基于全极化SAR与多光谱的喀斯特山区农村林地提取

[目的]为加快推动贵州省"互联网+"林业建设,打破贵州喀斯特高原山区遥感监测瓶颈,选取了空间分辨率8m的Radarsat-2全极化SAR数据与空间分辨率6m的SPOT 6多光谱影像作为数据源,探究微波与光学遥感结合在喀斯特山区农村地区的林地提取技术。[方法]首先采用ENVI SARscape与NEST软件对SAR图像预处理。将Radarsat-2全极化数据与SPOT 6标准假彩色影像进行HSV融合。计算融合图像的平均梯度、信息熵、标准差与均值,评价出最优融合效果的极化方式。基于K均值(K-means)与最大期望(EM聚类)聚类算法分割图像,选择合适的算法,基于聚类分割的阈值进行面向对象的林地分类。最后,基于像素的混淆矩阵精度评价,结合贵州省林业厅调查数据、野外样方和航拍图,建立参考样本评价分类结果。[结果](1)融合之后,目视解译出林地边缘明显但较粗糙;对于在林地中小面积建筑物、农田中的较分散的林地小图斑能够识别,但边缘粗糙;有林地和灌木林地在色调上区分明显;在融合后的明度图中的灌木林地有明度较大的像元,此类像元为石旮旯地。(2)通过定量分析,融合之后的影像较SAR和光学数据信息量大。同极化平均梯度大于交叉极化,HH极化方式下各指标最大。图像EM聚类分割比K-means聚类更加细化。EM聚类图像的特征区分明显;(3)研究分类出了有林地、灌木林地和其他林地。面向对象的林地分类总体分类精度达到85.71%。[结论]研究将微波与光学遥感结合,为喀斯特山区中农村地区的林地提取提供新思路,与传统的林地监测相比,数据获取快捷,提高工作效率,精度准确。有助于通过遥感的手段解决地块破碎区域的林地提取问题,为提高多源遥感技术在喀斯特农村地区中的林地智能监测的能力提供借鉴。     

城市LUCC时空格局对地表温度的影响效应研究 ——以广西柳州市为例

研究目的:定量分析中国西南典型重工业城市——柳州市的土地利用、地表温度时空演化特征以及不同土地利用类型对地表温度的联合影响效应。研究方法:利用1991年Landsat 5的TM影像和2013年Landsat 8的OLI/TIRS影像数据,通过遥感技术反演提取研究区归一化植被指数(NDVI)、归一化差异建筑指数(NDBI)、改进的归一化差异水体指数(MNDWI)以及地表温度(LST)等遥感参数,基于遥感指数叠加分类法获取城市土地利用/覆盖(LUCC)信息。研究结果:(1)柳州市22年间LUCC变化剧烈,受人为因素影响强烈的地物类型为建筑用地、耕地和裸地。其中,建筑用地变化幅度最大,面积增加了126.71%,新增建筑用地主要源于城市中原有的耕地类型。(2)两期地表温度数据均显示,城市建筑用地的地表温度最高,水体的地表温度最低,建筑用地升温效果显著,是造成城市热岛效应的主要原因之一。(3)影响因子相关性与多元回归分析揭示,城市中各地物类型面积比与地表温度均具有一定的相关性,但差异性较大。其中,建筑用地、裸地与地表温度呈正相关,林地、水体与地表温度呈负相关。研究结论:城市各种LUCC类型的地表温度差异较大,水体和林地在缓解城市热岛效应方面作用十分显著,两者比较,水体的降温效果要优于林地。     

Markov随机场模型在多光谱遥感图像分类中的应用

在多光谱遥感图像分类中通过引入Markov随机场模型,从而实现利用类别的空间相关性来提高地物的分类精度.文章给出了方法的原理、实现方法及一个应用实例.     

LUCC框架下喀斯特地区土地利用/覆被变化研究现状与展望

研究目的:综述喀斯特地区在土地利用/覆被变化研究的进展和不足,展望未来研究方向。研究方法:文献综述法。研究结论:⑴中国西南喀斯特地区土地利用/覆被动态变化研究较少,是LUCC研究的薄弱区域。⑵喀斯特地区土地利用/覆被格局和过程变化的研究刚起步,需要深入研究以解释其变化过程和空间差异。⑶在驱动力方面,对城市化、政策、制度以及全球化等因素及它们间如何共同作用于LUCC涉及较少。⑷如何建立具有良好空间表达能力并能反演LUCC历史过程和预测未来变化的模型,有待深入研究。⑸LUCC对区域生态服务功能和人类福利的影响以及人类社会对此如何响应的研究将是喀斯特地区LUCC研究的一个新的方向。     

坡度空间谱与空间关系参与下的土地利用分类研究

研究目的:依据《土地利用现状分类》,利用QuickBird高空间分辨率遥感影像,采用面向对象的影像分析方法对黄土高原实验区土地利用进行分类,探索提高土地资源数量及质量信息挖掘的广度、深度、自动化程度与准确度,提高工作效率,为国土资源行业的土地资源遥感监测工作提供技术参考。研究方法:在光谱和纹理分类的基础上,提出利用坡度空间谱和对象空间关系构建决策规则的方法;通过对DEM数据的学习,可以得到对象的高程、坡度和坡度空间谱;通过空间方位、距离和拓扑关系,可以分析对象之间的位置关系;最后将学习所得的规则加入到土地利用分类的规则集中。研究结果:相对于完全基于光谱和纹理信息的分类方法,本方法使分类总精度和KAPPA系数分别从76%和0.71提高到87%和0.86。研究结论:坡度空间谱与空间关系规则的应用能有效减少混分,提高分类精度,对于黄土高原区域土地利用分类规则集的构建具有参考价值。     

NOAA／AVHRR资料在陕西省土地覆盖分类中的应用

利用监督分类和阚值判别相结合的方法，在对不同地物的地表光谱特征进行分析的基础上，对NOAA／AVHRR各个季相的晴空资料分别进行了计算NDVI与判别分类，制作了陕西省遥感土地覆盖分类图，探索了一种通过NOAA资料进行宏观的土地覆盖分类的方法。此外，提出的用于遥感图像精校正的火点定位法，解决了地面控制点与遥感图像像元的对应问题。     

高分1号冬小麦解译面积核算方法研究

[目的]以高分1号(GF-1)融合2m卫星遥感影像为基础数据源,结合土地利用现状数据、高分多源遥感影像和地面样方等数据,对冬小麦分类提取中存在的面积误差问题进行研究和分析。[方法]文章以河南省永城市为研究区,在冬小麦提取结果聚类处理基础上,基于线性地物缓冲区数据,采用GIS空间运算实现线性地物面积扣除,接着分析了样方数据和土地利用现状数据再扣除零星地物面积比例上的差异,并采用样方零星地物平均扣除系数对全市各乡镇耕地与非耕地中冬小麦提取面积进行了相关统计和误差分析。[结果]永城市冬小麦最终解译面积11. 29万hm~2,其中线性地物和零星地物扣除面积分别为6 613. 08hm~2和3 875. 22hm~2,占研究区冬小麦解译面积的5. 86%和3. 32%,与统计上报数据相比,其处理前后误差由14. 12%降低至4. 41%,有效地提高冬小麦提取面积精度。[结论]误差来源分析与修正对冬小麦解译面积核算精度具有重要影响,该研究为县级区域尺度下冬小麦面积提取核算提供了思路和借鉴。     

基于多源数据融合的地表覆盖数据重建研究进展综述

地表覆盖数据对于全球环境变化、生物多样性和发展政策制定有着重要意义。遥感已成为获取地表覆盖数据的重要手段。而目前的地表覆盖数据产品,如Globe Land30、FROM-GLC、MODIS Collection5、MODIS Cropland、Glob Cover、GLC2000等,存在数据精度不高、数据间一致性较差、与统计数据差异较大等问题。因此,基于多源数据融合的数据重建方法成为目前研究中的热点问题。文章检索了近10年关于多源数据融合在地表覆盖数据重建中的应用的相关文献,概括了多源数据在数据重建中的应用现状,并对基于多源数据融合的地表覆盖数据重建方法进行了归纳总结,重点评述了不同方法的特点及应用情况,阐明了各种方法的优势与不足,同时对存在的问题进行探讨并展望了未来基于多源数据融合的地表覆盖数据重建研究的发展方向。基于多源数据融合的数据重建方法包括基于多源遥感数据融合法以及基于多源遥感和非遥感数据融合法。该文在对基于多源遥感数据融合的数据重建方法进行论述时,主要讨论了其中应用最广泛的两种融合方法:基于数据一致性的融合法和基于回归分析的融合法。对于其他基于多源遥感数据融合的数据重建方法,如基于D-S证据理论融合法、基于数据集成融合法、基于统计模型融合法,也列举了最具代表性的相关文献进行论述。在对基于遥感数据和非遥感数据融合的数据重建方法进行论述时,主要讨论了其3种空间分配方法:完全依赖法、部分依赖法、动态依赖法。在对目前研究进行探讨的过程中,该文对其研究区域、数据源、地表覆盖类型、空间分辨率、融合方法和文献来源进行总结分析,并重点就融合方法展开讨论。围绕各种融合方法在数据重建中的运用,该文归纳出目前研究中存在的主要问题:研究对象和区域上的不足,研究区多为全球及欧美,其他区域的研究过少,研究对象多为所有地表覆盖类型和森林,对耕地和草地的研究过少;融合算法上的不足、重建结果精度上的不足。最后,指出基于多源数据融合的数据重建方法未来的发展方向,即综合运用两类方法,得到具有详细完整空间信息的长时间序列的地表覆盖数据集。     

基于星载极化SAR数据的农作物分类识别进展评述

［目的］农作物播种面积信息不仅可为农情监测和作物估产提供重要的数据保障，还是国家制定粮食政策和经济计划的重要依据。快速、准确地获取农作物播种面积信息能为农业生产管理提供决策支持。极化SAR不受云雨天气的影响，在农作物遥感监测方面具有巨大的应用潜力，有效利用极化SAR数据进行农作物识别研究对促进雷达技术在国家农业遥感监测和农业供给侧结构性改革中发挥更大作用具有重要意义。［方法］以星载极化SAR技术的发展过程为论述主线，从单、双极化SAR数据，单、双极化SAR数据结合光学影像，全极化SAR数据三个发展阶段，对极化SAR数据在农作物分类识别中的研究与应用进行总结，并对比分析不同的识别特征、融合算法以及分类算法的优缺点。［结果］以往研究存在以下不足：当前研究多以识别水稻为主，对于难以识别的旱地作物研究较少；目前对旱地作物识别精度不高，平均识别精度不足85%；缺乏对不同作物散射机制及其随时相变化的研究，导致分类算法机理性不足，普适性较差。［结论］在今后的研究中，旱地作物散射机制的定量确定，如何利用散射机制及其变化来提高旱地作物遥感识别精度和普适性；目前分类算法大都是基于光学影像设计，如何利用SAR特殊的成像方式优化设计适用于极化SAR数据的分类算法，得到更高的分类精度；如何更好的跟光学遥感等多源数据（光学数据、GIS数据等）结合来提高精度，将成为未来极化SAR农作物识别中三个亟需重点解决的问题。     

基于GF-1 PMS影像的柠檬种植面积估算

为应用国产高空间分辨率影像快速、准确估算丘陵区柠檬种植面积,文章基于GF-1 PMS影像使用不同数据预处理及分类法估算柠檬种植面积。通过对影像进行大气校正、数据融合、滤波等处理,分别得到光谱反射率数据、融合影像和纹理特征数据(分辨率分别为8m、2m、2m)。通过可分离性分析,发现荒草地和未成林柠檬的可分性最差,二者在光谱反射率数据、融合影像和纹理图像中的可分性数值均小于1.8,是影响柠檬分类精度的主要因素。基于最大似然法的分类精度评价结果显示,纹理图像数据估算精度好于8m分辨率的多光谱反射率数据和2m分辨率的融合图像,适当的影像预处理有助于提高监督分类精度。对比基于最大似然法的精度,基于面向对象法的柠檬面积估算精度达95.09%,高于监督分类法的,使用GF-1 PMS影像估算柠檬面积最优方法为面向对象法。该研究为应用国产高分辨率遥感数据快速、准确估算丘陵地区果树种植面积提供了相关参考。     

若羌绿洲特色林果种植信息遥感提取方法适用性分析

目的 为快速掌握若羌绿洲特色林果业种植信息,提高特色林果资源调查的信息化水平,服务若羌特色林果业的发展。方法 文章通过野外调查和室内文献资料分析建立遥感分类的先验知识,采用面向对象的影像分析方法,构建多尺度分割结果的光谱、植被指数、形状、纹理等特征,采用CART和随机森林算法进行遥感分类,分析使用不同分类算法、特征集对分类结果的影响。结果 （1）随机森林算法相比于CART算法总体分类效果好,分类精度高,特征数据集的加入对CART算法的分类精度影响较小,而对随机森林算法分类精度的提升较为明显。（2）形状特征对形状差异较大的地物具有较强的识别能力,植被指数特征能有效识别植被和非植被地物,纹理特征则对分类精度的影响较小。（3）综合所有特征集并结合随机森林算法的分类结果最优,总体精度88.43%,Kappa系数85.47%,面积精度96.89%。结论 形状、植被指数、纹理等特征集的加入对各个地类的分类精度的影响不同,应具体问题具体分析,随机森林算法比CART算法更适用于多维特征数据集的作物遥感分类任务。     

基于残差U-Net的遥感影像土地覆盖类型自动分割

研究目的:土地覆盖的准确分割对于土地调查和规划具有重要意义。针对传统方法对于高分辨率遥感影像分割存在精度和效率较低等问题,提出了深度学习遥感影像分割方法。研究方法:以2 m高分辨率遥感影像为数据源,选用一种加入残差块的U-Net模型(ResU_Net),对目标区域进行基于深度学习的土地覆盖分割,并与SVM、PSPNet、U-Net分割方法进行对比。研究结果:ResU_Net能够更加准确地表达高分辨率遥感影像的地物信息,该方法总体分割精度达到85.50%,Kappa系数为0.7603,总体精度和Kappa系数均高于SVM、PSPNet和U-Net分割方法(总体精度:ResU_Net(85.50%)>U-Net(79.44%)>PSPNet(78.90%)>SVM(66.80%))。研究结论:ResU_Net模型对高分辨率遥感影像的土地覆盖分割效果更优。     

外来植物入侵遥感监测预警研究进展

文章紧密围绕近年来国内外关于外来植物入侵遥感监测、预警新技术、新方法,总结了当前监测预警技术方法的问题和不足,阐明了未来针对外来入侵植物的遥感监测、预警技术发展趋势和方向。目前在监测方法上,主要有图像识别法、高光谱监测法、雷达数据辅助识别法和中低分辨率时序序列数据分析法等。其中,图像识别法和高光谱监测法应用较多,但其数据来源获取困难,后期数据处理工作量大,缺少普适性强的自动解译算法;雷达数据辅助识别法由于雷达数据自身空间分辨率粗糙,在植被监测中往往配合其他数据源同时使用,因此应用上有一定的局限性;中低分辨率时序序列数据分析法适用于较大空间尺度上的植被外来物种入侵监测,监测结果空间定位能力差,很难在小尺度区域上进行应用。在预警方法上,主要有生态机理模型预测和数学模型机理预测两种方法,基于GIS和遥感技术的生态学模型预测机理性强、易推广,预警精度较好,具备一定的空间定位能力,适宜于在宏观区域尺度上应用,但存在部分关键植被生理遥感参数获取困难等问题。数学统计模型预测以理论统计为主,只是对外来植物入侵发生的概率进行了估测,对物种或区域环境依赖程度高,普适性较差,遥感参数较少参与模拟过程,空间定位能力不足。总体上,利用遥感技术快速、准确地进行外来入侵植物定位监测和预警已成为防控外来植物入侵,维护区域生态安全的必然趋势。在数据源集成上,传统可见光遥感和新型激光雷达遥感、高光谱遥感、多角度遥感等多源数据集成、融合应用更为多见,数据获取范围进一步拓宽。特别是诸多新型国产高分卫星发射升空后,使得监测时效性和成本进一步改善,实用化、规模化、业务化动态监测成为可能。在技术方法上,受信息技术、自动化技术和传感器制造技术的影响,数据获取范围不断拓宽,空间定位能力不断增强,监测、预警也将不再局限于单一技术和模型的应用,而是多模型、多平台(星-机-地)综合监测、预警模式成为趋势,外来植物入侵的遥感监测技术正逐步发展成为植被生态遥感学科领域的重要分支学科。     

基于中分辨率遥感图像的土地利用与覆被分类系统构建

研究目的:研制基于遥感的土地利用与覆被分类系统,为国家土地利用与覆被基础数据库建设和宏观土地资源遥感动态监测提供分类依据。研究方法:文献资料法、比较分析法和计算机试验法。研究结果:根据中分辨率卫星传感器的波谱响应特征和土地利用与覆被遥感信息获取技术,提出基于中分辨率遥感图像的土地利用与覆被分类系统,并给出各个类别在遥感图像上的解译标志。研究结论:该系统基本可以满足在国家尺度上的遥感分类应用要求。     

基于优化HRNetV2的高分辨率遥感影像土地利用自动分类

研究目的：基于语义分割模型HRNetV2实现高分辨率遥感影像的土地利用自动分类,以期推动深度学习语义分割方法实现遥感影像的土地利用自动分类研究,并为该类研究提供可参考的案例。研究方法：首先对语义分割模型HRNetV2从损失函数、特征提取方面进行优化,以提高模型的分割精度;其次用优化后的HRNetV2模型对民乐县2 m的高分辨率遥感影像进行土地利用分类,并基于混淆矩阵对分类的结果进行评估。研究结果：（1）优化后的HRNetV2语义分割模型的MIOU达81.9%,相较于优化前提高了4.4%, 证明了优化方法的有效性;（2）针对民乐县进行的土地利用自动分类总体精度达89.72%,Kappa系数达0.888。研究结论：优化后的HRNetV2语义分割模型在高分辨率遥感影像的土地利用自动分类中具有较强的应用前景。     

基于TM与ASAR数据的矿区塌陷地信息提取

研究目的：实现多光谱数据与雷达数据的综合应用对矿区塌陷地信息的提取，评价多源遥感数据在塌陷地信息提取中的精度与优势。研究方法：主成分分析融合法、波段运算法、密度分割法等。研究结果：以ENVISAT-ASAR和TM影像数据为数据源进行研究，结果显示该方法不仅对水体本身有较好的提取精度，而且对塌陷区深浅、非积水区、塌陷区不规则边缘、植被覆盖情况等信息有非常好的提取效果，塌陷地提取精度较高。研究结论： TM数据光谱特性和ASAR波段数据微波特性的综合应用对塌陷地积水区提取有较高的精度，能够为塌陷地研究提供技术支持。     

基于RBF神经网络的高光谱遥感影像降维及分类

高光谱遥感影像数据量大,针对该特点,为尽可能保留数据中有价值的信息,首先采用线性判别分析(Linear Discriminant Analysis,LDA)方法对高光谱遥感影像数据进行降维,接着应用径向基函数(Radial Basis Function,RBF)神经网络方法对其进行分类处理。实验结果表明,分类精度可达到70%以上,具有良好的分类效果,证明了该方法的可行性。     

高分辨率遥感数据在城市绿化调查中的应用

高分辨率卫星遥感技术与传统航空遥感技术比较,具有获取数据周期短,工作量小,投入资金少的特点,作者以岳阳市岳阳楼区为试验区,运用其优势对城市园林的绿化进行了调查。首先,对该区的高分辨率遥感数据进行最佳波段选择(OIF值计算)、几何变换、地理坐标校正、线性拉伸、边缘增强、融合等处理,然后经过绿地目标信息特征分析,建立绿地解译标志,在时间、资金、人力投入较少的情况下,成功的完成了预期的目标,为遥感技术在城市园林绿化调查中的应用开拓了新领域。