基于HJ影像的面向对象土地覆被分类方法

提出了基于HJ影像的面向对象技术土地覆被分类的一整套方法,即采用面向对象的影像分类技术,充分利用影像的光谱特征、空间特征、纹理、上下文关系,综合运用多层分割、整体分割、类内分割和局部分割模式,融入二叉树流程法,以多时相HJ影像为实验数据,对土地覆被类型进行自动提取.并以地形复杂的麻阳苗族自治县为例进行实验研究,结果表明:分类总体精度为82.88%,能够满足利用遥感影像进行土地覆被信息提取的精度要求,说明是可行的;由于中分辨率的HJ影像提供的光谱细节并不是很丰富,HJ影像面向对象土地覆被分类技术的光谱特征优势不明显,利用二叉树流程法和多种分割方法是降低误差提高分类精度的有效途径.     

基于随机森林算法的航空高光谱数据分类方法研究

高光谱数据具有光谱范围广,光谱分辨率高等优势,可以用于不同地物的分类识别,为近年来遥感领域的研究热点。采用随机森林算法对机载高光谱数据进行了地物分类识别研究,首先选取不同种类的地物样本,并对每类样本打上类别标签,每个像素包含的波段数即为样本的特征数,送入随机森林分类器进行训练;然后将训练好的分类器对待分类的高光谱影像数据进行分类,待分类的数据初始化为统一的类别标签;并根据袋外数据自变量的扰动对分类精度的影响,计算不同波段特征对分类效果的重要性系数。实验采用C++语言结合Intel Open CV计算机视觉库,编写了高光谱影像分类识别程序,对机载AISA高光谱传感器获取的甘肃省张掖市农村与城市影像数据进行分类,结果表明本文算法具有较高分类精度和可靠性。     

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。     

IKONOS图象的城市土地利用信息提取方法研究

目前，高分辨率遥感图象正愈来愈多地应用于土地与水资源的监测和管理，其中，IKONOS图象数据因其具有较高的空间分辨率和人机交互的解译效果．在省市土地利用信息获取及在城市研究中更具有广阔的应用前景．以南京幅的IKONOS图象数据为基础．以城乡接合部的不同试验区为对象，着重讨论了高分辨率遥感图象城市土地利用信息的提取与分类方法其主要思想是先应用常用的多光谱分类算法对试验区的土地利用现状进行初始的类别划分，然后采用Majority Filtering技术获取图象的上下信息，并给你根据地物的形状特征和空间关系对初始分类结果进行校正与调整．研究结果表明，当初始的类别划分能满足一定精度时，采用本所提出的方法能进一步改善高分辨率图象城市土地利用信息的分类效果．     

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。     

中国科学院土地利用分类系统与IGBP分类系统的转换研究——以西北农牧交错带为例

以中国科学院土地利用/土地覆被分类系统和IGBP土地利用/土地覆被分类系统为例,分别按照直接转换、间接转换、分类后再转换3种转换关系制定转换规则,以西北农牧交错带为实验区,利用从中国科学院资源环境数据中心获取的实验区2015年土地利用/土地覆被数据以及遥感影像、野外考察数据等,按照制定的规则,对土地利用/土地覆被分类系统进行了转换和验证.结果表明:本研究所制定的土地利用/土地覆被分类系统转换规则科学合理;经过分类系统转换后的土地利用/土地覆被数据精度较好.本研究对于其他分类系统间土地利用/土地覆被数据类型的转换具有参考价值,对进一步的区域变化研究具有重要意义.     

基于Keyhole和Landsat MSS融合影像的土地利用变化监测研究—以杭州湾南岸为例

以杭州湾南岸为研究区,利用1980年9月20日的Keyhole遥感影像与同一时期的Landsat MSS遥感影像,通过融合处理,获得既具有高空间分辨率又有多光谱分辨率的历史遥感影像,填补历史高分辨率遥感影像的空缺．研究结果将历史土地利用类型变化监测时间序列推前的同时,提高杭州湾南岸土地利用变化监测的精度．研究中将使用历史融合影像对杭州湾土地利用类型变化进行监测,同时结合1990—2020年4景Landsat遥感影像,获得杭州湾南岸地区近41年的土地利用情况,辅以前人的目视解译结果图,得到分类精度>90%的土地覆被利用分类结果．从面积变化、类型转化、年均变化率3方面分析讨论了1980—2020年间杭州湾南岸地区土地利用的时空变化特征．结果表明:1980—1990年,杭州湾南岸库塘呈减少的趋势,耕地逐渐向海岸地区扩张;1990—2020年,城市的扩张面积不断增加且呈现向海岸扩张的趋势,库塘的面积增加明显,主要表现在人工养殖场继续向海岸扩张．城市的发展是影响杭州湾南岸土地利用变化的主要因素,并且在杭州湾城市规划的同时应该充分考虑其生态环境的问题,加强自然湿地保护,严格控制自然湿地的开发规模,坚持可持续发展,在保护湿地的基础上进行合理的开发利用．      

集成基于对象影像分析与贝叶斯软融合的土地覆被变化检测

应用遥感数据进行分类后变化检测时,土地覆被分类误差会造成严重的误差累积效应,同时会导致土地覆被类型转换结果中经常出现不尽合理的情况.采用基于对象的影像分析方法,利用两期国产高分一号影像数据分析了兰州市建成区及其东南部边缘地区的土地覆被变化.通过分析研究区的特征,得到了研究区的土地覆被转移逻辑.利用贝叶斯软融合方法降低了土地覆被变化分类误差的累积效应,运用土地覆被逻辑,消除了不合逻辑的结果,变化检测结果总精度达到81.61%.最终得出了兰州市总体上沿沟谷地向周边东南方向延伸的发展模式.     

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.     

基于多时相遥感数据的吉林盐碱区土地覆被信息提取方法对比—以镇赉为例

利用多时相的遥感数据制作的多维分类特征数据集,可以充分挖掘遥感影像中的植被信息提高地表覆被信息的分类精度。以世界三大盐碱土分布区之一的吉林省镇赉县为例,利用多时相Landsat8遥感数据制作的多维分类特征数据集,通过不同的分类方法提取了实验区11类地表覆被信息,并进行精度对比分析。结果表明:1支持向量机(SVM)法对苏打盐碱化土壤特殊生态环境的地表覆被信息提取具有较好的分类效果,总体分类精度87.77%,Kappa系数0.864 9;其中盐碱地的分类效果较好,生产精度达到98.34%。2不同方案分类精度从高到低依次为:支持向量机、最大似然分类、神经网络、最小距离、光谱角法。3镇赉县的土地利用类型以旱地、水田、盐碱地为主,镇赉西部以旱地为主要,中部地区盐碱地、碱泡、旱地交错分布,东部以水田为主。     

高光谱Hyperion与高分辨率WorldView-2卫星数据协同下的岩性分类

在目前的技术条件下,一种遥感数据源很难同时具有高空间分辨率和高光谱分辨率特征,因此如何协同使用不同来源的遥感数据进行矿物岩石识别就成了遥感地质领域的重要研究内容之一.本文结合高空间分辨率WorldView-2数据和高光谱分辨率Hyperion数据,以新疆鸟恰县矿物岩石识别与地层划分为例探讨多源遥感数据协同的岩性分类.通过对比2种数据源的空间和光谱探测能力,找到其协同基础.借鉴传统的同源数据融合方法,把WorldView-2多光谱数据降采样到不同空间尺度,并进行主成分变换,采用第一主成分与Hyperion融合产生协同数据.基于SAM光谱角分类法,分别采用WorldView-2多光谱原始数据、Hyperion原始数据和各协同数据对研究区的岩性进行自动分类.结果表明,各协同数据岩性分类精度较高,Hyperion次之,WorldView-2数据岩性分类精度最低.     

基于MODIS数据的生物保护区域土地覆被分类

中分辨率(250 m和500 m)MODIS数据比1 km分辨率的AVHRR具有更高的空间和光谱分辨率,在区域尺度上土地利用/覆盖得到了广泛的应用.该文主要探讨了如何在生物保护中利用MODIS数据获得区域土地覆被分类信息.采用决策树和最大似然法相结合的分类方法,对MODIS数据进行了生物保护区域土地覆被分类制图,并利用Landsat TM土地覆被制图作为参考数据对MODIS数据土地覆被制图进行了精度评价.结果表明,利用MODIS数据在区域尺度上可以获取令人满意的土地覆被分类.     

Google Earth影像与同源Quick Bird影像在城市土地利用分类上的对比研究

Quick Bird(QB)、IKONOS等高分辨率遥感影像是Google Earth(GE)影像中的重要来源,经过图形化处理后,免费提供给公众浏览和使用.通过对相同区域、同期QB及其GE影像分别采取基于像素和面向对象的分类方法实施土地利用分类,对比分析两类影像在不同土地利用类型、不同分类方法上的分类效果,阐明GE影像进行土地利用分类的可行性,并就其在不同分类方法、不同分类类型情况下的适应性进行评价和建议.     

不同分辨率土地覆被数据在省域的适用性分析 ——以江西省为例

为获得The MODIS Land Cover Type product(MCD12Q1)、欧空局ESACCI、全球30 m地表覆被数据(FROM-GLC)在省级尺度的精度,从土地利用变更数据抽取含6个一级土地覆被类型、8个二级土地覆被类型的162478个样本点,采用混淆矩阵方法,从总体精度、制图精度和用户精度角度评价3套数据的精度及适用性.结果表明:总体精度中,MCD12Q1一级总体精度为72.71％,二级为71.58％;ESACCI一级为75.63％,二级为64.61％;FROM-GLC一级为77.58％,二级为75.32％.研究发现,数据集在不同区域的总体精度不同,且总体精度与研究区的主导地类占比相关.运用统计分析方法得出3套数据总体精度的预测方程,本项研究克服了传统的总体精度应用不广泛的缺陷,并且建议遥感数据集使用者在选取遥感数据集时,将地域性因素纳入考虑范围中.     

基于小波分析的Hyperion影像地物分类波段宽度

【目的】高光谱遥感为地物的精细识别提供优势的同时,也带来了数据量多、波段间相关性大、处理精度和效率下降等问题,而且在遥感分类中并不是使用的通道越多、波段越窄效果越好。因此笔者从光谱角度出发探讨降低高光谱数据量,以寻求适宜遥感分类波段宽度的方法。【方法】首先对Hyperion影像进行处理,主要包括去除未定标和受水汽影像波段、坏线、条纹和Smile效应,辐射定标和大气校正处理后得到161个波段,对选用的LIR级数据进行几何校正。根据样地调查情况确定试验区待分类别,对提取的14类地物样本平均光谱进行7次Sym3小波分解,由得到的小波细节系数方差和小波细节系数熵分析适宜各类型识别的光谱区间,然后将不同光谱区间内窄波段进行小波融合,最后选取支持向量机方法进行分类识别。【结果】美人松林、落叶松林、樟子松林、针叶混交林、阔叶混交林、火烧迹地、水体、耕地和未利用地9类地物识别的适宜光谱分辨率为40 nm,剩余5种地物识别的适宜光谱分辨率为80 nm,不同光谱区间对应的波段数大大降低,且最终分类精度总体都达到81%以上。【结论】将小波分析与支持向量机方法(SVM)结合,解决了高光谱存在的“维数灾难”问题,提高了高光谱数据的利用率,遥感分类中并不是使用的通道越多、波段越窄效果越好。     

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...     

一种改进的决策树分类方法在土地利用信息提取中的应用

选择昆明市作为研究区,以2011年LandsatTM影像为基础数据,通过分析研究区地形特征,提出把研究区进行分区并分别确定高程、坡度决策规则的改进型决策树分类方法,并结合分析的光谱特征规律,在决策分类中引进了比值型指数、NDVI值,构建基于光谱特征和地学辅助知识的决策树信息提取模型,最后对传统计算机自动监督分类方法与决策树信息提取模型方法解译的昆明市土地利用数据的精度进行评价。研究结果表明：基于改进的决策树分类方法进行遥感信息提取的昆明市土地利用数据的Kappa指数比传统监督分类方法提高了0．234,分类精度提高了17．03％;从各种地类类型的测试样本点平均正确率来看,改进的决策树分类方法比传统监督分类方法提高了21％,大大提高了LandsatTM遥感数据分类的精确度和可靠性。     

基于Sentinel-2A影像的森林类型提取研究

基于Sentinel-2A遥感影像的光谱特征、指数特征和纹理特征,结合野外调查数据、森林二类调查数据和DEM数据等辅助数据,采用分层多尺度分割提取技术,对研究区主要森林类型进行提取.研究表明:主成分变换前三个分量的加入有助于提高影像分割效果和分类精度;在影像光谱特征基础上,加入指数特征和纹理特征可在一定程度上提高森林类...     

安徽省土地利用十年动态变化遥感监测

基于地物光谱特征,采用光谱角分类技术将主要地物覆被类型进行了分离,并依据经验知识构建了各用地类型的专题信息模型,提取了安徽省土地利用信息,通过分析2000、2005和2010年3期遥感调查结果,得到了安徽省土地利用动态变化及不同土地利用类型之间的转换情况。结果表明:安徽省的土地利用面积以耕地和林地为主,近10年来林地面积持续增加,而建设用地扩建现象严重,导致耕地被大量占用。     

基于IDRISI的遥感影像土地利用类型提取——大连市经济技术开发区为例

基于IDRISI系统,选取2006年,TM遥感图像的1～5和第7波段数据,利用监督分类方法对大连市经济技术开发区进行土地利用类型分类提取.选定训练区后,对训练区进行土地利用类型矢量化,从而提取光谱特征,生成光谱特征文件,再利用最小距离分类器提取研究区域的土地利用类型.最终提取出研究区2006年度的土地利用分布图像,并对...