SAM和决策树结合的Hyperion数据分类方法

在地面实测波谱分析的基础上，采用决策树对波谱角（SAM）分类方法进行改进，自动地进行波谱角阂值选择，提出一种新的基于SAM和决策树相结合的综合分类模型。该模型用于云南鹤庆地区土地覆被信息提取，并与最大似然分类法（MIC）的分类结果进行比较。结果表明，就每一类型而言，SAM结合决策树分类的分类精度较高；最大似然法监督分类总体精度为79．4％，SAM结合决策树分类的综合分类模型总体精度为88．5％，比监督分类精度高9．9％。     

基于多时相Landsat8数据的南方丘陵区典型地物信息提取－以秦淮河流域为例

以南方丘陵区秦淮河流域为研究区,采用多时相Landsat8遥感影像进行典型地物的光谱采样。根据典型地物光谱特征统计结果,针对各地类特点选取最优的指数提取模型,最终形成具有分层提取特点的决策树分类模型。结果表明:1借助植物的物候特征,采用多时相遥感影像进行水田与植被的划分能够取得较好效果;2秦淮河流域水田与旱地交错分布,水田主要分布于秦淮河河流洼地,夏季的水田与旱地光谱特征差异最明显,是遥感信息提取最好的时间,短波红外波段为水的吸收波段,在区分水田与旱地信息上具有明显优势;3归一化植被指数NDVI可区分农田信息与非农田信息,但由于部分绿化程度好的建筑用地在光谱信息上与农田存在一定的相似性,仍然存在一部分明显的误分现象,采用裸土指数BSI可以有效地将这部分建筑用地从农田信息中剔除;4建筑用地与裸地的混分问题是土地利用信息提取的难点之一,研究中尝试了多种指数模型与监督分类方法,结果显示监督分类方法在区分建筑用地与裸地信息方面效果最好;5决策树分类模型较单一的监督分类方法总体精度提高了23.1%。     

基于Sentinel-2A影像的森林类型提取研究

基于Sentinel-2A遥感影像的光谱特征、指数特征和纹理特征,结合野外调查数据、森林 二类调查数据和DEM数据等辅助数据,采用分层多尺度分割提取技术,对研究区主要森林类型进 行提取。研究表明：主成分变换前三个分量的加入有助于提高影像分割效果和分类精度;在影像 光谱特征基础上,加入指数特征和纹理特征可在一定程度上提高森林类型提取精度;在多元数据 的支持下,选取合适的特征和阈值进行分层与分类是一种有效的森林类型分类策略,取得了较高 的分类精度,其中杉木、马尾松、竹林和其它林地的总体分类精度达79.80%,Kappa系数为0.725;通 过决策树和随机森林两种分类器的优势互补,以分类精度混淆矩阵中的生产精度和用户精度平均 值作为先验知识进行多分类器决策级投票融合,相比于单一决策树和随机森林分类器,组合分类 器具有更高的分类精度,总体分类精度分别提高了3.32%和2.13%。     

Relief-F算法及决策树方法下的湿地信息提取

为提高滨海区域湿地信息提取的精度,以曹妃甸地区为例,通过融合主成分分析、形状、纹理、几何、水体指数、植被指数等52个特征变量,采用Relief-F算法模型优选出20个特征变量,对比分析C5.0、CART、QUEST决策树算法在滨海区域的分类精度.研究结果表明:特征优选下QUEST决策树方法的分类精度最高,总体分类精度为86.9%,Kappa系数为0.84.基于特征优选的决策树分类精度均高于未特征优选下的决策树与未特征优化的QUEST决策树相比,在草本沼泽和泥沙质滩涂两种土地类型上,分类精度有明显提高.     

一种新的湿地信息遥感提取方法研究

针对多光谱影像水体信息提取,结合湿地遥感自身特点,提出了一种基于湿度分量与水体光谱特征的湿地信息提取方法.与传统单波段阈值法、谱间关系法等水体提取方法相比较,此算法不仅适合于开敞水体的提取,还将滩涂、芦苇沼泽地等湿地信息同时提取出来,然后利用建立的湿地分类决策树模型,实现了研究区湿地信息分类提取.     

具有强化学习策略的决策树算法

传统决策树在对不平衡数据进行分类时,提高正类的权重和舍弃部分负类的信息,造成负类的预测精度较低。文章引入强化学习思想,提出一种基于马尔可夫决策过程的改进决策树方法。根据马尔可夫决策过程、当前分裂特征的标准化互信息和马修斯相关系数作为信息增益率的奖励或者惩罚,形成新的特征选择标准。实验结果表明,与其他传统方法相比,改进的马尔可夫决策树对非平衡数据整体的预测精度及负类预测精度均有提高。     

基于ENVI的决策树方法提取土地利用信息

该文章以云南省昆明市西山区为研究区域,利用WordView-2的4波段影像数据源,通过学习掌握ENVI软件中的决策树分类工具,以及利用不同地类的波谱信息的特征差异,分析了影像的各个地类的光谱特征,从中提取了4波段影像的NDVI(归一化植被指数),以此确定了不同地类之间的波段均值阈,根据不同地类在不同波段以及NDVI上的变化建立对应的决策树模型,最终得到其分类结果.本文最后采用已有的样本感兴趣区数据对其决策树分类结果进行了精度评价,并且评价分析了其结果精度在遥感数据中的作用.     

利用决策树模型的湿地提取与分类

为解决因湿地环境复杂且类型多样导致光谱混淆而难以对其自动遥感提取的问题,采用决策树模型的湿地信息提取方法,以Landsat OLI影像光谱特征和经缨帽变换后的数据为基础,结合不同类型湿地的环境特征和空间特征信息,提出先分区再分类的思想,构建决策树分类模型.对原始影像进行缨帽变换,利用变换后的湿度分量及地物的光谱特征规律,将研究区划分为水体区域、植被区域和非植被区域,然后分别对各个区域进行再分类,逐层分级,最终实现不同类型湿地的分级提取.研究结果表明:采用分区分类思想构建决策树模型,可以有效提取湿地信息,精度达87.50%.     

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.     

高分1号融合光谱特征提取杭州湾河口沿岸湿地典型植被信息方法研究

河口沿岸湿地典型植被信息的遥感分类提取,是监测河口湿地生态环境变化的重要前提之一.以杭州湾河口沿岸湿地为研究区,通过实地采集的典型植被光谱数据与国产高分1号卫星影像数据建立相关关系,并结合面向对象方法的分割尺度及波段比等参数的设置,利用面向对象分类方法进行杭州湾湿地典型植被信息提取.研究结果表明:基于高分1号高空间分辨率数据,结合典型植被光谱特征和面向对象分类方法,有利于提高典型植被信息提取的精度,可以有效地提取湿地典型植被信息.     

利用TM/ETM+影像进行土地利用动态变化监测——以焦作市为例

以1988年、2001年与2007年的Landsat TM/ETM+影像为数据源,利用配准、监督分类、动态变化分析等遥感技术对焦作市1988—2007年的土地利用动态变化情况进行了统计和分析.研究结果表明,焦作市农用地面积变化较小,林地面积有所增加,建设用地面积持续较快增长,而未利用地面积大幅度减少,城市发展迅速,土地利用日趋合理化.     

基于遥感技术的石河子垦区农用地变化分析

针对具有明显区域特征的石河子垦区,基于Landsat TM图像设计了石河子垦区农用地变化遥感监测技术路线。通过实地调查和以2000年、2008年2时段TM影像为基础开展的研究区农用地遥感监测研究,探讨了垦区农用地变化遥感监测中分类系统的拟定、信息提取与表达、线状地物的扣除及变化数据的分析处理等关键技术环节,并全面分析了研究区土地利用的变化特征和利用程度,阐明了研究区土地利用变化的区域特点。结果表明,基于Landsat TM图像的石河子垦区农用地变化遥感监测研究效果较好。     

基于改进的NDBI指数法的遥感影像城镇用地信息自动提取

针对目前遥感影像城镇用地信息提取存在精度不高、不够客观等问题,在分析Landsat ETM影像上各主要地物光谱特征的基础上,提出了一种基于改进的归一化建筑指数(NDBI)的遥感影像城镇用地信息自动提取方法.利用南京市主城区的Landsat ETM影像对该方法进行了验证,结果表明:该方法能够有效提取研究区的城镇用地信息;相对于常规的NDBI指数法,改进后的方法消除了稀疏植被对城镇用地提取精度的影响,大大提高了城镇用地信息的精度,并具有快速、客观等优点.     

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.     

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.     

基于多特征的高光谱遥感土地利用信息提取

【目的】为了降低高光谱遥感数据噪声,提高土地利用分类信息提取精度,探索结合纹理和空间信息的分类方法。【方法】以河南镇平县Hyperion高光谱成像光谱仪获取的高光谱影像为数据源,借鉴决策树分类思想,采用了一种结合光谱、纹理和空间信息的高光谱遥感多特征地类提取方法,先通过提取光谱特征初步提取地类,再分别采用提取纹理特征和基于空间信息的植被提取进行详细地类信息的分层提取,最后,用地面实测样点验证各类土地利用类型的分类精度,比较了用不同方法对不同地类的提取效果。【结果】基于多特征的地类分层提取体系中,采用各波段光谱反射率区分大的地类,再用纹理特征进行光谱差异较小的地类划分,而基于空间信息进行植被的分类。通过结合纹理和空间信息提取方法的总分类精度达86.7%,较最大似然法分类精度提高13.3%。【结论】高光谱与纹理和空间信息相结合的遥感分类方法能有效减小噪声,提高分类精度,可为土地利用分类提取研究提供一定的参考。     

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.     

利用TM影像提取土地利用/覆被信息的最佳波段研究

以土地利用/土地覆被信息的提取为目的,选定武汉市江夏区的TM遥感影像为试验数据,在对其信息特征进行统计与分析的基础上,通过采用最佳指数因子(OJF)并综合试验区地物光谱特征的分析方法进行TM 影像最佳波段选取的研究.结果表明:TM543波段组合为土地利用/覆被遥感中TM 影像的最佳波段组合,其合成的假彩色影像具有很好的...     

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...     

高分卫星在气候适应型试点城市绿地变化监测中的应用

绿地建设是气候适应型城市建设的重要内容之一,为客观评价建设情况,基于高分系列多光谱数据,以常德城区作为研究区域,选用包括纹理特征的26项特征变量,构建CART（Classification And Regression Tree,分类与回归树）决策树进行面向对象监督分类,使用Khat方法完成分类精度评价。精度评价数据表明,2014至2019年6年间的总体分类精度大于90%,Kappa系数大于0.8,绿地提取的用户精度与制图精度达到89%,验证了该方法在城市绿地的提取工作的上具有可行性。分析常德城区近6年的绿地变化监测结果,得出城市绿地面积从2014年的149.01km2上升至2019年的166.79km2,面积增加17.78km2,增长率11.93%,经与实际变化趋势比对一致。结果表明,基于CART决策树的面向对象高分遥感解译方法,具有一定参考价值,可为气候适应型试点城市绿地变化监测评估提供有效依据。