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。     

基于机器学习的多源遥感影像融合土地利用分类研究

为了快速获取准确的城市土地利用信息,提高西南地区遥感影像城市土地利用分类信息提取的精度,探讨了当前快速发展的机器学习技术在该领域中的分类实验.选用昆明市主城区作为研究区域,以Landsat8与Sentinel-1A影像为原始数据,使用GS变换法对影像进行融合,使用卷积神经网络(Convolutional Neural Network,CNN)和BP神经网络(Back Propagation Network)2种分类算法对融合前后的遥感影像进行土地利用分类信息提取,对分类结果进行分析.研究结果表明:基于Landsat8和Sentinel-1A的融合影像数据的卷积神经网络分类算法具有最好的分类效果,其总体分类精度和Kappa系数分别为85.8091%,0.8124,认为基于多源遥感影像融合的卷积神经网络分类方法是获取准确的城市土地利用分类信息的一种可行的方法,可以为高原地区城市的土地利用分类提取研究参考.     

DEM在喀斯特山区多云背景下土地利用遥感影像解译中的应用

土地利用分类是研究土地资源,进行土地评价和土地利用/土地覆盖变化等研究的基础。利用遥感(RS)技术可对土地资源进行分类调查。以沿河县为分析样区,沿河县是典型的喀斯特山区县,常年多云多雾,给土地利用遥感解译带来较大难度。研究中以地理信息系统(GIS)技术为工作平台,利用近年ASTER影像为基础数据,采用分层提取特征波段的方法,结合数字高程模型(DEM)数据对沿河县土地利用进行了遥感分类解译。分类结果表明,多云背景下的影像数据和DEM数据相结合的方法,可以更好、更快、更有效地提取土地信息,达到较好的分类精度。     

南方丘陵山区遥感影像特征选择与自动分类方法

选取南方丘陵山区--广西钦州湾 TM影像作为试验区,在地物光谱分析基础上,利用知识型光谱合成、主成分变换对 TM卫星图像进行增强处理,并采用非监督分类与监督分类相结合的方法,对 TM图像及特征图像进行自动分类试验,以寻求适用于南方丘陵山区的土地利用 /土地覆盖的遥感自动分类方法.     

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.     

无人机遥感测绘技术在矿山测量中的应用

近年来,无人机遥感技术在工程测绘中的应用越来越广泛。在矿山测量中,应用无人机遥感测绘技术,获取高分辨率影像,利用高分辨率影像作为测量依据,可以有效提升测量工作效率。该文通过分析无人机遥感测绘技术的优势和影像处理的关键技术,详细介绍无人机获取南平市浒州矿山高分辨率影像数据和处理的过程,分析影像成图质量和精度,为矿山测量工作提供内业参考依据,从而彰显无人机遥感测绘技术在矿山测量中的重要作用。     

基于无人机影像的大型滑坡区域精细地形构建研究

滑坡突发性强、危害大,并且在高原山区,大比例尺DEM难以获取。为此,以西南山区某大型滑坡体为例,利用无人机遥感系统对大型滑坡区域进行高空间、高分辨率的遥感探测,对获得的无人机影像采用灵活的POS 辅助空中三角测量进行快速处理,结合高精度物方 DEM 匹配技术,最终获得大型滑坡区域高精度 DOM、DEM 地形构建。通过实践,实现以无人机获取的影像为基础,快速构建大型滑坡区域的精细地形,为大型滑坡体的预测、评估提供基础数据和技术保障。     

无人机遥感估算绿化园林三维绿量——以福州大学旗山校区为例

针对传统的三维绿量估算方法存在耗时费力的缺点,提出利用可见光无人机影像快速估算绿化树木三维量的方法.首先获取高于10cm分辨率的无人机可见光遥感影像;其次结合可见光波段的光谱特征与无人机数据点云的高程特征获得研究区的冠层高度模型;再次通过局部最大值算法与标记控制分水岭算法提取单木树高、株数以及冠径参数,通过野外实测数据构建“树高-冠高”关系模型得到冠高;最后结合树种分布情况,按照不同的树冠形状构建三维绿量估算模型.     

面向空地协同应急的地表可通行性分析方法

在野外灾害应急与救援过程中,受灾害或复杂地表环境的影响,快速搜索一条到达目的地的可通行性路径是一项具有挑战性的任务。近些年随着空地协同技术的不断发展,利用无人机为地面车载系统提供其周边环境的数据并搜索可通行路径成为空地协同技术研发的一个热点。本文利用机器学习方法,结合基于无人机获取的野外可见光影像自动生成的数字表面模型(DSM)对该无人机可见光影像进行了详细分类,得到了较传统方法更好的分类结果;然后基于一般性规律,建立了地表可通行性判断条件与通行速度计算公式;再通过引入分类结果以及分类的不确定性因子,对A*算法进行了改进。基于改进的A*算法实现了实验区可通行性路径的快速搜索以及路径的可靠性评价,实验表明本文方法可得到更合理的结果。     

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.     

无人机航测遥感绿地监测分析

传统城市绿地监测多采用无线信息传送技术,其可靠性随着植被的变化大大折扣,基于卫星遥感影像技术进行绿地监测,其时效性及精度受到原始影像资料的影响也不高。通过无人机搭载多光谱传感器及可见光传感器获取高精度影像数据、提取绿地信息是城市绿地监测的有效手段,研究基于无人机航测遥感技术进行绿地监测的具体方法,为行业应用提供参考。     

基于深度学习的无人机遥感影像水体识别

针对无人机遥感影像分辨率高、信息量大易造成错分、漏分现象,导致识别分类精度不高的问题,采用一种基于深度学习的水体识别方法进行无人机遥感影像水体识别。该方法首先选取大量样本训练并构建深度卷积神经网络模型(DCNN),然后利用最大稳定极值区域(MSER)对无人机遥感影像进行分割得到待识别目标子区,最后根据深度卷积神经网络模型对分割后影像目标进行水体识别,并且将识别结果与目前常用方法进行比较。实验结果表明,该方法能有效识别水体目标,减少错分、漏分现象,提高识别精度,优于其他方法。     

基于多波段影像特征的土地利用分类

利用Landsat TM遥感影像,在ENVI4.2软件的支持下,分析了甘肃省张掖市TM多波段地物影像特征,建立解译标志,利用监督分类方法对该区域土地利用进行分类。     

土地利用变化信息自动提取方法

在深入研究了基于 3S 技术更新土地利用图件的方法基础上,从实用化的角度出发,建立了一套利用 3S 技术更新土地利用基础图件的技术流程与方法,并针对不同的数据情况和变化信息自动提取难等问题提出了基于土地利用图斑单元的知识库变化信息自动发现方法、多波段遥感影像交叉相关分析变化识别方法及面向对象的遥感影像分类变化检测方法。然后结合实验数据,对整个工艺流程进行了编程实现和试验验证。实验证明,更新方法在国土资源部的课题中得到证实是切实可行,并取得了一定的效益。     

基于ETM＋土地利用/土地覆盖遥感信息提取研究——以宝鸡市金台、渭滨两区为例

目的以宝鸡市金台、渭滨两区为例,利用2004年6月ETM＋遥感影像进行土地利用/土地覆盖信息提取研究。方法在遥感技术和地理信息系统技术支持下,对遥感影像各波段进行特征分析的基础上,确定最佳波段组合,采用监督分类中的最大似然分类法结合人机交互解译相结合的方法完成土地利用类型信息的提取。结果通过对分类精度进行评价,结果表明该方法的有效性。结论利用遥感影像快速、定量地提取土地利用信息的方法是进行区域土地利用监测及数据更新的有效手段。     

航空影像管理系统

分析了航空影像保存中存在的问题，在利用遥感知识进行航空影像判读并以VISUAL FOXPRO 6．0为平台建立数据库的基础上，对航空影像进行数字化，建立一个便于管理保存的航空影像管理系统。在该系统中主要设王了航空影像的查询、测宽、航向演示等功能，通过对各功能的不断完善，解决了航空影像的保存问题，提高了影像的管理效率。     

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)。     

基于无人机航空摄影测量技术的工程测量研究

基于低空无人机技术和全数字航测路径优化技术,对山区电力线路工程进行航空摄影和路径优化,研究利用无人机航摄技术,解决零散分布、小区域、带状测区的航空影像获取需求,研究全数字航测路径优化技术,应用于电力线路工程,提高线路勘测设计工作效率,提升勘测设计水平,降低劳动强度,解决电力线路工程建设精细化、智能化的需求。     

无人机在工程测量中的应用研究

基于低空无人机技术和全数字航测路径优化技术,对山区电力线路工程进行航空摄影和路径优化,研究利用无人机航摄技术,解决零散分布、小区域、带状测区的航空影像获取需求,研究全数字航测路径优化技术,应用于电力线路工程,提高线路勘测设计工作效率,提升勘测设计水平,降低劳动强度,解决电力线路工程建设精细化、智能化的需求。     

基于无人机航测的技术流程分析

基于低空无人机技术和全数字航测路径优化技术,对山区电力线路工程进行航空摄影和路径优化,研究利用无人机航摄技术,解决零散分布、小区域、带状测区的航空影像获取需求,研究全数字航测路径优化技术,应用于电力线路工程,提高线路勘测设计工作效率,提升勘测设计水平,降低劳动强度,解决电力线路工程建设精细化、智能化的需求。