高分辨率遥感影像在水系分类中的应用

高分辨率遥感影像中水系的有效提取,对于实现快速、高效、范围广的整体水系监测是必不可少的。针对山西浑源县的遥感影像,选择最合适的分割尺度和最佳的光谱因子与形状因子(紧致度和光滑性)利用易康软件进行了多尺度分割和面向对象的分类,选取对象的光谱属性信息中的Brightness和对象的几何特征中的length/width两个特征,分别采用最邻近分类法和隶属度函数法进行分类,将遥感影像分为水系和其他地类两种情形。结果表明,面向对象的分类结果要比单纯依靠光谱信息的基于像素的分类方法的结果好,形成的分类结果图更符合人的思维方式。与第二次全国土地调查成果图对比结果和本次分类结果得出的最佳分类结果概率,均表明了最邻近分类法在水系分类中更能准确的进行分类。     

基于光学和雷达图像的土地覆被分类

为寻求一种有效的提高多源遥感数据土地覆被分类制图精度的方法,探讨了融合HJ1B和ALOS/PALSAR图像进行遥感图像分类制图的方法。在对光学图像HJ1B和雷达遥感数据ALOS/PALSAR进行离散小波融合的基础上,应用分类决策树CART(Classification and Regression Tree)算法对融合的图像进行了土地覆被分类制图,并将其分类结果与支持向量机SVM（Support Vector Machine）分类结果进行对比。研究结果表明：将光学和雷达图像数据进行离散小波融合,采用分类决策树CART和支持向量机SVM进行图像分类,CART的分类精度要优于SVM的结果。可见,在光学图像HJ1B和雷达数据ALOS/PALSAR融合的基础上,应用CART能有效进行地物识别,提高图像的分类精度。     

面向对象的国产GF-1遥感影像水体信息提取研究

鉴于传统方法在提取高分辨率影像中水体信息的不足,以高分辨率国产卫星GF-1 2m/8m遥感影像为数据源,以特克斯河部分区域为研究区,通过分形网络进化算法实现影像分割并借助ESP尺度分割工具选取特定地物的最优分割尺度,随后使用基于规则的面向对象方法实现了水体信息的精度提取,并与传统的分类方法提取结果进行比较。结果表明:面向对象的总体分类精度达到了94.01%,Kappa系数为0.86;最大似然分类精度为90.00%,Kappa系数为0.80;面向对象的分类方法对国产GF-1影像是可行的,可以避免"椒盐"现象和图斑破碎,且分类精度比传统的方法高,可为国产高分影像研究与应用提供科学参考。     

基于遥感图像的山地冰川识别方法对比

研究识别山地冰川面积对预测全球气候变化和洪水灾害具有重要意义。在总结国内外山地冰川识别方法的基础上,以各拉丹冬冰川及其周围冰川群作为研究对象,基于有关遥感数据对比分析了目前计算冰川面积的9种主要方法,包括比值法、雪盖指数法(NDSI)、非监督分类方法、监督分类方法、面向对象分类方法和神经网络分类方法,并基于混淆矩阵对这些分类方法进行了精度评价。结果表明:神经网络分类方法的总体分类精度为99.372%,比值法和NDSI的总体分类精度分别为99.370%和99.359%,最大似然分类方法、SVM分类方法和面向对象分类方法的总体分类精度均高于98%,最小距离分类方法的漏分率最高为34.51%,非监督分类方法的漏分率和错分率分别为11.07%和11.31%。试验结果表明:神经网络分类方法的整体冰川提取效果好,可以区分水体、积雪和冰;比值法和NDSI识别裸冰效果好,但无法区分水体和冰。最大似然分类方法、SVM和面向对象分类方法的整体冰川提取效果较好;最小距离分类方法容易将部分冰川区域漏分为非冰川区域;非监督分类方法容易错分冰川区和非冰川区。     

面向对象的ETM+影像分割尺度与水体信息提取

采用面向对象的影像提取方法,以ETM+影像作为数据源进行水体提取。首先对影像进行分割,获取影像对象,分割时探究提取水体时影像的最优分割尺度;然后对分割生成的影像对象运用ENVIFX工具建立规则集并对水体进行提取。对比面向对象的方法和传统最大似然分类方法的水体提取结果表明:面向对象方法提取水体的总体精度、Kappa系数、生产者精度、用户精度均明显高于传统方法。     

面向对象的高分辨率遥感影像分类在水土保持监测中的应用研究——以某公路工程为例

在分析高分辨率遥感影像特点和长线生产建设项目水土保持监测难点的基础上,从面向对象遥感影像分类方法出发,阐述在水土保持监测不同过程的技术要点,以某公路工程为研究对象,构建基于高分辨率遥感影像面向对象分类方法的生产建设项目水土保持监测技术与方法。     

基于eCognition的土地利用遥感影像自动提取研究

遥感监测是开展区域水土流失动态监测的重要手段。对同一地区不同时期遥感影像进行影像分类,对比分析两期分类结果可以实现对土地利用等水土流失影响因子的动态监测。传统方法通常采用人工目视勾绘法获得土地利用分类结果,耗时耗力且效率不高。以同一地区不同时期的遥感影像为对象,基于eCognition软件平台,采用多尺度分割和面向对象分类方法快速获取了影像分类结果。结果表明,该方法分类精度较高,能有效提高工作效率。     

石佛寺流域洪水分类预报研究

石佛寺水库是辽河干流唯一的控制性水利工程,防洪任务十分艰巨。为了提高洪水预报精度,文中建立了基于综合信息的模糊推理洪水分类预报模型,并以松树子单元为例进行研究。结果表明,采用分类洪水预报可以有效提高洪水预报精度。     

基于面向对象分类技术的小流域土壤侵蚀遥感监测方法研究

以云南省澄江县尖山河小流域为研究区,以2002年IKONOS和2006年快鸟（QuickBird）高分辨率影像及1：10000地形图为数据源,以面向对象影像分析软件Definiens professional5为技术平台,研究提出了基于面向对象分类技术的小流域土壤侵蚀遥感监测方法。在该方法中,面向对象遥感影像土地利用分类方法和基于植被对象的林草植被覆盖度计算方法是关键技术。并将这种新方法应用到研究区,对研究区2002年和2006年的土地利用类型进行了分类,计算分析了林草植被覆盖度,并在叠加坡度因子后分析获得了研究区2002年和2006年的土壤侵蚀强度图,实现了小流域土壤侵蚀动态变化遥感监测。监测结果表明：2002年至2006年,研究区坡耕地和荒山荒坡面积急剧减少,乔木林和梯地面积急剧增加,林草地面积及其植被覆盖度也大为提高,土壤侵蚀面积大幅度减少,侵蚀强度明显减轻,小流域综合治理已经取得了显著成效。     

高分辨率遥感影像梯田快速提取方法研究进展

通过对常用高分辨率影像的参数、软件及特征指标等进行系统总结和整理,分析了梯田信息提取技术的特点和难点,并将目视解译法、基于象元提取法和面向对象提取法提取梯田信息的效率、精度、优缺点进行了比较。面向对象法提取效率和精度都较高,因此是目前高分辨率影像分类提取的发展趋势。     

基于多源数据的半监督分层土地利用分类

随着遥感技术的发展,遥感数据的光谱、空间分辨率得到很大程度的提高,但是对于仅依靠单一数据源的土地利用分类仍然存在很多问题。提出了一种融合LiDAR数据和高分辨率航空影像的土地利用半监督分层分类方法,即首先仅对LiDAR数据进行粗分类;其次根据LiDAR分类结果辅助选择训练样本并获取高程掩膜,采用最大似然法对航空影像进行中分类;在细分类层次中利用LiDAR数据建立判别规则,对LiDAR粗分类结果与影像中分类结果进行基于知识的交叉验证,以进一步提高分类精度。通过两个不同区域的数据验证了半监督分层分类方法的可行性。     

滇中高原湖泊区地表覆盖遥感监测应用研究

本文以滇中高原湖泊星云湖流域为对象,Landsat 8号卫星的OLI影像为研究的主要数据源,并进行外业的遥感调查,以安德森分类系统为地表覆盖分类体系,分别使用监督分类、BP神经网络和面向对象3种分类方法对星云湖流域内的地表覆盖进行遥感分类识别,并对这3种不同的分类方法所得到的分类结果进行对比评价。实验表明:传统监督分类的总体精度为78.03%,而BP神经网络和面向对象两种方法总体精度分别为88.70%和92.76%,其Kappa统计量也达到了0.8572和0.9060,满足了该流域环境演变综合研究的需要。     

清河水库洪水分类预报方法研究

采用当前先进的洪水分类预报方法，在流域长系列资料中将非标准洪水提出来，根据其成因不同对其采用人工神经网络分类，利用遗传算法进行参数优选，然后根据洪水特征，选择不同的模型参数和规则进行洪水调度，从而提高水库预报调度精度。     

基于神经网络与遗传算法的洪水分类预报研究

针对水文模型参数的不确定性,对洪水进行分类预报,不同类型洪水采用不同预报参数,旨在提高洪水预报精度。基于BP神经网络模型,依据分类因子选取原则,选取6项具有代表性的影响因子作为模型输入,可将洪水划分成高、中、低3类。基于遗传算法,对3类洪水进行参数率定,获得3组不同的参数组,最终利用训练好的分类预报模型实现不同类型洪水的变参数预报。以大伙房水库25场历史典型洪水进行实例验证与分析,结果表明:分类预报结果的洪峰误差、峰现误差、确定性系数及典型洪水过程的拟合效果明显优于分类前。经训练后的基于BP神经网络与遗传算法的洪水分类预报模型可较好适用于大伙房水库,结果更贴合实测值,效果整体上优于分类前,方法可行、有效。     

基于机器学习的雨型分类研究：以淠河流域为例

【目的】为了提升洪水预报方案的科学性和精度,开展降雨雨型分类,制定不同雨型的预报方案并实施作业预报是一条有效的技术路线。【方法】基于淠河流域2003—2021年37个雨量站逐小时降雨观测数据,利用业界公认的动态时间规划(DTW)算法进行场次降雨雨型分类并作为基准分类结果。在此基础上,分别选取决策树(DT)、长短期记忆神经网络(LSTM)、LightGBM、支持向量机(SVM)四种机器学习方法建立分类模型并检验分类效果。通过调整样本规模,分析不同样本容量对分类效果的影响。【结果】结果表明：四种分类模型中,LightGBM分类精度最高且训练速度快,LSTM和SVM分类精度良好但训练效率相对较低,DT方法分类速度较快但分类精度相对较低。随着样本规模的增大,分类结果逐步稳定,四种方法的分类效果和训练效率逐步提升。【结论】结果验证了机器学习方法在降雨序列雨型分类中具有较强的适用性,可为洪水预报方案分类构建提供技术支撑。     

洪水分类预报在清河水库防洪调度中的应用

在大型水库的预报调度工作中,预报历史和近期预报值误差较大的洪水时,难以把握计算精度,使得洪水预报结果误差偏大,洪水调度难度增加.本文采用洪水分类预报方法,将洪水根据其成因不同进行分类,用不同的预报模型或动态优选预报参数进行洪水预报,提高了水库洪水预报的整体精度和时效.     

洪水分类预报方法的探讨

根据现代预报所存在的问题,结合工程实际,采用当前先进的分类预报方法,在流域长系列资料中将非标准洪水提出来,根据其成因不同将非标准洪水采用人工神经网络分类,利用遗传算法参数优选,然后根据洪水特征,选择不同的模型参数和规则进行洪水调度,从而提高了水库预报调度精度,取得显著的经济效益和社会效益.     

基于空区推论的空间负荷预测分类分区实用法

目前对无历史数据的新老城区空间负荷预测,一般采用分类分区法,所有同类小区基于统一的分类负荷平均密度预测其负荷。针对这一不足,基于空区推论的思想对分类分区法进行了改进,提出现有面积（不含新城区）上的分类总负荷减去有历史负荷数据的老城区的负荷即得到无历史负荷数据的同类老城区的总负荷;同理,规划面积（含新城区）上的分类总负荷减去现有面积上的分类总负荷即得到同类新城区总负荷,再结合面积算得无历史数据的新老城区的平均负荷密度,进而预测其负荷分布。这样使得有、无历史数据的老城区和新城区采用不同的负荷预测思路以提高其预测精度。该方法几乎不增加收集原始数据的工作量或附加的数据较易获得。最后通过实例说明了该方法的实用性和有效性。     

基于时空遥感影像融合的河套灌区作物提取

充分利用高空间分辨率和多时相遥感影像优势,提出一种时空影像融合的灌区作物提取方法。以河套灌区为例,通过分析不同作物物候差异及其在Sentinel-2卫星影像的归一化植被指数(NDVI)时序数据的特征表现,优化选取作物物候差异大的时相组合,利用Gram-Schmidt影像融合方法对优选影像与2 m高空间分辨率全色影像进行图像融合,生成时空融合影像。基于时空融合影像进行面向对象图斑分割,结合作物物候差异分析构建分类规则并进行河套灌区作物提取,评价分类精度。结果表明,时空遥感影像融合技术可以增强灌区作物识别能力,分类总体精度为94.8%,Kappa系数为0.921,可为灌区用水精细化管理提供基础数据。     

基于多模态分类模型的芦山地震滑坡易发性评价

为提高地震滑坡易发性评价精度,从多模态数据融合角度提出一种新的地震滑坡易发性评价模型。以芦山地震为例,从多源数据中提取15种滑坡影响因子,将这些影响因子按4种不同类型的模态数据进行融合;以斜坡单元为评价单元,利用多模态分类模型评价地震滑坡易发性,并与逻辑回归模型比较;最后分别采用基于受试者工作特征曲线和区划滑坡灾害点密度2种精度评价方法对评价结果进行检验。结果表明,基于多模态分类模型的地震滑坡易发性评价结果具有更高的精度,其评价结果的曲线下面积、高易发区-极高易发区的滑坡灾害点密度分别为0.86、2.24个/km²,均优于逻辑回归模型,表明该模型在区域内具有较好的适用性。研究结果从数据融合角度为提高地震滑坡易发性评价精度提供了新思路。