OBIA与RF结合的龙口市土地利用信息提取方法

为提高中分辨率遥感影像解译精度,本文提出面向对象影像分析（Object Based Image Analysis,OBIA）与随机森林（Random Forest,RF）结合的土地利用信息提取方法。采用Landsat 8 OLI影像,针对不同地物特点,阈值分割和多尺度分割结合创建影像对象,规则集和分类器协同分类,基于Relief F算法分别对光谱特征、纹理特征及所有特征降维筛选特征子集,并与全部特征一起应用RF建模,对龙口市进行土地利用信息提取与比较。结果表明：OBIA与RF结合提取土地利用信息,基于Relief F算法筛选纹理特征,保留完整光谱、几何、空间关系特征构建RF模型,建模错分率为0.0958,分类总体精度和Kappa系数分别为89.37%和0.872,取得较理想结果。该方法可应用于中分辨率遥感影像土地利用信息提取。     

基于Sentinel-1A极化SAR数据与面向对象方法的山区地表覆被分类

地表覆被分类对国土资源调查评估及全球变化具有基础性和关键性意义,但山区由于地形和云雾等的影响,可利用光学遥感影像和其他资源十分稀缺。因此,论文以渝东南山区为研究区,基于Sentinel-1A极化合成孔径雷达（SAR）数据,通过系列预处理,得到后向散射系数值,同时对各类地物的VV/VH极化后向散射系数、纹理、高程和坡度等特征值统计分析,综合这些特征值运用面向对象分类方法对单时相与多时相SAR数据进行地表覆被分类,最后将这两种分类方法与Landsat 8 OLI数据分类作对比。研究表明：1）在同时运用面向对象分类方法的前提下,单时相SAR数据分类和Landsat 8 OLI数据分类精度相当,多时相SAR数据面向对象分类精度最高,总精度为85.65%,Kappa系数为0.829 9;2）与光学数据相比,SAR数据对阔叶林、人工建筑提取有优势,精度提高了10%以上,多时相特征有利于耕地和针阔混交林提取,分类精度比单时相提高了9%左右;3）研究区土地覆被类型以林地为主,占总面积的42.68%,耕地、草灌次之,人工建筑、草地与河流占地面积较少。     

基于面向对象的海岸带土地利用信息提取研究

针对海岸带复杂多样的土地利用信息,选取山东省乳山市海岸带为研究区域,运用 Landsat TM遥感影像数据,基于面向对象分类方法,利用不同地物的光谱、形状、纹理和空间关系等特征,通过多尺度分割、隶属度函数法和标准最邻近分类法提取研究区土地利用信息,并对分类结果进行精度评估。结果表明：①隶属度函数法和标准最邻近分类法结合,提取出乳山市海岸带12 种土地利用类型信息,很好地区分了盐田和养殖水面、林地和园地,可提取出主要的道路和河流等细长线状地物;②将提取结果与最大似然法对比,面向对象分类方法提取精度达到82.50%,Kappa系数为0.809 1,分别比最大似然法提高了11.44%和0.105 5,很好地避免“同物异谱”和“异物同谱”对分类精度造成的影响,有效地避免了“椒盐”现象。面向对象分类方法提取中分辨率遥感影像精度较高,为海岸带土地利用信息的快速、准确提取提供了有效的技术手段。     

利用多信息源提高半干旱地区TM影像的森林类型制图精度:以北京西部山区为例

以地处半干旱地区的北京西部山区为例,利用研究区森林类型的季相特征、已有的少部分林相图、Google Earth免费影像数据等信息选择不同坡向的相同森林类型做训练样本,通过加入其他辅助数据(海拔和坡向数据),来提高Landsat TM影像的森林类型分类精度,同时对比了基于像元和面向对象方法提取森林类型的效果。结果表明:1)就半干旱山区的森林类型划分来说,TM影像的TM4、TM5、TM4-TM2及辅助数据DEM和坡向可作为TM影像森林类型划分的最佳数据源。2)单独加入海拔信息,阔叶林的提取精度提高23%,针叶林和混交林的分类精度只提高了4%~5%;单独加入坡向信息,阔叶林的提取精度只提高21%,但是针叶林和混交林的分类精度则分别提高了13%、18%,显著优于单独加入海拔信息的效果。同时加入海拔信息和坡向信息,至少可以准确区分出约70%以上的针叶林、阔叶林和混交林。3)就本研究区而言,坡向比海拔更有效地辅助提高森林分类精度。4)就混淆矩阵数据而言,面向对象的分类方法比基于像元分类结果总体精度低3%,Kappa系数低4%,但面向对象的分类结果更加符合研究区实际情况。该研究对中分辨率影像应用于半干旱山区森林类型划分具有一定的借鉴意义。     

基于高分1号杭州湾南岸滨海陆地土地覆盖信息提取方法研究

针对滨海陆地复杂地物环境下如何提高土地覆盖信息遥感提取精度的关键问题,基于最新发射的国产高分(高分辨率)1 号和资源3 号影像,采用面向对象分类法和最大似然法,开展杭州湾南岸滨海陆地土地覆盖信息的遥感提取。结果表明,相比最大似然法,面向对象法结合高分1 号既考虑对象的光谱、空间和纹理等多种属性特征,又充分利用高分影像所提供的丰富纹理和空间信息,对于土地类型多样、边界模糊等混合像元具有较好的识别能力,获得较高分类总精度(90.4%)和Kappa 系数(0.876 7);分割尺度对高分影像分类精度具有重要影响,高分1 号2 m和8 m最优分割尺度分别为63%和65%,资源3 号影像最优分割尺度为66%;高分1号比资源3 号更能体现在植被和水体等地物信息提取方面的优势。     

基于TM的陆良县遥感影像分类方法实验研究

以Landsat TM遥感影像为数据源,以云南省陆良县为研究对象,利用ENVI4.8对陆良县的Landsat TM遥感影像进行图像预处理以及最佳波段组合,运用监督分类中的平行六面体分类、最小距离分类、马氏距离分类以及最大似然分类等四种分类方法,对地物信息进行提取,并对其分类精度进行评价。最后发现,波段146组合适合陆良县的地物提取。在分类方法中,最大似然法分类的总体精度及Kappa系数均高于其他三种分类。     

基于无人机可见光影像的绿色植被提取

在分析健康绿色植被光谱特性及无人机可见光影像典型地物各波段像元值差异的基础上,提出一种综合利用红、绿、蓝3个可见光波段信息的新型绿色植被指数——差异增强植被指数（DEVI）.利用该指数及其他8种常见可见光植被指数结合不同阈值方法提取研究区域绿色植被信息,并采用地表真实感兴趣区和基于SVM的监督分类方法进行精度量化评价.结果表明：由DEVI计算的植被指数灰度影像直方图具有良好双峰形态,可利用双峰直方图阈值法快速确定阈值,且阈值一般位于0.9~1之间;同时,DEVI提取精度明显优于其余8种植被指数,且采用双峰直方图阈值法时,总体精度为98.98%,Kappa系数为0.9791,相对误差为1/83.为验证DEVI是否具有良好的可适用性及可靠性,选取3种典型植被覆盖区域进行可行性验证,结果表明：利用DEVI可高精度提取建筑密集区域和植被零散分布区域的绿色植被信息,总体精度分别为98.42%和98.56%,Kappa系数分别为0.9610和0.9635,相对误差分别为1/125和1/91;而植被集中分布区域提取精度略低于上述2种典型区域,总体精度为97.40%,Kappa系数为0.9371,相对误差为1/53.因此,提出的差异增强植被指数——DEVI可以有效、高精度、低成本提取不同植被覆盖典型区域无人机可见光影像中的绿色植被信息,为陆地生态系统中的绿色植被监测研究提供一种可行性方法.     

基于3S技术的青藏公路改建工程环境影响评价方法

通过青藏公路格尔木至拉萨段改建完善工程的环境影响评价实践,凝练出以Landsat7 ETM+、Landsat5 TM、Geoeye等遥感影像为数据源,采用数据融合、GIS空间分析、光谱差值法和目视判读法等方法,对施工前后公路沿线土地利用变化信息进行提取,并构建干扰斑块数量、干扰强度和干扰幅度等评价大型线性工程施工期干扰强度的新指标和新思路.结果表明,研究区域内土地利用类型的变化主要是高寒草甸向裸地或建筑的转变,同时也提取出少量植被恢复斑块.变化斑块集中分布在公路两侧10~50m范围内,对区域干扰幅度较小.通过工程监理与实地考察数据的验证,该方法能准确提取评价区域土地利用变化斑块,提出的干扰指标能有效提高变化信息的分析精度.     

2010-2020年马来西亚马登红树林遥感监测与景观格局变化分析

本文以Landsat5、Landsat7、Landsat8多时相卫星遥感影像为基础,使用支持向量机与专家解译相结合的方法提取红树林信息,统计分析了2010－2020年红树林的面积和形态变化情况,并使用土地利用转移矩阵和景观格局指数对马登红树林进行评价。结果显示：2010-2020年,马登红树林的面积呈有增有减的曲折变化...     

基于多项植被指数的景观生态类型遥感解译与分类——以额济纳天然绿洲景观为例

基于研究区2001年Landsat7ETM+遥感影像数据,运用遥感与GIS技术手段,在对遥感影像的边界裁定、几何校正、辐射校正等预处理的基础之上,根据绿洲景观生态类型分类体系,通过综合应用非监督分类、植被指数与波段比值指数聚类、监督分类以及类型叠加与图像整合等方法,进行绿洲景观生态类型的遥感解译与分类,生成研究区2001年的景观生态类型图。为尽可能利用到遥感影像的所有原始数据信息,论文选取5种植被指数(NDV I、DV I、RV I、IPV I、SA VI)和9种波段比值指数(Index1I-ndex9)参与到遥感影像的解译与分类当中,结果表明:NDV I、DV I、IPV I、SAV I、R VI、Index5、Index6具有较大的相似性,能够明显地将具有植被信息的类别分离出来,利于划分具有植被信息的景观类型;Index1-Index4具有较好的类别空间分离性,利于不同类别间的聚类与区分;而Index7-Index9的类别分离性则较差,不利于类别聚类与划分。因此,在实际的应用中,选取多项植被指数参与景观分类,不仅能够发现新的信息,而且也会明显提高景观生态类型、尤其是干旱区绿洲景观生态类型的遥感解译与分类能力。     

基于地理信息技术的树种分布知识的挖掘与发现——以四川省石棉县为例

论文以四川省石棉县为例,对空间数据库支持下的树种分布知识的发现进行了研究。利用GIS技术建立相关空间数据库,主要有森林资源二类调查GIS数据库、树种GIS数据库,以及10 m分辨率的DEM、多年平均大于10 ℃的年积温和多年平均年降雨量等栅格数据库。利用GIS的叠加统计分析等方法,发现了各树种分布的的海拔、年平均大于10 ℃的积温、年平均降雨量等带谱知识。利用GIS的拓扑空间分析方法,挖掘了各树种间的空间配置知识。该知识可用于退耕还林、造林绿化中,因地制宜地选择树种,以及配置树种。该知识对于辅助数据协同下的各树种遥感识别也具有重要意义。此外,对其他区域也有示范意义。     

基于多种植被指数信息与联合稀疏表示的红树林种类识别

红树林种类识别对于研究红树林生态系统的变化具有重要意义。本文以广西铁山港红树林区为研究区域,以国产资源三号测绘卫星数据为数据源,分析区内各种红树林的光谱特性,并结合多项植被指数（RVI,NDVI,VARI和NDGI）信息,采用联合稀疏表示分类器进行红树林种类遥感识别。本文主要分析了桐花树、海漆、白骨壤、红海榄、秋茄、海桑、木榄这7种红树林种类以及陆地灌丛、泥滩、草地这些非红树林种类的几项植被指数,并结合多光谱图像的几何空间与光谱特征空间,采用联合稀疏表示算法进行红树林种类分类。利用组合光谱和4种植被指数信息进行分类可以达到最好的分类效果,总体精度为95.37%,kappa系数为0.9347。实验结果表明:光谱特征结合植被指数信息进行分类能提高分类精度,四种植被指数中NDVI对于区分红树林种类具有更大的贡献,联合稀疏表示分类器在红树林种类识别中表现出优异的分类效果。     

基于分形维数的长汀县土地利用动态变化

以福建省长汀县为研究区域,基于遥感和GIS技术的支持,对研究区2000年、2009年、2016年的土地利用结构及分形动态进行分析。研究表明：经过多年的治理工作,长汀县的土地覆被情况有了很大的改善,林地面积不断增加,裸地面积持续减少。各土地利用斑块形态具有明显的分形特征,2000?—?2009年,耕地、建设用地分维值呈增加趋势,空间形态趋于不规则;林地、裸地和水域分维值减少,空间形态趋于规则。2009?—?2016年,耕地、裸地和水域斑块分维值呈上升趋势,空间形态趋于不规则;而林地和建设用地斑块分维值趋于下降,空间形态趋于规则。总体上土地利用分维值仍有增大的趋向,土地斑块的稳定度趋于下降。土地利用的复杂性和稳定性受到人为因素影响强烈,合理协调人地关系,避免治理成效出现反复,仍然是水土流失区治理的关键。     

三沙湾海上水产养殖面积遥感监测与评价

针对三沙湾海域的海上养殖区域不断扩张问题,监测海水养殖面积在海洋渔业管理中发挥着重要作用,也为海水养殖业的发展强度评估提供了有效的手段。在此基础上,本文利用不同期的Landsat TM/OLI遥感影像,通过支持向量机分类法提取和统计2003、2005、2008、2011、2013、2014和2016年三沙湾海域的海水养殖面积,并使用不同的面积扩张指标来评估研究区海水养殖的扩张强度。结果表明:（1）2003-2016年间,三沙湾海域的网箱和藻类养殖区面积扩张迅速,扩张速度分别为1.7 km2/a和9.3 km2/a;（2）2016年三沙湾海上养殖总面积达160 km2,超过三沙湾海域计划海水养殖量的21.2%;（3）2003-2016年间,网箱、藻类养殖区面积不同时期的扩张强度差异较大,且网箱养殖区范围由大陆、岛屿沿岸向深水区域发展,而藻类养殖区扩张范围几乎覆盖整个海域。     

基于包络线法的长江三角洲典型植物光谱识别研究

高光谱遥感的出现使树种的精细识别成为可能,本论文利用FieldSpec3便携式地物波谱仪,获取了金边黄杨（Euonvmus Japonicus cv.Aureo-ma）,圆柏（Sabina chinensis）,麦冬（Ophiopogon japonicus）和珊瑚树（Viburnum awabuki）4种植物类型的高光谱数据。在对原始光谱数据进行有效预处理的基础上,进行包络线去除。选择差异较大的550~780 nm光谱波段,对包络线去除后的光谱曲线进行计算得到了这4种植被的吸收峰总面积、吸收峰左面积、吸收峰右面积、对称度等特征参数,根据吸收峰总面积与吸收峰左面积的差异,识别出金边黄杨。最后,对包络线进行一阶微分处理,发现在610~620 nm之间,圆柏的曲线特征表现为吸收谷,其他植物则表现为反射峰;而在670~680 nm之间,麦冬的曲线表现为反射峰,其他植被则表现为吸收谷,根据这两个特征,可以将麦冬、圆柏与珊瑚树区别开来。可见,包络线去除法能突出不同植物光谱特征的差异,从而实现不同树种的光谱识别。本研究结果将为利用遥感数据进行森林树种的高光谱识别与监测提供一些经验。     

基于高分1号影像的森林植被信息提取

实时最新森林植被信息的提取是林业航空植保作业的必要前提。论文以安徽省蚌埠市为研究区域,探讨了基于高分1号卫星遥感数据在亚热带农林植被混合地区的森林植被信息提取。根据植被物候信息差异选择了提取森林植被信息的5个关键时期高分影像,采用分区决策树方法监测森林植被的空间分布和面积信息,并与未分区决策树法的提取结果进行比较。结果表明：采用分区决策树法和未分区决策树法对于大中尺度森林植被信息提取的总体精度均优于85%。但分区决策树森林植被提取总体精度达到90.72%,较未分区决策树法提高3.80%、4.65%,Kappa系数达到0.81,较未分区决策树法提高约0.07~0.10,结合植被物候信息的分区决策树森林植被提取法好于未分区决策树法,能够满足林业航空植保作业的精度需求。具有较高空间分辨率、宽覆盖、短重访周期的高分1号影像,对于大区域的林业航空植保当年最新森林植被信息的提取表现出较大的潜力。     

污水处理过程专家系统的结构特点与应用研究进展

综述了专家系统在污水处理领域的结构和特点、针对的工艺以及应用现状方面取得的研究成果。重点介绍了专家系统中知识的获取和表示、规则的建立以及与故障树和其他人工智能技术的结合情况,并对专家系统在污水处理工艺选择、运行控制以及故障诊断3个阶段的研究现状进行了细致分析。在此基础上,提出了尚需解决的问题以及进一步研究与发展的方向。     

沈阳市PM2.5浓度ARIMA-SVM组合预测研究

首先利用回归树分类方法,对采暖期与非采暖期各日进行气象类型划分,识别出易造成重污染天气的气象类型.其次分别在各气象类型内,以污染源排放量为自变量,利用差分自回归滑动平均与支持向量机（ARIMA+SVM）组合方法建立起PM_2.5浓度日均值预测模型,并选取2013年01月~2017年06月间,沈阳市区内9个环境监测点PM_2.5浓度日均值进行实证分析.结果表明,使用气象分类下的ARIMA+SVM组合模型对PM_2.5浓度日均值进行预测,相比于不划分气象类型时的普通机器学习模型,其模型预测值与实测值趋势的吻合度更高,且对峰-谷值的识别能力更强.在采暖期与非采暖期,组合模型均具有平均绝对误差更低、预测正确率更高的优点.