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。     

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.     

基于实地核查的气象卫星森林火情监测真实性检验

随着卫星平台的高速发展和监测技术的日趋完善，气象卫星凭借高频次和高时效特点在森林火情监测方面具有独特优势。研究简要介绍了气象卫星森林火情监测原理，提出了卫星监测缓冲区半径人工核查法，对极轨气象卫星（polar-orbiting meteorological satellite）上下文法（contextual）和静止气象卫星（geostationary meteorological satellite）时序法（temporal sequence method）计算得出的林火监测结果进行真实性检验。结果显示，极轨与静止气象卫星结合的森林火情监测方法的真实火点率达81.03%，具有较高的时空稳定性；湖南省真实火点分布具有明显的时空分布集聚特征，湖南南部五地级市监测得到的真实火点占全省真实火点的76.60%，“林火较高发期”监测真实火点占全部真实火点的81.96%；静止气象卫星首次监测到的真实火点占全部真实火点数的96.28%，FY4A国产静止气象卫星在森林火情监测中体现了明显高精度优势。研究表明，卫星监测实地核查为森林火情真实性检验工作提供了重要的核验数据，填补了国内大尺度长时序森林火情监测真实性检验的空白，为气象卫星森林火情监测的业务化运行提供了技术参考。