基于遥感与GIS技术的定西县土地利用变化研究

利用TM+SPOT影像融合数据对甘肃省定西县2000年到2001年土地利用和土地覆盖进行遥感调查,分析研究一年来该县土地利用结构,尤其是坡耕地退耕还林、还草的变化状况,客观评价定西县一年来的生态环境变化。初步实现了对区域生态环境变化的动态监测,为黄土地区退耕还林还草、生态环境调查及动态监测提供了可行的方法。     

遥感自动分类在西南地区土地利用调查中的应用研究

针对我国西南地区地貌类型复杂、土地利用多元化的特征,着重研究了在大面积的土地利用调查中应用遥感图像自动分类方法来获取土地利用信息的一整套技术路线和方法;将非监督分类、监督分类以及野外调查、专家知识和特殊地区的分区分类有机地结合起来,大大提高了可操作性和分类精度。     

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。     

吴哥遗产地土地利用/土地覆盖变化遥感分析

吴哥窟是柬埔寨的象征,近年来深受严重的环境问题的困扰。利用长时间序列卫星影像,采用最大似然分类方法,提取吴哥遗产本体及周边区域近30年土地利用/土地覆盖及变化信息,并基于转换矩阵方法分析各土地类型变化规律,最后利用野外地面实测数据对分类精度进行了验证。研究表明:基于光学影像的吴哥遗产地土地利用/土地覆盖分类精度可达81.4%;遗产地周边建设用地增加迅猛;林地面积大量减少,主要转化为农业用地及草地;农业用地显著增加,来源于裸地及林地;水体和湿地变化较少;导致吴哥土地类型变化的主要驱动因素是旅游业带来的资源过度开发、森林大量砍伐,吴哥遗产的原真性、完整性和蕴含的历史与文化价值也正遭受极大威胁。     

陇中黄土丘陵沟壑区遥感调查

利用Landsat5 TM数据进行了甘肃省定西地区定西县、渭源县、陇西县和通渭四县的1990－2000年土地利用和土地覆盖遥感本底调查，对十年内项目区的土地利用和土地覆盖进行客观评价,并为今后生态脆弱区生态环境恢复提出可行性意见。     

影响ETM影像土地利用/覆盖分类精度因素的研究

训练样本量、辅助数据和分类法是影响土地利用/覆盖分类精度的3个主要因素,通过找到这3个因素的最佳组合方式以提高分类精度,分别在25%、50%、75%、100%样本量下,加入NDVI、DEM和纹理均值特征作为辅助数据,比较了分类回归树、支持向量机、最大似然法3种分类法的效果,探讨了训练样本、辅助数据以及分类技术对土地利用/覆盖分类精度的影响。结果表明：支持向量机总体分类精度较高,在相同样本量和没有有效辅助数据的情况下,SVM可以获得最佳的分类结果,总体分类精度在85%以上;在进行分类时,加入NDVI和纹理均值特征使分类回归树分类精度提高了2.82%,说明该方法对有效辅助数据的加入较为敏感;在获取的训练样本集有限而可获取有效的辅助数据时,应优先考虑利用分类回归树进行土地利用/覆盖分类。     

基于MODIS时序数据的澳大利亚土地利用/覆被分类与验证

选取对气候变化敏感的澳大利亚作为研究区,基于MOD13Q1数据,对澳大利亚2000年土地利用/覆被进行分类。通过Savizky-Golay滤波方法构建高质量NDVI时序数据,为分类奠定数据基础。采用了以决策树为主的混合分类方法对研究区土地利用/覆被进行分类,该方法综合利用了ISODATA分类结果、NDVI阈值及其时间序列主成分分析特征量等数据。通过面积对比和空间位置匹配等多角度验证的方法,综合比较MOD12Q1,GLC_2000与本研究的结果,发现本研究的总体分类精度为63.65%,Kappa系数为0.56,较以上两种已有的土地覆盖产品具有一定优势。     

基于光谱相似尺度的支持向量机遥感土地利用分类

提出一种基于光谱相似尺度( spectral similarity scale, SSS ) 的支持向量机( support vector machines, SVM) 遥感土地分类新方法, 该方法选择莆田市作为遥感土地利用分类典型研究区, 利用该区域的Landsat7 ETM 遥感影像结合地面实况调查数据, 从图像上选取少量具有代表性的样本点的光谱作为参考光谱, 利用SSS 方法提取训练样本, 然后应用SVM 算法进行遥感土地利用分类, 并将分类结果与最大似然分类算法( MLC) 相比较, 实验结果表明分类精度上有了很大的提高。     

公主岭市土地利用现状TM信息提取范例

在利用遥感调查土地利用现状、林业资源现状等工作中，采用TM影像线性代数增强、多时相结合等几种方法有效地提取了所需的专题信息，进一步提高了分类精度。     

地理国情普查数据在SWAT水文模拟中的适用性研究

针对以往SWAT水文模拟应用的精度较低的土地利用分类数据,论文研究了将高精度地理国情普查数据导入到SWAT模型土地利用分类系统的整合方法,以鹤壁汤河流域为研究区,构建了SWAT水文模型,以Landsat影像解译的土地利用/覆被数据作为参考,评价了地理国情普查数据在SWAT流域水文模型模拟中的适用性。模拟结果表明,地理国情数据模拟结果率定期和验证期相关系数(0.74、0.82)优于Landsat影像解译的土地利用/覆被数据模拟结果(0.71、0.80);基于地理国情数据构建SWAT模型模拟的月径流值与实测径流值吻合较好。     

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。     

基于自组织神经网络的遥感图像分类应用研究

在地形复杂地区,采用传统的遥感分类方法进行土地利用遥感分类很难获得理想的精度。针对遥感图像分类的特点,根据自组织竞争神经网络的生物学基础、基本结构和学习算法,利用Matlab平台构建自组织神经网络,对地形复杂区的ETM 遥感图像通过500次训练使网络收敛后,仿真输出分类图。结果表明,基于自组织神经网络的分类器经过训练后,可用于遥感图像的分类,其分类精度明显高于传统的最大似然法。     

面向对象的高分辨率影像分类与信息提取

采用面向对象遥感影像分类方法对高分辨率遥感影像进行了信息提取实验,并将其与基于像元方法的信息提取结果进行了对比分析。实验研究表明,在目视效果上,传统方法的分类结果图中“椒盐现象”非常明显,而面向对象方法可以有效地避免“椒盐现象”;在分类精度上,面向对象方法分类结果的总体精度、Kappa系数、生产者精度、用户精度、Hellden精度和Short精度均明显高于传统方法,各类地物提取效果显著提高,总分类精度提高21.76%,Kappa系数提高0.2756。面向对象方法在高分辨率遥感影像信息提取中具有明显的优势。     

基于模糊高斯基函数神经网络的遥感图像分类

针对遥感图像分类的特点,提出了一种基于模糊高斯基函数神经网络的遥感图像分类器。该分类器将模糊技术与神经网络相结合,采用神经网络来实现模糊推理,利用神经网络的学习能力来达到调整模糊隶属函数和模型规则的目的,从而使系统具备了自适应的特性,实验结果表明,这种基于模糊高斯基孙数神经网络的分类器经过训练后,可应用于遥感图像的分类,其分类精度明显高于传统的最大似然分类法。     

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。     

基于知识发现和决策规则的遥感图像城区土地覆盖/利用分类方法

提出一种利用地类的色度信息、小波提取纹理特征、植被指数及形状知识等采用规则推理有效识别遥感土地类别的方法。采用知识发现和决策规则方法,可以充分吸收遥感专家的思想和工作经验,可以充分利用多种模糊性地学知识来提高遥感影像分类效果。最后通过实例证明了该方法的有效性。     

基于RS的黄河三角洲地区土地利用分类监测研究

运用遥感图像处理中的缨帽变换、非监督分类、监督分类以及分类后处理等综合分类的方法,将黄河三角洲的土地利用类型划分成9类,并将盐碱地分成轻度盐碱地、中度盐碱地、重度盐碱地、光板地4个级别,经过精度评价,这种综合分类法在精度上有了较大的提高。     

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。     

TM图像多层神经网络自动识别分类

以利用TM图像自动识别金华市婆城区土地利用为例，介绍了多层神经网络遥感模式识别方法的概念、特点及其在TM图像自动识别分类中的应用，并与最大似然法分类结果进行了比较。通过研究认为，无论在分类速度、精度、还是总体效果上看，神经网络分类都优于最大似然法分类。