南方地区复杂条件下的耕地面积遥感提取方法

针对我国南方地区植被类型复杂、地形复杂和地块破碎等原因导致耕地信息提取精度较低问题,提出了一种面向对象和CART决策树结合的复杂条件下耕地面积提取方法。以广西南宁市隆安县与武鸣县地区为研究区,采用Sentinel-2A影像,结合数字高程数据（Digital Elevation Model,DEM）及归一化植被指数（Normalized Difference Vegetation Index,NDVI）等多源数据,利用面向对象分割技术识别地块信息,然后以地块为单位采用CART（Classification And Regression Tree,CART）决策树分类法,依据不同地类的形状、光谱特征,提取研究区的耕地。结果表明：面向对象的CART决策树分类方法分类总体精度和Kappa系数分别为96.1%和0.94,相比较于未加入面向对象分割的CART决策树耕地信息提取总体精度提高Kappa系数提高0.54,面向对象的分割方法有利于减少复杂背景对耕地提取的影响。基于面向对象的CART决策树分类方法相比较于传统方法对研究区耕地信息的提取有较好的精确性,能够提高耕地信息的提取精度。     

基于GF-1遥感数据决策树与混合像元分解模型的冬小麦种植面积早期估算

我国西北地区耕地细碎,冬小麦种植面积提取时混合像元较多,所以将决策树和混合像元分解相结合可大大提高解译精度。以高时间分辨率及较高空间分辨率的GF-1卫星遥感数据为研究数据源。根据冬小麦和其他各类地物在不同时相数据上NDVI值的变化特性及特征值差异,建立决策树模型,快速高效地提取冬小麦像元。运用线性光谱混合模型,降低混合像元的影响,进一步精确提取冬小麦的种植面积。最后与实测样方的冬小麦种植面积数据进行比较,验证提取精度。结果表明:研究区内冬小麦种植面积提取精度达90%以上,Kappa系数接近0.8,可较为准确地反映出区域内冬小麦的分布情况。利用较高分辨率的遥感影像并结合决策树分类和混合像元分解可以较准确地提取耕地破碎地区作物种植面积,对开展早期农作物面积遥感监测有较大帮助。     

基于谐波分析和线性光谱模型的耕地信息提取

耕地是重要的农业资源,如何利用遥感技术快速准确地提取耕地信息是目前研究的热点。利用2000年MODIS/EVI时间序列数据提取关中地区耕地资源信息。以不同地类的EVI时间序列数据年内变化差异为分类依据,采用时间序列谐波分析法对全年时间谱EVI数据进行重构分析,减少噪音对信息提取的影响。经最小噪声分离变换(MNF变换)、纯净像元指数(PPI)计算以及N维可视化工具进行人机交互选取植被、耕地、城镇和水体4种端元,基于线性光谱混合模型,获取该地区耕地资源分布信息。通过与同年1∶10万土地利用数据对比验证,本研究提取的耕地总体精度为83%。研究表明：基于时间序列谐波分析法对EVI数据进行重构,利用不同地类的特征差异,采用混合像元分解的方法,可以精确获取耕地资源定量信息。该方法可为长期、大范围、动态的耕地分布和变化遥感监测提供技术参考,同时为国土资源管理部门提供决策支持。     

基于地形图构建DEM模型的方法研究

在地质调查工作中,地质工作人员常利用掌握的地形图作为参考数据,结合地质调查项目需求,将地形图中的等高线数据进行提取,并通过研究区的数据验证了逐点插入算法构建数字高程模型的效率和精度,选择合适的精度建立了研究区的数字高程模型,实现在三维空间模拟真实地形地貌特征,使地质工作者可以更直观地认识分析区域的地形特征。     

Sentinel-1A SAR数据在缅甸伊洛瓦底江下游区洪水监测中的应用

星载合成孔径雷达(Synthetic Aperture Radar,SAR)具有全天候、全天时、实时性和宽覆盖的观测优势,可以广泛应用于洪水灾情监测。2015年7月16日~8月12日,缅甸遭遇近40年罕见的洪涝自然灾害。为此,本研究基于灾前和灾中Sentinel-1ASAR的影像开展缅甸伊洛瓦底江下游地区洪涝淹没范围监测。首先通过分析水体和受淹植被区的雷达微波后向散射机理,分别建立了开放性水体和受淹植被两类淹没区提取模型;然后通过该模型利用灾前、灾中两期Sentinel-1A数据提取了2015年8月11日缅甸伊洛瓦底江下游地区特大洪水淹没范围;同时结合地表覆盖等地理信息,分析了淹没范围内的耕地受灾情况。结果显示,基于Sentinel-1ASAR数据本研究分别提取了伊洛瓦底江下游开放性水体和受淹植被两类淹没区。其中,耕地受灾面积达5 681.05km2,受灾严重。研究表明Sentinel-1ASAR在洪水灾害的淹没范围监测方面具有较大的应用潜力。     

基于知识发现的TM图像居民地自动提取研究

快速准确获取不同类型居民地的空间分布信息具有极其重要的意义,居民地的分布具有点多,面广的特点,这使得地面调查的方法费工费时,遥感技术的发展为居民地的获取提供了先进的技术手段,但是目前从遥感图像中提取居民地的方法多为目视判读提取,这种方法难以满足诸如灾害评估等方面的实时要求。为此以居民地背景较好的成都平原为例,通过对该区1988年的TM图像 不同类型居民地及其背景的光谱特征进行分析,发现了该区两大主要居民地类垢光谱特征知识,这两大类型分别为以水泥顶或瓦顶房屋为主的居民地,主要为城镇一级以上的居民地,另一类为以草顶为主的集村居民地,。由于城镇一级的居民地,其光谱特征与河滩地比较接近,为此又进一步引进了居民地与水体和道路的空间关系知识,利用所发现的知识分别建立了城镇居民地的提取模型和集村居民地的提取模型,实例研究表明,在民民地背景比较好的平原地区,利用这两种模型不仅可以实现自动提取以水泥顶或瓦顶房屋为主的居民地,而且还能够提取以草顶房屋为主的居民地,其精度可以达到85％。     

基于GF-1影像的耕地地块破碎区水稻遥感提取

耕地地块破碎区水稻遥感提取是作物监测研究的热点问题之一。以苏州市高新区为例，通过挖掘关键物候期水稻与下垫面水体光谱特征组合差异，基于分蘖期与齐穗期两景16 m分辨率的GF-1 WFV数据，构建归一化差值植被指数（NDVI）差值法、归一化水体指数和比值植被指数（NDWI-RVI）差值法提取水稻分布，并深入探究了水稻面积提取精度及空间重合度影响因素。结果显示：与非监督分类和监督分类方法相比，植被指数差值法水稻识别精度贡献率可提升30%以上，NDVI差值法提取水稻种植面积的精度、空间重合度、制图总体精度和Kappa系数分别为86.2%、66.1%、92.2%和0.72；NDWI-RVI差值法上述指标分别高达95.5%、78.4%、93.5%和0.846，实现了利用少量中高分辨率遥感影像精确提取耕地地块破碎区水稻分布的目的，可实际服务于太湖地区农业生产及相关决策支持。     

基于决策树的干旱区湿地信息自动提取——以疏勒河流域为例

以疏勒河流域为研究区,探讨了干旱区湿地的遥感影像自动提取方法。以Landsat 8卫星影像数据为主要数据源并辅以数字高程模型(DEM),利用改进的干旱区湿地指数(MAZWI)、归一化植被指数(NDVI)、地表反照率(Albedo)、灰度共生矩阵(GLCM)的非相似性分量等识别指数构建决策树模型,对研究区湿地进行提取,并将结果与最大似然分类结果进行对比。结果表明:该方法在一定程度上提高了湿地提取的精度,与最大似然分类结果相比总体精度和Kappa系数分别提高了6.52%和0.124。证明决策树法是干旱区水域湿地自动提取的一种有效手段。     

从TM影像中提取城镇建筑覆盖区专题信息的改进方法

选用TM影像作为城镇建筑覆盖区专题信息提取的数据源，在Bayes的最大似然法半自动提取城镇专题信息和建筑指数法自动提取城镇专题信息分类方法的基础上，通过二值逻辑演算，综合两种方法的分类结果，去掉不属于城镇的信息，得到真正的城镇建筑覆盖区专题信息。实验结果表明，改进后的分类方法，兼有自动与半自动的优点，其分类精度大大提高。特别是对于短期变化(如防洪区)较大、面积较大而复杂的研究区来说，这一方法的应用弥补了单一分类方法的不足。     

基于高分辨率影像数据的耕地信息提取应用研究

遥感影像地物信息丰富,使得直接通过影像获取耕地地块信息成为可能。本文介绍了以高分辨率遥感影像数据为基础图件,应用ERDAS、ARCGIS、eCogntion软件平台,通过非监督分类法、监督分类法和面向对象分类法分别对试验区域提取耕地信息的过程。试验结果表明,遥感技术是获取耕地信息提取的有效途径之一,监督分类进度为75．5％,面向对象法精度为90％。面向对象分类方法提取精度较高,效果最好。     

TM影像中居民地提取的决策树方法研究——以烟台市为例

以烟台市为研究区域,首先分析了居民地的影像特征,研究了居民地和背景地物在TM各波段上的光谱特征及可分性。进一步分析各地物的谱间结构特征,发现居民地和道路的TM3、TM5的光谱值比较接近。这一特征可用TM5-TM3相似文献   

基于多时相协同变化检测的耕地撂荒遥感监测

针对地表覆被复杂、地块破碎等原因导致的撂荒地提取精度较低问题,提出一种基于多时相协同变化检测的耕地撂荒信息提取方法。以河北省石家庄市鹿泉区为研究区,采用Sentinel?2A和Landsat 7多光谱影像,在野外样本的支持下,分析耕地各种覆盖类型的归一化植被指数（Normalized Difference Vegetation Index,NDVI）季相变化规律,以季节性撂荒、常年性撂荒、冬小麦、多年生园地为分类体系,构建多时相协同变化检测模型,开展研究区耕地撂荒状态遥感监测。研究结果表明：基于Sentinel?2A影像的季节性撂荒和常年撂荒耕地的分类精度分别为95.83%和96.55%;基于Landsat 7影像的季节性撂荒和常年撂荒耕地的分类精度分别为91.67%和93.10%;2019年鹿泉区季节性撂荒占耕地面积的4.7%,常年撂荒耕地占7.1%。利用该方法能够快速、准确地获取研究区耕地空间分布、面积等信息,对于不同分辨率的影像均具有较好的撂荒地提取精度。     

湖北省兴山县10 年土地利用/覆盖变化遥感监测分析

利用多平台遥感影像和地理辅助信息获取土地利用/覆盖信息是遥感应用的一个重要方面。选择三峡库区湖北省兴山县作为研究区域, 以两期TM 和SPOT 影像为土地利用/覆盖信息提取的遥感信息源, 并在分类过程中结合该地区的地理辅助信息。通过对分类结果分析, 林地和耕地是兴山县两大用地类型, 运用数据运算规则, 获取土地利用/覆盖动态转换矩阵, 对兴山县10 年间土地利用/覆盖变化趋势及引起土地利用/覆盖模式变化的原因进行分析和评价。     

Land Change Patterns and Driving Mechanism in Beijing since 1990 based on GEE Platform

Land-cover and land-use dynamics is a key component for global change,and it is a significant form of the impact of human activities on physical environment.Basing Google Earth Engine platform and Classification And Regression Tree method,selected seven types of cultivated land,forest,grassland,wetland,water body,artificial surface and bare land as classification system,the paper used Landsat 5 TM and Landsat 8 OLI images to interpret the land\|cover and land\|use since 1990 of Beijing.Simultaneously,the paper analyzed and summarized the character of land\|use changing and driving force.The results show that：(1) GEE has outstanding advantages in remote sensing data analysis and processing at regional scales.(2) The CART method has high accuracy of remote sensing classification,and the overall accuracy of validation of 6 land cover products is above 93%.The spatial consistency of 2010 products and GlobeLand30\|2010 data showed that the spatial consistency ratios of woodland,water body and cultivated land were 84.28%,74.75%and 73.56% respectively.The spatial consistency of the distribution is 74.0%.(3) The main land types in Beijing were cultivated land,woodland and artificial surface,and the area accounted for about 90%.During the period from 1990 to 2016,the artificial surface and woodland area increased,and the cultivated land and water were shrinking.The artificial surface area increase of 1 371 km²,and cultivated land shrinkage 40%;On Beijing plain area,artificial surface by the circle of “spread pie” expansion trend to “blossom everywhere” expansion trend;The expansion of the artificial surface is mainly achieved through the encroachment of cultivated land.We constructed a multidimensional stepwise linear equation model to analyze the driving force of land type change,indicated that rapid population growth,rapid economic development,government\|related policies and other socio\|economic development factors jointly drive the Beijing land-cover/land-use evolution process.     

基于Landsat 8卫星影像的北京地区土地覆盖分类

目的 土地覆盖分类能为生态系统模型、水资源模型和气候模型等提供重要信息,遥感技术运用于土地覆盖分类具有诸多优势。作为区域性土地覆盖分类应用的重要数据源,Landsat 5/7的TM和ETM+等数据已逐渐失效,Landsat 8陆地成像仪(OLI)较TM和ETM+增加了新的特性,利用Landsat 8数据进行北京地区土地覆盖分类研究,探讨处理方法的适用性。方法 首先,确定研究区域内土地覆盖分类系统,并对Landsat 8多光谱数据进行预处理,包括大气校正、地形校正、影像拼接及裁剪;然后,利用灰度共生矩阵提取全色波段纹理信息,与多光谱数据进行融合;最后,使用支持向量机(SVM)进行分类,获得土地覆盖分类结果。结果 经过精度评价和分析发现,6S模型大气校正和C模型地形校正预处理提高了不同类别之间的可分性,多光谱数据结合全色波段纹理特征能有效提高部分地物的土地覆盖分类精度,总体精度提高2.8%。结论 相对于Landsat TM/ETM+数据,Landsat 8 OLI数据新增特性有利于土地覆盖分类精度的提高。本文方法适用于Landsat 8 OLI数据土地覆盖分类研究与应用,能够满足大区域土地覆盖分类应用需求。     

基于GEE平台的海岛地表覆盖提取及变化监测—以苏拉威西岛为例

随着海洋在国家政治、经济、资源等方面重要性的提升,对海岛开发利用、管理和保护等具有重要意义的海岛地表覆盖研究逐渐受到关注。针对传统的大范围地表覆盖提取速度慢、效率低的问题,基于Google Earth Engine（GEE）地学大数据平台,以作为生态重点保护区的印度尼西亚的苏拉威西岛为研究区,开展海岛地表覆盖提取及变化监测研究。基于GEE平台对Landsat TM/OLI遥感影像进行辐射校正、影像去云、镶嵌裁剪等预处理,构建海岛地表覆盖分类体系（包括人造地表、裸地、水体、湿地、草地、林地、耕地7个类别）,采用随机森林（Random Forest, RF）算法提取2000~2018年苏拉威西岛地表覆盖信息,并从结构及类型变化、时空变化、动态变化3个角度分析苏拉威西岛地表覆盖的变化特征及变化驱动因素。研究表明：GEE在对海岛进行影像处理和地表覆盖信息提取方面具有处理数据量大、效率高的优势。随机森林分类精度较高,研究区2000年、2015年和2018年分类总体精度分别为91%、88%、85%,Kappa系数分别为0.89、0.86、0.82。变化监测研究发现苏拉威西岛的主要地类为林地和耕地,两者占整个海岛地表面积的85%以上。在2000~2018年期间受移民计划以及禁止非法砍伐政策的影响, 林地面积呈先减（减少7 982.29 km²）后增（增加9 079.17 km²）的态势,耕地面积不断萎缩（共减少14 267.35 km²）且主要流向林地、草地和人造地表。人造地表的变化最为活跃且其面积显著增加,主要驱动力为人口的迁移以及经济的发展。研究结果为生态型海岛的土地资源合理开发及应用、生态环境的保护、气候与环境变化等研究奠定了基础。     

TM 图像的城镇用地信息提取方法研究

从对城镇用地的遥感信息机理分析入手, 分析了城镇用地在Landsat TM 2、TM 3、TM 4、TM 5等各个波段上与其它地类的可分性。发现利用归一化植被指数NDVI 和归一化水体指数NDWI,设定合适的阈值, 能够有效地提取植被信息和水体信息, 得到二值化图像。由谱间结构特征可知, 城镇用地和裸地的TM 3- TM 2> 0, 城镇用地的TM 4- TM 3< 0, 而裸地的TM 4- TM 3> 0, 利用此特性可以区分城镇用地和裸地。对上述二值图像进行二值逻辑运算, 得到城镇用地专题信息。研究结果表明, 该方法的提取效率和精度都较高, 与监督分类法和屏幕数字化方法相比, 是一种行之有效的方法。     

基于遥感的干旱区典型绿洲LUCC研究

以干旱区典型的条带状且末绿洲为例,采用1973年MSS、1991年TM、2001年和2008年ETM+遥感影像为数据源,结合野外考察数据,选择适宜的分类指标体系,对遥感图像进行了监督分类,并获得了研究区土地利用/覆盖转移矩阵。 研究结果表明:近35 a 来耕地面积一直呈现出增加的趋势,增加了105.32 km²,耕地面积的增加量主要是由草地和林地的转化而来,是增加最快的土地利用类型;林地和草地面积一直呈逐渐减少的趋势,其中减少最多的土地类型是林地,减少了69.459 km²,林地面积的减少是由于林地转移草地、水体和耕地的比例超过草地转移林地的比例所致;草地面积减少了63.093 km²,主要是由一部分草地转移耕地、未利用地而引起;水域面积总体上有增加趋势,增加了22.073 km²,主要由草地和未利用地转移水体而引起;未利用地变化幅度不大,有缓慢增加的趋势,增加5.093 km²。     

基于面向对象方法的沙化土地遥感信息提取技术研究

针对基于像元光谱特征提取沙化土地信息分类精度偏低的问题,以Landsat\|5 TM为数据源,基于面向对象的方法对沙化土地遥感信息提取技术进行研究。首先采用多尺度分割法对影像进行分割以获得同质区域,然后结合野外调查数据制成不同地物类型的多种特征图,从而确定提取目标地物的特征并建立沙化和非沙化地物提取决策树,最后对影像进行模糊分类,并对分类结果进行精度评价。结果表明,基于面向对象提取沙化土地信息的总精度达84.89%,Kappa系数为0.8077。研究结果为后续深入研究奠定了基础。