多源数据的土地覆被样本自动提取

随着遥感数据获取能力的不断增强,自动化程度已经成为大尺度遥感土地覆被分类面临的关键问题。然而,现有训练样本的人工选取方法成为制约土地覆被分类自动化的瓶颈。本文以河南、贵州两省为研究区,提出一种基于多源数据的土地覆被样本自动提取方法,以构建适用于大尺度的土地覆被自动分类。首先,以2010年1∶10万土地利用数据CHINALC和30 m分辨率全球土地覆被数据Globle Land30为样本数据源;然后,利用空间一致性分析及异质性分析确定样本初选区域;最后,通过样本提纯去除无效样本。结果表明:(1)应用多源数据的土地覆被样本自动提取方法获得的分类产品总体分类精度高于人工样本提取方法制作的全球土地覆被产品MCD12Q1。(2)与单源样本自动提取方法相比,应用多源数据的土地覆被样本自动提取方法,可获得更好的分类稳定性。综上,多源数据的土地覆被样本自动提取方法可在保证精度的同时,提升土地覆被分类的自动化程度。     

基于CBERS-02B星数据的土地利用/覆被类型监测应用研究

研究了基于CBERS-02B星数据的土地利用/覆被类型监测方法,综合评价了基于像素分类法和面向对象法的应用精度和效果.结果表明,基于像素分类法和面向对象分类法分类精度基本可满足土地宏观监测精度,在保证影像质量和训练样本质量情况下,分类精度可达到 80%以上,研究成果可为土地利用宏观监测提供技术参考.     

基于多尺度影像分割的面向对象城市土地覆被分类研究——以马来西亚吉隆坡市城市中心区为例

城市受人类活动影响比较大,结构组成比较复杂,对该区域进行分类研究存在一些问题。甚高分辨率遥感影像,以其丰富的细节信息为城市土地覆被分类研究提供了可能。本文结合使用甚高分辨率QuickBird遥感影像和激光扫描LIDAR数据,论述了利用多尺度、多变量影像分割的面向对象的分类技术对马来西亚基隆坡市城市中心区的土地覆被分类研究。针对特定地物选择合适的影像分割特征和分割尺度、按照合理的提取顺序逐步进行城市土地覆被信息提取。在建筑物的提取过程中构建了归一化数字表面模型nDSM,使用成员函数将建筑物信息提取出来。精度评价结果表明,利用该方法得到了理想的城市土地覆被分类结果,其分类总精度从常规面向对象分类方法的83.04%上升到88.52%,其中建筑物生产精度从60.27%增加到93.91%。     

基于CBERS-02B星数据的土地利用/覆被类型监测应用研究的应用研究

研究了基于CBERS-02B星数据的土地利用/覆被类型监测方法，综合评价了基于像素分类法和面向对象法的应用精度和效果。结果表明，基于像素分类法和面向对象分类法分类精度基本可满足土地宏观监测精度精度，在保证影像质量和训练样本质量情况下，分类精度可达到 80% 以上，研究成果可为土地利用宏观监测提供技术参考。     

多源数据的面向对象国际河流土地覆被分类研究

作为横跨3个国家(尼泊尔、印度、中国)的国际跨界河流———柯西河流域,地形高差巨大,土地覆被结构组成复杂,进行土地覆被的自动分类研究具有典型意义。基于面向对象方法多源遥感数据、训练规则、丰富的细节信息为复杂土地覆被自动分类研究提供了可能。选择合适的影像分割特征和最优分割尺度,按照数据挖掘中的规则顺序逐步进行各个土地覆被的提取。总体精度说明分类结果与野外点相一致的概率能达到90.05%,说明国际跨界河流土地覆被分类方法是可行的,分类结果是准确、可信的。     

广东省自然资源调查监测分类标准体系研究

自然资源分类是自然资源管理和国土空间规划的基础,是开展调查监测工作的前提,应遵循山水林田湖草是一个生命共同体的理念。本文首先综合分析了现有自然资源分类标准的现状和面临的问题,然后结合广东省特色,对其自然资源调查监测分类标准的总体思路、分类原则、体制机制及具体分类建议等进行了深入探讨,着力解决现有自然资源分类中存在的概念不一、内容有交叉、指标相矛盾等问题,以期为正在开展的广东省自然资源调查监测试点工作提供思路,同时为国家自然资源分类标准的制定提供一定启发。     

NWFE结合纹理特征的SVM土地覆被分类方法研究

为提高土地覆被分类精度,采用非参数权重特征提取(nonparametric weighted feature extraction,NWFE)结合纹理特征的支持向量机(support vector machines,SVM)的分类法,对新疆玛纳斯河流域绿洲区2006年的土地覆被进行分类,并将该方法与主成分分析(principal component analysis,PCA)结合纹理特征的SVM分类、原始波段结合纹理特征的SVM分类进行对比。结果表明,NWFE结合纹理特征的SVM分类结果优于其他2种分类结果,不仅反映了土地覆被分布的整体情况,而且使不同土地覆被类型得到较好的区分,总体分类精度达89.17%。     

基于 C4.5决策树的多特征遥感分类方法

以钱塘江流域为研究区域,利用2010年ETM,MODIS和DEM多源数据,进行土地利用分类研究。在分析土地类型的光谱特性和植被指数年度变化基础上,运用光谱指数法和代数法从数据中提取各种土地覆被类型特征。利用WEKA软件平台下的C4.5决策树算法构建决策树分类模型,对钱塘江流域土地覆被类型进行分类研究,取得较高的分类精度。     

基于面向对象与规则的Sentinel-2A影像土地覆被分类——以江西省都昌县为例

土地覆被作为地表自然和人工建造物的综合体，是开展土地科学相关研究的重要基础，在遥感大数据背景下，准确、快速、自动化进行土地覆被提取技术一直是遥感研究中的重点。本文基于eCognition软件，采用面向对象的多尺度分割法，综合考虑地物在遥感影像上的光谱、形状和纹理特征，建立多种地物提取规则。通过模糊函数、支持向量机（SVM）和阈值法对研究区的土地覆被进行分类提取，并与研究区的FROM-GLC10数据和土地利用变更数据进行了对比分析。结果表明：①研究区土地覆被分类的总体精度为97%，Kappa系数为0.96，分类精度较高；②基于10 m分辨率影像，综合使用形状、纹理、光谱信息对于道路的提取具有较好的效果，道路提取Kappa系数为0.84；③分类结果在面积和空间分布上都优于FROM-GLC10数据，与研究区实际土地变更数据保持较好的一致性。基于面向对象与规则的分类方法提取地物能够有效利用多种遥感影像特征，分类精度高，对于处理高分辨率遥感数据具有很好的优势。     

近20年攀枝花煤矿集中区地表覆被变化及其环境影响浅析

我国绝大多数煤矿集中区生态环境脆弱,存在地表植被破坏、水土流失和土地荒漠化等现象。NDVI作为监测植被生长状态及地表覆被变化的最佳指示因子,是反映生态环境状况的重要指标。本文基于Landsat系列卫星影像,利用趋势分析和像元二分法对1995—2016年攀枝花煤矿集中区NDVI和地表覆被变化开展了研究。     

国家土地覆盖数据的生产与建库

土地覆盖变化的研究和分析,能够揭示自然与人文过程交叉最密切的一些问题,为此各国均开展了本国的国家级土地覆盖数据的生产。本文在参考国外土地覆盖数据生产相关经验的基础上,结合我国的国情,基于陆地卫星影像,研制了30m土地覆盖分类系统,采用非监督分类、监督分类与人工解译相结合的方法,生产了全国范围的土地覆盖数据;并基于ORACLE数据库;建立了国家土地覆盖数据库。     

Soft classification for sub-pixel land cover extraction

With increasing resolution of the remotely sensed data the problems of images contaminated by mixed pixels arc frequent. Conventional classification techniques often produce erroneous results when applied to images dominated by mixed pixels. This may load to unrealistic representation of land cover, thereby, affecting efficient planning, management and monitoring of natural resources. Consequently, soft classification techniques providing sub-pixel land cover information may have to be utilised. From a range of soft classification techniques, the present study focuses on the utility of conventional maximum likelihood classifier and linear mixture modelling for sub-pixel. land cover classifications. The accuracy of the soft classifications has been assessed using distance measures and correlation co-efficient. The results show that linear mixture modelling has produced accuracies comparable to maximum likelihood classifier. Besides this the correlations between actual land cover proportions and proportions from linear mixture modelling, though not strong, arc statistically significant at 95% level of confidence. It has also been observed that the normalised likelihoods of maximum likelihood classifier also show strong correlations with the actual land cover proportions on ground and therefore has the potential to be used as a soft classification technique.     

MODIS土地覆盖分类的尺度不确定性研究

以空间异质性较强的枯水期鄱阳湖为研究区,以搭载于同一卫星平台、具有同一观测时间和较高空间分辨率的ASTER数据为参照,分析研究了MODIS数据在土地覆盖分类中由空间尺度带来的不确定性。首先基于MODIS三角权重函数,建立了从ASTER到MODIS的尺度转换方法;然后对不同空间分辨率的数据进行土地覆盖分类,并基于误差矩阵和线性模型分析了MODIS土地覆盖分类结果的误差来源。结果表明,空间分辨率和光谱分辨率与成像方式这两类因素对MODIS与ASTER分类结果差异的贡献比例约为(6.6—11.2):2;MODIS像元尺度对研究区水体的分类不确定性影响较低,而对森林的不确定性影响可达63%。由此可见,在基于MODIS数据的土地覆盖分类研究中,空间尺度所产生的不确定性是比较显著的。这些研究结果对于土地覆盖分类及变化检测、尺度效应和景观生态学不确定性研究,有积极的参考意义。     

Interrogating Land Cover Categories: Metaphor and Method in Remote Sensing

The increasing sophistication of classification techniques used in land use and land cover analysis has not been matched by attention to the origin and effects of land cover categories. While classifications appear unproblematic and self-evident, they carry with them their own histories, meanings and effects, which remain largely unexamined. In an effort at such scrutiny, we examine the origins of land cover categories deployed in remote sensing and conclude that categories are theory-laden metaphors and occur epistemologically prior to any clustering algorithm, no matter how sophisticated. We describe the problematic effects that the imposition of classification systems in place of in situ knowledge of the landscape can have, especially in a colonial or post-colonial context. As an alternative to imposed classification, we propose and demonstrate an empirical technique based upon a growing body of work in participatory GIS. The method compares image classifications based on local and expert knowledge, using a case study from Rajasthan, India, concluding that differing metaphors of landscape lead to divergent measures of land cover.     

地理国情监测中地表覆盖数据典型质量问题分析

地表覆盖分类成果是地理国情监测重要的成果之一,其成果的生产与检查占据了国情监测工作的绝大部分工作量。本文通过对国情监测中地表覆盖分类成果质量检查中几个典型问题地分析,总结和讨论了造成问题的原因,提出了改进的措施和建议。     

Land cover classification of the North China Plain using MODIS_EVI time series

Moderate Resolution Imaging Spectroradiometer (MODIS) data have played an important role in global environmental and resource research. However, its low spatial resolution has been an impediment to researchers pursuing more accurate classification results. In this research, the high temporal resolution of MODIS was employed to improve the accuracy of land cover classification of the North China Plain using MODIS_EVI time series from 2003. Harmonic Analysis of Time Series (HANTS) was performed on the MODIS_EVI image time series to reduce cloud and other noise effects. The improved MODIS_EVI time series was then classified into 100 clusters by the Iterative Self-Organizing Data Analysis Technique (ISODATA). To distinguish ambiguous land cover classes, a decision tree was built on five phenological features derived from EVI profiles, Land Surface Temperature (LST) and topographic slope. The overall accuracy of the final land cover map was 75.5%, indicating the promise of using MODIS EVI time series and decision trees for broad area land cover classification.     

煤田火区特征的土地覆盖分类方法 ——以乌达煤田火区为例

土地覆盖变化是土地分析与评价和生态环境变化预测的重要科学基础, 通过精确的土地覆盖分类方法 获取高精度的土地覆盖图是研究煤田火区生态环境变化的必要手段。本文以最大似然法、光谱角度法、面向对象 分类法和基于复合分区的分层分类法进行乌达煤田火区土地覆盖分类的方法研究。研究结果表明, 基于复合分区的 分层分类方法分类精度较高, 总体分类精度为92.97%, kappa 系数为0.9155。该方法通过基于地表热辐射特征、热 异常状况、地貌类型, 以及对生态系统扰动状况等的划分, 减少了地物信息的混淆度, 即通过提     

土地覆盖遥感制图方法研究现状与展望

区域尺度土地利用/覆盖分类研究是当今国际上开展土地利用/覆盖变化研究的重要领域之一。及时、准确地获取地球表面特性对于掌握人类和自然现象之间的关系和相互作用至关重要。本文根据土地覆盖遥感分类方法特点，从硬分类方法、软分类方法以及最新的软硬分类方法出发，总结了国内外的各研究成果，分析了各种方法的分类策略与特点及其方法适用性。研究结果表明：软硬分类方法能够灵活适用于遥感图像上纯净、混合像元并存的特点，可以有效解决光谱的异质性，在土地覆盖遥感监测中具有广阔的应用潜力。文中提出了基于变端元的软硬分类土地覆盖制图方法框架，并指出了今后的研究重点。     

地形抹平与半经验模型的Landsat TM/ETM+地形校正方法

地形校正可以减小地形起伏对地物光谱的影响,提高计算机分类在山区的精度。设计了针对全球土地覆盖分类的Landsat TM/ETM+数据地形校正方法 SCOS(Smoothed COS余弦),首先对地形的坡度角进行抹平处理,很大程度上削弱了地表非朗伯性对地形校正的影响,然后利用简单有效的余弦校正去除地形效应。该方法与其他常用地形校正算法的对比分析是通过对全球不同区域、不同地表覆盖的有代表性的6景Landsat TM/ETM+数据的试验,采用统计分析与目视判读的方式,从过度校正和类内均一性两个方面进行的。结果表明,该方法在目视效果和统计结果上优于常规方法,并且更加简单有效,无需复杂的大气参数及传感器参数,满足全球地表覆盖分类对地形校正的需求。