基于LinkNet卷积神经网络的高分辨率遥感影像水体信息提取

针对高空间分辨率(简称高分辨率)遥感影像在水体信息提取时准确度不高的问题,采用LinkNet卷积神经网络模型对高分辨率遥感影像进行水体信息提取,验证该网络模型对于水体信息提取的可行性及有效性.首先选取包含水体的影像数据作为训练数据,然后构建LinkNet卷积神经网络模型,并利用构建好的网络模型训练得到水体信息的先验模型,最后采用该模型对真实高分辨率遥感影像进行水体信息提取,并与经典算法比较.实验结果表明:LinkNet卷积神经网络模型能够实现高分辨率遥感影像水体信息的高精度提取,且优于经典算法.     

基于Sentinel-2A的矿化蚀变异常信息提取应用

通过对Sentinel-2A影像数据的光谱特征分析,并结合遥感矿化蚀变异常信息的提取理论,选取四川省康定雅拉地区为研究区域,采用主成分分析法提取羟基蚀变异常信息,通过图像密度分割和蚀变信息面积统计,结合Landsat 8遥感数据提取分析结果和研究区地质图进行对比分析。结果表明,Sentinel-2A遥感数据进行矿化蚀变异常信息提取具有良好的可行性,并且提取精度高,提取蚀变信息面积广,可为Sentinel-2A新型光学遥感数据在遥感找矿领域的运用提供参考。     

多源遥感数据在植被覆盖区的水体信息提取

针对单一遥感影像难以准确提取南方植被覆盖区水体信息的问题,提出了先对光学影像进行混合像元分解,消除植被干扰,增强水体信息,再联合雷达影像的多源遥感数据提取方法。以地物类型丰富,水体发育的湖南衡阳地区为研究对象,选择Landsat8光学影像和PALSAR雷达影像为主要数据源,先利用混合像元分解模型从Landsat8光学影像提取出植被信息,对水体光谱进行重建,再综合去除植被的Landsat8影像的光谱信息和PALSAR影像的纹理信息进行面向对象的多源遥感水体信息提取,并与单源影像的水体信息提取结果进行对比。结果表明,该方法进行水体信息提取的精度更高,尤其在水陆过渡带,能够较好地去除植被干扰,提取被覆盖的水体信息,在南方植被覆盖区水体信息定量提取上具有很好的效果和潜力。     

基于InSAR技术提取南昌地区不透水面信息

目前城市不透水面信息提取的研究主要基于光学遥感影像提取.但使用光学遥感手段提取不透水面信息易受到云层遮挡及光谱混淆等问题的影响.为此,提出了一种新的基于InSAR技术的图像分类方法.通过对Sentinel-1影像进行干涉分析,计算出各地物的后向散射特性中的相干系数值,然后建立随机森林并利用回归分析法获取不透水面的相干系...     

云南泸沽湖水体信息提取方法研究

运用Landsat 8卫星OLI多光谱影像数据,以云南泸沽湖为研究区域,分别运用归一化差异水体指数法、增强型水体指数法、缨帽变换以及面向对象图像分类进行泸沽湖水体信息提取的研究与比较.研究结果表明针对Landsat 8遥感影像波段的特殊性,采用面向对象图像分类提取出的水体信息效果最好,该方法相比传统水体信息提取具有显著的优势.     

基于WEU-Net模型的贺兰山东麓滞洪区水体信息提取

针对经典U-Net模型在贺兰山东麓滞洪区水体信息提取中存在的过拟合、泛化能力有限等问题,基于Sentinel-1合成孔径雷达卫星和Sentinel-2多光谱卫星影像提出了一种水体信息提取卷积神经网络模型(WEU-Net)。WEU-Net模型通过减少编码器与解码器的跳跃连接以及卷积核数量使网络结构简化,并引入残差块增强特征提取能力,弥补了因简化模型而损失的图像信息;在数据集方面,采用逐步回归法结合改进的归一化差异水体指数构建了Sentinel-1水体指数,优化了Sentinel-1卫星影像数据集特征丰富度。试验结果表明:WEU-Net模型预测总体精度为98.19%,F1分数为0.946 9,分别较经典U-Net模型提高了0.357 7%和0.948 8%,训练时长缩短了49.30%;融合Sentinel-1水体指数后,模型预测总体精度和F1分数分别提高了0.51%和3.16%。     

基于高分遥感影像的城市精细土地分类研究

以湖北省咸宁市咸安区为研究区,选取2015年的Landsat遥感影像作为主要数据源,采用最大似然法对遥感图像进行土地利用一级分类,通过ArcGIS对城市一级地类进行定量分析,依托空间分析功能结合一级各类用地的空间布局,探讨基于高分影像的土地利用精细分类.实验采用混淆矩阵法来验证分类结果的精度,结果表明,总精度为93.7%.该分类方法能够有效提高城市土地精细分类精度和准确度.     

基于可见光航空影像的土地利用分类

无人机遥感（Unmanned Aerial Vehicle Remote Sensing,UVA-RS）技术已成为卫星遥感和有人机航空遥感的有力补充技术,该文以山区小区域无人机航空影像为数据源,测试讨论使用不同监督分类方式对于山区部分进行土地利用分类的精度,针对利用可见光航空影像进行土地利用信息获取存在的问题,尝试通过试验,在ENVI中对可见光航空影像进行土地利用信息提取,对比分析不同的分类方法在应用过程中产生的问题与各自的优势。     

荒漠林信息提取融合方法的比较

森林信息提取是林业遥感的基础和前提。快速、准确、高效地获取森林资源信息,并且及时监测变化情况,是实现森林资源的科学管理和有效利用的重要途径。本研究应用ETM的多光谱和全色影像,在HPF、Wavelet、Mod.IHS三种图像融合算法支持下,得出研究区荒漠林影像无论是目视判读还是统计特征分析Mod.IHS变换图像融合效果均较其他二种方法好,为研究区荒漠林信息的提取奠定了基础。     

基于Sentinel-2影像红边光谱指数与特征优选的竹林提取研究

为了从Sentinel-2A影像中快速、准确提取竹林分布信息,以福建省永安市上坪乡竹林为研究区开展竹林提取研究.在影像分割的基础上,提取原始波段光谱、红边光谱指数、纹理3类共18个特征变量,利用随机森林Gini系数法进行特征变量重要性排序,设计5种不同特征变量组合方案,采用随机森林分类进行竹林分布信息提取.结果表明：原始波段光谱特征在Sentinel-2A影像竹林信息提取中具有重要作用,红边光谱指数特征次之,纹理特征未发挥显著作用.在红边光谱指数特征中,基于红边综合效应指数（MVIred1）构建的红边竹林指数3(BImvired1)具有良好的分类性能;利用随机森林Gini指标结合OOB泛化误差法有效减少了噪声数据的影响,筛选出最有利于竹林提取的特征变量子集,基于该特征子集的竹林分类总体精度（OA）达到94.58%、Kappa系数0.91、生产者精度（PA）为95.09%、用户精度（UA）85.54%.     

基于多特征融合的反向传播神经网络高分影像分类与变化检测

为了降低基于高分影像的土地利用分类后的错分和漏分的可能性,提高分类以及变化检测精度,本文以广西桂林市临桂区为研究区,采用WorldView-2号以及高景一号高分影像,基于多层前馈(back propagation, BP)神经网络方法融合遥感影像的纹理、光谱、植被指数以及水体指数特征,制定出4种特征数据集融合方案,实现对植被覆盖率较大地区的地物识别与分类;然后选取最优分类结果,进行桂林市临桂区2017与2020年土地利用变化检测。不同方案的对比结果表明,融合纹理、光谱、植被指数以及水体指数特征的第四种方案可以得到较为有效的分类以及变化检测结果,分类的总体精度为92.92%,Kappa系数为0.9028,保持了较高正确率。     

基于J-M距离的多时相Sentinel-1农作物分类

为准确获取云雨天气较多地区的农作物分布信息,以敦化市西北部的黑市乡和额穆镇为研究区,以高分一号(GF-1)卫星宽视场(wide field view, WFV)传感器和哨兵一号(Sentinel-1)为数据源,通过WFV数据提取耕地范围,利用J-M(Jeffries-Matusita)距离可分性进行Sentinel-1影像最优分类时相组合的判断,根据选取Sentinel-1数据通过最近邻分类器多次循环对研究区主要农作物的分布信息进行提取。研究结果表明,进行多次循环产生的分类结果优于单次循环结果,循环次数达到5次结果趋于稳定,总体分类精度为84.23%。可见利用Sentinel-1数据进行敦化市农作物分类是可行的,多次循环的最近邻算法有利于获取更精准的农作物分布信息。     

江苏沿海地区围垦动态与土地利用变化驱动力研究

为研究沿海地区围垦动态以及土地利用变化的主要驱动力,以江苏沿海地区为研究区,基于ENVI 5.3与ArcGIS 10.0平台,以2000年Landsat-7 ETM和2017年Landsat-8 OLI的遥感影像为数据源,采用目视解译的方式提取海岸线,然后用监督分类方法得到江苏沿海地区2000年和2017年的土地利用数据,运用主成分分析法得出该地区土地利用变化的主要驱动因子。结果表明:(a)2000—2017年间江苏沿海地区进行了大规模的围垦,江苏省围垦土地面积107 420.0 hm²,年均围垦面积6 318.8 hm²,全省平均岸线围垦强度为7.11 hm²/(a·km)。(b)连云港市围垦强度最低,大部分耕地、林地与水体转化为城乡、工矿及居民用地;盐城市海岸线长度最长,围垦面积最大,整体利用格局向海岸方向迁移,耕地、未利用土地等面积略有下降;南通市围垦强度最大,林地面积大幅度减小,城镇面积增加。(c)人口增长与社会经济的发展是江苏沿海围垦与土地利用变化的主要驱动力。     

遥感技术在城市规划中的应用——以石河子市为例

利用专业遥感图像处理软件,对石河子市不同时期的遥感影像进行几何校正、图像增强和非监督分类等处理,获取城市用地信息,通过对比分析不同时期的城市用地类型,评估城市用地的变化情况。结果表明：（1）研究区内土地利用处于发展期,各种土地利用类型变化大;（2）绿化率较高,但是区域分布差异大,表现为西部老城区绿化率高,而东部开发区绿化率低;（3）耕地面积不断减少,而绿化面积未能及时弥补,所以对市区的环境质量具有一定程度的负面影响。在未来的规划中,应该在保持耕地面积不再减少的情况下,继续增加绿化面积,尤其要增加开发区绿化率,为开发区的后续发展营造良好的环境氛围。     

基于 CatBoost 算法的面向对象土地利用分类

为实现较高层次的遥感影像分类及有效去除高维特征的信息冗余,以 Sentinel-2 遥感影像为数据源,应 用 CatBoost 算法对龙江县进行了面向对象的土地利用分类。利用 CatBoost 算法对全部特征集进行降维,分别使 用 CatBoost、ＲF(Ｒandom Forest)和 AdaBoost 算法进行土地利用分类并对分类结果进行对比。研究结果表明, CatBoost、ＲF 和 AdaBoost 算法的 Kappa 系数均在 0． 77 以上,且 CatBoost 算法的 Kappa 系数高达 0． 911 4。因此 CatBoost分类法是土地利用分类的有效方法,为土地类型的划分提供了快捷可行的方法。     

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。     

徐州市土地利用变化的遥感监测

以1987、1994、2003年的卫星遥感图像TM为主要数据源,利用神经网络分类法提取出土地利用类型信息,计算出徐州市各土地利用类型数量、比例以及土地利用类型变化的变化率指数,在此基础上构建起土地利用变化的空间分布图,据此分析了徐州市16年来土地利用时空变化特征.结果表明:建设用地和水体的面积急剧增长致使耕地的面积大幅度减少,煤炭资源的开采是引起耕地塌陷积水以及村庄搬迁的重要原因.     

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。     

福建武夷山自然保护区森林碳储量遥感 估测方法与空间分析

以福建省武夷山国家级自然保护区为研究对象,以2003年24块固定样地数据、同年Landsat TM遥感数据为主要信息源,分别采用多元线性回归、K最邻近分类算法、人工神经网络、土地覆盖分类4种方法,对研究区域2003年的碳储量进行遥感估测。在此基础上,对森林碳密度进行地理加权回归及空间格局分析。研究表明:在4个模型中,人工神经网络的相关系数最高,标准误差、平均相对误差最低,预测精度最高; 研究区不同功能分区碳密度差别不大,森林平均碳密度为52.40 t/hm²,碳储量为278.542 3万t; 森林碳密度与所处位置的海拔、坡向负相关,与坡度、林地土壤水文状况、植物生长状况正相关; 随着海拔的降低和人为干扰活动的增强,核心区、缓冲区、实验区森林碳密度的空间聚集性减弱,破碎化趋势增强。     

光学遥感影像土地利用分类方法综述

土地是实现经济社会高质量发展的基础性资源,光学遥感影像以时间、空间、光谱等特有的优势为土地利用变化的发现、识别、分析提供了很好的支持,利用光学遥感技术提取土地利用变化信息已经成为重要的研究领域。论文以近年来土地利用分类相关文献为基础,分别从数据源、处理流程、处理精度、计算效率等角度对土地利用分类应用较为广泛的目视解译、监督分类、非监督分类、深度学习等四类方法进行了分析和总结。最后展望了光学遥感影像土地利用分类方法的发展方向