基于面向对象分类方法和多源遥感数据的龙祥岛区域湿地变化检测

利用龙祥岛区域2001年ASTER影像、2013年GF-1影像以及Google Earth影像等辅助数据,基于面向对象分类的方法,建立各地物类型的提取规则,提取出龙祥岛区域湿地-非湿地信息,并基于e Cognition软件对龙祥岛区域湿地进行变化检测,最后利用Excel统计软件作出湿地-非湿地信息面积转移矩阵及面积转移率矩阵.结果表明:2001年ASTER影像分类总体精度为87.42%,Kappa系数为0.84;2013年GF-1影像分类总体精度为90.72%,Kappa系数为0.87.研究区2001-2013年间,湿地总面积减少了4.05%,为1.1 km~2,其中天然湿地(包括永久性河流和滩涂)总面积减少了1.65%,为0.42 km~2,人工湿地(包括淡水养殖场和农用池塘)总面积减少了39.76%,为0.68 km2;非湿地总面积增加了4.71%,为1.1 km~2.人工湿地和天然湿地内部变化情况呈现出不同的状态,天然湿地中,约有3.888 km~2的滩涂面积变为永久性河流,主要变化区域位于研究区的东南部和西北部;而在人工湿地中,约有0.663 km~2的淡水养殖场和0.41 km2的农用池塘变为非湿地,主要变化区域位于龙祥岛本岛及研究区的西南角部分,人工湿地变化的主要原因是人类生产生活进程的加快.     

基于面向对象和CART决策树方法的遥感影像湿地变化检测研究——以龙祥岛地区为例

以乌龙江流域龙祥岛地区为研究区,以两期不同水位的Landsat-8 OLI影像与高分一号(GF-1)PMS1影像为数据源,经过面向对象的分割技术,以CART(Classification And Regression Tree,CART)决策树方法挖掘不同地类的特征指数阈值,提取出该地区滩涂湿地并根据水位值进行变化检测分析.研究表明:GF-1 PMS1传感器8 m分辨率影像可以与Landsat-8 OLI传感器15 m分辨率影像结合进行变化检测,总体分类精度分别达到0.89和0.92;CART决策树算法与面向对象的分类方法相结合可以获得很好的分类效果,对于湿地滩涂信息提取具有高效快捷的优势,这种方法随着多元遥感的发展将展现巨大的应用潜力;水位变化对湿地滩涂的影响可以通过遥感影像进行检测分析,两期影像T1与T2两时刻水位高程分别为3.34 m与3.56 m,水位变化0.22 m,T1时刻河流水面面积为1 811.09 hm~2,T2时刻河流水面面积为2 092.34hm~2,两期变化增加的水面面积为281.25 hm~2,未变化面积为1 778.47 hm~2,占T1时刻总面积的98.20%,T1时刻内陆滩涂转化为T2时刻河流水面的面积为244.91 hm~2,占T1时刻内陆滩涂总面积的34.60%.     

基于数据挖掘和高光谱数据的湿地植被精细分类

以大丰市沿海滩涂湿地区域为研究区,以机载高光谱影像为主要数据源,冠层高度模型(canopy height model,CHM)数据为辅助数据,采用数据挖掘的方法对高光谱数据进行特征规则提取,实现了湿地植被的精细分类.结果表明:3种湿地植被分类结果的总体精度为90.3%,说明数据挖掘技术在处理高维数据时不仅可以提取重要程度较高的数据,而且可以减少数据量,提高数据处理效率与分类精度;与传统的支持向量机分类法(SVM)分类结果进行对比,基于数据挖掘的湿地植被精细分类总体精度比SVM分类方法高10.8%,表明数据挖掘方法在湿地植被高光谱遥感分类问题上具有较大优势.     

基于面向对象方法的天津市滨海新区湿地信息提取

基于天津市滨海新区2021年的Sentinel-2遥感影像数据,针对传统遥感影像湿地分类的不确定性问题,选择了面向对象分层分类的方法。采用面向对象多尺度分割算法,依据地物光谱异质性特征将遥感影像分割为光谱相似的对象,再结合不同地物的光谱指数、空间几何特征、纹理特征构建层次模型,分层提取湿地信息。分类效果同随机森林分类方法相比较,结果表明：利用面向对象的分层分类方法总体分类精度达到91.75%,Kappa系数为0.91,分类结果“斑驳现象”减少,湿地边界清晰完整。     

环内伶仃洋河口湾湿地动态变化(1988-2004)

利用多时相的遥感图像和基于知识的分层分类方法对珠江口内伶仃洋湿地的时空变化进行了分析,并结合土地利用转换矩阵分析了近20 a的变化。通过精度分析,4个时相的分类精度大于85%,kappa系数大于0.8,达到较高分类精度。研究表明,1988-2004年间,几类典型湿地(河流、水库、鱼塘、滩涂和红树林)的面积减少了12265.68 hm2,由1988年湿地面积占研究区整个面积的43.35%下降至2004年的39.98%。有91.92%的滩涂转为其他用地,其中39.18%(1760.49 hm2)转为鱼塘,19.45%(873.81 hm2)转为农田,16.53%(742.77 hm2)转为河流,5.14%(230.94 hm2)转为红树林。有80.43%的鱼塘转为其他用地,其中25.67%转为建设用地,22.83%转为城市用地,21.26%转为林地。有62.21%的红树林专为其他用地,其中26.03%(123.12 hm2)转为鱼塘,14.92%(70.56 hm2)转为建设用地,9.46%(44.73 hm2)转为农田。     

基于决策树的多源遥感数据分类

遥感影像是获取土地覆盖信息的重要手段。分析了影响决策树分类的特征因子,并根据这些因子构建分类决策树。结合中分辨率多源遥感数据,对贡嘎山区进行土地覆盖分类,通过与最大似然法分析对比,基于决策树的多源数据分类对试验区的分类精度(总体精度85.71%,Kappa系数0.83)远高于基于像素的最大似然法监督分类(总体精度63.56%,Kappa系数0.58)。     

基于Landsat数据沈阳城市建成区动态监测研究

目的研究城市建成区扩展的时空特征,加深对城市化理论的理解,为城市未来的城市化进程提供有效的时空决策依据.方法基于辽宁省沈阳市2000—2015年Landsat-7遥感影像数据,首先对原始遥感图像进行几何校正;接着对精纠的遥感图像,进行图像的拼接和裁剪;然后通过监督分类和非监督分类,把裁剪后的图像按建设用地、耕地、林地、水域以及未利用土地进行分类;利用ENVI5.3的Confusion Martrix功能,计算了两种分类精度的总体精度和Kappa系数.结果计算得到监督分类总体精度为92.36%、Kappa系数为0.88,非监督分类总体精度为77.32%、Kappa系数为0.65;2000—2015年沈阳市建成区扩展先后表现为急剧的扩展和逐渐趋于稳定这两类特征;建成区紧凑度不断下降,分行维数呈上升态势.结论 2000—2015年沈阳市建成区总体处于快速扩展的时期,主要以外部发散式延伸扩展为主,在空间上的离散程度很大;GDP因素、人口因素和全运会举办所带来的影响是沈阳建成区扩展的驱动因素.     

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%.     

基于像元和对象分类的城区植被高分辨率遥感制图比较研究

本研究利用高空间分辨率遥感影像和LiDAR数据,参照美国USGS植被分类体系,在两种不同分类层次上,评价了基于像元和基于对象分类两种方法的城区植被覆盖专题制图效果.采用传统的基于像元监督最大似然分类时,在下层分类层次,分类总精度仅为70.5%,Kappa系数为63.5%.当在上层分类层次进行分类时,分类精度相对下层分类层次有明显提高,总精度达84%,Kappa系数为75.8%.而采用面向对象的分类方法时,在下层分类层次,分类总精度为86%,Kappa系数为82.3%.在上层分类层次,总精度达90.8%,Kappa系数为86.2%.研究结果表明,在城区两种不同植被分类层次,面向对象分类结果都取得了优于基于像元的分类结果.     

土地利用的遥感信息变化提取研究

利用卫星遥感影像进行土地利用类型分类和动态变化监测是遥感应用中的一个重要课题。本文选择不同时相的ETM 和SPOT-5卫星遥感影像数据,对两期影像进行监督分类,快速提取不同时期的土地利用数据;然后进行动态变化监测,获得土地利用情况的变化特征和信息;最后对其分类精度进行评价分析。研究表明,两期影像中耕地、居民用地和未利用地这三个类别的变化面积较大;ETM 影像进行监督分类的精度为90.1692%,Kappa系数值为0.8268;SPOT-5影像进行监督分类的精度为95.1477%,Kappa系数值为0.9361。由于SPOT-5影像的分辨率较高,分类效果更优于ETM 影像,更能准确的反映土地类型的信息和特征。     

基于决策树模型的面向对象方法的遥感湿地信息提取

以宁夏回族自治区中卫市与腾格里沙漠边缘及其毗邻区域为研究区,运用基于决策树模型的面向对象方法,对图像融合后15m分辨率的Landsat 8 OLI遥感影像进行湿地信息提取研究,并与基于对象的最大似然法的分类结果进行比较,结果表明,基于决策树模型的面向对象法相比于基于对象的最大似然法的湿地分类总体精度提高了18.45%,Kappa系数提高了0.17,分类结果精度显著提高。     

宁夏石嘴山地区盐碱地变化的目标级检测

采用同一地区、不同时相的Landsat 8OLI影像数据,结合影像的光谱、纹理和地理特征等24个变量,分别采用随机森林分类法(RF)和支持向量机分类法(SVM)对宁夏石嘴山地区进行影像分类,研究发现:影响分类模型精度的有DEM数据、归一化差异植被指数(NDVI)、短波红外波段、归一化差异湿度指数(NDMI)与第一主分量均值(M)等重要参量。RF的分类精度略高于SVM,总体分类精度为95.492%,Kappa系数为0.947;盐碱地的分类精度为98.510%,计算效率是SVM的16.5倍;RF方法更适合进行盐碱地目标级的变化检测。根据两个时相影像的RF分类结果,得到2014—2017年研究区盐碱地面积减少约133.56km2,减少比例56.368%,生态环境改善和盐碱地改良趋势较好。     

中国典型区域GLC2009数据的精度评价

为研究GLC2009在中国地区数据的分类精度,以中国典型区域为研究内容,选择空间分辨率为30 m的中国TM影像为参考数据,利用混淆矩阵方法,从空间一致性和面积数量精度两方面对全球土地覆盖数据GLC2009产品进行精度检验.结果表明：GLC2009在中国总体精度较低,其中华东区域的分类精度最高,Kappa系数达到0.77;西北和华南区域的分类精度次之;东北区域的精度则最低,Kappa系数仅为0.02.该结果为地表层发展过程研究提供了参考依据.     

海湾型城市湿地的动态变化及其退化因素分析

在遥感和GIS技术的支持下,以厦门市1986和1997年landsat TM影像以及2004年SPOT影像解译数据为基础,对厦门市过去18年间湿地的空间分布及其动态变化进行了研究,并分析了导致湿地退化的主要原因.研究结果表明:目前厦门市湿地类型中以浅海、滩涂和养殖为主,翔安区拥有丰富的湿地土地资源.湿地动态变化主要表现为滩涂、河流、水塘、红树林等自然湿地的减少以及人工湿地-养殖区面积的增加,红树林、养殖区变化最显著,而大多数湿地类型在1986~1997年这个时期变化最显著.湿地总面积呈下降趋势,自然湿地破碎严重化、不断萎缩,而养殖区沿着海岸线快速扩展和蔓延.海岸湿地是厦门独特的风景,但是18年来湿地质量总体处于不断退化之中.污染、资源过度利用、海岸工程、围海造地等是造成厦门湿地退化的主要因素,湿地退化导致生物栖息地恶化以及生物多样性降低等诸多问题.     

不同等级土壤遥感分类的尺度匹配性探讨

采用Landsat5 TM遥感影像为数据源,以湖北省江汉平原之潜江市为试验区,探讨同一遥感信息源下对不同等级的土壤分类的尺度匹配性.以Landsat5 TM遥感影像和两个级别的土壤类型图(土壤亚类及土属)为基础数据,集成主成分分析、归一化植被指数等图像处理技术,提取多种影像特征建立土壤分类特征数据集;采用最大似然监督分类方法对潜江市不同级别的土壤分别进行遥感分类;并利用混淆矩阵方法对分类结果分别进行精度验证.结果表明:土属的总体分类精度较高,达到92.79%,Kappa系数为0.919 5;土壤亚类相对较低,总体分类精度只有84.71%,Kappa系数为0.820 1.可见土壤遥感分类具有显著的尺度适宜性特征,在两个级别的土壤分类实验中,Landsat5 TM更适宜土壤的最基层的土属类型划分.在土壤遥感分类时,应首先探讨土壤类型等级与遥感影像的尺度匹配性.     

基于Sentinel-1和Sentinel-2影像的洪泽湖国家湿地公园水生植被信息提取

【目的】探索利用光学遥感和雷达遥感数据进行湖泊湿地水生植被信息提取方法。【方法】以洪泽湖国家湿地公园为研究区,基于Sentinel-1的SAR影像和Sentinel-2的MSI影像,利用面向对象影像分析技术,结合EVSI、NDVI、SR特征指数和对象之间的上下文特征,以及挺水植被高度的差异所对应SAR影像上的后向散射系数,在对象级的基础上建立决策树模型对湿地水生植被进行分类,分析洪泽湖国家湿地公园水生植被以及挺水植被的分布状况。【结果】研究区水生植被类群分类精度为89%,Kappa系数为0.85;挺水植被种群分类精度为85.2%,Kappa系数为0.76。与基于像元分析方法的结果相比,面向对象的影像分析方法具有更高的精度;湿地水生植被以沉水植被和挺水植被为主,其中挺水植被中以荷叶和芦苇为主。【结论】本研究提出的湖泊湿地水生植被信息提取方法具可行性,可为湿地管理与决策提供科学依据。     

中分辨率遥感影像土地利用覆被信息自动提取研究——以太原市区Landsat8影像为例

"土地利用/土地覆被"(简称LUCC)是全球环境变化研究的热点问题之一,遥感技术是LUCC研究的重要手段,遥感影像LUCC信息的高精度自动提取成为众多专家学者关注的重要研究领域.Landsat系列卫星影像是最早且最为广泛使用的中分辨率陆地遥感影像.文章以2013年2月发射的Landsat8卫星的OLI影像为研究对象,利用ENVI软件,对太原市区的土地利用/土地覆被信息分别用最大似然法和决策树分类法实现自动提取,并进行精度比较.结果表明:最大似然法提取的总体精度为69.33%,Kappa系数为0.605 5,主要是耕地与林地、草地、建设用地以及建设用地与裸地的混分、错分现象较为严重,造成分类精度较低;而决策树分类法的自动提取通过确定适当的判别规则,使地类间的混分、错分现象明显改善,分类总体精度提高到91.33%,Kappa系数达到0.892 3,各土地利用类型的分类精度均有一定提高.     

一种提高喀斯特地区植被分类精度的方法——以贵州省关岭县为例

探寻提高喀斯特地区植被分类精度的方法,获取精准细致的植被覆盖变化信息,对喀斯特地区植被恢复以及石漠化综合治理成效评估有重要意义。以关岭县2015年Landsat 8影像为基础研究数据,根据光谱、形状、空间等特征,采用多尺度分割方法,逐层提取不同植被信息,并与传统最大似然法对比,结果表明:1)关岭县森林覆盖率为51.59%,灌丛占全县土地面积的35.62%;2)面向对象方法总体分类精度为85.75%,Kappa系数为0.798,比传统最大似然法分类结果总体精度提高17.21%,表明运用面向对象方法对喀斯特地区植被分类更具可行性;3)面向对象分类法根据地物光谱信息、植被指数和空间信息,能有效克服"椒盐现象",减少阔叶林被错分为针叶林、针阔叶混交林被误判为阔叶林的概率,结合坡度和亮度信息能减少灌草丛、耕地、建设用地之间的混分现象。     

分层抽样支持的广州市南沙区湿地景观遥感分类

南沙区是广州市"南拓"战略的重点发展区域,在城市化过程中若能合理利用与保护境内具有重要生态功能的湿地资源,将有利于促进区域可持续发展.基于分层抽样技术,通过使用Erdas Imagine软件的Frame Sampling Tool工具和Landsat OLI影像,对南沙区的湿地景观进行分类.结果表明:1基于分层抽样的分类方法具有较高的分类精度,如湿地景观分类总精度为84%,Kappa系数为0.8;2该方法通过Erdas Imagine软件的Frame Sampling Tool平台可以对样本进行更有效地估计、训练及管理;3广州市南沙区内湿地资源丰富,占研究区总面积的40.84%,主要分布在珠江出海口及各支流的附近.     

鸭绿江口滨海湿地景观格局动态演变分析

 在遥感和地理信息系统的支持下,对1989和2000年两个时期的卫星影像进行分析,得到鸭绿江口湿地类型的转化数据,运用马尔科夫过程模拟湿地景观格局的动态演变情况,定量分析演变特点。结果表明,1989-2000年研究区内湿地中的芦苇和水田分别减少2 241.54 hm²和1 136.07 hm²,而水库坑塘和虾田分别增加225.99 hm²和1 425.15 hm²。此外,建设用地的面积增加了2 806.38 hm²。受城市扩张影响和经济利益驱动,芦苇和水田被大量开发成了建设用地和虾田。预测结果显示,湿地类型中的浅海、河流、芦苇、水田面积逐年减少,而滩涂、虾田、水库坑塘面积逐年增加;非湿地中除了建设用地面积逐年增加外,其它类型的面积都在逐年减少。到2050年浅海将达到2.49%,滩涂15.06%,河流1.39%,芦苇1.21%,水库坑塘1.15%,虾田11.68%,水田36.44%,林地2.57%,建设用地15.59%,其它非湿地12.42%。这预示着人为干扰是鸭绿江口湿地景观变化的主导因素。