随机森林方法支持的复杂地形区土地利用/土地覆被分类研究

随机森林方法目前已经成为遥感分类机器学习中一种有效方法,探索基于中等分辨率的Landsat卫星数据与随机森林方法相结合对复杂地形区长时间序列数据的获取及土地利用/土地覆被变化及模拟研究是非常有意义的。本文基于Landsat8OLI卫星多光谱数据,采用随机森林分类方法对青海省湟水流域复杂地形区土地利用类型进行了分类研究。针对复杂地形区域的情况,将研究区进行地理分区,根据每个分区的特点,选择相应的地形特征参数,并通过提取Landsat 8数据的光谱信息与纹理信息构建最优特征集,探索随机森林方法在复杂地形区土地利用分类的适用性。结果表明：使用Landsat8OLI数据进行随机森林分类,能较好地得到湟水流域复杂地形区域的土地利用类型结果;光谱、地形及纹理信息的结合在不同分区的表现结果不同。在脑山区光谱与地形信息结合能使随机森林分类效果最佳,总体精度达到91.33%,Kappa系数为0.886;而在浅山区与川水区综合考虑光谱、地形、纹理信息进行随机森林分类效果最佳,浅山区与川水区总体精度分别达到92.09%和87.85%,Kappa系数分别为0.902和0.859;利用随机森林算法进行优化选择纹理特征组合可以在保证分类精度的同时能够快速地提取土地利用类型信息,为复杂地形区土地利用类型的区分提供了实际可行的方法。     

面向对象和DEM的ZY-1 02C影像湿地提取研究

本文运用面向对象分类与DEM数据相结合的方法,对资源卫星一号02C卫星遥感影像进行湿地提取。探索了基于对象与DEM信息的提取技术,在02C影像湿地的提取应用,对研究我国国产卫星在湿地监测和保护方面有重要的意义。研究结果表明：（1）面向对象的遥感影像信息提取方法,可同时兼顾影像光谱信息及空间信息,适用于02C影像的湿地提取,精度得到明显提高;（2）基于对象与DEM信息的提取方法,使沼泽地与草地相混淆的现象明显减轻,湿地分类精度进一步提高,该方法适用于高分辨率遥感影像的湿地提取研究;（3）基于对象与DEM信息提取的水田、水体、沼泽地及河滩的精度,分别为88.46%、97.44%、86.96%和83.33%,满足资源卫星一号02C遥感影像对湿地进行监测和保护的需要。     

土地利用变更的遥感应用分析

发现变化区域和变更类型是土地利用变更信息提取的主要任务,随着遥感技术的发展,土地利用变化信息提取的方法趋向于结合高分辨率的卫星影像和现有的影像处理方法来产生变化信息模板。本文全面总结分析了土地利用变更信息获取的技术和方法,并在此基础上进一步研究了基于RS和GIS技术的土地利用变更信息获取技术方法,以及高分辨率遥感影像在土地利用变更信息提取中的应用分析。     

面向数据共享的城镇化信息快速提取技术方法与应用——以江苏盐城为例

随着世界经济的发展,全球城镇化进程正在以前所未有的速度进行。城镇化带来的耕地占用、生态环境破坏、水资源短缺等问题日益受到关注。快速获取和共享城镇变化信息对于人地关系研究及可持续发展意义重大。借助遥感手段监测城镇变化信息,已经普遍得到应用,目前,多光谱遥感数据是最经济和可行的遥感监测数据源。本文基于多光谱卫星数据,有效利用城镇地区特有的地物光谱特征,建立不同类别城镇信息的提取模式和技术流程。这些可以通过多光谱遥感数据提取的信息包括城镇建成区、水体和绿地等。选择我国东部沿海区域内城镇化进程明显的江苏盐城主城区作为试验点,基于地物光谱特征分析,依据本文建立的城镇化信息提取流程,采用阈值分析和二值化处理方法,实现了盐城市亭湖区主要城镇区2000、2002、2006年三期城镇信息快速提取,使在更大范围内,促进此类信息的快速获取和共享,具有现实意义。     

Google Earth Engine平台支持下的赣南柑橘果园遥感提取研究

赣南地区是中国柑橘主产区,柑橘种植产业经数十年发展已具较大规模。本文利用Google Earth Engine平台,使用2140景Landsat影像进行像元级融合,重构目标年份季节最小云量影像集,构建多维分类特征集,利用随机森林分类算法,实现了1990、1995、2000、2005、2010和2016年赣南柑橘果园的分布制图。结果表明：利用Google Earth Engine平台可实现大量遥感影像数据的高效处理;最小云量影像合成方法能够有效解决多云多雨地区高质量光学影像获取困难的问题;以最小云量影像合成构建的数据集,使用随机森林分类算法能够有效提取赣南柑橘果园,分类平均总体精度和Kappa系数分别为93.15%和0.90,分类效果良好;赣南柑橘果园面积由1990年9.77 km²扩大为2016年2200.34 km²,2005年以后呈大规模扩张趋势,果园分布由零星分布,逐步形成连片化的聚集分布特点,柑橘果园用地的主要来源为林地、灌丛和耕地。     

基于GF-1和Hyperion影像的新增建设用地占用地类信息提取

新增建设用地及其占用地类是年度土地利用动态遥感监测的重点关注信息,综合利用多源数据是提高占地信息提取精度的主要手段之一。现有研究基于光学与高光谱特征波段的像素级融合影像开展分析,不可避免地导致了高光谱影像光谱信息的损失。为了尽量避免信息损失,提出一种光学和高光谱影像独立分析、结果集成的新增建设用地占用地类信息提取方法。该方法首先结合土地利用动态遥感监测所定义的3种主要新增建设用地形态,利用前后两个时相GF-1光学影像的光谱和纹理特征提取新增建设用地,其次利用前时相Hyperion高光谱影像的精细光谱成像能力进行详细土地利用分类,最后通过新增建设用地与土地利用分类图的叠置分析提取新增建设用地占用地类。在北京市丰台区典型区域开展的验证实验取得了86.71%的新增建设用地占用地类属性精度,表明本方法可为土地利用动态遥感监测提供较为准确的地类变化信息。     

农业土地利用遥感信息提取的研究进展与展望

农业用地占到全球土地面积近一半,农业土地利用（包括耕地及作物分布、种植制度、土地管理等）变化直接影响到粮食安全、水安全、生态安全和气候变化。遥感已经成为土地利用信息获取的重要手段,近年来中分辨率遥感卫星如Landsat、Sentinel以及中国高分卫星等的免费开放为国内外农业土地利用信息提取提供了前所未有的机遇,取得了一系列重要研究进展。本文从耕地分布、作物类型识别、农业种植制度以及农业土地管理4个角度分析了土地利用信息提取的最新研究进展。结果发现：① 耕地分布产品已经由过去的粗分辨率提升到10~30 m,耕地现状数据较为丰富,但挖掘遥感数据实现耕地变化历史回溯的能力有待加强;② 作物分类方面多采用地面调查数据和卫星遥感（Landsat和Sentinel-2为主）相结合的方式进行,在北美和欧洲得到了业务化运行,但对作物种植面积早期监测的能力有待加强;③ 基于遥感的农业种植制度信息获取（如撂荒）研究多集中在东欧等地区,在中国由于经济和政策因素导致的撂荒、轮作、休耕等现象也十分普遍,但具有针对性的遥感监测研究目前还相对缺乏;④ 农业土地管理措施信息提取方面,区域灌溉面积产品取得了重要进展,但数据的可靠性和准确性仍有待提高。在此基础上,我们结合遥感大数据、深度学习算法、云计算平台的发展对未来农业土地利用信息提取研究进行了展望：① 融合多源数据形成更高维度空间、光谱和时间信息的遥感大数据,提升特征提取和数据挖掘能力;② 机器学习和深度学习算法等智能化方法与基于地理学和物候信息的专家知识方法的耦合;③ 遥感云计算和大数据挖掘等前沿遥感和计算技术的应用。     

城镇扩张的多源遥感图像动态监测分析

遥感动态监测城镇扩展己成为一个重要的研究和应用领域。利用ASTER和TM多源多时相遥感影像和地形数据,以福建省漳州市区为示范区,对城镇建筑用地扩张进行了遥感监测。研究认为,对于ASTER影像,综合利用光谱知识、多时相植被指数、城镇建筑用地的地形分布等建立分类决策规则,可以有效提取城镇建筑用地信息(精度不低于90%);研究提出用较新时相影像获取的城镇建筑用地限定较早时相影像城镇建筑用地提取范围的思路,拓展了TM影像三指数法的应用范围,以此保证了较早时期TM影像城镇信息的有效提取。     

利用SPOT-6影像提取新增建设用地的方法研究

随着我国城镇化进程的推进,新增建设用地占用耕地不可避免,特别是在城市郊区/近郊区。为加强土地管理,国土部门对土地利用进行年度变更调查监测与核查工作,重点监测各类新增建设用地。SPOT-6影像是一种投入使用时间不长的全新遥感数据源。本文基于SPOT-6影像,结合基期土地利用图,利用SEaTH算法,采用面向对象的方法,研究新增建设用地自动提取算法。首先提取基期的非建设用地图斑,在其约束下对SPOT-6影像进行多尺度分割,以分割得到的新图斑为基本单元,利用光谱、纹理等特征构建土地类型识别知识库,基于SEaTH算法来实现特征优选和特征阈值自动确定,并构建了模糊分类规则,最后将分类结果与基期土地利用数据叠加分析,获取新增建设用地。实验结果表明,应用SPOT-6影像与基期土地利用图,提取新增建设用地的精度达到88%,满足土地利用年度变更调查监测与核查的基本要求。     

基于遥感蚀变信息提取巴林格撞击坑周边铁陨石

目前地球上已经得到确认的撞击坑有190余个，其中直径小于1 km的简单撞击坑绝大部分是由铁质撞击体撞击形成的。由铁质撞击体撞击而成的撞击坑周边存在大量的铁陨石物质，这些铁陨石物质的空间分布特征对研究撞击坑的撞击过程和机理具有重要意义。铁元素的异常富集也可作为探寻地球表面疑似撞击坑的重要信息。为了获取撞击坑周围的铁陨石残片，早期主要通过人工方式进行实地调查，但这种方法效率低下且需要投入大量人力物力。基于铁陨石独特的光谱特征，利用遥感蚀变信息提取手段可以很方便地获取撞击坑周边的铁陨石物质。根据铁陨石矿物的波谱特征，以美国亚利桑那州巴林格撞击坑（Barringer Meteor Crater）为研究对象，基于Landsat 8 OLI数据，采用目前提取蚀变信息的常用方法:波段比值（BandMath）—主成分分析法进行撞击坑周边铁陨石信息的提取。提取结果与前人实地调查获取的铁陨石分布情况契合程度较好。撞击坑东侧、东南侧、西南侧等处的铁陨石聚集区在提取结果图上均有较好的反映。表明利用波段比值-主成分分析方法提取巴林格撞击坑周边铁陨石信息是可行的，实验结果准确地获得了该撞击坑周围的铁陨石空间分布信息，为探寻地球表面撞击成因的环形构造提供了可行方案，同时为未来同类撞击坑信息提取提供了重要的方法参考。      

融合高度特征的高分遥感影像多尺度城市建筑类型分类

城市区域建筑类型信息在城市功能区识别、城市环境变量反演等应用领域具有重要作用。本文提出一种融合高分辨率遥感影像高度特征的多尺度城市建筑类型分类方法。首先利用语义分割模型识别高分辨影像中建筑和阴影对象;然后借助建筑对象及其阴影信息在卫星成像时的几何关系估算建筑高度;最后基于多尺度图像分析思想,提取一系列表征建筑对象的高度、空间结构、几何等多尺度特征,利用机器学习方法进行建筑类型分类,并进一步分析不同粒度的建筑类型分析单元对分类结果的影响。选取福州市主城区国产高分二号高分辨率影像进行实验验证。结果表明：① 基于所提方法的建筑类型分类总体精度达到82.98%, kappa系数为0.77,分类精度优于本文中未加入高度信息的分类方法和单一尺度分类方法;② 引入高度特征有效提高了中低层居民楼和高层商住两用建筑类型的分类精度,较未加入高度特征的分类结果,总体精度提高了11.28%;③ 融合多个尺度的图像特征可有效减少粘连建筑误分为密集型建筑的情况,较单一尺度分类方法,总体精度提高了2.77%。在精细的数字表面模型数据缺失下,利用高分辨影像阴影信息可为建筑物高度估计提供一种有效的策略,提高城市建筑类型分类精度。此外,融合多粒度图像特征可提升城市区域复杂建筑类型的表征能力,进而提高分类精度。     

集成夜间灯光数据与Landsat TM影像的不透水面自动提取方法研究

利用多源遥感数据提取不透水面信息是一个重要的研究方向。针对以往研究中多需要人工选取不透水面样本进行模型训练的问题,本文通过整合夜间灯光遥感与Landsat TM影像中的空间和光谱信息实现了不透水面覆盖范围（Impervious Surface Area,ISA）的自动提取。首先根据夜间灯光的分布来定位ISA聚集的城市区域的位置,分别在城市区域内部和外部自动提取可靠性高的ISA及非ISA样本,然后通过迭代分类提取城市区域的ISA,再以此为样本对城市区域外部进行分类,最后将分类结果整合完成整幅影像的ISA提取流程。应用本方法对美国雪城地区的DMSP/OLS夜间灯光影像上提取了84个城市区域,提取精度大于95%。从中分别选择高ISA密度和低ISA密度的2个城市区域作为ISA提取的测试区,本文方法在城市区域内的ISA提取总体精度与kappa系数分别为88.23%和0.63;在城市区域外部为78.6%和0.54,均优于人工样本选取方法的提取精度,表明该方法能够实现精度稳定且高效的ISA自动提取。     

Landsat/OLI与夜间灯光数据在提取城市不透水面中的精度差异分析

不透水面作为反映城市发展程度和表征城市生态环境的重要指标,在城市化研究中成为重要的数据源。当前,不透水面信息的获取通常基于遥感数据来开展,包括不同分辨率的遥感数据。这些遥感数据在高精度提取城市不透水面的能力具有较大的差异,会因尺度不同而带来提取精度的偏差。因此,理解不同遥感数据源在不透水面提取上的差异尤为重要。本文利用Landsat/OLI光谱数据和VIIRS/DNB夜间灯光数据分别采用线性光谱混合分析法和大尺度不透水面指数法提取珠江三角洲研究区的不透水面信息,并从不透水面总体精度、不同密度精度对比分析2类数据源提取不透水面的差异。结果表明：① Landsat/OLI和VIIRS/DNB两者提取不透水面的总体精度差异不大,Landsat/OLI提取不透水面的精度总体上略高于VIIRS/DNB。2种数据提取不透水面的均方根误差RMSE分别是0.18和0.21,系统误差SE分别是0.12和0.13,决定系数R ²分别是0.76和0.67。② Landsat/OLI和VIIRS/DNB数据对不同密度不透水面分布区域的提取能力不同：VIIRS/DNB在低密度不透水面区域提取精度高于Landsat/OLI;而Landsat/OLI在中、高密度不透水面区域提取精度均高于VIIRS/DNB。通过2种数据提取精度差异的对比,以期为不同密度的不透水面分布区域提取找到最佳尺度的数据源,提高不透水面提取的效率和精度。     

面向卫星遥感影像检索定位的深度学习全局表征模型评估与分析

如何快速获取无辅助参数卫星遥感影像地理位置是非合作方式获取的遥感影像信息充分利用的一个关键,利用影像特征的相似性对卫星遥感影像检索来实现定位,是获取无辅助参数卫星遥感影像地理位置的有效手段。为了探寻影像深度学习全局特征用于无辅助参数卫星遥感影像检索定位的可行性,建立了包括Precision@K、平均排序、特征提取时间、特征相似性计算时间、硬件消耗等,涵盖有效性、效率2个方面共计5类指标的评估体系。采用谷歌地球提供的影像数据作为基准影像,在资源三号夏季及冬季数据集上,分别利用AlexNet、VggNet、ResNet、DenseNet、EfficientNet等几种代表性的卷积神经网络预训练模型提取基准影像及查询影像的全局特征,依据评估体系中的指标,对这些网络模型的影像表征效果进行全面的量化评估与分析。试验分析结果表明,DenseNet、ResNet-18、VggNet这3个深度学习神经网络预训练模型提取的全局特征,综合表征效果较好,可有效用于卫星遥感影像检索定位;当K值取200时,DenseNet网络模型的Precision@K值可以达到59.5%,ResNet-18和VggNet网络模型紧随其后,分别为49.7%和48.0%,为进一步利用深度学习全局特征进行卫星遥感影像检索定位,找出了最佳的候选网络模型,为下一步模型优化等研究奠定了基础。     

基于深度学习模型的城市高分辨率遥感影像不透水面提取

不透水面是衡量城市生态环境状况的重要指标。城市土地利用的复杂性和不透水表面材料的多样性,导致直接从高分辨率遥感影像中提取不透水表面具有挑战性。针对城市尺度高分辨率遥感影像的不透水面提取要求,本文提出基于深度学习的城市不透水面提取模型。首先,利用深度卷积神经网络对影像特征进行提取;然后,根据其邻域关系构建概率图学习模型,进一步引入高阶语义信息对特征进行优化,实现不透水面的精确提取。本文选取武汉市为实验区,以高分二号卫星遥感影像作为数据源,完成了不透水面专题信息提取,其中自动提取准确率在建成区为89.02%、在城乡结合部为95.55%。与随机森林（RF）和支持向量机（SVM）等经典方法对比,结果表明深度学习不透水面提取方法有较高的提取精度和细节准确性,建成区的总体精度相比于RF和SVM算法分别提升2.18%和1.68%。最后,对武汉市各主要行政区不透水面信息进行统计和分析,结果表明其中江汉区和武昌区2个核心主城区不透水面占比超过60%,并对武汉市现状和发展规划特点进行了讨论。本文研究成果可为海绵城市和生态城市的建设提供基础技术支撑和数据参考。     

甘肃省席芨水地区遥感蚀变信息提取及找矿远景分析

在地质工作程度较低、基岩出露较好的地区,充分重视遥感数据的使用,可有效地缩小工作靶区,提高找矿效率。该文以甘肃省席芨水地区为研究区,基于ETM+遥感数据,利用多元数据分析、准归一化、掩膜分析、主成分分析、密度分割等方法,从Landsat7ETM+数据中提取金矿化蚀变信息。在遥感地质解译的基础上,充分分析提取的羟基异常和铁染异常,结合区域地质特征、区域成控矿条件及区域物化探异常特征等,尽可能去掉假、弱异常。结果表明:该方法能有效消除植被、水系、阴影等干扰信息的影响,从遥感数据载体中提取微弱的金矿化蚀变信息。提取的矿化蚀变信息与断裂构造具有较好的相关性,主要分布于断裂构造交会处、断裂与岩体交会处等成矿优势部位,对今后的找矿工作具有一定的指导意义。     

结合Gabor小波和形态学的高分辨率图像树冠提取方法

树冠信息的遥感提取能有效辅助森林参数反演、林分长势监测、树种识别等森林调查活动。随着遥感信息自动化提取的需求不断加强,本文基于高空间分辨率遥感数据,以滁州市皇甫山林场为研究区域,设计了一种结合Gabor小波和形态学的树冠提取方法。该方法首先采用Gabor小波提取出纹理特征,其次结合K-means聚类分析方法,对PCA降维后的纹理特征向量提取出阔叶林区,最后基于形态学理论降低影像噪声,并利用前景后景标记的分水岭方法进行单木树冠提取。经过与人工解译的树冠信息结果对比发现,在郁闭度较高的阔叶林区,该自动化方法提取树冠精度较高,分割准确率A_d为79.59%,F测度达到了79.00%能有效提供精确的单木树冠信息,为林业经济调查技术的发展具有一定的实践意义。     

基于特征分离机制的深度学习植被自动提取方法

随着遥感影像分辨率的提高,植被信息的高精度提取对于了解地表植被变化规律、评价生态区域具有重要意义。针对传统方法跨季节植被提取不完整问题,本文基于高分2号(GF-2)卫星数据,提出一种基于特征分离机制的深度学习语义分割网络植被提取方法。该网络在Densenet的基础增加可分离卷积和空间金字塔结合的特征分离机制来增大感受野,更有效利用植被的特征信息,提升了模型的精度。本文通过构建高精细跨季节植被样本库,使用本文所提方法,完成了遥感影像植被信息提取,并选取总体准确度、F1值和交并比作为评价指标,对不同的传统方法和深度学习方法进行精度对比与分析。实验结果表明,本文方法提取植被的效果较好,其中F1分数达到91.91%,总体准确度达到92.79%,交并比达到85.10%。对高分1号、高分6号和高景1号遥感影像进行植被提取通用性验证,结果表明本文方法具有一定的通用能力,可以从高分辨率遥感影像中准确地、自动地提取植被。本文研究成果可为城市生态环境评价和植被的应用研究提供数据参考。     

干旱区绿洲典型地物MESMA模拟分解与验证

混合像元作为遥感信息的不确定性,一直是定量遥感科学研究的核心领域之一,干旱区由于下垫面均匀、气象条件单一等先天条件,已成为定量遥感产品真实性检验的理想场所。本文以塔里木盆地北缘的库车河绿洲为研究区,首先,针对不同地物类型分别采用不同方法进行地物端元提取;然后,以端元均方根EAR(Endmember Aver-age RMSE,EAR)和最小平均波谱角(Minimum Average Spectral Angle,MASA)值来选取最优端元;最后,用多端元光谱混合分析(Multiple Endmember Spectral Mixture Analysis,MESMA)模型进行光谱混合分解,并对结果作了精度评价与比较分析。结果表明:MESMA模型能有效提高像元内基本组分丰度信息精度,从而为典型地物高精度提取提供了科学方法。