基于HJ-1A/B卫星CCD数据的土地宏观监测试验研究

对HJ-1A/B卫星CCD数据质量进行分析,并采用人工解译和计算机自动分类两种方法进行土地利用信息提取试验研究。结果表明,HJ-1A/B卫星CCD数据能够满足制作1∶100 000比例尺数字正射影像图的平面精度要求,可用于不大于1∶100 000比例尺的土地利用宏观遥感监测。
     

IRS-P6卫星在土地利用动态遥感监测中应用的潜力分析

摘要: 为探索新的数据源, 研究了IRS-P6卫星在土地利用动态遥感监测项目中的应用潜力并进行分析, 就IRS-P6 影像在最大成图比例、最小响应图斑面积、地类可解度、地类解译精度等方面进行试验, 通过试验并根据土地利用动态遥感监测项目的技术要求可知, IRS-P6 卫星影像可以用来制作1∶2. 5 万、1∶5 万等中等比例尺的图件, 更新或者辅助更新1∶2. 5 万、1∶5 万的土地利用现状图, 在土地利用动态遥感监测中有一定的应用潜力。     

“北京一号”小卫星数据在天津市土地利用动态变化监测中的应用

应用“北京一号”小卫星CCD 数据进行天津市2000～ 2005 年土地利用动态变化监测, 研究该数据在土地利用研究领域所具有的实用性和效果。结果表明,“北京一号”小卫星遥感影像, 光谱信息丰富, 纹理结构清晰, 整体判读情况良好, 能够满足中等比例尺成图要求, 在土地利用研究领域具有实用性, 可以在土地利用ö土地覆盖的研究中广泛使用, 成为遥感数据更新的一种新数据源。动态监测显示, 2000～ 2005 年天津市不同土地利用类型之间相互转化明显。整体表现出了城镇用地通过占用近郊的耕地和其它类型用地而迅速扩展、城镇化过程显著以及不同土地利用类型之间转化明显等基本特征。     

基于多分类器集成的“北京一号”小卫星遥感影像分类研究

将多分类器集合应用于"北京一号"小卫星多光谱遥感数据土地覆盖分类,首先构建分类器集合,应用最小距离分类、最大似然分类、支持向量机(SVM)、BP神经网络、RBF神经网络和决策树等进行土地覆盖分类,然后利用Bagging、Boosting、投票法、证据理论和模糊积分法等分类器集成方法,得到综合不同分类器输出的最终分类结果。试验表明,多分类器集成能够有效提高"北京一号"小卫星土地覆盖分类的精度,具有广泛的应用前景。     

基于国产小卫星遥感数据的矿区土地覆盖与景观格局变化研究

采用北京一号小卫星和环境与灾害监测预报小卫星遥感数据,对徐州西矿区2008年～2009年土地利用/覆盖及景观格局变化进行分析。通过对4种分类方法的比较,选择精度最高的决策树分类图进行分析。试验表明:采矿活动导致徐州西矿区植被面积下降明显,大部分转为建筑用地;同时,矿区土地复垦使塌陷积水面积减少;区域景观破碎化程度有所下降,斑块的形状趋于规则化,景观多样性减小。评价变化检测精度,结果表明:国产小卫星遥感数据能有效地应用于矿区土地利用/覆盖及景观格局变化监测。     

利用航天遥感资料更新地图数据和数据库

本文介绍利用航天遥感资料更新１∶２５万比例尺地图数据和数据库的方法及工艺流程。采用中国测绘科学研究院研制的ＤＩＰＮＥＴ软件，在ＨＰ、ＳＵＮ工作站或高档微机上，对ＴＭ多光谱图像进行遥感图像处理、分类、几何纠正；与１∶２５万比例尺分版扫描数字化后的二底图叠加，进行图像、图形综合分析。利用航天遥感图像现势性强的特点，在卫星影像上进行屏幕数字化和矢量化，经过人机交互判读、编辑、修改，获取１∶２５万比例尺分版单要素的地图数据，直接对地图数据和数据库进行更新，一旦高分辨率（３米至１米）卫星发射成功，就能用上述方法进行１∶２．５万甚至是１∶１万比例尺的地图数据更新。     

基于遥感的土地利用与覆被分类系统评述及代码转换

根据国土资源部“构建国家级土地利用和覆被变化数据库及服务体系”项目的部分研究内容，简要地评述了国内外最具代表性的基于遥感数据源的土地利用与覆被分类系统——美国1：25万土地利用与土地覆被分类系统、中国科学院土地资源分类系统，并与该项目研制的基于中分辨率卫星影像的国家级土地利用与覆被分类系统进行了比较，给出了分类代码的相互转换关系，以便用户使用和查询。     

联合快舟一号影像纹理信息的城市土地覆盖分类

仅依靠光谱信息无法满足高分辨率遥感分类的应用需求,辅之以纹理特征信息进行分类,可提高影像分类精度。利用KZ\|1卫星影像和Landsat\|8卫星影像数据,基于面向对象的影像分割法和灰度共生矩阵纹理分析法对新疆石河子市局部城区进行了地表覆盖分类实验,将不同空间分辨率的全色影像纹理信息、光谱信息构成多种影像特征组合进行分类比较研究,以选择最佳的分类特征集。结果表明:KZ-1影像能为城市区域的土地覆盖分类提供丰富的纹理信息,面向对象的影像分割可较好地利用高分辨率数据的几何结构信息实现优化的影像分割,从而提高多光谱影像的分类精度,总体分类精度为90.06%,Kappa系数为87.93%,比单纯利用光谱信息分类的总体精度提高了8.02%,Kappa系数提高了9.65%,表明KZ\|1数据可为光谱分类提供丰富的纹理信息,从而提高城市区域的土地覆盖分类精度。     

基于遥感与GIS的黄土丘陵半干旱区土地利用定量化研究-以中国定西县为例

研究区域为典型的黄土丘陵沟壑半干旱区,以中国定西县为例。从1990年和2000年的Landsat TM影像图中提取两个时段的土地利用图,包括9种土地利用类型。从1∶10万的等高线数据中提取坡度数据。参考景观生态指标,我们选择或修改了10个指标实现定量化土地利用特征,动态监测土地利用变化,并分析地形与土地利用和土地利用变化的关系及土地利用变化与政府政策之间的关系。结果表明:①所选择的指标可以量化中国典型的黄土丘陵半干旱区土地利用及其变化特征,当转移矩阵采用不同的基数,可以体现不同的转换的量的特征;②土地利用与土地利用变化在不同坡度的空间分布上有很好的规律性;③政府政策是土地利用变化的主要驱动力因素,包括梯田改造、集雨工程和退耕还林还草。     

天宫一号高光谱成像仪数据与环境星CCD数据分类效果比较研究

本文以北京市通州区为例,利用最短距离法、最大似然法和支持向量机3种分类方法分别对天宫一号高光谱成像仪数据与HJ-A星CCD数据进行监督分类,通过比较分类结果发现,天宫一号高光谱成像仪数据在样本可分性度量、目视效果及分类精度3个方面均优于HJ-A星CCD数据,在土地利用类型分类应用中具有显著优势。     

基于MODIS温度和植被指数产品的山东省土地覆盖变化研究

地表温度(LST)与归一化植被指数(NDVI)构成的NDVI-Ts特征空间具有丰富的地学和生态学内涵。MODIS数据因其优越的时间分辨率、波谱分辨率,已被广泛地运用于各个领域。在本研究中,运用遥感技术和GIS技术相结合的手段,利用NASA提供的MODIS温度产品和NDVI产品,以山东省土地利用图、山东省TM遥感影像图和基于3S技术的山东省森林资源调查项目的外业调查数据为参考和评价标准,以NDVI-Ts时间序列为指标,在进行土地覆盖分类的基础上,分析比较了山东省土地覆盖从2000年到2006年的变化情况。研究结果表明,利用MODIS产品将NDVI-Ts时间序列作为分类特征,在较大尺度范围的土地覆盖分类中具有较高的分类精度,有利于对土地覆盖变化进行动态监测。     

混合多分类器结合算法在遥感影像分类中的应用研究*

为了提高遥感影像分类精度,从抽象级和测量级的两个层次出发,提出混合多分类器结合算法。该算法利用不同子分类器的分类结果及对各类别的分类精度,设定单个类别精度的阈值,选择最优子分类器,得到部分类别的最终分类结果;然后使用基于抽象级Bagging算法和测量级上的最大置信度进行多分类器结合。该算法应用于北京1号遥感影像的分类研究,结果表明该算法的总体精度和单个类别的分类精度比选用的子分类器都有明显的提高,是一种新的有效算法。     

航空像片数字图像土地利用分类和制图

通过利用黑白航片编制一个乡的土地利用现状地图为例，介绍航片数字图像计算机分类和制图的具体方法、步骤。为了提高分类精度，采用构造＂多波段＂图像的途径以增加空间信息。在计算机分类过程中地理分析法仍然起着主导作用。分类图像经过几何纠正具有精确的数学基础，可与同比例尺地形图基础要素配准，分类图像数据与地形要素数据复合，用彩色扫描绘图机可直接绘制高质量的土地利用现状专题地图。     

Integration of IRS-1A L2 data by fuzzy logic approaches for landuse classification

A methodology has been formulated to integrate images from IRS-1A LISS II of two dates for landuse/landcover classification. The methodology developed includes image classification by fuzzy k-means clustering and fusion of memberships by fuzzy set theoretic operators. The two date images have been geometrically coregistered and classified for the identification of land classes individually. The fuzzy memberships of the classified output images have been integrated by using fuzzy logic operators like algebraic sum and gamma (gamma) operator. The classification accuracy of the resultant land classes in the integrated images was verified with the ground data collected in situ. The resultant images have been evaluated by kappa (kappa) statistic and it was found that output from the image of fuzzy algebraic sum operator scored high in generating the land classes, with an overall accuracy of 95%.     

基于遥感和陆表信息集成的广东省土地覆盖分类方法研究

土地覆盖信息是估算地-气间的生物物理过程和能量交换的关键参数,也是区域和全球尺度气候和生态系统过程模型所需要的重要参量。如何高效地利用遥感数据提取土地覆盖信息是当前研究迫切需要解决的问题。面向对象的分类方法不但充分利用了遥感数据的光谱信息,同时也利用了影像的纹理结构信息和更多的地物分布信息关系,在遥感分类中具有较大的潜力。研究基于2010年多时相的环境卫星数据、TM数据以及DEM数据,并结合地表采集的4000多个样点数据,采用面向对象的分类方法对广东省土地覆盖进行分类。经采样验证,广东省土地覆盖平均精度为85%,分类结果精度远高于常规的分类算法,说明结合陆表信息的面向对象分类方法比常规的分类算法更具有优势,可以实现高精度的土地覆盖分类。     

Sub-pixel land cover mapping for per-field classification

A method was developed to transform a soft land cover classification into hard land cover classes at the sub-pixel scale for subsequent per-field classification. First, image pixels were segmented using vector boundaries. Second, the pixel segments (ranked by area) were labelled with a land cover class (ranked by class typicality). Third, a hard per-field classification was generated by examining each polygon (representing a land cover parcel, or field) in its entirety (by grouping the fragments of the polygon contained within different image pixels) and assigning to it the modal land cover class. The accuracy of this technique was considerably higher than that of both a corresponding hard per-pixel classification and a perfield classification based on hard per-pixel classified imagery.     

基于高分辨率遥感影像的土地利用变化监测

利用遥感影像进行土地利用变化监测,在国内已经有众多相关应用的尝试。但是受到遥感影像分辨率的影响,能满足1∶1万土地利用变化的应用还较少。以浙江省湖州市东林镇域内一块试验区为例,阐述了利用SPOT5高分辨率遥感影像进行1∶1万土地利用变化的方法、过程,同时给出了实验结果,进行了该应用的可行性讨论。     

Land‐use classification of multispectral aerial images using artificial neural networks

During the past decade, there have been significant improvements in remote sensing technologies, which have provided high‐resolution data at shorter time intervals. Considerable effort has been directed towards developing new classification strategies for analysing this imagery, but the use of artificial intelligence‐based analysis techniques has been somewhat limited. The aim of this study was to develop an artificial neural network (ANN)‐based technique for the classification of multispectral aerial images for land use in agricultural and environmental applications. The specific land‐use classes included water, forest, and several types of agricultural fields. Multispectral images at a 1‐m resolution were obtained for the state of Georgia, USA from a Geographic Information Systems (GIS) data clearinghouse. These false‐colour images contained green, red and infrared true‐colour information. Three approaches were used for the preparation of the inputs to the ANN. These included histograms of the pixel intensities, textural parameters extracted from the image, and matrices of the pixels for spatial information. A probabilistic neural network was used. Seven hundred images were used for model development and 175 for independent model evaluation. The overall accuracy for the evaluation data set was 74% for the histogram approach, 71% for the spatial approach and 89% for the textural approach. The evaluation of ANNs based on various combinations of all three approaches did not show an improvement in accuracy. We also found that some approaches could be used selectively for certain classes. For example, the textural approach worked best for forest classes. For future studies, edge detection prior to classification, with more careful selection of each class, should be included for land‐use classification of multispectral images.