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。     

基于面向对象和多尺度影像分割技术的城市用地分类研究——以武汉市城市中心区为例

对城市用地进行分类研究.可为城市土地的合理规划布局与有效管理提供即时信息支撑.利用Quik-Bird高分辨率遥感影像,采用面向对象的影像分析技术与多尺度影像分割技术,运用eCognition软件对武汉市城市中心区用地进行分类研究.针对研究区各用地类型,构建优化分类模型,选择适宜的影像分割尺度和分割特征、按照合理的顺序逐步提取城市用地分类信息.评价结果表明:该方法分类速度快、精度高,为高分辨率遥感影像城市用地分类研究提供了新思路.     

基于MSVM-CA模型的区域土地利用演变模拟

研究目的:探索一种基于多类支持向量机自动获取地理元胞自动机非线性转换规则的方法(MSVM-CA),并将其用来模拟复杂的土地利用动态演化。研究方法:以长江口北岸启东市2002—2007年的土地利用演变模拟为例,采用1-A-1方法在每两类样本数据间训练一个分类器,将模拟土地利用变化的主要特征变量映射到Hilbert空间,通过多类支持向量机建立最优分割超平面,运用决策函数计算元胞到最优分割超平面的距离,并转换为元胞土地利用类型的转换概率。然后利用蒙特卡罗方法,确定元胞的转化状态,循环完成土地利用演变模拟,最后对模拟结果进行精度分析。研究结果:对照2007年遥感影像分类得到的实际土地利用分类图,实验模拟结果数量上正确率平均达到88.99%,模拟结果的总体分类精度为86.75%,Kappa系数为0.85。研究结论:基于多类支持向量机的非线性元胞自动机方法具有较高的模拟精度,可以应用于模拟多类土地利用类型之间的演变。     

基于环境小卫星的半干旱区土地利用信息提取

为了准确掌握半干旱地区的土地利用情况,以辽宁省彰武县为研究区,分析多时相的HJ-1B遥感影像。依据影像各时相的归一化植被指数(NDVI)及其波谱特性,获得对影像数据的整体把握。提出基于NDVI、光谱和纹理信息相结合的最大似然分类方法,通过此方法探讨该区的土地利用信息,并将分类结果与基于NDVI和光谱的最大似然分类结果进行对比分析。研究结果表明,纹理特征参与的分类精度较高,Kappa系数达到0.80,总分类精度为83.56%。因此,该方法更适合于半干旱区的遥感影像信息提取。     

基于遥感的乡镇级土地利用总体规划实施动态监测技术研究 ——以杭州市余杭区塘栖镇为例

研究目的：建立规划实施动态监测系统，及时反馈规划实施情况以及规划布局与现实的差距，实现“动态规划”。研究方法：文献分析法和实证研究。研究结果：阐述了基于SPOT5高分辨率遥感数据的规划实施动态监测的技术路线、精度要求，高分辨率遥感数据是快速进行乡镇级规划实施动态监测的技术支撑。研究结论：以杭州市余杭区塘栖镇为例，证实了SPOT5高分辨率遥感数据应用于土地利用规划实施动态监测的可行性。塘栖镇1997 — 2005年新增建设用地面积中符合土地利用总体规划中的建设预留区域用途管制规则的比例为86.84%，城乡居民点用地扩展违反规划用途管制规则最为显著。主动调整城乡空间发展过程中的群体利益，是编制第三轮乡镇级土地利用总体规划需要关注的。     

基于无人机遥感可见光影像的农作物分类

[目的]无人机遥感具有高空间、高时间分辨率的优点,并可同时获得光谱和空间信息,因此在农作物分类中备受研究者的青睐。与侧重于从高分辨率RGB图像中提取纹理特征的分类方法不同,文章重点研究如何利用作物在光谱和空间维度上的联合特征尤其是作物高程特征,以实现农作物精细分类。[方法]首先,我们进行研究区域选择和地面实际情况调查,用无人机遥感系统进行可见光影像采集;其次,确定研究区域内农作物分类类别,分别对可见光遥感影像进行可见光植被指数计算及纹理滤波;针对数字表面模型(DSM)数据特点,对两期DSM数据进行差值处理,获得差异数字表面模型数据(DDSM),提取作物高度信息,并根据农作物冠层特性对差异数字表面模型进行滤波处理;最后,进行特征优选及组合,使用SVM方法进行农作物分类。[结果]确定最优分类特征为RGB、红波段对比度、绿波段二阶矩、蓝波段方差、DDSM、DDSM方差、DDSM对比度,分类精度由71.86%提高到92.30%,验证了由DSM影像提取的空间特征可以提高农作物分类精度。[结论]该研究探索了一种基于可见光及空间联合特征的农作物精细分类方法,方法简单可行,设备成本低,在基于无人机低空遥感的样方调查领域中有较大的应用前景。     

基于无人机影像的冬小麦深度学习分类

[目的]传统分类方法存在人为主观选择特征、模型无法在大范围泛化的问题,文章利用非监督特征学习的深度学习方法进行冬小麦识别,以解决传统分类方法无法在大范围进行自动化作物识别的不足。[方法]该文集成残差网络(Residual Nets,ResNets)和金字塔场景解析网络(Pyramid Scene Parsing Network,PspNets)构建Res.PspNet,进行冬小麦深度学习自动化分类。在山东全省获取80个村的无人机航拍影像,利用米级遥感影像和对应的标记样本作为"海量标记样本"训练土地覆盖识别模型,以此为基础模型迁移训练冬小麦分类模型,自动提取出冬小麦分布。[结果]实验结果表明,以训练出的土地覆盖数据作为基础模型训练冬小麦模型,收敛速度快,具有很好的泛化性,在不同农业景观调查村中均得到比较准确的结果。从整体验证区域来看,冬小麦总体精度达到了90%以上,区域冬小麦总面积精度达到99%。平原区冬小麦识别精度更高,总体精度达到了90%以上,区域面积精度达到99%,表明模型对冬小麦种植地块规整、生长状态均质的区域,识别精度较高,而山区由于地块破碎、冬小麦长势差异较大,空间卷积会弱化小麦特征且出现"同物异谱"现象,这影响了在该区域内冬小麦的识别精度。[结论]Res.PspNet卷积神经网络能够有效地学习出无人机影像的特征,实现了基于航片影像进行非监督自动化冬小麦"端—端"分类,这也将一定程度上降低冬小麦提取的工作量。     

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。     

结合独立分量分析和支持向量机的遥感影像土地覆盖分类

在高分辨率遥感影像中地物的光谱分布非常复杂，同质异谱、异谱同质的现象广泛存在，相互混杂的光谱使得传统的光谱解译方法面临困难。独立分量分析是由信源分离技术发展起来的智能信号处理方法，可将多通道信号按照统计独立的原则通过优化算法分解为若干独立成分，将其引入到高分辨率遥感影像处理中．可以减少地物光谱分布的混杂性，增强目标和背景的反差，从而提高分类精度。支持向量机是在统计学习理论基础上发展出的一种新的模式识别方法，本文将其与独立分量分析结合对高分辨率影像进行分类，以北京地区QuickBird多光谱影像为例，实验证明该方法能有效提高高分辨率影像的分类精度．     

基于航空影像的城市用地类型提取研究

用遥感方法调查研究土地利用现状及其动态变化,为编制城镇规划、土地利用总体规划,建立合理的土地信息系统提供科学和必要的依据;航空影像可以快速的获取小范围地区的详细信息资料;以曲阜市为例探讨了利用高分辨率CCD航空影像进行城市用地类型提取的技术路线,分析了用ARCVIEWGIS提取的精度。     

遥感技术在区域土地利用/覆被变化中的应用--以福建省为例

研究目的运用遥感技术快速查明福建省的土地资源状况与分布及其动态变化,为国土部门与政府决策提供科学依据.研究方法采用人机交互式解译并结合自动分类对2001年Landsat TM影像进行解译.研究结果(1)在自动分类基础上,运用人机交互式目视解译可获得较好的效果与精度.(2)福建省遥感调查土地利用总面积12398515.09 hm2,林地和耕地为主要土地利用类型.(3)从土地利用变化分析,1996-2001年耕地面积减少11.78%,未利用地减少23.55%,而园地、林地、水域和城乡居民点及工矿用地增加.不同土地利用类型间也发生转移,耕地转化为林地和城镇工矿及交通用地面积突出.研究结论运用遥感技术进行土地资源的调查与变化研究,能较准确、及时地为有关部门提供依据,并节省费用.     

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。     

科尔沁沙地退耕还林还草的生态效应分析——以通辽市奈曼旗为例

利用2000年、2002年和2004年三期遥感影像获得奈曼旗土地利用数据,并对各土地利用类型的相对生态价值进行模糊赋值,进而对其退耕还林还草的生态效益进行综合评价.研究结果表明:近5年奈曼旗退耕还林还草力度较大,退耕19620.16hm2,还林18578.37hm2,还草1041.79hm2,旗整体生态效应提高了2.8个百分点,退耕还林还草的贡献率达到28.17%,退耕还林还草生态效应显著.     

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。     

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。     

遥感数据辅助下县域耕地质量评价与空间分布研究

目的 耕地质量监测与评价是实现耕地科学管护的重要前提。方法 文章以河南省安阳县为研究区,依据“状态—压力—响应（PSR）”框架,构建遥感数据辅助下的耕地质量评价指标体系和模型,分析耕地质量空间分布特征和障碍因素。结果 研究区耕地质量空间分布呈现出聚集性和空间变异性交错耦合的分布特征,耕地质量由东向西逐渐降低,一等、二等、三等、四等、五等耕地质量分别占比7.45%、12.34%、17.83%、33.40%、28.89%;有机质、碱解氮、NDVI_DRY为研究区耕地质量主要障碍因子;随着耕地质量等级的升高,不同等级中小麦产量的均值也随着逐渐升高,说明耕地质量越好,耕地小麦产量越高。结论 遥感数据辅助下的县域耕地质量评价具有系统性、科学性和可靠性,安阳县耕地质量提升重点在于提升丘陵地区土壤肥力和农田水利基础设施。     

基于ArcGIS 10的土地利用总体规划图斑自动化综合

研究目的：探索按语义级别对土地利用总体规划图进行自动化图斑综合的新方法。研究方法：在ArcGIS 10中构建模型、制作模型工具并进行实例分析。研究结果：制定了图斑综合原则,利用模型构建器、Python脚本语言和一系列地理处理工具构建了模型并制作了模型工具;实现了按语义级别进行自动化的图斑综合：按属性挑选小图斑的合并对象时,在与小图斑所属行政区相同的前提下,遵循土地规划地类、土地用途区类型、建设用地管制区类型的先后顺序。研究结论：利用土地利用总体规划实际数据进行了实例分析,证明该方法切实可行,且自动化程度高。