基于遥感技术的土地利用／覆被变化研究

遥感技术是研究土地利用/覆被变化状况的重要手段之一,目前该技术已有一套较成熟的研究方法,本文从遥感数据选择、图像预处理方法、土地利用/覆被变化遥感分类、土地利用/覆被变化动态信息提取等方面对土地利用/覆被变化遥感动态监测技术进行了系统的论述,最后指出多信息源、综合的信息处理机制将是土地利用/覆被变化遥感动态监测技术发展的必然方向。     

基于分类回归树分析的遥感影像土地利用／覆被分类研究

以专家知识和经验为基础,综合影像光谱信息和其他辅助信息进行分类的基于知识的遥感影像解译方法,是提高遥感影像分类精度,实现自动解译的有效途径之一。然而,知识的获取一直是其得以广泛应用的“瓶颈”问题。以江苏省江宁试验区土地利用/覆被分类为例,利用分类回归树分析(CART)从训练样本数据集中发现分类规则,集成遥感影像的光谱特征、纹理特征和空间分布特征进行分类实验,并与传统的监督分类和逻辑通道分类方法进行比较。结果表明,基于CART的分类方法的精度基本在80%以上,与另两种方法相比,有了较大的提高,而且该算法复杂性低,效率高。由此说明,利用CART算法构建决策树获取的分类规则是合理的。它可以快速、有效地获取大量分类规则,是促进基于知识的遥感影像分类方法在土地利用/覆被分类中广泛应用的一项有效手段。     

不同时相遥感影像的土地利用分类精度分析

土地利用调查对遥感影像的获取有很强的时间性、季节性要求。本次研究选取研究区不同时相的SPOT5遥感影像进行计算机自动分类试验,结合野外实地调绘工作,统计分类精度,拟合分类误差与时相间的回归关系,推导相关回归函数,对遥感影像开展综合分析与评价,提高遥感数据在土地利用调查中的利用率。     

基于遥感技术的土地利用与土地覆盖的分类方法

分类方法在土地利用和土地覆盖变化研究中占据重要的地位。土地利用与覆盖分类首先涉及图像的处理以及分类系统的建立。目前机助分类技术主要着眼于统计模式识别和基于知识的分类决策。最终的精度评价可以进一步完善分类决策。     

基于遥感影像的土地利用分类研究

土地利用信息对于土地利用的动态监测、非点源污染物的迁移、生态环境保护规划和决策都有重要意义。以河南境内的丹江口水库汇水区2007年9月份的TM影像为数据源,结合遥感图像处理软件,利用监督分类方法对该区域的土地利用进行分类,最后利用ArcGIS软件对提取的土地利用信息制作出土地利用专题图。     

GIS辅助下的基于知识的遥感影像分类方法研究：以土地覆盖／土地利用？…

提高计算机遥感影像的分类精度，是遥感应用中研究的主要问题之一。作者以规则的形式表示遥感影像解译知识，使用ＴＭ影像数据和ＤＥＭ、坡度、土地利用图等地理辅助数据，从遥感影像处理／地理数据／专家知识一体化的角度出发，使用基于知识的方法进行了研究，改善了分类精度。实例研究证明了方法的正确性。     

基于地学分析与遥感智能解译模型的土地覆盖/土地利用分类

全国土地覆盖/土地利用(LC/LU)调查已经成为开展土地利用动态变化预测、土地利用规划及土地管理的一项关键的基础性工作,受到广泛关注和重视。随着遥感技术和各种遥感地学分析解译模型的发展和深入,利用遥感技术获得的影像数据对区域的LC/LU情况及其动态变化进行定期或不定期的监测,成为一种最为迅速可靠和理想有效的手段。论文提出了遥感地学智能解译模型支持下的LC/LU分类体系,并以天津蓟县地区为试验对象,采用多平台遥感数据和辅助地理信息,进行了土地覆盖/土地利用遥感应用研究。     

遥感技术在土地利用现状调查中的应用

土地利用现状调查是土地管理的一项重要基础工作,是搞好土地管理工作的前提条件。及时、精确的掌握土地利用现状不仅关系到土地利用规划的编制和政府对土地的科学、有效的管理,还关系到政府对房地产市场的调控和我国国民经济的发展。遥感影像具有探测范围大,资料实时新颖,获取的信息丰富等优点,已经普遍应用于土地利用现状调查中。本次调查利用Mapgis和Envi软件,对安义县精度较高的遥感影像进行几何校正并矢量化,获得了准确的2008年度安义县土地利用现状数据,同时也为安义县土地利用管理及规划的编制奠定了良好的基础。     

多结构卷积神经网络特征级联的高分影像土地利用分类

高分辨率遥感影像包含丰富的土地利用类型信息,针对单一卷积神经网络提取图像特征信息不足的问题,提出了一种多结构卷积神经网络（convolutional neural network,CNN）特征级联的分类方法。首先,选择CaffeNet（convolutional architecture for fast feature embedding）、VGG-S（visual geometry group-slow）、VGG-F（visual geometry group-fast）为实验初始模型,对网络全连接层进行参数微调,采用随机梯度下降法（stochasticgradient descent,SGD）更新网络的权重;然后以微调后的网络分别作为特征提取器对图像提取特征,级联上述3种网络的第二个全连接层输出特征作为图像表达;最后,以多类最优边界分配机（multi-class optimal margindistribution machine,mcODM）获得最终分类结果。实验采用UC Merced land-use数据集进行分类效果检验,结果表明,多结构卷积神经网络级联的方法能够达到97.55%的总体分类精度,相较于CaffeNet、VGG-S和VGG-F等,分类精度分别提升了5.71%、2.72%和5.1%。因此多结构卷积神经网络特征级联的方法能够有效提取目标特征信息,提升土地利用分类精度。     

利用遥感影像探索土地利用与城市热岛的关系

以1996年、2002年和2014年武汉市TM/ETM和OIL影像以及不同时期土地利用现状为基础,对土地利用现状进行了分类;采用城市空间格网研究了城市增长的时序动态变化情况;探索了在不同土地利用分类标准下,城市局部特征对城市热岛效应的影响以及土地利用变化与城市热岛的驱动关系,证明了城镇用地变化与城市热岛有显著的正相关性。     

基于遥感技术的土地利用信息提取及变化

遥感图像是地理信息分析非常重要的数据源。遥感技术和GIS技术被广泛应用于土地利用动态监测。利用1987年和2000年的遥感影像,分析了徐州市14年间土地利用动态变化情况,并运用ArcView实现土地利用的空间分析,对徐州市土地利用状况进行了研究,分析了各土地利用类型变更情况。以耕地为例,利用徐州市的社会经济统计数据,运用多元统计分析方法,基于SPSS软件对耕地变化的主要驱动力和驱动机制进行了分析。     

多源遥感技术在土地利用分类中的应用

为有效提高土地利用分类精度,研究多源遥感数据的分类方法,提出了利用多源遥感技术进行土地利用分类。对居民地、耕地、林地、水体、未利用土地等土地利用类型的光谱特征及微波散射特征进行了分析,将高分一号多光谱数据与RADARSAT-2数据相结合,利用决策树分类器实现了土地利用类型的划分,其总体分类精度达到96.6%。与高分一号数据最大似然分类及RADARSAT-2数据的Freeman-Durden三分量最大似然分类进行了精度比较,结果表明,多源遥感技术可实现数据的特征互补,其分类精度优于仅采用多光谱数据或微波数据的分类精度。     

基于CNN-CBIR的遥感图像分类检索方法

遥感图像海量性、复杂性与多样性特征导致现有方法出现查全率、查准率低的问题,无法满足现今遥感图像应用的需求,故提出基于卷积神经网络-图像检索(Convolutional Neural Networks-Content-Based Image Retrieval,CNN-CBIR)的遥感图像分类检索方法研究.为了精确分类遥...     

基于CNN-DW的遥感图像分类检索方法

针对传统图像检索方法存在的检索范围过大、检索效率低下的问题,提出了一种基于卷积神经网络和距离权重的图像检索方法(CNN-DW),该方法可以从海量遥感图像中检索出与查询图像具有相似或相同特征的检索图像,图像检索试验表明:CNN-DW检索法较传统卷积神经网络(Convolutional Neural Networks,CN...     

基于随机森林方法的遥感影像分类方法

通过研究随机森林方法,针对上海、辽宁、陕西、福建四个地区的中分辨率成像光谱仪(MO-DIS)影像数据,建立五个时间序列的训练集,通过随机森林机器学习方法,学习一年内目标区域的时序变化规律,从而获取更为精确的分类效果,并对比研究该算法对于上述四个地区识别方法的优劣.实验结果显示随机森林分类法在没有海部的地区识别效果能够达...     

基于遥感数据的土地资源分类方法比较研究

以安徽省安庆市怀宁县为研究对象,通过对该地区的遥感数据处理,采用K-Means、最大似然、最小距离、基于专家知识的决策树4种分类方法进行土地资源分类,对分类结果图进行比较,然后进行分类后处理和精度评价,对分类精度进行比较,比较各方法的准确性和适用性.研究结果表明,针对该研究区,决策树分类结果精度更高.     

基于随机森林分类方法和多源遥感数据的湿地植被精细分类

利用大丰市沿海滩涂湿地区域的高光谱影像和同时期的机载LIDAR数据,结合影像的光谱信息,采用随机森林算法(RF)对研究区进行湿地植被精细分类,并分析和评价分类模型参数设置对总体精度的影响,最后与SVM分类结果进行对比。结果表明:随机森林分类方法的总体精度为90.3%、卡帕(Kappa)系数为0.874;与传统的SVM分类方法相比,RF法均提高了4种湿地植被的生产者精度和使用者精度。通过分析RF分类模型参数设置对总体精度的影响,得出当生长树个数为30、生长树深度为30时,分类精度最高。     

基于图斑空间关系的遥感专家分类方法研究

以光谱均质单元——图斑作为空间对象粒度的基本单元，采用图斑邻域搜索算法，获取不同类别图斑间的空间关系。在ERDAS专家分类系统中，根据图斑相邻关系以及DEM信息对初始分类结果进行了修正，提高了湿地、草地和农业用地的分类精度。     

基于改进型决策树遥感分类的土地利用变化研究

在遥感和GIS技术支持下,以香格里拉建塘镇为研究区,以2000年、2009年Landsat TM影像为基础数据,运用光谱特征和地学辅助知识相结合的改进型决策树分类方法分别对研究区2个年份的基础数据进行土地利用信息提取和变化分析。研究结果显示:(1)基于改进型决策树遥感分类法与最大似然法相比分类精度有明显提高;(2)10 a间,香格里拉建塘镇城镇建筑用地、裸地面积呈上升趋势且变化最大,灌草地面积小幅增加,耕地、林地、水体、雪地冰川呈减少趋势,土地利用变化速度和综合程度越来越快。