基于GVG采样系统检验遥感图像解译精度的方法--以其在农作物遥感估产中的应用为例

以在农作物遥感估产中的应用为例,介绍了运用GVG(GIS&VIDEO&GPS)野外采样系统,检验遥感图像解译精度的方法.即在遥感影像解译过程中,利用GVG系统实地采样图像数据实时检验不确定图斑解译的结果;在遥感影像解译完成后,利用GVG采样统计结果其缓冲区(Buffer)抽样方式检验遥感图像解译精度.在武汉市新洲估产样区进行的试验表明,该方法简便易行,为提高与检验遥感图像解译精度提供了新的方法和思路.     

基于GVG采样系统的农作物估产可信度分析--以四川盆地为例

以四川盆地的农作物估产为例，对GVG（GIS＆VIDEO＆GPS）采样系统的采样结果进行可信度分析。在试验区随机选取具有代表性的采样线，利用GVG采样系统提取样区内农作物种植比例。然后结合野外实地调绘结果对该地区进行遥感影像解译，在解译影像上对采样线不同缓冲区范围内的农作物面积进行提取，计算出农作物的种植比例。把遥感解译影像缓冲区分析结果为检验数据，采用误差最小可信度最高的原则对GVG采样系统采样结果的精度进行可信度分析。并基于可信度分析初步确定GVG采样系统的沿线采样最佳范围。     

遥感影像解译精度的分析

遥感影像的解译精度是指遥感解译图的判对率或错判率。解译精度的分析是遥感影像解译工作中一项不可缺少的过程,它对于解译成果的评价和使用都具有十分重要的意。遥感影像解译精度分析的基本方法是在解译图上选取一定数量的样本进行检验。根据检验样本的判对率得出解译图的解译精度。为了使得到的解译精度可靠,样本的选取应按照抽样理论的方法来进行。但是,从目前的遥感影像解译工作来看,解译精度的分析还没有系统规范的方法,样本的选取大多数还是按照人为的主观选择来进行。抽样的方式和样本的大小缺少科学依据,使得得到的解译精度可     

利用HJ星遥感进行水稻抽穗期长势分级监测研究

对水稻长势进行遥感分级监测,制作能够直观反映水稻长势等级的遥感专题图,便于农业技术人员及时制定有效的田间管理措施,达到增产的目的。以江苏省泰兴市为例,利用HJ-A/B卫星遥感影像,提取水稻的种植面积并分析抽穗期水稻的长势情况。在利用GPS实地取样调查和建立解译标志的基础上,进行HJ-A/B卫星影像校正,人机交互式判读解译等操作,并将GPS样点数据校验贯穿到整个分类过程中,面积信息解译精度在90%以上。最后,利用归一化植被指数(NDVI)反演叶面积指数(LAI)数据信息,依据LAI数据进行水稻长势分级,制作了泰兴市水稻抽穗期长势分级遥感监测专题图。     

基于面向对象分类的南方水稻种植面积提取方法

南方丘陵地区水稻种植具有分散、地块小、形状多样等特点,利用中低分辨率遥感数据提取水稻种植面积,难以满足精度要求。以SPOT5遥感影像为数据源,应用面向对象的分类方法提取了广西玉林市辖区晚稻种植面积。针对试验区不同稻作区的种植特点,选择其适合的尺度及参数进行多尺度影像分割,建立影像对象的层次结构,计算对象的光谱、几何及拓扑关系等特征,形成分类规则对不同稻作区进行信息提取。采用野外实地调查数据对分类结果进行类别和面积一致性检验,总体精度96.31%,Kappa系数0.9226,面积一致性精度99.92%。
     

一种区分平原区城镇与农村用地新方法

区分城镇与农村用地是遥感专题信息提取的关键。针对遥感影像很难有效区分城镇与农村用地的问题,结合稳定夜间灯光影像和增强型植被指数影像,构建区分平原区城镇与农村用地新方法,对南京城镇与农村用地提取。利用人工解译结果对研究区提取结果进行精度评价,并对比不同城市进行精度验证。结果表明,该方法对南京居民地提取总体精度和Kappa系数分别为86.89%和0.64。其中,南京城镇用地提取总体精度和Kappa系数分别为91.38%和0.66,农村用地精度分别为90.31%和0.35。不同城市提取城镇与农村总体精度分别达到85.34%和80.27%,提取结果与人工解译结果空间格局基本吻合。该方法从居民地中区分城镇与农村,是一种有效的辨别城镇与农村用地遥感提取方法,为区域城镇与农村用地信息区分提供新思路。     

利用高-中-低分辨率遥感影像的大区域耕地快速监测研究

及时掌握耕地面积信息在农业生产中极为重要。耕地监测的大区域和高精度的双重要求难以统一,针对这一问题,提出了高-中-低分辨率遥感影像逐步抽样的方法,采用种植业区划分区作为均质区进行研究,提高了大区域耕地面积解译的精度。以山东省为例,利用MODIS、CBERS\|2B的CCD和HR 3种分辨率的影像进行抽样,并计算不同影像之间的精度系数,逐层修正解译精度,最终得到山东省耕地的解译面积,其结果仅比同年统计数据高出8.5%,大大优于中低分辨率影像耕地面积的提取精度。结果表明：该方法可操作性强,显著提高了中低分辨率影像耕地面积的提取精度,同时又满足大区域耕地监测的需求,可更好地应用于农业生产和相关研究中。     

OLI数据和数字高程模型相结合的断裂信息提取

为了提高遥感影像地质解译的精度,提出了一种基于Landsat-8OLI遥感数据和ASTER GDEM地形数据人机互译的线性构造信息提取的方法。以ArcGIS为平台,采用OLI和DEM数据叠合人机交互解译技术,结合区域地质资料,开展昌都地区地质构造遥感解译研究;采用影像增强处理、山体阴影分析、坡度分析和三维可视化等处理手段,在OLI数据融合和DEM数据三维叠加图像上建立断裂构造判读标志,有效地提高了地质解释的精度。通过线性构造专题信息提取,解译出本区70余条断裂构造。根据地震地质报告和地质图查证,遥感解译结果与现有地质资料吻合度较高。一些断裂构造在遥感影像上表现明显,但在现有区调成果中未被发现,建议在以后的工作中应引起充分的重视。     

基于多时相HJ卫星的冬小麦面积提取

我国环境与灾害监测预报小卫星HJ-1A/B具有较高的时间和空间分辨率,在作物种植面积提取和长势监测等方面具有较大优势。本文以江苏省姜堰市为研究区,根据冬小麦的物候规律和季相节律的差异性,选取返青期和拔节期两个生育期的HJ卫星影像,借鉴分层信息提取法原理,综合利用监督分类和非监督分类法,结合人机交互目视解译和实地定位调查等资料提取了姜堰市的冬小麦种植面积,总体面积提取精度达到90.22%,样点空间匹配精度为81.25%,实验基地空间匹配精度为80.34%。结果表明：HJ卫星能够用于提取南方地区冬小麦种植面积和长势监测,满足农情监测的需要,且利用多时相遥感影像能有效地增加信息量,实现信息互补,有助于提高监测精度。     

基于对象的遥感案例推理方法检测岩溶地面塌陷

岩溶地面塌陷是一种典型的城市地质灾害,岩溶地面塌陷的检测在城市防灾减灾中具有重要的意义。目前常用的塌陷检测多基于野外调查或者遥感目视解译,检测效率低。采用人工智能方法对遥感影像中的岩溶地面塌陷检测及分类的研究值得尝试。采用0.2m分辨率的高分辨率航空影像,以多尺度分割后的影像对象为基本单元,提取影像对象的特征属性。在利用遗传算法对检测因子进行优化后,在Matlab平台下建立案例推理（CBR）程序,实现基于影像对象的塌陷识别与分类。最后结合ArcGIS软件完成对岩溶地面塌陷的快速检测结果的精度评价和方法的适宜性分析。研究结果发现,案例推理方法适合于高分辨率影像中的岩溶地面塌陷快速自动检测。利用野外调查数据对自动检测结果的精度验证表明,对成熟岩溶地面塌陷的检测精度达到88.9%,总精度为88.1%,卡帕系数为79.1%;利用同一方法和案例库对不同试验区的岩溶地面塌陷检测结果进行了对比检测,总精度为82.2%,表明该方法和案例库有很好的可重用性。对比CBR方法和传统监督分类方法发现,基于对象的监督分类方法检测精度（总分类精度是68%,卡帕系数只有47.9%）仍低于CBR方法,说明CBR方法更适合于解决复杂环境下的分类及检测伪命题。提出的案例推理方法检测速度快、精度较高,是实现岩溶地面塌陷自动检测的一种有效手段。     

古尔班通古特沙漠梭梭林地NDVI的时间效应-基于物候变化和MODIS图像的研究

遥感图像信息提取研究是遥感研究中的一个关键问题,也是遥感研究的热点和难点之一。使用2000~2010年MODIS-NDVI 16 d合成数据和物候记录,借助GIS空间分析和统计分析方法,重构了古尔班通古特沙漠梭梭林地Mean NDVI时间序列特征曲线。分析物候与Mean NDVI时间序列表明,梭梭林地内的短命植物生长期早于梭梭。研究梭梭林地Mean NDVI时间序列曲线发现,曲线中存在一个明显区别于其他地物的特征点,该点可以作为梭梭林地信息“诊断点”。根据“诊断点”特征构建了梭梭林地特征指数模型(HFFI),进而反演了古尔班通古特沙漠梭梭林地信息,并利用地面实际观测资料进行验证,结果表明分类精度达到83%。     

基于纹理的乌兰布和沙漠地区植被信息提取

乌兰布和沙漠是我国主要的沙漠之一,近年来,其快速扩张已严重影响当地的生态安全。荒漠植被是该地区最重要的生态防护屏障,准确掌握植被分布状况具有重要意义。以乌兰布和沙漠的典型地区为研究对象,通过NDVI计算、主成分分析以及基于灰度共生矩阵纹理特征相结合的方法,对ALOS多光谱影像进行分析,综合NDVI和均值纹理作为分类指标,确定合适的阈值范围,采用决策树分类方法进行植被信息提取。研究表明,决策树分类可有效运用纹理等辅助信息,与传统分类方法相比能够取得更好的分类效果。     

基于深度学习的遥感图像茶园区域识别应用研究

得益于遥感技术的发展和深度学习在图像处理方面的进展,采用深度学习识别遥感图像的方法被广泛应用。与传统的统计农作物种植面积方法相比较,通过深度学习的方法来识别茶园种植区域,可以减少人工依赖,节约人力资源,实时获取数据,具有更高的时效性。数据来源于Bigmap,以贵州省卫星遥感图像为数据基础,提出了使用深度学习来识别茶园区域的应用方法。实验目标为从整张遥感图像中提取出茶园种植区域。首先对遥感图像进行数据预处理,然后采用人工目视解译的方法标注出茶园区域并制成数据集,将数据集导入神经网络进行训练获得网络模型,最后将验证图像放入到训练好的神经网络当中,获得验证结果;检测精确率为95.83%,检测召回率为85.00%。     

Counting Tree Number in Subtropical Forest Districts based on UAV Remote Sensing Images

Tree number is the index that describes the stand density,and extracting tree number in districts is important for researching forest reserve information.This essay investigates Jiangle forest farm in Fujian to study the applicability of maximum algorithm and multiscale segmentation algorithm in extracting tree number.The first step in this dissertation is to use ebee unmanned aerial vehicle remote sensing with fixed wings to get image whose resolution is more than 10cm,and gets orthoimage after processing.Based on it,this essay uses 20 area samples including coniferous forest and broad-leaved forest.The second,the tree number of samples were extracted from maximum algorithm and multiscale segmentation algorithm;Lastly,this essay uses the tree number abstracted fromthe two algorithm and the tree number from visual interpretation statistics to precision analysis.The results show that the tree number of samples was extracted by the two algorithm in the overall accuracy of about 90%.In the coniferous forest plots the tree number of extraction accuracy by local maximum algorithms is better than the broad-leaved forest plots the tree number of extraction accuracy.In the broad-leaved forest plots the tree number of extraction accuracy by multiscale segmentation algorithm is better than the tree number of extraction accuracy by local maximum algorithms.Therefore,this research argues that local maximum value algorithm is more suitable for unmanned aerial vehicle (uav) remote sensing image on coniferous sample tree number of rapid extraction,the multiscale segmentation algorithm is more suitable for unmanned aerial vehicle (uav) remote sensing image on broad-leaved sample tree number of accurate extraction.     

基于ZY3数据的南水北调西线生态遥感调查研究

国产ZY3高分辨率卫星数据在国土资源管理方面已经有较广泛的应用,通过对ZY3数据的处理和信息自动提取,可获取南水北调西线工程沿线的土地利用及植被群落分布状况。通过本次遥感解译流程,克服卫星时相、区域地貌差异等问题,形成适用于ZY3卫星遥感影像生态遥感解译的流程,与传统的生态遥感解译方法相比,不仅成本低,而且工期短,可为大区域性生态遥感解译提供依据。     

QuickBird卫星图像信息识别

信息识别是目前高分辨率遥感应用中的最大障碍。以株洲市Qu ickB ird图像为研究对象,将研究区分为道路、水、林地、农用地、裸露地和居民点6种地类,分别进行目视判读、计算机监督分类和非监督分类,其精度分别为98.2%、72.64%和60.71%。同时,还对研究区内的Qu ickB ird、ETM+和TM图像进行计算机监督和非监督分类对比,结果表明无论是监督分类还是非监督分类,Qu ickB ird图像的分类精度均低于ETM+和TM图像,这说明空间分辨率的提高对传统的计算机分类结果没有改善,传统的基于像元的分类技术在应用于Qu ickB ird图像时表现出严重的缺陷。因此,本文回避了像元灰度统计法,采用先将图像分割,将以像元为基础的Qu ickB ird图像转化为以对象为基础的图像,这样将研究区共分割出10 000多个对象,建立对象的面积、周长、长度、宽度、长/宽、矩形度和圆形度计算模型;根据研究区各地类特征确定特征因子阈值,模拟目视判读过程,重新对研究区进行分类,结果6种地类的综合分类精度达到91.6%,这说明基于对象的多特征分类对于Qu ickB ird图像识别有明显的改善作用。     

基于深度学习模型的遥感图像分割方法

利用遥感图像快速准确地检测地物信息是当前的研究热点。针对遥感图像地表物的传统人工目视解译分割方法效率低下和现有基于深度学习的遥感图像分割算法在复杂场景下准确率不高、背景噪声多的问题，提出一种基于改进的U-net架构与全连接条件随机场的图像分割算法。首先，融合VGG16和U-net构建新的网络模型，以有效提取具有高背景复杂度的遥感图像特征；然后，通过选取适当的激活函数和卷积方式，在提高图像分割准确率的同时显著降低模型预测时间；最后，在保证分割精度的基础上，使用全连接条件随机场进一步优化分割结果，以获得更加细致的分割边缘。在ISPRS提供的标准数据集Potsdam上进行的仿真测试表明，相较于U-net，所提算法的准确率、召回率和均交并比（MIoU）分别提升了15.06个百分点、29.11个百分点和0.3662，平均绝对误差（MAE）降低了0.02892。实验结果验证了该算法具备有效性和鲁棒性，是一种有效的遥感图像地表物提取算法。     

一种辅助草原遥感影像目视解译方法的探讨——影像与基础图件半透明叠加法

简述了草原遥感影像目视解译方法及其存在的问题。基于目视解译方法存在的不足, 尝试研究一种辅助草原遥感影像目视解译法的半透明叠加方法, 即: 在互联网上实现草原遥感影像与基础图的空间叠加, 通过控制上层影像的透明度, 实现两个图层间的对比和分析, 研究基于互联网的目的是使草原遥感影像达到共享。该研究主要应用WebGIS 原理和网络技术, 使用JAVA 编程语言,设计和开发试验版的软件, 来探讨这一新方法的可行性和实用性。     

Technical Note Study of desertification process in Aravalli environment using remote ensing techniques

The Aravalli environment in the vicinity of the Thar Desert in Rajasthan, India presents a clear picture of environmental degradation. This paper presents the study of the phenomenon occurring between the years 1975-1988. The approach adopted here uses remote sensing as a tool for the study of desertification using data from Landsat and IRS -1A (Indian Remote Sensing Satellite). First the satellite imagery of the area is interpreted using visual interpretation techniques. Next, some distinct features from this analysis are identified and are verified with the ground-truth collected by visiting the study area site. Finally, digitial image processing has been carried out using an Earth Resources Data Analysis System (ERDAS) to quantify the temporal changes. A rigorous data analysis yields the extent of the environmental degradation which appears to be quite alarming. Severe depletion in the area under the water and vegetation covers and accordingly an increase in the saline and aeolinous areas have been observed.     

Research on Wenchuan Earthquake-induced LandslidesRapid Recognition from ZY-3 Imagery

Presently,regional earthquake-induced landslides is mainly obtained by field survey and visual interpretation from remote sensing images; but these methods are objective,and time-consuming.In this study,with a main data source of domestic high-resolution remote sensing images from ZY-3 satellite as well as the study area of the Wenchuan earthquake region,objects of multilevel landslides were established using the multi-scale optimum partition method based on in-depth analysis of landslide features.A recognition rule set of multi-dimensional landslides was also built through the combination of topographic features and image features,such as spectrum,texture,and geometry.Additionally,recognition models for landslide stratification were proposed based on the recognition models of high-resolution images and an understanding of the scenes.Through all of the aforementioned efforts,the spatial distribution of the seismic landslide as well as the sliding source area,transport area,and depositional area can be identified intelligently.The analysis results of the experimental area showed a minimum recognition accuracy of 82.97%,with the depositional zone of landslides being the easiest zone to recognize,and the effectiveness of the proposed method as well as ZY-3 data.These findings may provide technical support for regional earthquake-induced landslides investigations and further promote geological hazard application of domestic high-resolution satellites. 