基于地形参数提高土地覆被产品分类精度的方法探讨

针对全球性土地覆被产品分类精度不高这一普遍性问题,以京津冀地区MODIS土地覆被产品(MCD12Q1)为研究对象,以1∶25万土地覆被数据为参考数据,构建土地覆被分布与地形因子之间的定量模型.将MODIS土地覆被产品与参考数据进行空间叠加,叠加结果分为分类一致区和不一致区.设计了2种方案,利用所构建的模型对分类不一致区进行土地覆被的重新分类,并将重新分类结果与分类一致区进行合成,形成修正后的土地覆被产品.从空间一致性、混淆矩阵等指标评价修正后的土地覆被产品的分类精度是否得到提高,结果显示:与原MODIS土地覆被产品相比,改进产品中各地类与参考数据相应地类的空间一致性、生产者精度、用户精度均得到明显提升,总体精度和Kappa系数分别提高了12. 51%～17. 14%和0. 15～0. 25.     

基于数据挖掘和高光谱数据的湿地植被精细分类

以大丰市沿海滩涂湿地区域为研究区,以机载高光谱影像为主要数据源,冠层高度模型(canopy height model,CHM)数据为辅助数据,采用数据挖掘的方法对高光谱数据进行特征规则提取,实现了湿地植被的精细分类.结果表明:3种湿地植被分类结果的总体精度为90.3%,说明数据挖掘技术在处理高维数据时不仅可以提取重要程度较高的数据,而且可以减少数据量,提高数据处理效率与分类精度;与传统的支持向量机分类法(SVM)分类结果进行对比,基于数据挖掘的湿地植被精细分类总体精度比SVM分类方法高10.8%,表明数据挖掘方法在湿地植被高光谱遥感分类问题上具有较大优势.     

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。     

黄河河口湿地信息遥感提取研究

本文通过几何校正、图像选取以及图像增强等方式进行了遥感影像的预处理,为准确地提取湿地信息提供了数据基础。在舍弃单纯的传统监督分类和非监督分类的前提下提出了一种利用分层提取地物信息的新方法：即,首先根据地物的光谱特征采用模型法对有水的湿地进行提取,然后用非监督分类对其它湿地类型进行提取,最终得到了湿地类型分布图及其相应的面积。     

面向对象的黄河源典型区湿地信息提取

以黄河源玛多县为实验区,遥感TM影像和DEM为数据源,在研究区湿地定义、成像机制及其地学规律分析的基础上确定了湿地遥感提取的分类体系和湿地信息提取的有效特征（包括光谱、纹理、地形和结构特征）,并构建了面向对象的遥感湿地提取方法.实验显示:该方法湿地提取的总精度为90.13％,Kappa系数为88.33％,比常用的最大似...     

基于Landsat遥感影像的黑河干流中游湿地信息提取

基于Landsat卫星遥感影像,将一种新的水体自动提取指数(AWEI_nsh/AWEI_sh)运用于湿地信息提取,并通过箱型图统计方法自动获取了12种相关变量的阈值范围.结果表明:利用该水体自动提取指数和归一化植被指数,结合数字高程模型建立决策树模型,可对研究区内的湿地信息进行有效提取,且2000,2014年的遥感影像湿地信息提取精度分别为83%、93%,提取方法可用于大范围湿地研究.     

基于MODIS数据的水体超分辨率制图——以丹江口水库为例

遥感数据是提取水体信息的常用数据,实际应用中,中、高分辨率空间数据能够以较高精度提取水体信息,但由于时间分辨率较低,难以有效监测水体的动态变化过程.以MODIS(Moderate-resolution Imaging Spectroradiometer)为代表的低空间分辨率遥感数据时间分辨率高,在全球大范围快速提取水体及水体动态变化监测中具有重要意义,但是受其空间分辨率较低的限制,提取的水体信息精度不高.针对该问题,该文提出了一种针对MODIS数据的水体超分辨率制图方法.该方法首先利用MODIS数据MOD09Q1产品的1、2波段,通过线性混合像元分解,得到水体丰度图;然后利用MODIS数据MOD09A1产品的2、4波段,计算得到水体归一化指数,对水体丰度图进行后处理以减少混合像元分解误差;最后以修正后的水体丰度图为输入,建立超分辨率制图模型,从而得到最终的高空间分辨率水体分布图.将上述方法应用于丹江口水库,并与利用Landsat-8/OLI数据提取的水体分布图进行对比,结果表明,相对于传统像元尺度的水体制图结果而言,通过超分辨率制图得到的水体制图结果精度更高,不仅能够更好的保留水体空间分布特征,提取的水体面积也更加准确.基于MODIS数据利用超分辨率制图方法对丹江口水库进行水体提取,完成了2014年12个月丹江口水体面积变化图.超分辨率制图可以获得具有Landsat空间分辨率和MODIS时间分辨率的水体制图结果,实现对丹江口水库的高时空分辨率的水域变化监测.     

一种基于DTSVM的遥感图像分割方法

文章针对城市遥感图像的目标分布特点,提出一种基于改进DTSVM的遥感图像分割方法.实验引人样本的聚类特性改善DTSVM模型分类精度,对城市遥感图像中的区域进行语义标注并提取特征,通过训练改进分类模型得到分割结果.实验结果表明,该方法能比较准确地分割出关注语义的目标区域,并有效避免了遥感图像的过分割问题.     

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%.     

基于随机森林特征变量优化的湿地植物分类与密度反演

以长江口滨海湿地为研究区域,采用随机森林算法对滨海湿地植被进行分类。在提取Landsat?8 OLI影像植被指数和水体指数的基础上,提出利用植被指数季节差值对模型进行特征变量优化,分析了长江口滨海湿地植物群落分布的空间特征。以所占面积最大的互花米草（入侵物种）为例,采用多元线性回归模型结合实地测量数据,估算了秋季的互花米草植物密度的空间特征。提出的多时相遥感数据结合随机森林特征变量优化方法,可以较为便捷地提取长江口湿地3种优势物种的空间分布特征,与最大似然法相比,分类精度有较大提高,总体分类精度由78.35%提高至87.55%,Kappa系数由0.72提高至0.84。该方法适用于存在“异物同谱”问题的湿地植物群落研究。     

基于Landsat-TM数据鄱阳湖湿地植被生物量遥感监测模型的建立

建立合理的经验模型对地面植被生物量进行遥感监测是可行的方法．利用遥感影像获得的植被指数和实地得到的生物量做回归统计分析,得到近似的地面生物量估算模型,这种模型的合理性取决于数据处理的水平和样本数据的大小．任何模型在具体应用时都需要根据实际情况进行改进,生物量估算模型更是如此．该文首先说明了回归分析的理论依据和适用条件;然后基于大量的实地测量数据,选取了若干种植被指数,分别进行了植被指数与生物量的线性和非线性回归分析,结果表明,非线性回归得到的结果更优．但是不同于以往的是,该文从统计学的角度对这种结果做了进一步说明,指出这种分析的局限性,说明了模型的适用条件,希望结果能为比较准确地实施遥感监测和湿地调查提供参考。     

九龙江口湿地景观格局变化遥感监测与分析

选择九龙江口地区为研究区,以1988、1998、2009年三个时期的TM和ALOS多源多时相遥感影像为主要数据源,结合其他辅助资料,提取了三个时期的湿地景观格局及变化信息,分析城市化背景下九龙江口湿地景观格局的演变特点和驱动力.研究表明:九龙江口湿地面积在近二十年内下降趋势明显,湿地总面积从1988年的34 784.7 hm2下降到2009年的20 775.6 hm2,主要体现在天然湿地的萎缩和向人工湿地的转化.具体表现在水稻田逐渐被养殖场以及建筑用地所取代.快速城市化使得九龙江口湿地景观破碎度和斑块密度增大,湿地生态脆弱性趋势明显.     

小样本学习在高分遥感影像分类与识别中的应用

遥感影像分类与识别是近年来深度学习以及图像分类与识别研究的热点,其中一个关键问题是因样本数据集的数据较少而极易出现过拟合。许多图像分类的模型和方法并不完全适用于遥感影像分类,将小样本学习与遥感影像处理结合起来,实现遥感影像数据增强和识别模型优化是一个可行的思路。根据小样本学习的发展现状,针对特征提取、模型分类方法,归纳总结了典型学习方法的原理及其在相关领域的应用; 分析遥感影像处理的现状和存在问题,基于适用场景、优缺点对各方法进行了比较; 通过分析小样本学习在高分遥感影像分类与识别上的应用,发现引入注意力机制和迁移学习后,小样本学习能够用于样本数据量小的遥感影像分类。     

基于特征优选的随机森林算法在湿地信息提取中的应用——以湖北洪湖湿地自然保护区为例

以湖北洪湖湿地自然保护区为研究区,采用随机森林算法对研究区内湿地信息提取.以Sentinel-2A遥感影像为数据源提取光谱特征、植被指数、水体指数、红边指数、纹理特征等特征变量,在随机森林算法框架下,对不同特征变量进行特征重要性评估,比较分类后精度并对特征组合进行优选.将基于随机森林算法的分类精度与传统的基于像元的支持向量机分类方法和最大似然分类方法的分类精度相比较,并通过双比例Z检验比较各算法中正确分类像元的比例统计各分类算法之间的分布差异.结果表明： 1) 特征个数为13时,分类精度达到最大,随着特征个数的增多,分类精度呈现波动减小的趋势; 2) 特征变量中蓝光波段重要性得分最高,达到2.85,可见光(B2、B3)与红边指数(IRECI、MCARI)重要性排名靠前,对于提取湖泊湿地信息具有重要意义; 3) 基于特征优选的随机森林方法分类精度优于支持向量机和最大似然法分类后的精度,其总体精度分别高出6.02%和7.57%;经检验, χ2分别达到25.891和38.895,具有显著差异,表明基于特征优选的随机森林算法分类对湿地信息提取发挥重要作用。     

融入空间信息的湿地信息提取技术

以安徽省湿地为对象,采用TM影像,在去噪声处理和主成分分析的基础上,以一种基于光谱和空间信息相结合的分类方法,对研究区的湿地信息进行了提取。结果表明:以主成分分析法对数据进行处理发现,前4个主成分的累积贡献率为99.5%,可代表原始数据的绝大部分信息; 结合空间信息的提取方法对各类型湿地的平均提取精度可达84.6%,有效地改善了“麻点”现象,而采用光谱信息的平均提取精度仅为69.3%。     

环内伶仃洋河口湾湿地动态变化(1988-2004)

利用多时相的遥感图像和基于知识的分层分类方法对珠江口内伶仃洋湿地的时空变化进行了分析,并结合土地利用转换矩阵分析了近20 a的变化。通过精度分析,4个时相的分类精度大于85%,kappa系数大于0.8,达到较高分类精度。研究表明,1988-2004年间,几类典型湿地(河流、水库、鱼塘、滩涂和红树林)的面积减少了12265.68 hm2,由1988年湿地面积占研究区整个面积的43.35%下降至2004年的39.98%。有91.92%的滩涂转为其他用地,其中39.18%(1760.49 hm2)转为鱼塘,19.45%(873.81 hm2)转为农田,16.53%(742.77 hm2)转为河流,5.14%(230.94 hm2)转为红树林。有80.43%的鱼塘转为其他用地,其中25.67%转为建设用地,22.83%转为城市用地,21.26%转为林地。有62.21%的红树林专为其他用地,其中26.03%(123.12 hm2)转为鱼塘,14.92%(70.56 hm2)转为建设用地,9.46%(44.73 hm2)转为农田。     

一种基于TVDI模型的边界提取方法研究

提出一种基于TVDI模型的湿地边界信息提取方法,利用TM遥感影像建立地表温度(Ts)与归一化植被指数(NDVI)之间的二维特征空间,用IDL编程在特征空间内拟合温度植被干旱指数法(TVDI)需要的干、湿边方程,并反演出试验区的土壤干湿情况.利用野鸭湖湿地3m×3m植物样方,统计、分析、确定湿地生态系统的上边界.试验测得湿地边界的土壤水分含量阈值0.56,根据该阈值确定湿地边界信息,提取湿地边界.通过该方法提取的湿地核心区准确率达到72%,说明利用遥感方法反演土壤水分含量,提取湿地边界的方法可行.     

基于支持向量机的遥感图像分类研究

支持向量机(Support Vector Machine,SVM)是一种基于统计学习理论的新型机器学习算法.通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题.将支持向量机理论应用到遥感图像分类的研究还处在初级阶段,传统分类算法应用于遥感图像分类存在运算速度慢、精度比较低和难以收敛等问题.从支持向量机基本理论出发,建立了一个基于支持向量机的遥感图像分类器.用遥感图像数据进行实验,并将结果与其它方法的结果进行了比较分析.实验结果表明,利用SVM进行遥感图像分类的精度明显优于神经网络算法和最大似然算法分类精度.     

湿地遥感制图中的影像融合方法研究

湿地又被称为地球之肾,它是自然界生物多样性最丰富的生态景观和人类最重要的生存环境之一。在开展江苏省大学生创新训练计划项目"沿海滩涂湿地遥感监测及动态变化研究"时利用ALOS影像对盐城市进行了湿地景观制图。以ALOS PRISM和AVNIR—2数据为数据源,比较了6种不同影像融合方法在湿地遥感制图中的应用。并借助于MATLAB采用五个指标对不同方法的融合效果进行了定量分析。再结合目视效果对融合影像进行了综合评价,最后得出了适合于ALOS数据、有利于湿地遥感制图的影像融合方法。     

基于PCA的盐地碱蓬植被信息提取新指数研究

盐地碱蓬是海岸带一种重要的先锋植被,其时空分布信息是海岸带湿地生态系统保护及湿地修复工程的基础数据.为准确地获取碱蓬群落时空分布信息,构建一种盐地碱蓬提取指数十分必要.该文以辽东湾北部海岸带湿地为研究区域,基于Landsat8 OLI数据,采用主成分分析方法(PCA, principal components analysis)构建盐地碱蓬指数(suaeda principal components analysis index, SPCAI),并将其应用到多源遥感数据(Landsat5 TM、Landsat7 ETM+、Landsat8 OLI和Sentinel-2 MSI)中,最后利用SPCAI获取近21年辽东湾北部海岸带湿地碱蓬群落的时空分布信息.结果表明：1)经主成分分析的Landsat数据的第4波段(PCA₄)对盐地碱蓬的响应最为明显,且Landsat8 OLI数据的主成分分析结果明显优于TM和ETM+数据;2)基于Landsat8 OLI的PCA₄波段构建SPCAI,SPCAI对碱蓬的响应明显优于NDVI、SAVI、MSAVI,并...