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。     

高分3号卫星影像在黄河洪水监测中的应用

高分3号卫星是我国首颗C频段多极化高分辨率合成孔径雷达卫星,尝试利用高分3号卫星对黄河2017年第1号洪水开展遥感监测工作,获取7月28日18时42分和29日6时52分的黄河小北干流河段遥感影像。经过影像处理和遥感解译,高分3号卫星影像清晰,层次分明,对河流水体、沙洲,以及河道整治工程、桥梁等反映明显,能够较好地识别洪水淹没范围信息。应用表明,高分3号卫星具有良好的编程成像能力,可以全天候、全天时获取洪水遥感影像,在洪涝灾害监测和防灾减灾领域具有较大应用潜力。     

遥感技术在河北省土地调查中的应用与展望

河北省从2001年首次在土地资源调查监测中引入卫星遥感技术，开展了石家庄市土地利用卫星遥感动态监测试点研究。在试点经验的基础上，2005年部署开展了河北省土地利用遥感动态监测，对重点城市和县城开展了土地利用变化监测，构建全省土地利用遥感本底数据库。从2005年开始我省用三年时间，在全省组织实施了土地利用更新调查工作，其中遥感技术得到了更加广泛和深入的应用。本文着重分析遥感在土地调查中的作用、技术方法和流程，以及存在的主要问题，并结合未来遥感技术的发展和国家土地遥感工作的部署，对我省今后遥感技术在土地调查中应用前景作出展望。     

利用遥感技术更新全国1∶25万数据库的初步试验

利用卫星影像更新全国1∶25万数据库，并进行了初步试验，讨论了有关技术方法和流程，为今后进一步开展全国1∶25万数据库的更新工作提供参考。     

印度测图卫星IRS-P5定位精度初步研究

简要回顾了印度遥感卫星系列的发展历程;给出了IRS-P5卫星及传感器的有关性能参数,并与IKONOS、SPOT5 HRS做了初步比较;详细论述了IRS-P5使用有理函数模型的定位方法。最后,使用中国北京地区的立体像对数据进行了有关试验研究,结果表明,在良好的地面控制点的支持下,平面和高程精度均可达到5m,满足国家1∶50000基本比例尺地形图测图规范要求。     

北京-1号小卫星数据土地利用信息提取能力分析

依托863研究课题,在国土资源部颁发的《全国土地分类》(过渡期适用)的指导下,利用2006年5月接收的3景北京-1号小卫星多光谱数据在山东省进行了土地利用信息提取能力评价研究。研究内容包括通过目视判断单纯利用北京-1号多光谱数据能够达到的土地利用分类级别,然后经过训练样本选择以及监督分类计算,对分类结果参照典型地区高分辨率卫星影像、1∶1万土地利用现状图等辅助资料进行定性与定量分析,最终形成宏观尺度遥感监测要求下的土地利用分类指标,在此基础上完成山东全省的1∶10万土地利用图制作的应用示范。     

高分三号卫星影像在黄河洪水监测中的应用

高分三号（GF-3）卫星是我国首颗C频段多极化高分辨率合成孔径雷达（synthetic aperture radar,SAR）卫星,尝试利用高分三号（GF-3）卫星对黄河2017年第1号洪水开展遥感监测工作,获取了7月28日18时42分和7月29日6时52分的黄河小北干流河段遥感影像。经过影像处理和遥感解译,高分三号（GF-3）卫星影像清晰,层次分明,对河流水体、沙洲、以及河道整治工程、桥梁等反映明显,能够较好地识别洪水淹没范围信息。应用表明,高分三号（GF-3）卫星具有良好的编程成像能力,可以全天候全天时获取洪水遥感影像,在洪涝灾害监测和防灾减灾领域具有较大应用潜力。     

面向土地利用类型识别的高分辨率SAR数据复合技术研究

2007年以来,相继发射了3颗1m/3m高分辨率SAR卫星,极大地丰富了土地利用动态遥感监测数据源。SAR图像增强是土地利用动态遥感监测必要的预处理步骤。本文针对直接基于SAR数据进行土地利用类型识别中存在的问题,提出了SAR与光学图像、多时相SAR图像、多极化SAR图像合成和单极化SAR图像彩色合成等4种影像复合方法,分析评价了SAR与光学图像融合的应用效果,研究结果可为高分辨率极化SAR数据业务化应用提供技术参考。     

太浦河水面和岸线利用遥感监测分析研究

以太浦河为研究对象,利用2014年国产高分一号卫星2 m全色/8 m多光谱影像,结合地理信息技术(GIS)技术,对太浦河流域面积和长度及离岸200 m区域内土地资源利用现状进行遥感监测,得到太浦河总流域面积、长度,分析得出流域内城镇村及工矿用地面积较大,农业结构多元化,且分布较均衡。研究结果表明,遥感监测能准确、全面地监测河道及两岸的土地开发利用情况及空间分布状况,是进行大范围、周期性水面和岸线利用监测的理想数据源,具有很大的应用潜力。     

基于改进支持向量机方法的影像分类和目标识别研究

利用卫星遥感影像进行土地利用变化监测的关键技术是影像分类与目标识别。本文提出了支持向量机的改进算法,基于小波核函数构建了小波模糊支持向量机。通过项目"集成卫星遥感与地形地籍数据进行土地利用变化检测"的研究和实验,力求在创新处理算法上取得突破,提高重点目标识别的准确性、可靠性。     

黄土高原丘陵沟壑区坡耕地3S技术调查

黄土高原丘陵沟壑区是黄河中游水土流失严重、农业垦殖过度和生态环境恶化的典型地区 ,其生态环境建设的主要工程项目是恢复植被、退耕还林 (草 )。区内地方政府提出 ,15°以上的坡耕地必须退耕还林 (草 )。符合退耕条件的耕地有多少 ,它们的分布情况如何 ,是实施生态环境建设工程的首要问题。本文以延安市宝塔区为例 ,利用陆地卫星 TM影像和数字地形图 ,在 ARC/ INFO和 ERDAS IMAGINE的支持下 ,进行了土地利用类型的遥感解译和坡度计算 ,并通过土地利用类型图和坡度图的复合分析 ,编制了坡耕地专题图     

基于小波变换的影像融合在动态监测中的应用

基于小波变换的遥感影像融合是一种重要的图像信息增强方法，提出了将其应用于土地利用遥感动态监测，以自动探测土地利用发生变化的区域。方法是将某时相的多光谱影像进行主成分变换，用其第一主成分与另一时相的多光谱影像进行数据融合，融合规则是对两时相影像的小波系数进行加权平均法计算。经室内资料检核和野外验证发现，得到的变化信息的噪声小图斑较少，结果精度能满足实际应用需要。     

全国土地利用动态遥感监测数据库建设探讨

就如何对海量的土地利用监测成果实施科学有效的管理进行探讨，尝试运用地理信息系统技术、数据库管理技术以及计算机网络技术，建立土地利用动态遥感监测数据库，以便为土地资源管理部门提供及时、准确的土地利用变化监测信息，以保障监测成果能有效地应用于日常管理和规划，为国土资源的管理提供基础信息服务和辅助决策工具。     

在1∶25万电子地图辅助下的TM影像精校正研究

首先对传统几何精校正方法的缺点进行了分析;然后介绍了所用TM资料的性能和覆盖范围以及电子地图的数据格式;并给出了在ENVI软件下定制地图投影的方法;最后提出了用1∶25万电子地图辅助进行TM影像几何精校正的技术方法。通过对校正结果的目视判别和误差分析可知:该方法的校正精确度可达到一个像元以内,可以满足工作要求;最后对本方法的优点和技术步骤分别进行了分析。     

IKONOS卫星遥感影像的精度分析

介绍了对目前最高分辨率的民用卫星(IKONOS)遥感影像精度分析的方法及结果,并介绍和使用了仿射变换、线性纠正、投影变换和多项式变换等常用的6种遥感图像纠正的方法,对试验区的影像进行了实例测试,并对不同方法所产生的残差进行了分析。计算结果表明,IKONOS卫星遥感影像的分辨率约为地面1.000 m±0.010 m;测试分析还表明,对IKONOS卫星遥感影像的纠正以采用仿射变换的方法为最佳,纠正后的IKONOS影像可以直接用于1∶10 000比例尺地形图的测绘。     

基于小波系数差值法的变化信息自动发现

本文将二维小波变换应用于土地利用遥感动态监测，以自动探测土地利用变化信息。在对两时相多光谱影像主成分变换的基础上，选择前面三个主分量进行小波变换，对两时相对应主分量的小波系数求差，土地利用未发生变化区域的差值接近0，而发生变化区域的差值绝对值较大，能量高，因此，经小波逆变换得到的影像能够高亮度地显示出土地利用发生变化的区域。利用遥感数据进行仿真和野外验证发现。该方法得到的监测结果精度能满足实际应用的需要。     

1∶1万DEM的生成及SPOT-5卫星数据正射校正

丘陵、山区利用地面高程模型(DEM)进行正射校正是消除或限制投影误差的重要方法。通过对丘陵、山区1∶1万地形图中的等高线、高程点、特征线等地形要素进行数字化处理及不同坐标系的转换等,制作生成符合规范要求的高精度的1∶1万DEM。对SPOT-5卫星影像数据进行了配准、融合及几何校正,辅助利用1∶1万DEM制作完成符合精度要求的正射影像图。1∶1万DEM及正射影像图的制作完成对全省类似地区的图件更新及地理信息系统建设具有重要的参考价值。     

规模化土地利用变化动态监测的辐射校正技术研究

在土地利用变化动态监测中,辐射校正是非常重要的一项预处理过程,它能够提高土地利用分类及土地利用变化检测的精度。本文通过一系列试验,对比分析了辐射校正中的地形效应校正算法,太阳高度角校正算法,基于传输模型的大气校正算法和相对辐射校正算法。最后得出了一套适用于规模化土地利用监测的辐射校正处理技术流程。     

Object-based land cover change detection for cross-sensor images

Accurate and timely land cover change detection at regional and global scales is necessary for both natural resource management and global environmental change studies. Satellite remote sensing has been widely used in land cover change detection over the past three decades. The variety of satellites which have been launched for Earth Observation (EO) and the large volume of remotely sensed data archives acquired by different sensors provide a unique opportunity for land cover change detection. This article introduces an object-based land cover change detection approach for cross-sensor images. First, two images acquired by different sensors were stacked together and principal component analysis (PCA) was applied to the stacked data. Second, based on the Eigen values of the PCA transformation, six principal bands were selected for further image segmentation. Finally, a land cover change detection classification scheme was designed based on the land cover change patterns in the study area. An image–object classification was implemented to generate a land cover change map. The experiment was carried out using images acquired by Landsat 5 TM and IRS-P6 LISS3 over Daqing, China. The overall accuracy and kappa coefficient of the change map were 83.42% and 0.82, respectively. The results indicate that this is a promising approach to produce land cover change maps using cross-sensor images.