新疆第二次土地调查遥感数据库系统设计与实现

根据目前新疆的现状,提出了构建新疆第二次土地调查遥感数据库系统的必要性和迫切性;介绍利用组件式GIS技术、WEB技术、地理信息系统工具和数据压缩技术,建立新疆第二次土地调查遥感数据库系统的方法;设计了新疆遥感影像数据库和管理系统的内容、结构、要求和界面,以及解决了海量数据的压缩、存储时的性能问题.     

RaPidEye与IRS-P5数据融合在土地动态遥感监测中的应用

RapidEye数据已经大规模的用于土地动态遥感监测中,具有重访周期短的优势,P5数据具有高分辨率的优势,将多源遥感影像进行融合,可以充分发挥高空间分辨率卫星遥感数据的优势,优化高分辨率卫星遥感数据解决方案.本文通过研究数据处理与应用的方法与技巧,挖掘数据应用潜力,以更好的应用高分辨率遥感数据进行土地动态遥感监测.     

高分辨率遥感数据和POI数据支持下的城市土地利用分类——以宁波市某广场为例

遥感影像数据用于城市土地利用分类由来已久,但这种方法难以识别建筑物的社会经济属性.而包含社交媒体数据在内的多源数据为城市研究与应用提供了丰富的数据资源,能有效弥补遥感影像数据无法体现建筑物内在特征的不足.以宁波市某广场为例,利用高分辨率遥感数据和兴趣点(POI)数据,结合主题模型,研究使用多源数据融合是否会对城市土地利...     

高分辨率遥感影像面向对象耕地信息提取方法探讨

随着高分辨率遥感技术发展,高分辨率遥感影像得到广泛应用,特别是高分辨率遥感影像面向对象信息提取技术应用广泛.本文以某地区遥感影像为基础数据,探讨了高分辨率遥感影像面向对象耕地信息提取的技术方法,并对耕地信息提取实验结果进行精度评价,得到了良好的效果.     

环境减灾卫星遥感宏观监测应用评价研究

文章介绍了环境减灾卫星的基本情况,结合环境减灾卫星遥感数据(HJ-1)在黑龙江省土地利用宏观监测中的实际应用,针对HJ-1数据的生产流程及生产方法进行了详述,对土地利用遥感宏观监测技术路线进行了研究,并通过高分辨率卫星遥感影像数据对宏观监测成果及其质量进行精度评价与验证,建立一套基于HJ-1数据的土地资源调查监测技术方法与流程,为在全国范围内广泛应用环境减灾卫星数据积累经验和技术方法。     

基于遥感影像变化检测的土地调查监测应用研究

遥感影像变化检测是遥感应用研究的热点之一。针对土地调查监测工作,运用遥感影像变化检测方法,基于不同源卫星数据(Worldview-2、天绘)和同源卫星数据(高分一号),分别对湖南省两区片地表覆盖物进行了不同时点地类变化的检测,完成了面积合计34km2范围内的遥感影像数据变化分析,并通过外业实地考察核准了变化检测结果,验证结果显示遥感影像变化检测方法实现的地类变化识别准确率可达80%以上,从而证明了该方法在土地监测调查工作中的可行性。     

基于高分辨率数据的云南土地调查监测研究

遥感影像变化检测是遥感应用研究的热点之一。针对土地调查监测工作,运用遥感影像变化检测方法,基于不同源卫星数据(Worldview-2、天绘)和同源卫星数据(高分一号),分别对云南省两区片地表覆盖物进行了不同时点地类变化的检测,完成了面积合计34km2范围内的遥感影像数据变化分析,并通过外业实地考察核准了变化检测结果,验证结果显示遥感影像变化检测方法实现的地类变化识别准确率可达80%以上,从而证明了该方法在土地监测调查工作中的可行性。     

多源全色影像与多光谱影像融合技术研究

随着遥感技术的发展,越来越多的不同类型遥感器被用于对地观测.这些多遥感器、多时相、多分辨率、多波段的遥感影像数据各自显示了其自身的优势和局限性.为了更加充分地利用这些数据为生产服务,遥感影像融合技术应运而生.通过应用几种不同的融合算法对不同传感器接收的多光谱和全色影像进行了数据融合实验,结果证明:通过影像融合.突出了2种数据各自的优点,为影像解译和影像分析提供了高质量数据.     

遥感影像在土地利用变更调查中的应用

遥感影像在土地管理中有相当广泛的应用。选用SPOT 5遥感影像为基础数据源,通过对天水市郊区影像数据进行重采样、几何纠正和影像融合,使融合后影像同时具有多光谱特性和高分辨率,提高影像的解译度。对融合后的影像进行人机结合的解译,并对解译后的分类结果进行了精度分析。结果表明,通过以上方法和步骤可以使遥感影像应用于土地变更调查。     

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.