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％。     

面向对象的高分辨率遥感影像变化检测方法

变化信息是遥感图像中的一类重要信息,变化信息的自动检测是遥感图像智能解译的重要研究领域.利用面向对象分类技术,对一种同一地区不同数据源的高分辨率遥感影像采用了分类后比较的变化检测方法.介绍了方法原理,建立规则以及实现过程;最后利用提出的方法对同一地区不同时相的QuickBird影像和IKONOS高分辨率遥感影像实施了变化检测实验,结果表明将基于面向对象技术的变换检测方法用于不同数据源的高分辨率遥感影像变化信息的检测是切实可行的,并具有较高的提取精度.     

中国北方农牧交错区沙质荒漠化灾害监测评价模型

沙质荒漠化灾害是我国北方农牧交错区最为严重的灾害之一。选择科尔沁和毛乌素两个典型的农牧交错带作为研究区，基于沙质荒漠化灾害背景(图象、图形和统计)GIS数据库，对沙质荒漠化灾害进行判别、预测及对灾情进行综合评估的建模研究，在此基础上，初步建立了我国沙质荒漠化灾害监测综合评价模型。运用该模型对上述两个试验区的沙质荒漠化灾害进行模拟与分析，结果表明：乌审旗、抗锦旗为沙质荒漠化极重度区，奈曼、库伦、开鲁为重度区，昌图县为中度区，通辽为轻度区，对沙质荒漠化影响大小依次为自然因素、经济因素和社会因素。沙质荒漠化灾害危险度评价的结果表明，在毛乌素地区的南部灾害严重，危险度为重度，西部程度较轻，为中度偏轻，东部与北部程度稍重，为中度偏重，但乌审旗的沙质荒漠化灾害程度被低估了，应为重度。     

中巴资源一号卫星水体信息提取方法研究

选取中巴资源一号卫星(CBERS-1)CCD数据南京幅典型地区作为研究区,其范围为1 262×1 295像元区域.通过分析不同水体在不同波段的光谱特征,及山区阴影对水体提取的影响,提出了一种新的水体遥感信息提取方法一迭代混合分析方法,适合于亮度值偏低的中巴资源一号卫星数据.利用该方法进行了水体信息提取实验,实验效果良好.因此,通过水体信息提取,中巴资源一号卫星数据可为洪涝灾害评估预测提供基础数据.     

基于最优特征空间构建的随机森林算法在WorldView-2影像分类中的适用性研究

目前面向对象的分类研究中,对于研究区影像的分割尺度问题多以试验者的多次试验以及主观推断为主,缺乏定量化的评价标准。同时,在对遥感影像分类的算法选择以及在分类过程中,有效特征空间的选取均存在一定程度的主观性。针对遥感影像面向对象分类过程中分割尺度选择盲目及分类空间构造主观性较强的问题,以World View-2遥感影像数据为例,首先利用改进的全局最优分割尺度的方法获取研究区影像的最优分割尺度,在此基础上选取了研究区分割对象的48个特征,利用OOB误分率对各个特征的重要性排序;然后按重要性顺序以5为步长讨论特征数量对分类精度的影响,构建了用于分类的最优特征空间;最后将采用最优特征空间的随机森林算法获得的最佳分类结果,与面向对象的最邻近像元、决策树以及支持向量机分类算法进行了比较。结果表明,用于分类的特征数量与分类精度之间,并不是简单的正相关关系;与面向对象的最邻近像元、决策树以及支持向量机分类算法相比,利用最优特征空间进行随机森林分类的分类精度最高,表明该方法更适合于高分辨率World View-2数据的分类。     

BP网络在建筑物变形预报中的应用

为探索人工神经网络用于建筑物变形预报的可能性，采用BP网络代替传统的回归分析方法，处理变形观测数据．结果表明，当影响建筑物变形的因素较多，且各因素间存在非线性关系或关系不确定时，回归分析预报的结果存在较大偏差，BP网络有助于提高建筑物变形预报的精度．     

基于光学遥感数据虹湾地区铁钛含量反演研究

月球表面的铁钛含量分布对月球的起源与演化研究以及月球资源的开发利用都具有重要意义.不同遥感数据获得的铁钛含量常不相同,有必要利用多种遥感数据获得月表铁钛含量,并对反演结果进行对比分析.本文利用Chandrayaan-1搭载的Moon Mineralogy Mapper（M3）两个光学周期（OP1B和OP2C）数据以及＂嫦娥一号＂搭载的干涉成像光谱仪（IIM）两套定标数据（pc1和pc2）反演虹湾地区铁钛含量.结果表明OP1B和OP2C数据反演该地区铁峰值分别为17.80wt%和17.60wt%,高于pc1的15.80wt%及pc2的14.00wt%,铁均值分别为16.91wt%和16.79wt%,高于pc1的14.11wt%及pc2的13.46wt%.OP2C数据获得虹湾地区0wt%-4wt%钛丰度百分含量最高,达74.56%,高于pc1的54.66%及pc2的62.46%,OP1B数据得到的0wt%-4wt%钛丰度百分含量最低,为37.55%.OP1B和OP2C数据反演虹湾地区钛均值分别为5.35wt%和3.16wt%,pc1和pc2数据反演该地区钛均值分别为4.25wt%和3.65wt%.极低钛和低钛玄武岩占虹湾地区玄武岩的比例约为50%和40%,主要分布于雨海纪月海物质（Im1,Im2）地层单元内;高钛玄武岩所占比例约为10%,主要分布于爱拉托逊纪月海物质（EIm）地层单元内.总体来看,遥感数据获得的玄武岩钛含量呈单峰分布,低钛玄武岩占优,与样品钛含量的双峰分布不同.虹湾地区玄武岩铁钛含量,随其年龄越来越年轻,有增加的趋势.pc2数据光度校正效果最好,pc1数据光度校正精度较低,M^3不同光学周期反射率差别较大,光度校正有待改进.