否会对城市土地利用分类起到正向作用。结果表明,仅使用遥感影像数据的土地利用分类精度为70.21%,加入POI数据后分类精度提高到84.19%,融合遥感影像数据和POI数据等多源数据可以有效提高城市土地利用分类精度。     

高分辨率遥感影像自动分类方法研究

近年来,高分辨率遥感影像在土地利用分类工作中被广泛使用,采用计算机自动分类的方法可以提高分类的工作效率.该文讨论了自动分类处理的流程,自动分类的主要方法,列举了典型的分类案例,分析自动分类中存在的困难,并提出了解决的思路.     

基于GIS的BP神经网络遥感影像分类研究

传统统计模式识别方法进行遥感影像分类时要求数据服从正态分布且难以加入地理辅助数据．通过分析BP网的分类原理与学习算法，采用了融合遥感影像光谱数据和GIS产生的地理辅助数据进行土地利用类型分类的方法．选择最能反映实验区土地利用信息的光谱数据，结合DEM数据和坡度数据，通过归一化处理后进行BP网的训练分类．将分类结果与采用最大似然法所得的结果综合比较，结果表明，该方法优于最大似然法．