基于CART决策树的ZY-3卫星遥感数据土地利用分类监测

通过分析ZY-3卫星遥感影像光谱特征、数据质量,探讨其遥感影像在土地利用分类监测领域的应用前景.基于遥感影像特征,结合面向对象的分析思想,选择训练样本构建决策树分类模型,进行土地利用计算机自动分类,并通过混淆矩阵和Kappa分析对分类精度进行评价.研究表明：1)基于决策树模型和面向对象分类方法,ZY-3卫星遥感影像分类总体精度为88.76%,有助于提高影像分类精度;2)在分类模型中,ZY-3卫星影像对水域、耕地、公路用地和林地影像辨识度较高,而对于其它用地类型相对不足.3)ZY-3卫星数据高分辨率影像特征明显,影像可用于土地利用分类监测.     

中分辨率遥感影像土地利用覆被信息自动提取研究——以太原市区Landsat8影像为例

"土地利用/土地覆被"(简称LUCC)是全球环境变化研究的热点问题之一,遥感技术是LUCC研究的重要手段,遥感影像LUCC信息的高精度自动提取成为众多专家学者关注的重要研究领域.Landsat系列卫星影像是最早且最为广泛使用的中分辨率陆地遥感影像.文章以2013年2月发射的Landsat8卫星的OLI影像为研究对象,利用ENVI软件,对太原市区的土地利用/土地覆被信息分别用最大似然法和决策树分类法实现自动提取,并进行精度比较.结果表明:最大似然法提取的总体精度为69.33%,Kappa系数为0.605 5,主要是耕地与林地、草地、建设用地以及建设用地与裸地的混分、错分现象较为严重,造成分类精度较低;而决策树分类法的自动提取通过确定适当的判别规则,使地类间的混分、错分现象明显改善,分类总体精度提高到91.33%,Kappa系数达到0.892 3,各土地利用类型的分类精度均有一定提高.     

基于面向对象的长株潭地区遥感影像分类方法

结合Landsat TM遥感影像和环境减灾卫星HJ-1-A、B影像数据,基于面向对象的遥感影像分类技术实现长株潭地区土地利用/覆被的分类提取.综合利用隶属度函数和最邻近分类方法设置分类规则,逐步提取林地、湿地、耕地、人工表面的地物信息.以地形复杂多样的长株潭地区为研究区,收集整理具有代表性的样点用于分类和精度评价.结果表明,利用隶属度函数方法分类结果基本能满足生产者和用户的需要,但是林地、耕地内部二级类精度相对较低,错分比较严重,采用最邻近分类优化分类结果后,研究区总体分类精度达到86.05%,耕地和林地一级类分类精度分别提高到73.63%和87.1%.     

基于最大似然和支持向量机方法的遥感影像地物分类精度评估与比较研究

遥感影像的监督分类算法在环境监测、地质调查等领域均有重要应用。本文利用最大似然(ML)分类器和支持向量机(SVM)分类器对土地利用和地表覆盖问题中地物类型的提取和识别进行研究,系统分析两种不同分类方法对地物分类结果的影响。通过选取Landsat LT5和LE7卫星遥感影像数据及定义训练样本,对比分析利用ML和SVM分类器的分类成果精度,其中Landsat LT5和ML、SVM组合的分类精度分别达94.64%和94.98%,而Landsat LE7和ML、SVM组合的分类精度则分别达97.63%和99.29%。研究表明,对于LT5影像,ML和SVM两种分类器的精度相当,而对于LE7影像,SVM分类器的精度明显高于ML分类器。     

基于OLI影像的植被覆盖信息提取技术研究 ——以南宁市邕宁区为例

文章以2017年10月28日南宁市邕宁区Landsat 8 OLI影像为数据源，利用ENVI5.3和ArcGIS10.2软件进行数据处理，将原始波段组合、主成分分析组合、衍生波段组合影像用极大似然估计方法进行监督分类，提取南宁市邕宁区的植被覆盖信息，并将分类结果在分类总体精度上相互对比，在空间和提取得到的植被面积数据上对比目视解译结果和南宁市统计年鉴提供的数据，最终确定提取植被覆盖信息的最佳波段组合。研究表明衍生波段组合提取的结果能较准确地反映南宁市邕宁区地表植被覆盖情况，为南宁市邕宁区绿地系统规划提供了参考。     

多时相遥感影像样本迁移模型与地表覆盖智能分类

利用时间序列遥感影像重建过去几十年的地表覆盖是实现时空多维地理场景感知与动态建模的基础,但存档历史遥感影像分类面临样本选择难、多时相影像协同解译水平低的问题。研究提出了一种基于已有土地覆盖产品与对应遥感影像中几何及属性特征约束的样本时空迁移方法,将迁移获得的训练样本嵌入多时相地表覆盖分类框架,获得多期地表覆盖分类结果,实现历史时期地表环境的智能感知与动态制图。太湖流域多时相分类的结果表明,无监督样本迁移方法可以充分利用先验几何约束和光谱属性,从参考地表覆盖产品中快速获得可靠的训练样本,多时相分类精度均高于89%,满足大区域多时相地表覆盖的分类需求,为地理环境演变建模提供了有效支持。     

DEM在喀斯特山区多云背景下土地利用遥感影像解译中的应用

土地利用分类是研究土地资源,进行土地评价和土地利用/土地覆盖变化等研究的基础。利用遥感(RS)技术可对土地资源进行分类调查。以沿河县为分析样区,沿河县是典型的喀斯特山区县,常年多云多雾,给土地利用遥感解译带来较大难度。研究中以地理信息系统(GIS)技术为工作平台,利用近年ASTER影像为基础数据,采用分层提取特征波段的方法,结合数字高程模型(DEM)数据对沿河县土地利用进行了遥感分类解译。分类结果表明,多云背景下的影像数据和DEM数据相结合的方法,可以更好、更快、更有效地提取土地信息,达到较好的分类精度。     

面向对象的多层次规则分类地物遥感信息提取方法试验分析研究

监测土地覆盖变化是目前高分辨率遥感的重要应用领域，城市覆盖地物变更速度快、地物类型复杂，使用传统方法提取监测难度较大。针对此问题，选择云南省大理白族自治州上官镇为研究区，以GF-2 PMS遥感影像为数据源；采用面向对象的方法对研究区进行最优分割尺度分割，选取最优特征组合用于构建模糊分类规则，分层次进行地物提取，最终获得研究区地物类型分布图。运用混淆矩阵方法进行精度评价，面向对象的多层次规则分类法提取分类效果良好，分类总体精度达79.95%,Kappa系数为0.74。与基于像元的分类方法和单一尺度下面向对象的提取分类法相比，面向对象的多层次规则分类法精度明显提高，说明本方法运用于复杂地物提取分类具有较好可行性。     

基于SAM遥感影像的分类技术研究

目的以混合像元提纯为突破口,研究遥感影像高分类精度的方法,以减少由于地物波谱的复杂性、传感器空间分辨率的局限性导致混合像元普遍存在而引起的影像信息不确定性和分类精度低指标性。方法利用光谱角（SAM）分类法,经过混合像元辨别和提纯、端元样区的定义等步骤,对影像进行分类。结果与传统最大似然分类法比较实验结果表明,SAM方法对地表覆盖比较复杂的零散地区遥感影像分类具有较高的精度。结论因选择合适的方法消除了混合像元,SAM是一种有效的遥感影像智能分类方法,对提高影像分类精度具有极为重要的实践意义。     

基于优化有理函数模型的高分辨率遥感影像几何校正及其精度评估 ——以ZY-3和Pléiades卫星数据为例

高分辨率遥感影像的几何校正是其后续影像处理的基础,对提升影像预处理的几何精度具有十分重要的应用价值.本文通过优化有理函数模型(rational function model,RFM),分别对资源三号(ZY-3)和Pléiades卫星高分辨率遥感影像进行几何校正,比较了不同数量地面控制点情境下几何精度提升的效果,并对二者的校正结果进行对比.研究结果表明:(1)未加入控制点时,ZY-3和Pléiades卫星影像平面误差 7. 20 m;(2)当添加1个控制点对RFM进行优化后,2种卫星的高分辨率影像平面误差可降低至4 m左右;(3)随着控制点数目的增加,2种卫星影像的平面误差降低幅度变小,但整体偏移方位改变不大.通过优化RFM的几何校正方法可以不同程度地提升高分辨率影像的平面几何精度,提升效果明显,可满足遥感监测、测图等应用需求.