SAM和决策树结合的Hyperion数据分类方法

在地面实测波谱分析的基础上，采用决策树对波谱角（SAM）分类方法进行改进，自动地进行波谱角阂值选择，提出一种新的基于SAM和决策树相结合的综合分类模型。该模型用于云南鹤庆地区土地覆被信息提取，并与最大似然分类法（MIC）的分类结果进行比较。结果表明，就每一类型而言，SAM结合决策树分类的分类精度较高；最大似然法监督分类总体精度为79．4％，SAM结合决策树分类的综合分类模型总体精度为88．5％，比监督分类精度高9．9％。     

利用主成分分析法提取水体信息

以陕北农牧交错带为试验区,采用主成分分析法对TM图像进行增强,然后应用最大似然分类法提取水体信息,并将提取的结果与单纯依靠最大似然分类法得到的结果进行了对比.试验结果表明,主成分分析法应用于水体信息提取中,可明显增强水体光谱特征,主成分分析法与最大似然分类法结合得到的提取精度高于直接采用最大释然分类法提取的精度.     

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.     

基于BP神经网络的石漠化遥感影像分类方法的探讨

以由DEM数据提取出的坡度、地形特征信息与TM遥感影像的光谱信息相结合,应用BP神经网络方法进行石漠化遥感影像分类。并对比了BP神经网络分类法、ISODATA分类法、最大似然法三种分类方法。结果表明BP神经网络分类法有效地提高了石漠化信息的遥感分类精度。     

基于遥感影像的最大似然分类算法的探讨

通过对最大似然分类算法的研究,并将其与马氏距离分类法在相同情况下进行对比试验,结果表明,最大似然分类方法对于光谱特性呈正态分布的遥感影像能提供较高的分类精度,而对于光谱特性呈非正态分布或偏离正态分布总体的遥感影像,最大似然分类法的实际分类效果并不理想,进而分析最大似然分类法的适用性.     

卫星遥感图像的神经网络自动识别分类

介绍了神经网络卫星遥感图像自动识别分类的方法,并与最大似然法分类结果进行了比较,计算机实验结果表明,神经网络分类的精度和速度优于最大似然法分类．     

决策树在高分辨率影像目标为小地物的分类应用研究

高分辨率遥感影像的应用越来越多,但其高昂的成本让一般项目望而却步．应用软件从Google Earth上下栽已成为获取高空间分辨率影像的有效途径,但因无光谱信息,解译局限较大．选用C4．5算法的决策树方法,对目标为水塘研究的广州市天河区的下载的快鸟数据进行解译,与最大似然分类法和面向对象分类法相比较．结果表明：决策树分类法的分类精度和kappa系数均较高,能利用多源数据,结构简单直观,易于表达和应用;提取小目标地物更有效,数据量相对小．速度较快．     

高光谱图像植被类型的CART决策树分类

为提高植被分类的精度, 在利用高光谱图像提取植被信息时需要考虑训练样本和地形等其他因素的影响。以长白山为研究背景, 基于CART（Classification And Regression Tree）算法构建决策树模型, 对高光谱图像进行植被分类。由于混合像元的影响, 以采用PPI（Pixel Purity Index）提取的纯净像元作为训练样本, 提取植被指数、 纹理和地形等分类特征变量。基于这些变量构建CART决策树对植被分类, 并将结果与最大似然法分类结果进行比较。结果表明, CART决策树分类法可实现光谱、 纹理和地形特征的有效组合, 有较好的分类效果。     

数字化CIR图像专题特征的提取及成图

通过对南京紫金山地区１９９６年１：２万的彩色红外航片数字影像进行多种方法的图像增强处理表明，采用红绿两个单波段进行归一化差值（Ｒ－Ｇ／Ｒ＋Ｇ）处理和红绿蓝３个波段进行ＫＬ变换，能够最大限度地提取木植被信息。把非监督分类和监督分类有机地结合起来，可实现森林类型的自动分类（极大似然法的分类精度为８７．４％），并输出森林类型分布图。     

监督分类方法在遥感影像分类处理中的比较

随着计算机解译技术的发展,遥感影像分类方法不断涌现,各种分类器分类精度不一的问题,对其应用产生了一定的影响。运用ENVI软件,采用同一地区的Landsat TM影像,通过目视解译选择相对应的训练样本和已有的验证样本进行试验,对监督分类的6种分类器(最大似然、神经元网络、支持向量机、最小距离、马氏距离、平行六面体分类方法)进行分类后的精度比较。通过对试验区的地物做分类结果的评判和比较研究,再经过分类后处理,得出分类结果的总体精度和Kappa系数。结果表明,最大似然分类方法的精度明显高于其他分类方法的精度,而对比分类影像的细部图,也优于其他分类法,即在监督分类中,最大似然分类法具有较好的分类效果。     

Restoring urbanization process in China in the 1990s by using non-radiance-calibrated DMSP/OLS nighttime light imagery and statistical data

Since implementing the reform and open policy from 1978, China has been experiencing the fast urbaniza- tion process [1]. Recently, understanding the urban pat- tern characteristics and the change processes to adjust and optimize the urban land use patter…     

ETM影像中城镇覆盖及其背景信息的提取方法研究

通过分析国内相关文献所涉及的方法模型,对研究区各类地物谱间结构特征进行分析, 提出利用 TM4-TM7＜K1、TM5-TM4＞K2和 TM6＞K3三式联立提取出城镇覆盖信息．进一步探讨多步分类法：利用所提城镇覆盖信息掩膜原始图像去除城镇覆盖信息,对所得图像重新进行最优波段组合并继续分类．研究表明,所提模型能够更为有效地提取出城镇覆盖信息,普适性较前人有所提高,而分步提取方法则可较好地提取出土地利用信息．     

基于Landsat数据和DMSP/OLS夜间灯光数据的城市扩展提取: 以天津市为例

以天津市为例, 将多时相的Landsat TM/ETM+影像与DMSP/OLS夜间灯光数据结合起来提取城市建成区扩展信息, 并进行验证和分析。首先, 利用DMSP/OLS夜间灯光数据得到城市建成区的大致范围, 利用这个范围内的Landsat TM/ETM+数据和多波段纹理进行图像分类, 得到城市建成区的空间分布。然后, 利用分类后比较法得到城市建成区的变化信息, 将提取的建成区变化结果与利用 DMSP/OLS数据得到的城市建成区扩展信息以及基于统计数据的城市建成区变化趋势进行对比, 验证方法的有效性。结果表明, 结合DMSP/OLS数据和Landsat 数据的光谱特征以及提取的多波段纹理特征, 可有效地减少裸土与城市建成区的混淆, 与只利用光谱信息的建成区提取及变化检测相比, 得到更高的精度。因此, 结合 Landsat TM/ETM+数据和DMSP/OLS夜间灯光数据提供了一种进行大型城市建成区扩展检测的有效方法。     

陆地卫星影像用于土地利用覆被变化中的波段组合研究

在遥感图像处理软件（earth resource data analysis system，ERDAS）的支持下，以香日德绿洲为研究区，综合运用该软件提供的多种方法，分别计算了相关统计信息．利用相关系数矩阵、特征向量和特征值，按照最佳波段组合原则，得到了该区用于土地利用与覆被（land use and land cover change，IUCC）的波段组合为TM247（专题制图仪，thematic mapper，TM）．TM145为提取居民点和水域的最佳组合，TM345为提取耕地、林地、草地的最佳组合．该方法及其思想不仅可用于确定陆地卫星影像中的最佳波段组合，而且可用于确定其他专题最佳波段组合中。     

基于RS和GIS的龙口市居民地动态变化研究

选择Landsat 1986．6和2002．6两个时期的TM影像，经过多波段彩色合成处理，在分析居民地等多种地物的光谱特征及谱间特征的基础上，建立了居民地信息提取的光谱模型，提取并制作了两个时段的居民地分布图。在此基础上，简要分析了胶东半岛龙口市近20年来居民地动态变化的特点。     

遥感技术在森林火灾信息提取中的应用

利用森林火灾后的TM影像 ,应用最佳波段监督分类法、第三主成分分量 (PC3)滤波阈值法和IHS变换法对罗源县境内的历年森林火灾信息进行提取 .通过对比发现最佳波段监督分类法和PC3滤波阈值法的森林火灾信息提取精度较高 ,而IHS变化法效果较差 .同时还分析了影响精度的原因 ,提出利用地形、地理特征来提高火烧迹地信息提取精度的观点 .     

城市游憩型公共开放空间服务能力的测度——以南京市中心城区为例

【目的】基于行政区—街道—居住区尺度,剖析公共开放空间社会游憩服务本质并针对性地提出其服务优化策略。【方法】借助GIS、RS技术,以南京市中心城区游憩型公共开放空间为研究对象,分别从公共开放空间服务供给能力、居民游憩需求以及交通渠道3个方面,根据可达性相关指标定量化分析其服务能力。【结果】①供给侧:研究区公共开放空间数量略显不足且分布较为不均衡,结合人口分布表现为老城区服务效率较高、边缘区域则较差。②需求侧:结合人口分布,老城区80.15%的居住区属于游憩需求冷点地区,边缘地区需求热点则较多。③4种交通方式下公共开放空间可达性差异明显:机动车可达性最佳; 其次为非机动车和公共交通; 步行可达性最差,仅有35.13%的居民可以在20 min内步行到达临近的公共开放空间。【结论】从供需双向出发评价公共开放空间游憩绩效水平,并结合城市总体规划和居民游憩需求合理布局以及构建慢行系统3个方面提出了优化策略。研究结果能缓解当前以南京为代表的密集型城市中游憩空间供给不足与居民生活休闲需求激增之间的矛盾,并对接南京市新一轮总体规划的编制,为城乡规划实践提供参考。     

城市住区水景生态效益指标体系及评价

住区水景建设是城市人居环境建设的重要内容之一.不仅要注重经济效益,还应充分发挥其生态效益.建立相应的指标体系是对城市住区水景科学设计、建设和生态恢复的前提和基础.根据所制定的原则,利用主成分分析法和无重复双因素方差分析法筛选指标,用统计分析软件SPSS对各级指标值的隶属度值进行主成分分析、AHP决策分析法确定各级指标的相对权重、最终确定各指标权重.采用层次分析方法,从而建立一个三层次的评价指标体系.以上海52家住区为例,对各水景生态效益进行评价.结果表明：2/3水景处于三级以下,非生态的人工水景是影响上海住区水景生态效益发挥的关键所在.提出生态恢复和科学管理建议,即建设近自然型的住区水景.     

基于遥感的城市化进程监测方法及其应用

【目的】利用不同分类精度的指数模型分析南京2001—2015年的城市化进程。【方法】借助2001年Landsat7 ETM+,2006、2010年Landsat5 TM及2015年Landsat8 OLI南京地区遥感影像数据,首先通过归一化差异水体指数(the modified normalized difference water index,MNDWI)提取水体信息,随后利用城市指数(the urban index,UI)、归一化建筑指数(the normalized difference built-up index,NDBI)、建筑指数(the index-based built-up index,IBI)、基于红光的建筑指数(the visible red-based built-up index,VrNIR-BI)、基于绿光的建筑指数(the visible green-based built-up index,VgNIR-BI)模型提取不透水层,结合最大类间差分法将影像分为建成区和非建成区两类,最后融合分类结果形成南京地区城市化专题地图。【结果】从验证结果来看,所有模型的总体精度均高于64.33%,其中UI、NDBI模型具有总体最高精度。UI模型精度最低69.67%(2001年),最高85%(2010年); NDBI模型精度最低72.00%(2001年),最高82.60%(2010年)。在UI模型和NDBI模型下城市化发展水平,分别从2001年的11.55%和17.66%攀升至2015年的20.50%和25.60%。【结论】在精度最高的UI指数和NDBI指数模型下,南京市除高淳区和溧水区之外的各个行政区的建成区增量前4名分别是江宁区、六合区、浦口区和栖霞区。     

一种改进的城市建筑用地信息提取方法及在广州地区的应用

本文对利用NDBI指数提取城市建筑用地信息的方法进行了改进。在提取NDBI、NDVI和MDWI三个指数的基础上,分析了建筑用地、植被和水体在这三个指数上的分布规律,找出提取城市建筑用地的最优指数组合方式,进而获取全新的NDBI信息。此外,本文利用2010年ALOS数据进行精度校验,结果显示整体精度较好,尤其是对高密度城市建筑信息提取更加有效,其精度达到89%。该方法提高了单纯依靠NDBI指数获取城市建筑用地信息的准确性。另外,本文采用该方法获取了广州市近20年（1990-2010）的城市建筑用地面积,并分析了其城市空间扩展趋势。研究结果表明:(1)改进的城市建筑信息提取方法是可行的,可以获取更加可靠和准确的数据;（2）20年间广州市NDBI平均值增加了0.15,建筑用地面积增长了220%。