环北京地区资源与生态环境遥感监测研究

以环北京地区作为实施《全国资源与生态环境综合监测系统建设方案》的首批重点监测区，在论述环北京地区资源与生态环境遥感监测重要意义的基础上，提出了环北京地区资源与生态环境遥感监测的主要内容，研究分析了进行环北京地区土地利用／土地覆被及其变化、土地退化和生态环境建设状况监测的信息提取方法和辅助影像判别信息，从而进一步提高遥感影像判读的准确度。     

基于RS和GIS的地面温度和土地利用/覆被关系研究进展

对地面温度和土地利用／覆被关系的研究，不仅能够深入理解土地利用／覆被变化下城市热环境变化的空间特征和动态变化，而且可为防暑降温、市政建设及土地合理规划和利用提供重要的科学依据。本文从遥感数据的获取、地面温度的反演、GIS技术的运用以及定量研究等方面详细论述了国内外此领域的研究进展。最后文章提出此研究领域存在的一些问题和今后工作所要继续努力的方向，如实现地面温度的精确反演，获取多时段的地面温度数据，加强RS和GIS技术的结合，进一步深入两者关系的定量研究。     

太湖湖滨敏感区的土地利用遥感分类研究

近年来太湖流域水体污染日趋严重,土地利用是重要的环境变化影响因子,对太湖湖滨敏感区土地利用分类研究具有重要意义。研究基于2010年ALOS多光谱遥感影像,以太湖流域上游的武进港、直湖港流域为研究区,根据研究区实际状况和研究目的,建立太湖流域上游湖滨敏感区的土地利用/土地覆被分类系统,并用于该地区的面向对象遥感分类,研究通过影像的多尺度分割,获得不同层次的影像对象,在不同层次设置对应的分类规则,以充分利用影像中地物的光谱、纹理和不同层对象相互关系等信息,从而提高分类效果。研究表明:在面向对象多尺度影像分割的基础上,基于决策树建立多个分类规则的分类方法,能够有效提取建设用地、道路、水体等几类信息,分类总体精度达到88.00%;同时,该地区主要土地利用类型如耕地、农村居民点和城镇居民点的分类精度也较高,这也表明该分类方法对整个太湖流域以及其他平原河网地区的土地利用相关研究具有一定的实用价值。     

基于CBERS CCD数据的鹿洼煤矿塌陷区LUCC检测

本文基于多时相中巴地球资源卫星CBERS CCD数据,以鹿洼煤矿塌陷区为例,利用混合像元分解技术开展土地利用/覆盖变化LUCC检测.分别选取研究区域的2002年、2006年和2010年3个时相的CBERSCCD图像作为遥感数据源,将粒子群优化算法引入到端元提取中,基于线性光谱混合模型提取鹿洼煤矿塌陷区水体、建筑用地、农田和土壤4类地物信息,并对结果进行统计分析.LUCC检测结果表明,2002年至2010年间,鹿洼煤矿塌陷地面积逐年增加,造成大面积农田积水,导致无法进行作物耕种.最后,结合当地政府采取的塌陷地治理措施分析了土地利用变化情况.     

基于GIS的沐川县土地利用/覆被及景观格局变化研究

本文在对沐川县土地利用/覆盖变化进行分析过程中,引入了景观格局分析方法,将遥感与地理信息系统技术有机地结合起来,综合运用计算机自动分类技术与专家知识对该区域的土地利用∕覆被变化(Land use and cover change,简称LUCC)、景观格局变化及其迁移特征进行了定量分析.研究表明:1999～2001年是沐川县LUCC及其景观格局变化最重要的时期,林业产业发展是导致其变化的直接因素,退耕还林和天然林保护工程是引导这一林业产业发展的直接驱动力,生物过程在景观动态变化中居次要地位.     

结合地籍数据的高密度城区面向对象遥感分类 

利用高分辨率遥感影像和GIS辅助数据,对高密度城区进行面向对象的土地利用覆被分类研究。使用NAIP高分辨率航空遥感影像,在多尺度影像分割的基础上,针对特定地物选择合适的影像分割参数。采用决策树方法建立高密度城市地区的分类规则,并结合该地区地籍图数据作为辅助数据,逐步进行高密度城市地区地物信息提取。利用辅助数据进行面向对象的遥感分类效果优于单纯依靠遥感影像进行的分类,且有效提取了道路和复杂的房屋等信息,得到了理想的分类结果,其总分类精度从常规面向对象方法的84.08%提高到89.79%。利用辅助数据进行遥感分类提高了高分辨率遥感影像的分类精度,说明了利用辅助数据进行遥感分类方法的有效性。     

森林叶面积指数遥感反演模型构建及区域估算

基于eCognition面向对象分类算法及校正后的TM遥感影像,获取研究区2010年土地利用/覆被数据。同时在ArcGIS平台下,提取遥感影像6个波段反射率及RVI、NDVI、SLAVI、EVI、VII、MSR、NDVIc、BI、GVI和WI等10个植被指数,并辅助于DEM、ASPECT、SLOPE等地形信息,在与植物冠层分析仪(TRAC)实测各森林类型叶面积指数相关性分析的基础上,研究表明:相对多元线性回归方法,偏最小二乘法能够更好地把握各森林类型LAI动态变化,而后结合研究区森林覆被信息进行区域估算。     

基于RS／GIS的冀北地区土地利用／覆盖变化研究

本文以冀北地区为研究区，以TM数据为基本信息源，在ArcGIS、Erdas等地理信息系统和遥感图像处理软件的支持下，设计了一套由“多源遥感数据融合、屏幕目视解译与自动分类结合、GPS定位与野外校核”构成的遥感地学分析方法。分别提取了1987年和2000年研究区土地利用／覆盖信息，并分析了1987-2000年间研究区土地利用／覆盖变化的基本特征，为这一地区以土地利用调整为核心的生态建设提供了基础依据。     

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。     

基于Landsat TM数据的江苏海岸带土地利用/覆被变化检测方法比较研究

土地利用/覆被变化是全球环境变化研究的核心问题之一,选择适当的变化检测方法在江苏海岸带土地利用/覆被变化研究工作中具有重要意义。本研究选取江苏海岸带具有典型代表性的大丰市作为变化检测方法比较研究的试验区,采用1992年和2002年两期Landsat TM影像,分别运用主成分分析法、混合变化检测法和变化矢量分析法进行变化检测,提取土地利用/覆被变化信息,并对每种变化检测方法进行定量分析和综合比较。研究表明,主成分分析法对于试验区的土地利用/覆被变化研究具有检测速度快、检测精度高等优点,适合试验区以及整个江苏海岸带的土地利用/覆被变化的检测。最终,综合运用主成分分析法和分类后比较法获得了5期近30年江苏海岸带土地覆被分类图,证明了主成分分析法可有效应用于江苏海岸带的变化检测。     

地物提取的多尺度特征遥感应用分析

通过空间尺度效应分析,阐述不同属性景观地物在同一分辨率或同一尺度影像中提取的不合理性。为获得精确的地表信息,提出多尺度遥感影像分析方法,解决不同地物在不同空间尺度影像数据中提取的难题。通过多种分辨率影像的多尺度影像信息提取的应用实践,分析地物提取中的多尺度特性、尺度与分辨率关系等。     

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。     

面向对象的土地覆被变化检测研究

运用面向对象的方法进行土地覆被变化检测,利用遥感数据光谱信息、纹理特征、拓扑关系,在多尺度分割获得对象的基础上,构建了变化矢量方法和向量相似性的检测方法,两种检测方法均成功检测出了所选取实验区的土地覆被变化信息。结果表明:对于同一区域同一时相的两期影像的面向对象变化检测,两种方法的总体精度都在80%以上,但变化矢量方法(CVA)精度要高于向量相似性方法。因此,在进行土地覆被变化检测时可以优先考虑变化矢量方法(CVA)。     

基于高分辨率遥感影像的土地覆盖信息提取

高空间分辨率遥感影像使得土地覆盖和土地利用信息的提取成为可能。以高分辨率遥感影像数据IKONOS为主要数据源,以多尺度分割与基于模糊逻辑分类的面向对象影像分析方法为主要技术,自动提取株洲市城乡结合部的土地覆盖和土地利用信息。达到了提取郊区丘陵地带林地信息和城市建筑、道路等土地覆盖信息的目的,而且精度高,速度快。结果表明利用该方法对复杂的城乡结合部信息获取是可行的。     

基于知识的山东丘陵区土地利用/覆盖分类研究

土地利用/覆盖信息的获取是土地利用/覆盖变化研究的前提和基础, 传统的基于光谱信息的分类无法克服地物光谱特征相似造成的混淆。以龙口市为例, 探讨了综合应用高程、坡度等地学专家知识和地物的光谱知识, 对山东丘陵地区土地利用/覆盖进行自动分类的方法。实验证明, 基于知识的土地利用ö覆盖分类方法消除了单纯利用光谱信息的不足, 达到了90. 24% 的分类精度, 远高于最大似然法分类。     

基于光谱归一化的变组分光谱混合分析(NMESMA)方法及其应用

混合像元问题在低、中分辨率遥感图像中尤为突出,混合像元的存在不仅会影响地物识别和图像分类精度,也是遥感科学向定量化发展的主要障碍之一。因此,遥感图像混合像元分解及其地表覆盖信息的定量提取是近年来研究的热点。针对城市土地覆盖信息的定量提取问题,利用中等分辨率遥感图像(Landsat TM),集成光谱归一化与变组分光谱混合分析(NMESMA)的方法,基于植被-非渗透表面-土壤(V\|I\|S)模型,定量提取研究区植被、土壤和非渗透表面3类土地覆盖的定量信息,并与固定组分的光谱混合分析(LSMA)分解结果进行对比分析。结果表明:基于光谱归一化的变组分光谱混合分析(NMESMA)方法获得的精度高于传统固定组分的光谱混合分析(LSMA)结果,可有效解决光谱异质性较高的城市区域的混合像元问题,为有效提取城市地表覆盖信息,研究城市生态环境变化和模拟分析,提供了有效的信息提取方法。     

具有部分监督的遥感影像模糊聚类方法研究及应用

遥感信息主要反映的是地球表层信息。由于地球表层系统的复杂性和开放性,地表信息是多维的、无限的,遥感信息传递过程中的局限性以及遥感信息之间的复杂相关性,决定了遥感信息其结果的不确定性和多解性。模糊分类是遥感影像分类研究的重要趋势。在Ｆｕｚｚｙ－ＩＳＯＤＡＴＡ 方法的基础上,探讨如何在样本数据集中融合部分知识和随机样本,通过聚类分析获得目标类别的模糊隶属度矩阵和特征空间的特征模式的方法。提出了基于该方法的遥感影像模糊分类模型     

沙漠化遥感信息研究综述

在总结沙漠化土地遥感研究的基础上,对沙漠化土地遥感信息提取、沙漠化土地遥感评价指标等研究做了详细地论述,旨在探索一种有理有据而又满足当前和未来对沙漠化土地遥感信息分析的新思路。     

结合深度学习与条件随机场的遥感图像分类

目的 为进一步提高遥感影像的分类精度,将卷积神经网络（CNN）与条件随机场（CRF）两个模型结合,提出一种新的分类方法。方法 首先采用CNN对遥感图像进行预分类,并将其类成员概率定义为CRF模型的一阶势函数;然后利用高斯核函数的线性组合定义CRF模型的二阶势函数,用全连接的邻域结构代替常见的4邻域或8邻域;接着加入区域约束,使用Mean-shift分割方法得到超像素,通过计算超像素的后验概率均值修正各像素的分类结果,鼓励连通区域结果的一致性;最后采用平均场近似算法实现整个模型的推断。结果 选用3组高分辨率遥感图像进行地物分类实验。本文方法不仅能抑制更多的分类噪声,同时还可以改善过平滑现象,保护各类地物的边缘信息。实验采用类精度、总体分类精度OA、平均分类精度AA,以及Kappa系数4个指标进行定量分析,与支持向量机（SVM）、CNN和全连接CRF相比,最终获得的各项精度均得到显著提升,其中,AA提高3.28个百分点,OA提高3.22个百分点,Kappa提高5.07个百分点。结论 将CNN与CRF两种模型融合,不仅可以获得像元本质化的特征,而且同时还考虑了图像的空间上下文信息,使分类更加准确,后加入的约束条件还能进一步保留地物目标的局部信息。本文方法适用于遥感图像分类领域,是一种精确有效的分类方法。     

成像光谱技术在土地利用动态遥感监测中的应用研究

随着数字化调查技术的发展，国土资源管理对土地利用动态遥感监测提出了更高的要求，目前主要采用的多光谱数据由于受光谱分辨率限制以及“同谱异物，同物异谱”现象的影响，难以满足管理需要。成像光谱数据具有较高光谱分辨率。在类别细分方面具有一定的优势，在当前土地利用动态遥感监测中具有一定的应用潜质。该文针对成像光谱数据特点，探索了与成像光谱数据相适应的土地利用动态遥感监测方法，提出了异常光谱检测法，该方法在试验区应用中取得了良好效果。