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．     

遥感与GIS结合在生态环境评价中的应用

科学的发展促进评价技术的进步。利用遥感与GIS结合的技术进行生态环境评价主要利用的是各空间数据资料,包括各类专题的遥感分析。原始资料的处理过程主要包括:遥感影像的配准、增强和判读解译;图件矢量化与栅格化。影像配准一般是结合地形图选取配准点配准并按需要进行投影转换,影像的判读解译多采用人机交互判读,利用非监督分类法或监督分类法进行GIS分析最大的优势是从图中能直观地得出土地利用及植被变化情况。     

一种改进的决策树分类方法在土地利用信息提取中的应用

选择昆明市作为研究区,以2011年LandsatTM影像为基础数据,通过分析研究区地形特征,提出把研究区进行分区并分别确定高程、坡度决策规则的改进型决策树分类方法,并结合分析的光谱特征规律,在决策分类中引进了比值型指数、NDVI值,构建基于光谱特征和地学辅助知识的决策树信息提取模型,最后对传统计算机自动监督分类方法与决策树信息提取模型方法解译的昆明市土地利用数据的精度进行评价。研究结果表明：基于改进的决策树分类方法进行遥感信息提取的昆明市土地利用数据的Kappa指数比传统监督分类方法提高了0．234,分类精度提高了17．03％;从各种地类类型的测试样本点平均正确率来看,改进的决策树分类方法比传统监督分类方法提高了21％,大大提高了LandsatTM遥感数据分类的精确度和可靠性。     

遥感影像在土地利用变更调查中的应用

遥感影像在土地管理中有相当广泛的应用。选用SPOT 5遥感影像为基础数据源,通过对天水市郊区影像数据进行重采样、几何纠正和影像融合,使融合后影像同时具有多光谱特性和高分辨率,提高影像的解译度。对融合后的影像进行人机结合的解译,并对解译后的分类结果进行了精度分析。结果表明,通过以上方法和步骤可以使遥感影像应用于土地变更调查。     

基于多源遥感数据协同的河南省矿山环境信息提取研究

为了改善河南省矿山地质环境动态监测技术,提高矿产资源科学管理水平,利用高分辨率遥感卫星影像和InSAR数据,使用最优分割参数法和随机森林分类法提取河南省矿山区地质环境要素信息;利用多时相InSAR叠加分析法辅助矿山地质灾害解译,完善河南省矿产区地质环境遥感解译体系.研究结果表明,利用影像信息层次结构优先分离和随机森林分类提取分离后的环境要素的方法所提取的信息分类精度可达89%;利用二轨道差分干涉图辅助分析矿山地质灾害,能够进一步提高矿山地质环境解译准确度.     

基于Sentinel-2的火烧迹地提取方法研究——以西昌泸山火灾为例

本文使用Sentinel-2数据,针对西昌2020年3月30日发生的火灾,分别采取DNBR和决策树分类法提取火烧迹地。DNBR提取方法经过阈值分割后提取结果有所改善。决策树分类法提取结果精度84.52%,并且通过精度验证。研究结果表明Sentinel-2数据可用于提取火烧迹地,并且利用DNBR指数和决策树分类法对过火区域进行火烧迹地面积提取是可行的。     

基于"3S"技术的西藏工布江达县西朗小流域综合治理研究

在3S技术的支持下,以西藏工布江达县西朗小流域为例,应用TM多光谱影像,采集和处理各类数据,解译得到小流域的土地利用和水土流失信息.在此基础上,确定总体规划目标,合理安排农、林、牧等各业用地,因地制宜地布设综合治理措施.     

多源全色影像与多光谱影像融合技术研究

随着遥感技术的发展,越来越多的不同类型遥感器被用于对地观测.这些多遥感器、多时相、多分辨率、多波段的遥感影像数据各自显示了其自身的优势和局限性.为了更加充分地利用这些数据为生产服务,遥感影像融合技术应运而生.通过应用几种不同的融合算法对不同传感器接收的多光谱和全色影像进行了数据融合实验,结果证明:通过影像融合.突出了2种数据各自的优点,为影像解译和影像分析提供了高质量数据.     

基岩裸露区基于多光谱遥感影像的快速地质解译——以甘肃北山黑山地区为例

目前遥感地质的影像解译主要以传统的目视解译为主,借助经验,方法落后、效率低下,且缺乏基于光谱的计算机自动分类、基于专家知识的决策树模型或面向对象特征等自动提取方法;目前遥感地质的解译主要强调遥感影像的空间分辨率,而对于图像波谱数据利用非常少.本研究旨在通过各种图像变换或增强手段,发挥人眼对部分彩色空间图像特别敏感的特点,利用已有地质背景资料划分符合地质习惯的单一地层或岩体的区域,建立典型的感兴趣区,然后计算其平均波谱,进而利用ENVI软件监督分类中的神经网络分类工具,设定恰当的权重与临界阈值,最后达到较好区分不同地层或岩体的目的.本研究选择甘肃北山黑山地区,利用lansat8多光谱数据进行试验,其研究成果可为遥感地质工作提供快速智能的影像解译方法提供参考,同时也可以应用于青海、西藏等广阔的基岩出露区域,为矿产资源勘探提供科学依据和决策支持.     

高分辨率遥感影像解译方法探讨

随着测绘技术的飞速发展,高分辨遥感影像的解译十分重要。高分辨率遥感影像解译是指从已获得的高分辨率遥感影像上获取目标地物信息的过程。论文重点讲述了高分辨率遥感影像解译的原则、方法和细节问题,这使得遥感影像能被高效、准确地解译并最终成图,同时也会推动各种新的遥感技术应用,相信对从事相关工作的同行能有所裨益。     

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。     

高原山区遥感植被制图研究综述

 植被制图是植被生态学研究的基础和重要内容之一.在环境复杂、异质性高的高原山区,由于诸多因素的影响给该区域的遥感植被制图带来很大的困难和挑战.作者重点介绍在复杂山区环境中利用遥感技术进行植被制图的基本过程.为了提高山区遥感植被图的精度,建议注意以下几点：①在提取训练样本阶段,应将同一地物或者植被类型根据其不同的光谱特征分成不同亚类型进行选取训练样本;②现有许多地形校正模型不能有效地提高遥感分类精度;③分类器选择时,建议选择人工智能神经网络分类法、决策树、基于专家知识分类法等先进的非参数分类器;其次如果选择使用中低分辨率影像数据,可以考虑使用亚像元或软分类法;当使用高分辨率影像时,选择基于对象分类法要优于基于像元分类法;④结合辅助数据,尤其是DEM数据能显著提高山区遥感植被或森林制图精度.将来高级地形校正模型和分类算法需要进一步开发和发展.GIS技术与遥感数据结合也是未来遥感植被制图技术发展的一个重要方向.未来研究还需要将群落和植被生态学的理论和方法与遥感技术相结合来提高山区植被制图精度,并促进遥感科学和空间植被生态学发展.     

基于IKONOS的人工林地识别研究

以五分地沟试验区为例,提出了一种基于IKONOS卫星遥感图像提取不同郁闭度人工林地的方法。利用Matlab软件图像处理工具箱,进行树木信息的提取,精度达90.7%,KHAT统计量为0.86。以树木分类结果为基础,依据郁闭度定义,通过滤波方法识别不同的林地类型。结果表明,综合运用遥感数字图像处理软件、GIS软件和Matlab,能够从高分辨率的遥感数据中自动且有效地识别人工杨树林、人工杨树疏林和散生树等植被类型,可靠性较高,且可以重复验证。     

基于决策树判别的高温目标遥感识别方法

通常,高温目标与常温地物间光谱特征差异显著;但研究发现,Landsat8 OLI遥感影像中彩钢屋顶像元却与高温目标(林火)的光谱特征颇为相似,使用以往高温目标识别方法识别效果不佳。为实现高温目标的精确识别,引入决策树判别法;根据不同地物类型的相似程度构建决策树模型,针对各分支结点的相似地物类型,按定量指标分别进行特征波段筛选,确定反映地物间本质区别的判别函数,并经分类统计确定判别阈值。研究表明,所构建的决策树能够准确划分地物类型,在实现同一般常温地物有效区分的同时,能有针对性地区分高温目标与彩钢屋顶建筑,高温目标识别精度为97. 67%。     

基于灰度迭代阈值的高分辨率影像分割研究

图像分割技术为遥感图像解译和分类的一种重要方法,目前主要应用在中分辨率影像中,由于高分辨率影像的信噪比低,直接进行图像分割,效果不佳．对2010年3月湖北省襄阳市高分辨率的快鸟影像,进行降噪处理及改进阈值策略来改善灰度迭代阈值法的图像分割效果．首先运用数学形态学的闭运算对影像进行降噪处理,然后采用灰度迭代阈值法和最大类问方差法的图像分割对影像进行分割对比研究．结果表明,灰度迭代阈值法在时间效率及影像分割效果方面优于最大类间方差法．     

顾及区域信息的卷积神经网络在影像语义分割中的应用

高分辨率遥感影像在实际应用中得到广泛使用。高分影像语义分割方法的研究具有重要实际应用价值。近来基于深度卷积网络的遥感影像标注方法表现出了比传统方法更为优越的性能;然而由于其基于固定感受野大小的上下文信息获取方法没有显式利用像素间约束关系,导致同一地物内部语义标注结果不一致。基于同一区域内部像素属于相同类别概率较大的假定,试图引入图像区域内部语义标注一致性约束,以改善现有深度卷积神经网络描述上下文信息的能力。在现有全卷积网络模型基础上,利用卷积神经网络最后一层特征,引入一个表示区域内部像素特征一致性的损失函数;将该损失函数与softmax损失函数进行联合训练,得到网络模型参数。在ISPRS(国际摄影测量与遥感学会)的Vaihingen 2D语义标注数据集上,对提出的方法进行了实验验证,实验结果表明所提方法在大多数类别上取得了较现有卷积神经网络模型更优的分类结果,总体准确率达85.18%。提出的引入区域内部像素标记一致性的全卷积网络模型,可以有效捕捉区域内部像素特征一致性的上下文信息,能有效纠正全卷积网络模型在区域内部像素分类中的冲突,获得区域一致较好的分类结果,从而改善图像的语义标注效果。     

基于偏微分方程的遥感成像雷达距离图像分类方法

针对传统方法分类遥感成像雷达距离图像时, 未对图像进行平滑处理, 导致其易受环境干扰, 分类性能较差的问题, 提出一种基于偏微分方程的遥感成像雷达距离图像分类方法. 首先通过偏微分方程对遥感成像雷达距离图像进行平滑处理, 然后采用基于偏微分方程的多区域分割模型, 将分割后的遥感成像雷达距离图像分类过程视为泛化函数最小化过程, 通过分割对能量泛函数进行最小化处理, 实现遥感成像雷达距离图像的多区域分类. 实验结果表明, 该方法成像速度快, 去噪和图像分割效果好, 分类精度和Kappa系数值均较高.     

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.     

基于卫星遥感影像的土地分类实验方法研究

为了让本科生充分理解和掌握遥感影像处理技术,结合吉林大学大学生创新创业训练计划,设计了基于高分辨率卫星遥感影像的校园土地分类实验项目。以2015 年9 月20 日高分二号( GF-2) 卫星拍摄的吉林大学中心校区卫星影像为实验数据,通过使用不同的光谱指数以及支持向量机( SVM: Support Vector Machine) 分别对影像中的建筑物、植被、水体、平地和操场等地物进行提取,进而得到基于高分辨率遥感影像的校园地物分类图,并对分类结果中各种地物信息进行统计分析,将统计结果与真实的地物参数进行对比,近而改善该方法的分类精度与可靠性。实践结果表明,该实验可以有效的帮助学生对知识的理解和掌握,达到了预期的教学效果。