Research on remote sensing image of land cover classification based on multiple classifier combination

This paper proposed an algorithm in which the maximum probability and the weighted average strategy were used for the combination of member classifiers. Using parallel computing, we test the algorithm on a China-Brazil Earth Resources Satellite (CBERS) image for land cover classification. The results show that using three computers in parallel can reduce the classification time by 30%, as compared with using only one computer with a dual core processor. The accuracy of the final image is 93.34%, and Kappa is 0.92. Multiple classifier combination can enhance the precision of the image classification, and parallel computing can increase the speed of calculation so that it becomes possible to process remote sensing images with high efficiency and accuracy.     

高分辨率遥感影像在土地覆被变化监测中的应用

为了分析高分辨率遥感影像在土地覆被监测中的适用性,以SPOT5和"资源一号"02C卫星高分辨率遥感影像为数据源,对两种数据的波段组合和数据融合方法进行分析评价,并建立相应的土地覆被解译标志,提取研究区2005年和2012年两期土地覆被信息,基于RS和GIS软件平台,从面积变化、土地利用动态度和转移矩阵3方面研究了土地覆被信息的变化规律。研究结果表明,经过有效合成和融合处理的高分辨影像最大限度地保持了影像的纹理和光谱信息,可以正确识别并提取地物变化边界线,研究成果可为高分辨率遥感影像在土地覆被变化监测中的应用提供一定的参考和依据。     

黄河三角洲地物遥感分类研究进展与趋势

黄河三角洲地物种类众多,利用各种技术对黄河三角洲的地物进行分类与识别,有助于对该地区的资源进行合理的利用,同时对该地区的可持续发展具有重要的意义。对目前主要用于黄河三角洲地物遥感分类的卫星数据以及分类方法进行梳理和分析,总结了前人研究的不足,最后对黄河三角洲复杂地物分类方法的未来发展趋势进行了展望,为中国黄河三角洲地物的遥感分类以及动态监测提供参考和借鉴。     

土地覆盖遥感分类方法的比较与分析

针对遥感技术在土地覆盖分类中应用的重要性,以Landsat TM影像为数据源,选择传统的最大似然分类器、最小距离分类器和新兴的支持向量机分类器、以及面向对象分类方法,设计不同的分类判据特征组合,对不同分类器、不同分类特征组合的精度进行比较分析。结果表明,最大似然分类器、支持向量机分类器都具有良好的分类效果,综合使用多种特征作为输入可以提高分类精度,适合于研究区域土地覆盖分类。     

基于土地利用与地表覆盖遥感信息的洪水过程模拟

基于数字流域平台,将遥感技术获取的土地利用和地表覆盖1km栅格信息与数字高程模型数据进行空间配准,由此直接提取新安江模型参数IMP(不透水面积比),并通过构建林地面积比与新安江模型参数SM(土壤自由水蓄水容量)的关系间接确定各子流域的SM值．汉江褒河流域24场洪水实例研究表明：采用半分布式水文模型,15场洪水的确定性系数增大,22场洪峰流量相对误差显著降低;SM对洪峰流量的影响要比对确定性系数的影响大．     

遥感数据的土地覆盖分类

为有效开展土地覆盖变化检测、碳循环评价和气候评估,从土地覆盖分类中使用的遥感数据、分类方法、土地覆盖分类系统以及分类结果对比4个方面,综述了近年来国际上土地覆盖分类的研究进展.这对建立一套能够反映中国实际,又能与国际上流行的分类系统兼容、灵活转换的土地覆盖分类系统,并建立开放的、及时更新的中国土地覆盖样本数据库,具有现...     

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.     

基于TM图像反演垦利县地表温度

利用垦利县TM／ETM＋图像的热红外波段数据,结合辐射传输方程和覃志豪单窗算法等算法反演垦利县地表温度,讨论了各种温度反演算法精度、土地利用类型的变化与相应地表温度的变化．结果表明：覃志豪单窗算法的精度最高,垦利县两年间各地类地表温度基本保持不变或仅有较小变化．     

贵州省地表遥感覆盖物在名称和分类上的勘误与释义标准

目前国内应用遥感领域中,所采用的地表遥感分类办法种类繁多、独立性强、命名理由和习惯不一、标准化差:一方面来源于国外传感器所匹配的分类框架在尺度和制度上与国内沿袭不一需要重新拟定,另一方面也来源于研究者疏于严谨、精确的逻辑框架。从而造成各研究中指代不明,数据意义不明确,甚至在统计上出现矛盾和错误,不仅限制了各研究的科学性同时也阻碍了各数据之间的交流、参照和比对。研究以贵州省为案例,统计并分析现有的各类地表覆盖研究中出现的分类系列、名称及其释义,找出并改正各地物分类和命名在逻辑与方法上出现的混乱、矛盾和错误,并将标准化后的地类系列、名称和释义标准拟为意见建议,供其它研究参考和借鉴。     

遥感影像分类方法的研究

该文基于ERDAS的KnowledgeEngineer分类方法原理,提出一种多信息源、智能化、程序化的阈值分类技术,利用空间模型语言SML（SpatialModelerLanguage）编程实现遥感影像的分类,进而克服了传统分类方法只能针对单一信息源的局限。研究工作以1999年ETM＋遥感影像临港新城为例,将该方法与传统的监督分类方法进行比较和精度评价。结果表明,阈值分类法比监督分类法分类精度高,指标Kappa系数由0.6109提高到0.8204。该方法可通过模块实现多信息源的调用,从已分类图像中提取确认的分类信息,达到一定的智能化,减少人为的重复性操作。     

机器学习在遥感影像分类中的应用

概述了机器学习的主要方法及其在遥感影像的主要应用方向,涵盖环境生态遥感中机器学习技术的研究、应用情况及近年来的新进展.通过使用深度学习对FY-3C气象卫星资料进行积雪检测的应用实例,说明深度学习模型可以利用大数据的优势不断提高检测精度,在某些指标中取得了更优于传统机器学习的精度,可解决传统机器学习难以解决的一些问题,从...     

利用TM影像提取土地利用/覆被信息的最佳波段研究

以土地利用/土地覆被信息的提取为目的,选定武汉市江夏区的TM遥感影像为试验数据,在对其信息特征进行统计与分析的基础上,通过采用最佳指数因子(OJF)并综合试验区地物光谱特征的分析方法进行TM 影像最佳波段选取的研究.结果表明:TM543波段组合为土地利用/覆被遥感中TM 影像的最佳波段组合,其合成的假彩色影像具有很好的...     

面向对象的遥感图像水陆场景快速分类

针对传统方法对过分割未作处理以及边界语义上下文信息不强的缺点,对水陆场景图像进行区域分类,得到描述大尺度地物分布的分类结果.该方法分为3个过程:首先对图像进行纹理特征聚类,得到初始分割结果;然后对分割图像进行区域合并;最后利用边缘密度作为区域的特征,通过对大量样本的统计分析,确定一个经验值作为分类阈值,根据阈值将各个区...     

基于SAM遥感影像的分类技术研究

目的以混合像元提纯为突破口,研究遥感影像高分类精度的方法,以减少由于地物波谱的复杂性、传感器空间分辨率的局限性导致混合像元普遍存在而引起的影像信息不确定性和分类精度低指标性。方法利用光谱角（SAM）分类法,经过混合像元辨别和提纯、端元样区的定义等步骤,对影像进行分类。结果与传统最大似然分类法比较实验结果表明,SAM方法对地表覆盖比较复杂的零散地区遥感影像分类具有较高的精度。结论因选择合适的方法消除了混合像元,SAM是一种有效的遥感影像智能分类方法,对提高影像分类精度具有极为重要的实践意义。     

Scenario simulation and forecast of land use/cover in northern China

Modeling land use/cover scenario changes and its potential impacts on structure and functions of ecosystem in typical regions are helpful to understanding the interactive mechanism between land use/cover system and ecosystem. Based on the analysis of the existing land use/cover simulation and forecast models, a land use/cover scenario dynamics model by the integration of System Dynamics （SD） model, Back Propagation Neural Network （BPNN） and Cellular Automata （CA） model is developed with land use/cover scenario changes in northern China in the next 30 years and simulated in this paper. The model is to simulate the land use/cover scenario demands by using a SD model at first, and then allocating the land use scenario patterns at the local scale with the considerations of land use/cover suitability, inheritance ability and neighborhood effect by using BPNN-CA model to satisfy the balance between land use/cover scenario demands and supplies. It integrates the advantages of SD, BPNN and CA. Macro-driving factors and the micro-spatial pattern are also fully taken into account. The BPNN simplifies the identification of the factors＇ weights used in CA model and improves the reliability of the simulation results. The simulation accuracy of the model developed in this paper was found to be about 74%. It suggests that the model has the ability to reflect the complexity of land use/cover system at different scales to some extent and it is a useful tool for assessing the potential impacts of land use system on ecosystem. The simulated results also indicate that the urban land, water area and forest will increase significantly, and farmland and unable land will decrease gradually. Obvious land use/cover changes will take place in the farming-pastoral zone and the southeast area of northern China.     

江苏省生态系统服务价值对土地利用/土地覆盖变化的动态响应

以江苏省为研究区,利用1990—2018共4期土地利用数据,借助ArcGIS技术,综合运用生态系统服务价值当量修正法、热图聚类分析、弹性分析、IDW统计分析等方法,分析了江苏省土地利用与生态系统服务价值的时空动态变化特征,探讨了研究区特定土地利用类型动态变化对其所提供的生态服务产生的细微差异．结果表明:1990年以来,江苏省耕地、林地、滨海湿地、河流湿地面积逐渐减少,湖泊湿地、未利用地、建设用地面积不断增加,其中,耕地面积减少最多（9.23×105 hm2）,2018年耕地面积为6.50×106 hm2,建设用地面积增加最多（8.59×105 hm2）,2018年建设用地面积为1.93×106 hm2;1990—2018年江苏省总生态系统服务价值不断升高,1990年总生态系统服务价值为1.61×104亿元,2018年为1.68×104亿元;耕地、滨海湿地、湖泊湿地对总生态系统服务价值的贡献率较高,研究期内耕地、林地、滨海湿地与河流湿地的生态系统服务价值减少,湖泊湿地与未利用地生态系统服务价值增加;土地利用/土地覆盖(LU/LC)变化决定了生态系统服务价值弹性变化并影响生态系统服务价值,特别是价值系数比较高的土地利用类型,其弹性变化对LU/LC变化的响应更为明显．      

采用不同融合方法对土地利用现状进行自动分类的研究

LandsatTM图像在土地利用上的应用极为广泛,但TM图像的空间分辨率比较低,因此单独采用TM图像进行土地利用分类的精度也较低。通过融合高空间分辨率全色图像的高频纹理信息来提高TM图像的空间分辨率,使融合后的图像既保留TM图像的多光谱特性,又具有高空间分辨率的特性,易于图像的解译,达到提高自动分类的精度,减少自动分类的误差的目的。笔者运用IHS和KL融合方法,并对生成的新图像作分类精度比较研究,探讨融合图像在土地利用中的应用。     

基于Kohonen神经网络的遥感影像监督分类

作为一种自组织网络,Kohonen神经网络在遥感影像聚类中得到了广泛的应用.但Kohonen算法具有初始权值随机化、学习率和邻域难以确定等缺陷,并且作为一种聚类算法,难以直接进行监督分类.对Kohonen非监督学习算法进行改进,用最大最小距离法确定初始权值,利用权值误差作为网络训练收敛条件,并将Kohonen算法与奖惩...