高原山区SAR影像处理关键技术与应用探讨

贵州高原山区受亚热带季风气候控制,常年阴云多雨,限制了光学遥感技术深入有效的应用和发展,合成孔径雷达技术的应用虽然摆脱了天气条件的限制,但是高原山区喀斯特地貌大量分布,地势崎岖,地块破碎,使得雷达影像阴影多且碎,对雷达信号形成镜面反射的地物,易于与阴影混淆,监测准确率低。对高原山区SAR数据进行关键技术处理,对比单一使用雷达影像和加入多光谱信息的雷达影像的效果,表明结合了多光谱信息的雷达影像可以有效避开雷达成像阴影干扰,因此合成孔径雷达遥感技术在贵州这样的特殊地区的有效应用,未来技术发展应当是结合了多源、多时相、多光谱、主、被动遥感技术的综合应用。     

多源数据结合的高分一号土地利用/覆盖分类方法研究

基于多时相的GF-1数据获取NDVI时序变化、NDWI和MNDVI等指数图像数据，辅以Landsat8卫星OLI影像和数字高程模型(DEM)数据，得到了不同地物在光谱、时相和形状等方面的特征；通过分析各种地物类型在这些特征上的差异和变化规律，总结出不同地物的特征提取规则，构建了一种基于GF-1数据在地物复杂地区的土地利用/覆盖分类方法，并以广州市为实验区，运用该方法、最大似然法和最小距离法进行了土地利用/覆盖分类及其精度评价.结果显示:基于GF-1数据在地物复杂地区的土地利用/覆盖分类方法的总体精度为85.86%(部分地物分类精度达到95%以上)，与最大似然法及最小距离法相比，其总体精度分别提高了4.62%和12.24%，说明该方法能够更好地发挥GF-1遥感数据在土地利用/覆盖分类中的实际应用潜力，且有效提高了各种土地利用/覆盖地物类别的分类精度.     

基于多源遥感数据的石漠化信息提取研究

利用撒拉溪示范区和花江示范区2016年的12个月份的SAR数据后向散射系数,构建时间序列,进行石漠化信息的提取,同时利用雷达遥感影像和光学遥感影像融合的方法进行喀斯特地区石漠化等级的确定,并选取野外实地验证的方法进行精度验证.结果表明:多源遥感数据支持下的石漠化信息提取方法相比较于传统的光学遥感提取方法,在石漠化地物界定和石漠化强度定级上更加准确和有效.在喀斯特高原山地轻—中度石漠化区,其精度分别提高7.69%和5.99%;在喀斯特高原山地中—强度石漠化区,其精度分别提高9.41%和5.39%.     

基于面向对象的SPOT5湿地影像分类

本文选取洪河保护区湿地景观为研究对象,运用面向对象分类方法对研究区进行分类研究,分类精度达到95.31%,Kappa系数为0.9452。面向对象的分类方法充分考虑地物的几何、光谱、纹理、结构等多方面的信息,能够有效地弥补传统分类方法的缺陷,在高分辨率应用上可以体现更好的效果。     

基于面向对象的SPOT5湿地影像分类

本文选取洪河保护区湿地景观为研究对象,运用面向对象分类方法对研究区进行分类研究,分类精度达到95.31%,Kappa系数为0.9452。面向对象的分类方法充分考虑地物的几何、光谱、纹理、结构等多方面的信息,能够有效地弥补传统分类方法的缺陷,在高分辨率应用上可以体现更好的效果。     

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%.     

基于随机森林和支持向量机的云南省土地利用分类

针对基于遥感进行大尺度空间上土地利用类型分类研究的精确性问题,对比提出适用于多样性高原山地地貌大尺度下精确高效的土地利用分类提取方法和土地分类模型。基于2019—2021年云南省sentinel-2卫星影像数据,分别采用随机森林（random forest,RF）和支持向量机（support vector machines,SVM）算法对云南省土地利用进行分类,通过目视解译随机抽样选取1 525个样本点进行精度验证。结果表明：应用RF和SVM分类算法对云南省土地利用分类精度均达80%以上,2019—2021年云南省土地利用中耕地主要呈现先增加后减少趋势;采用RF与SVM总体精度和Kappa系数均值能够更加有效进行土地利用分类比较分析;研究区内RF算法识别地物信息的准确度高于SVM,更适合云南省高原山地土地利用分类研究     

合成孔径雷达(SAR)在地质、灾害应用研究中的新进展

针对地质应用的需求,从SAR成像原理及发展现状,阐述了雷达在地质中的应用前景,总结了SAR方法在地质研究、地质灾害监测中的应用和特点,结合近年来国内外研究人员的最新研究成果,总结了SAR在地面目标的识别与分类、InSAR在地质遥感中对地面形变、地震及地质灾害监测中的优势和特点、地质研究与应用中常用的SAR处理方法.通过合理利用雷达数据,不断改进算法和模型,就能获得更加丰富的地质、地物的表象,为地质研究提供新的信息,克服人们难以达到或者由于客观条件而造成的地区数据缺乏的困难.     

基于定量遥感产品的土地覆盖分类方法研究

准确进行土地覆盖类型提取具有重要的实际应用价值,但是目前常用的分类数据较为单一,通常使用地物反射率数据或植被指数,较少使用定量遥感产品.为此,本文使用反照率等产品评价定量遥感产品在地物分类中的实际应用效果.提取定量遥感产品的年平均值、标准差等特征作为地物分类依据,运用随机森林分类方法建立中国地区土地覆盖分类的自学习模型,与仅用地物反射率和NDVI数据进行分类的结果进行比对.结果显示,定量遥感产品辅助下的随机森林模型宏观尺度土地覆盖分类方法的总体精度为89.8%,Kappa系数为0.86,比仅用反射率和NDVI数据进行土地覆盖分类的总体精度提高了12.9个百分点;通过下降梯度法对分类特征的重要性进行评价,发现叶面积指数和反照率2种定量遥感产品在土地覆盖分类模型中重要性较大.结果表明,定量遥感产品用于土地覆盖类型的信息提取,会提高资源环境要素提取的精度,本文方法可为地物分类提供新的思路.     

决策树技术支持下的植被类型信息提取研究

本文以新疆哈日图热格国家森林公园为研究区,应用ASTER和GIS数据,采用决策树分类技术对研究区植被类型信息进行提取分析.研究表明:决策树分类方法精度较传统的计算机分类方法高11.33%.有效排除提取地物时复杂信息的干扰,分类过程简单高效.     

基于SEaTH的决策树方法在区域尺度土地覆被分类中的应用

利用最大值合成法处理洮河流域2000年MODIS数据,得到归一化植被指数年最大值栅格数据,结合该区数字地面模型构造土地覆被分类数据集,采用SEaTH算法提取不同地类的特征阈值,构建决策树,对洮河青藏片区和黄土片区进行土地覆被分类,与NLCD-2000数据相对比进行精度评价.结果表明:决策树法能够较好实现洮河流域主要地物的识别并反映其宏观分布格局.青藏片区地物分类的总体精度为74%, Kappa系数为0.71;黄土片区地物分类的总体精度为63.8%, Kappa系数为0.57;青藏片区的分类效果总体要好于黄土片区.与最大似然法相比,决策树法在青藏片区的分类精度提高约10%,黄土片区分类精度提高约5%.     

一种基于Pauli分解和支持向量机的全极化合成孔径雷达监督分类算法

全极化合成孔径雷达(SAR)影像准确分类的一个重要前提是充分提取反映地物实际物理性质的特征。然而现有的全极化SAR特征提取算法和分类算法众多,却均存在各种各样的问题。无论极化特征提取方法还是分类算法,都会影响最终的分类精度。针对此问题,在多次实验的基础上,提出一种综合Pauli极化特征分解和支持向量机(SVM)的分类策略,简称为Pauli-SVM算法。首先通过经典的Pauli分解法提取全极化SAR影像的奇次散射、偶次散射、体散射等极化特征;并将这些信息组合成一个特征向量,然后引入高精度的SVM分类算法,选择训练样本后对全极化SAR影像进行监督分类。在江苏溧水和南京横溪镇两个研究区,以ALOS卫星的PALSAR影像为研究数据,进行监督Wishart分类算法、Freeman特征提取法结合SVM的分类算法、Yamaguchi特征提取法结合SVM的分类算法、Pauli-SVM算法的分类对比实验。结果表明,新提出的PauliSVM算法可以有效地提高分类的准确性。     

基于Landsat-8影像的大通县土地覆盖分类方法对比研究

针对Landsat-8影像在土地覆盖分类中的应用研究,以青海省西宁市大通县为研究区,在对Landsat-8影像进行辐射定标、大气校正、影像裁切等基础上,利用最大似然分类和支持向量机(SVM)分类法,获得两种方法支持下的6种土地覆盖分类结果。经过精度评定和对比分析,结果表明:SVM分类法优于最大似然分类,总体分类精度分别为78.53%,85.64%。同时,Landsat-8 OLI数据相对于TM/ETM+数据,增加的波段新特性有利于土地覆盖分类精度的提高。文中方法适用于Landsat-8影像在土地覆盖分类研究与应用,能够满足大区域土地覆盖分类应用需求。     

基于Sentinel-2光谱与地形特征的山区森林分类——以武夷山国家公园为例

为了提高山区复杂地形条件下的森林分类精度，以武夷山国家公园为研究区开展山区森林分类研究.以Sentinel-2遥感影像作为数据源，采用多尺度分割方法进行影像分割，并通过ESP2算法选取影像的最优分割尺度.首先构造了Sentinel-2光学影像的初始27维光谱特征，通过计算随机森林Gini指标对分类特征变量进行优化，最终确定17维最优特征变量，然后将提取的研究区地形特征与最优特征变量相结合，应用随机森林算法进行森林分类.结果表明：在27维光谱特征中选取重要性排名前17的特征参与分类时，精度最高值为0.911 0，其中，Sentinel-2影像的红、红边和近红外波段及其相应的光谱指数在森林分类中有较高重要性；在不同的特征参与分类时，在参考光谱特征中依次加入红边指数和地形因子，分类的总体精度分别为88.13%、89.50%、90.87%,Kappa系数分别为0.854 6、0.871 0、0.887 8.研究证明将Sentinel-2丰富的光谱特征与地形因子相结合，可有效获取各森林地物类型在不同地形特征下的不同光谱特征，此方法在森林地物信息提取中具有较高的应用价值，为今后地形复杂的山区森林进...     

提高城市TM图像分类精度的两种方法比较

城市遥感图像分类是获取城市绿地空间分布状况的基础,然而混合像元的存在导致分类精度不高.因此,提出了混合像元分解模型结合神经网络法(MPD-NN法),利用其对北京市TM图像进行地物分类,并与较常用的决策树法分类结果比较,研究在图像现有空间分辨率的条件下提高城市分类精度.结果表明,MPD-NN法分类可较为有效地处理城市遥感图像存在的混合像元问题,可以提高城市分类精度,分类精度高于决策树法,其总体精度和Kappa精度均将近90%,水体、草地、农田、裸地、林地的分类精度在85%以上,高密度建筑区、低密度建筑区、水泥地的分类精度接近80%,也均高于决策树法,是遥感分类较精确识别城市下垫面地物的一种可行方法.     

基于遥感的昆明市城市土地利用变化情况对比研究

利用昆明地区1992年、2005年两个时相TM数据,在ERDAS IMAGINGE8.5专业遥感图像处理软件的支持下,进行土地利用分类和昆明市区13年来土地利用化的对比研究.将分波段分层分类法与基于监督分类的分层提取法相结合,利用TM影像多光谱数据间的有效重组利用,在TM145波段组合影像上提取建设用地和水体,在TM345组合上提取剩余地类.在单纯运用监督分类法对掩膜后的2005年影像分类难以达到精度要求时,用基于监督分类的分层分类法,分出一类掩膜掉一层,最终将所有层叠加得到研究区土地利用/土地覆盖分类图,分类精度达到要求.并根据分类结果进行研究区13年来土地利用数量结构变化分析和土地利用转型分析.     

基于面向对象分类法和高分一号影像的露天矿区分类技术研究

为了实现高海拔脆弱生态环境下露天矿区的地物信息提取。利用高分一号卫星影像,对青海省天峻县江仓第五露天矿区进行了面向对象结合分形网络演化多尺度分割方法下的信息提取和分类。在充分利用遥感影像空间信息和地物特征的基础上将研究区域地物分为九类,并将分类结果与典型基于像素分类的最大似然法进行了对比。结果表明:面向对象结合分形网络演化多尺度分割方法针对高分辨率遥感影像分类结果质量优良,可以有效减少混合像元的干扰,总分类精度为88.45%,满足实际生产要求。实现了露天矿区的地物分类。该研究成果可为高海拔脆弱生态环境下的露天矿区管理发展提供技术和数据支持。     

一种基于Pauli分解和SVM的全极化SAR监督分类算法

全极化SAR影像准确分类的一个重要前提是充分提取反映地物实际物理性质的特征。然而现有的全极化SAR特征提取算法和分类算法众多,却均存在各种各样的问题。无论极化特征提取方法还是分类算法,都会影响最终的分类精度。针对此问题,在多次实验的基础上,提出一种综合Pauli极化特征分解和SVM的分类策略,简称为Pauli-SVM算法。首先通过经典的Pauli分解法提取全极化SAR影像的奇次散射、偶次散射、体散射等极化特征,并将这些信息组合成一个特征向量,然后引入高精度的SVM分类算法,选择训练样本后对全极化SAR影像进行监督分类。在江苏溧水和南京横溪镇两个研究区,以ALOS卫星的PALSAR影像为研究数据,进行监督Wishart分类算法、Freeman特征提取法结合SVM的分类算法、Yamaguchi特征提取法结合SVM的分类算法、Pauli-SVM算法的分类对比实验。结果表明,新提出的Pauli-SVM算法可以有效的提高分类的准确性。     

一种结合极化分解和多尺度MRF的极化SAR数据分类方法

提出一种结合Pauli极化分解和多尺度马尔可夫随机场的极化SAR数据分类方法.该方法先将极化SAR数据进行Pauli极化分解来构造极化SAR特征数据,然后进行3层小波分解,最后进行尺度内和尺度间的迭代分类,获取极化SAR数据的分类结果.NASA/JPL数据的实验结果证明,无论是在地物轮廓保持性上还是地物细节描述性上,该方法效果都比较好.     

基于Hyperion高光谱遥感影像的植被覆盖度提取研究

基于Hyperion高光谱影像,对提取植被覆盖度的传统像元二分法进行了改进,提出通过地物分类来提高植被覆盖度提取精度的算法.该算法先对研究区进行分类,在较高分类精度的基础上,结合不同地物的NDVI频率累积图和实际情况得到各类地物的植被覆盖度,最后得到研究区域的整体植被覆盖度.结果表明,经支持向量机分类的总体精度为83.2%,Kappa系数为0.710;相同NDVI值,林地的植被覆盖度农田的植被覆盖度草地的植被覆盖度,实验结果与实际基本相符;改进的像元二分算法改善了传统像元二分法中存在的水体、裸地非植被覆盖区得到非0的植被覆盖度和高植被覆盖地区检测灵敏度下降等问题,丰富了传统像元二分法的细节信息,得到更符合实际的植被覆盖度.