基于分区决策树的乌达煤田土地覆被分类研究

精确的土地覆被分类结果是研究煤田火区生态环境变化的基础。本文基于Landsat8卫星遥感数据,依据地形特征、主体地物类型以及辐射特征,将乌达煤田分为五个子区。利用多光谱特征、高程、坡度和热辐射特性构建决策树模型,并分区实现土地覆被分类。分类结果表明,与传统决策树分类法相比,基于决策树法的分区分类方法总体分类精度提高了14.75%,Kappa系数增加了0.17,其准确性有了较大的提高。     

基于Landsat8影像的自然地表类型 自动提取及变化分析 ——以甘肃祁连山自然保护区为例

祁连山国家级自然保护区地处我国西北,生态环境薄弱,为快速掌控祁连山自然保护区的自然地理信息情况,更好地进行环境监测,应充分发挥遥感监测优势。文中选取Landsat8 OLI影像数据为基础数据源,结合Erdas Image和Arcgis对祁连山自然保护区进行自然地表类型自动提取和变化监测分析,通过选取最优波段组合,结合NDVI辅助对两期影像执行监督分类。结果表明此种方法可以简单快速求得保护区自然地表类型变化趋势,为保护区自然地表类型变化监测提供可靠技术支撑。     

基于纹理和支持向量机的GF-1图像土地覆被分类研究

高分一号卫星,简称GF-1,是中国自主研发的高分辨率遥感卫星,高分辨率遥感图像包含较多的地物信息,广泛应用于土地覆被分类,但传统基于像元的分类方法在高分数据中应用效果不是很理想。为提高高分辨遥感图像的分类精度,以西北新疆喀什地区研究区利用GF-1图像进行土地覆被分类,利用灰度共生矩阵提取纹理信息,结合纹理信息利用支持向量机(SVM)进行分类,将结果与单源SVM分类和最大似然法分类进行对比分析,研究结果表明:结合纹理信息的SVM分类方法可以更准确地进行土地覆被分类,分类精度为93.74%;据源SVM分类精度为89.06%,最大似然法分类精度为86.79%。     

基于遥感技术的轩岗矿区农村居民点时空格局变化研究

文中以山西轩岗矿区农村居民点为研究对象,利用1986～2015年30年间的7期卫星遥感影像数据,通过监督分类和人工目视解译相结合的方法,对矿区土地进行分类并提取出农村居民点,通过对矿区农村居民点的时空变化规律进行研究,分析其变化的内在驱动机制和主要影响因素。     

草原煤矿城市土地覆被环境信息提取方法研究--以霍林郭勒市为例

土地覆被是近年来生态环境监测和研究的一个热点问题。文中针对草原煤矿城市的特点。提出了基于分类树和BP神经网络的土地覆被环境信息的提取方法，并利用CPS对结果进行了随机抽样验证，证明采用本方法是完全可行的。     

基于RS和GIS的重庆市高新区直管园土地覆被更新变化分析

重庆市高新区作为重庆最新规划重点建设区域,归属科学城范围,近年此区域土地覆被更新迅速,因此,定期分析其变化趋势对生态评估具有重要意义。文中以重庆市高新区直管园2000年和2020年两期Landsat TM影像为数据源,采用支持向量机的分类方法对影像进行分类,对获得两期土地利用数据做土地覆被转移矩阵和土地覆被动态度分析。结果表明,20年间该区域土地覆被变化较大,主要表现为:建筑用地、道路、草地和未利用裸地呈增加趋势,其中,建筑用地增长速度最快,年增长率达到2.94%;耕地、林地和水域面积不断减少,耕地面积减少最多,减少面积达102.64 km^(2);土地覆被动态度为1.9%,研究期间其土地覆被更新趋势较快。     

遥感技术在矿业开发密集程度分析中的应用

本文以河北省迁安市矿业开发密集地区为例,采用卫星遥感资料、地面调查与历史资料分析相结合的手段对景观演变及重建开展研究工作。采用遥感图像计算机解译和目视解译相结合的方法对迁安市TM图像资料进行解译;然后根据解译结果采用定量分析的方法进行景观要素团聚程度分析,结果表明迁安市矿业用地景观要素存在明显的团聚现象;在此基础上,首次采用模糊综合聚类分析法对矿业开发密集程度进行分析,确定景观生态研究范围,并绘制景观生态分类图。此研究对矿业开发密集地区生态可持续发展具有重要的理论意义和现实指导意义。     

基于CBERS-1数据的决策树分类方法研究

决策树是遥感图像分类中的一种类似树状的分层处理结构,特别对遥感图像的数据各维具有不同的统计分布和尺度时,用决策树分类法能获得理想的分类结果。论文是运用决策树算法对CBERS-1唐山市遥感数据进行分析,构建土地利用分类体系和数学模型,通过ENVI4.0完成分类。     

基于TM影像的商丘市区土地利用变化动态监测

土地利用/土地覆被变化是全球环境变化的重要组成部分和主要原因之一。利用遥感和地理信息系统软件,以1990年和2004年商丘市区Landsat TM影像为数据源,经主成分增强处理和NDVI分析,采用最大似然比法,结合人工目视解译对影像进行识别分类,获得了商丘市区两个时相的土地利用分类数据。结果表明:商丘市主要土地利用类型为耕地,1990年和2004年耕地面积分别为1 535.47 km2和1 327.33 km2,各占总面积的87.4%和75.55%;自1990年至2004年,共有212.75 km2耕地转为建设用地,耕地共减少了208.14 km2,约占1990年耕地的13.56%;至2004年,林地共增加了34 km2;建设用地增加约141.91 km2,增长率为74%,主要由耕地转化而来。使用综合手段进行遥感分类可以有效提高分类精度。     

基于高分一号特征优选的CART决策树面向对象分类研究

以陕西省神木县部分区域为研究区,采用国产高分一号影像数据,结合目视解译成果,研究基于多种特征的CART决策树面向对象分类,对研究区的地物类型进行自动提取。在训练样本一致的前提下,利用面向对象最邻近分类优化特征空间工具间接优化决策树特征空间,并与其分类结果相对比,证明CART决策树面向对象分类是一种高效、高精度的分类方法,尤其适用于大数据量的高分辨率遥感影像地物类型自动提取。     

浅论基于面向对象的遥感图像分类

传统的基于像素的统计特征的分类方法在处理高分辨率影像的分类问题上遇到了很大的困难.介绍了面向对象与基于像素的分类方法,探讨了基于面向对象的遥感影像的模糊分类方法在地物分类中的新思路.并且通过了展示利用ecognition进行的的一个分类实例,阐述了面向对象的模糊分类技术的软件应用.     

数字遥感图像解译分类方法研究

遥感技术的发展,使人类能够获得非常丰富的知识,扩大人们观察大自然的视野。但面临的问题是如何处理大量的数据,使之成为有用的信息。随着卫星遥感数据获取方法的飞跃发展,传统的遥感图像分类方法不但导致分类精度降低,而且会造成空间数据大量冗余浪费资源。因此,提出了一种利用基于密度和自适应密度可达聚类算法(CADD)的数字遥感图像分类方法。理论分析和实验结果证明这种方法能够有效地对遥感图像进行分类。     

基于Aster遥感影像的断裂构造信息及岩性信息提取研究

以研究区现有的地质资料为基础,以ArcGis和ENVI软件为平台,对ASTER数据进行预处理后采用多波段组合分析、滤波等图像增强处理方法,增强遥感影像信息表达。另外利用监督分类方法,对岩石影像单元进行分类,结合目视解译,提取与岩性特征和构造特征相关的地质信息,同时结合野外调查和常规地质资料综合分析,进行遥感地质解译,完成研究区1∶5万遥感解译地质图,建立遥感解译标志。     

SPOT-5影像在安徽省矿山地质环境遥感监测中的应用

通过图像预处理、几何纠正、影像融合、数字镶嵌和图像增强等影像处理方法,制作了安徽省SPOT-5遥感影像图,采用面向对象的分类解译方法,对矿山开采造成的地面塌陷、崩塌、滑坡和水体污染等地质环境问题进行了逐一解译。安徽省地面塌陷区主要集中在淮南、淮北和宿州市,滑坡主要分布在露天开采的铁矿、石灰岩矿和方解石矿区。表明SPOT-5遥感影像数据能够有效地应用于矿山地质环境调查。     

3S技术在矿山生态环境影响评价中的应用

总结了3S技术在环境影响现状调查阶段、环境影响与预测阶段的应用,并以广西某稀土矿为例进行应用。现状调查阶段,采用全球定位系统技术获取地面控制点,便于遥感数据的几何校正。同时了解矿区环境实际现状,对问题形成的原因进行调查。影响与预测阶段,以遥感数据为基础,采用目视方法和计算机监督分类方法的有机结合,得到适宜精度的分类图件,主要包括土地利用分类图、植被类型图等基本生态图件,最后通过野外调查验证解译精度。     

TM图像的矿区土地资源分类体系的建立与信息提取

以多时相TM图像为数据源，分析矿区土地资源的主要演变形式，参考国家标准分类体系，提出了适合于沈阳矿区的土地资源监测分类体系.结合前人的研究成果，分析地物在TM图像上的灰度变化、空间关系及结构变化，对矿区水体、建设用地、绿地和耕地、塌陷地分别进行了模型提取研究.并采用GIS支持下的分层变化信息提取方法，通过建立知识及决策树模型对信息进行变化检测，检测结果完全能够满足对矿区土地资源演变分析的精度要求，且均采用半自动的提取模型与知识决策树提取方法，简单易行，方便GIS数据管理与分析.     

引入SPP的高分辨率遥感影像深度学习分类方法

当前,深度学习技术与传统的面向对象技术相结合的分类方法已经较好地应用于高分辨率遥感影像的分类任务当中,但是仍存在如下问题:高分辨遥感影像地物目标复杂,依靠单一数据源进行分割效果不佳;标准的卷积神经网络只能接受固定尺寸大小的输入,分割对象在拉伸变形至固定尺寸的过程中会造成信息的损失.该文首先结合DSM数据进行协同分割,获得更佳的分割结果;然后将空间金字塔池化层(Spatial Pyramid Pooling,SPP)引入卷积神经网络中,构建了一种能接受任意尺寸输入的深度学习面向对象分类模型,从而令分割对象的特征表达更完整,以提高影像分类精度.实验结果表明:引入空间金字塔池化层的高分辨率遥感影像深度学习分类方法,可有效提高影像分类精度,进而得到更加真实可靠的分类结果.     

基于深度学习和遥感影像的露天矿自动提取方法研究

非法开采不仅危害国家资源,威胁国家财产安全,也存在重大安全隐患,寻找快速发现非法开采行迹的解决办法迫在眉睫。利用光学遥感影像进行人工解译,费时费力、效率极低;而传统的露天矿遥感自动解译方法,或基于像素,或基于面向对象,利用的图像特征简单且数量较少。将深度学习的全卷积神经网络算法引入露天矿自动提取中,充分从底层特征中挖掘大量高层抽象特征,实现露天矿智能高效解译。实验结果表明,该方法在一定程度上有效提高了露天矿识别的准确率,能够为及时发现非法露天矿开采提供基础的数据技术支持。     

露天煤矿生态环境遥感监测与评价方法研究——以霍林河一号露天矿为例

本文基于不同空间分辨率、时间分辨率的遥感影像,结合地面踏勘和GIS分析,建立新的露天煤矿开采生态影响评价方法体系.该体系针对不同尺度的评价对象,构建不同监测方法和指标体系.对于排土场等小范围,采用分辨率在2～5m精度的遥感数据监测;对于区域土地利用变化,采用20～30m分辨率的遥感影像,解译后进行空间分析,计算土地转换矩阵;对于区域植被覆盖度,采用NDVI指数建立方程计算;对于区域植被长时序变化,分析LAI长时序动态变化.以霍林河一号露天矿为例研究表明,该体系能较为客观、准确、全面的评价矿区生态的变化特征,弥补了矿区生态很难定量、客观监测和评价的不足,为矿区生态恢复奠定基础.     

基于遥感技术的太原市万柏林区采煤用地信息提取

文中以太原市万柏林区为研究区,以采煤用地为信息提取目标,通过对TM影像进行预处理、监督分类、野外核查和信息统计,掌握了太原市万柏林区的采煤用地现状,得到了太原市万柏林区采煤用地遥感解译分布图。通过野外核查,该次工作的解译总体精度为98.597%,Kappa系数为0.9775,完全符合遥感解译信息提取要求。