基于多源遥感影像融合的武汉市土地利用分类方法研究

准确高效的获取土地利用信息,对于合理利用和开发土地资源具有十分重要的意义。在快速城镇化地区,土地利用活动频繁且密集,土地利用格局演变十分剧烈,增加了城市土地利用精准分类的不确定性;且受环境气候和云雨天气影响增加了有效光学影像获取的难度。为提高城市土地分类精度,该文选取武汉市中心城区为研究案例,以Sentinel-1A和Landsat8 OLI影像为数据源,采用Gram-Schmidt变换方法进行影像融合,选取最大似然、支持向量机、CART决策树、BP神经网络等4种分类方法对融合的影像进行分类,提取了研究区土地利用信息,并对其进行分析。进一步,通过与光学影像的分类结果对比,探究了Sentinel-1A和Landsat8 OLI融合影像在土地利用信息提取方面是否具有优势。研究结果表明:(1)对比其他3种方法,CART决策树分类方法对于融合后的影像分类精度最高,总体分类精度和Kappa系数分别达到88.55%和0.841 4;(2)与光学影像相比,Sentinel-1A和Landsat8 OLI融合影像可以更有效地获取高精度城市土地利用信息;(3)基于多源遥感影像融合的CART决策树分类方法是获取研究区高精度土地利用信息的一种行之有效的技术手段。研究成果可为快速城镇化区域的土地利用分类提供参考。     

基于GF-2的江苏滨海湿地遥感深度学习分类算法研究

以江苏盐城滨海湿地为研究区,基于高分二号(GF-2)高空间分辨率遥感影像,应用VGG16_BN深度学习网络对研究区不同地物类别进行分类,并与VGG16、SVM和BP神经网络分类结果进行对比,综合评价分析分类结果精度与适用性.研究结果表明:与其他分类算法结果相比,基于深度学习VGG16_BN网络的影像分类精度相对最高,总体分类精度达99.32％,Kappa系数0.99,均显著高于其它分类算法精度.此外,通过局部可视化分析,VGG16_BN网络算法分类结果可有效保持大面积同类地物的区域一致性,有效避免"椒盐"噪声,对道路、河流等线状地物的连续性和边界提取较为完整和清晰.     

多重组合神经网络模型在湖库总磷预测中的应用研究

湖库总磷(TP)含量与环境因子的相关性往往并不显著,导致总磷预测精度不高,效果不理想。为提高总磷的预测精度,提出一种基于BP、Elman、RBF、GRNN(以下简称BP等4种)神经网络算法原理的组合预测模型,将影响总磷预测精度的NH+4-N、CODMn和透明度3个相关因子作为BP等4种模型的输入向量,总磷实测值作为输出向量,构建3输入1输出的单一预测模型;以BP等4种单一模型预测结果作为下一BP等4种模型的输入向量,总磷实测值作为输出向量,从而构建4输入1输出的一次组合预测模型;再以一次组合神经网络模型预测结果作为下一BP等4种模型的输入向量,总磷实测值作为输出向量,构建4输入1输出的二次组合预测模型;依次类推,构建8种方案的多重组合预测模型。并构建GA-BP模型作为对比预测模型,预测结果与BP等4种单一模型及GA-BP模型的预测结果进行比较。结果表明:(1)组合模型随着组合重数的增加,预测精度显著提高,表明多重组合模型用于湖库总磷预测是合理可行的,模型具有较好的预测精度和泛化能力,是提高预测精度的有效方法;(2)方案2~8中各模型的预测结果均优于GA-BP模型(除方案2中的GRNN外),表明组合模型具有较高的预测精度和泛化能力。其中,方案3中的BP模型、方案4~8中的BP、Elman和RBF模型的平均相对误差均小于10%,预测精度均令人满意,尤以方案6~8中的BP、Elman和RBF模型的预测精度为最高(平均相对误差均在9%以内),均优于其他组合模型。     

基于决策树—山体阴影模型的植被信息提取研究

植被是土地覆被分类的重要内容,植被分类对研究流域生态具有重要参考价值。鄂西犟河流域是南水北调中线工程的重要水源地,该区以中低山和丘陵为主,地形起伏剧烈,导致遥感影像存在大量阴影,制约了植被分类的精度。基于LandSAT OLI影像,使用ArcGIS的Hillshade模块,输入DEM数据和传感器具体参数,计算得到影像成像时刻阴影的准确分布;统计野外采集地物样本点在MNDWI、NDVI和RVI等指数上的差异;结合决策树分类法,分别设定阴影和非阴影下6类样本的阈值进行分类。结果表明:(1)该方法总分类精度能够达到92.93%,Kappa系数为0.912;(2)阴影和非阴影区植被具备明显的同物异谱和异物同谱特征,表现为阳面的植被指数整体高于阴面;3类林地的RVI值由高往低依次为:灌木,混交林和针叶林。(3)传统经验模型在不同纬度的适用性不同,无法精确提取阴影的范围,降低了分类精度;决策树—山体阴影模型作为一种智能分类方法,能够还原Landsat OLI影像准确的阴影分布,提高山地和丘陵等阴影面积大、形状复杂区域的植被分类精度。     

基于时空融合NDVI及物候特征的江汉平原水稻种植区提取研究

江汉平原是中国重要的商品粮基地,高精度的水稻种植面积的获取对国家的农业发展与规划具有重要意义。但是我国南方区域云雨天气较多,光学遥感影像缺失严重,同时受卫星重访周期的影响,可用数据较少,进而影响水稻种植面积提取的精度。为解决高时空分辨率影像缺失问题,基于ESTARFM (enhanced spatial and temporal adaptive reflectance fusion model)模型开展Landsat 8 OLI与MODIS数据的融合研究,获取具有高时空分辨率的Landsat NDVI时序数据。利用时序数据分析水稻的物候特征并结合关键物候期参数,采用多种机器学习方法对水稻种植区域进行提取。结果表明:利用该种方法能较好地提取研究区水稻种植的面积,并且在采用SVM方法分类时效果最好,水稻种植区域提取的总体分类精度为93.31%,Kappa系数为0.920 2。该研究为多云雨地区农作物种植信息提取提供了一种有效的方法。     

基于决策树分类的根河市土地利用变化及驱动力分析

以内蒙古自治区根河市为研究区,基于ArcGIS 9.2和ENVI 4.8平台,以2000年、2004年和2010年Landsat TM遥感影像为数据源,首先提取NDVI、MNDWI和森林郁闭度来建立决策树并执行分类;然后对分类结果采用土地利用转移矩阵、土地利用动态度进行变化分析;最后运用主成分分析法得出导致该地区土地利用变化的驱动力因子。结果表明:决策树分类可适用于该类研究区的土地利用分类,且分类精度较高;研究区地物类型有显著的变化,区域的主要土地利用变化表现为林地和居民地面积的大幅增长,疏林地和草地的大面积丧失;通过主成分分析得出人口和经济发展、农业生产条件和经济产业结构调整等是促进该区土地利用变化的主要驱动力因子。     

基于中低分辨率遥感影像的分类方法对比研究——以鄱阳湖水鸟栖息地遥感分类为例

选取中国鄱阳湖南矶山湿地为研究范围,通过分析候鸟在越冬期的栖息特征,构建适宜于提取候鸟栖息地的湿地分类系统。以Landsat8卫星OLI遥感影像为数据源,采用面向对象分类方法,通过多尺度分割、特征提取和决策树建立等关键步骤,实现湿地信息的快速提取;通过与传统像元法的分类结果对比,系统分析了面向对象方法在基于中低分辨率遥感影像的湿地信息提取中的有效性。研究表明:在面向对象湿地信息提取中,构建不同等级的分割尺度,在多个尺度上提取同一地物,可以更好识别复杂的湿地景观类型;相比仅依据像元光谱特征进行分类的传统像元方法,面向对象方法综合利用光谱、空间、形状和纹理等多种特征,因此可以获得更高的精度(总体分类精度达到87.64%,Kappa系数为 0.855 2);基于中低分辨率遥感影像,采用面向对象分类方法,能够获得较高精度的湿地景观分布,是一种成本较低且行之有效的技术手段。     

基于支持向量机的洪水灾情综合评价模型

在阐述支持向量机的基本原理、二值分类和多值分类技术及各自特性的基础上，结合洪水灾情综合评价中受自然环境、社会经济等诸多因素的影响且实测样本资料较少的特点，以及目前已有评价模型不能或难以解决的小样本、“过学习”、局部最小等实际难题，提出了基于支持向量机的洪水灾情综合评价模型，并应用实例进行了验证。研究结果表明，此模型和传统的灾情评估法、人工神经网络评价模型一样有效合理，并且模型运算时间比人工神经网络模型要短。因此，不仅为洪水灾情综合评估提供了一种新的模型，而且由于支持向量机遵循统计学习理论中结构风险最小化的原理，具有解决有限样本、非线性及高维识别中的优势，必将比其他传统的评价模型得到更广泛的应用和发展。〖     

基于时空数据融合的江汉平原水稻种植信息提取

及时、准确监测水稻种植面积,对区域粮食政策制定、粮食安全以及农业发展具有重要意义。然而我国南方地区水稻生长期内降水充沛的气候特点使得遥感影像"云污染"现象严重,为解决水稻种植信息遥感提取存在可用数据不足的问题,以江汉平原为例,利用时空数据融合模型(Spatial and Temporal Data Fusion Approach,STDFA)将Landsat 8 OLI与时序MODIS数据融合,重构出具有高时-空分辨率特征数据,然后采用面向对象的SVM分类方法对研究区内水稻种植信息进行提取,结果如下:融合后的红与近红外波段反射率与真实反射率的相关系数分别为0.84和0.81,研究区水稻提取精度为94.46%,Kappa系数为0.91。说明时空融合模型能够较好地重构出高时空分辨率数据,从而实现多云雨地区农作物种植信息遥感提取。     

基于BP神经网络的油气储量价值等级划分

在广泛选取原始指标的基础上,从可采储量、油气价格、开发投资、经营成本4个方面,构建了基于主成分分析法的油气储量价值等级划分指标体系,建立了基于BP神经网络的油气储量价值等级划分模型,并对胜利油田的数据进行实证分析。本文的创新及特色一是通过用7个主成分保留了95%的原始信息建立指标体系,避免了指标间相关性对后期评价的影响,提高了后期评价的准确性。二是通过设置初始权重、学习率、动态系数等参数使基于BP神经网络的油气储量价值等级划分模型的精度高达96.61%,避免了传统评价中模糊随机因素和人为主观因素的影响,提高了评价的准确性和科学性。结果表明,采收率、储量丰度、储量规模、储层埋深、凝固点等5个指标是影响油气储量价值等级的关键因素。储量价值越高,采收率越大、储量规模越大、储量丰度越大、储层埋深越小、凝固点越低。     

基于实测数据与遥感影像的鄱阳湖水体光学分类

鄱阳湖是我国最大的淡水湖泊,受季风气候影响其水体空间动态变化大,且广阔的水域内部差异也较大,因此湖泊水体光学分类对反演湖泊水质参数及监测湖泊水质有着重要意义。以鄱阳湖为研究区,根据实测的反射光谱数据形态特征将鄱阳湖的水体分为4类:特别浑浊、中等浑浊、轻度浑浊和清水区,并分别对每一类结果进行分析。考虑到实测光谱数据局限于湖区某些离散点的情况,不足以观测整个鄱阳湖区域内所有不同水体类型的空间分布和动态变化,从而将该方法利用于遥感影像以便观测整个湖区水体类型。在Landsat OLI遥感影像上任意选取采样点,根据其波谱形态建立基于斜率的分类算法,并应用决策树模型把鄱阳湖水体分为5类:特别浑浊、中等浑浊、轻度浑浊、清水区和特别清澈,影像的分类结果图与实地考察的情况相一致。把模型应用于其他时期的遥感影像进行鄱阳湖水体分类,对比影像的分类结果图表明:2002、2005和2009年鄱阳湖区分别出现3种、4种和4种不同的水体类型,且水体浑浊范围呈现出动态变化。研究表明水体光学类型分类可以更好的监测湖泊水质的时空变异性。     

基于PCA变换和神经元网络分类方法的中国森林制图研究

主要讨论基于NOAA AVHRR数据生成的NDVI时间序列数据与其他来源的地理数据结合进行中国森林细分类和制图的研究。首先利用ISODATA聚类方法对由NDVI时间序列数据派生的NDVI矩阵变量因子进行土地覆盖类型的分类，然后利用已有的植被类型图、TM影像以及地面样点数据作为参考依据, 进行类合并，获得中国森林边界。然后用PCA方法对NDVI时间序列数据进行信息增强与压缩处理，以排除各种干扰因素，提高分类精度。最后结合部分地理数据和地面样点调查数据，利用神经元网络方法进行中国森林分类，并依据种属和物候学特征、中国气候区划图以及国家植被分类二、三级分类系统，进行重新归类，得到最后的1 km中国森林分类图。分类结果表明，所用方法能够更加细致地划分森林类型，并且能保留一个相对较高的分类精度。     

生物多样性保护优先区用地类型遥感监测研究

遥感技术已成为用地类型信息分类提取的主要手段。本文以生物多样性保护优先区海南省琼中县中平镇为研究区,研究面向对象方法的高分辨率遥感影像用地类型分类提取。针对城镇、道路、湿地、人工林、自然林、农田、裸地等分类对象光谱、形状、纹理特征的差异,采用面向对象的多尺度分割算法,尝试不同的分割尺度,采用包括NDVI、亮度值、波段均值、边界指数、以及灰度共生矩阵均值、灰度共生矩阵熵等多种有效的特征参数,建立分类规则集,最终应用该分类规则集对实验区的高分辨率影像进行用地类型分类。经验证,该算法总体精度达到92.26%,Kappa系数达到0.84,实现了用地类型信息的高精度、快速提取。     

基于生态环境保护的发达地区土地资源调控研究

研究目的:利用协调发展度定量评价无锡市土地利用与生态环境的关系,并选择适合无锡市的调控模式,促进生态环境与土地利用协调发展,从而达到土地资源可持续利用。研究方法:文献分析法、协调发展度模型法和BP神经网络模型法。研究结果:无锡市土地利用与生态环境协调发展度总体上呈现不断增加趋势,其中统筹兼顾模式较好的协调了土地利用与生态环境的矛盾。研究结论:运用协调发展度模型和BP神经网络模型对土地利用与生态环境协调发展进行评价和调控,具有较高的可信度与可操作性。     

武汉市灰霾天气特征分析及基于支持向量机的能见度预报

利用武汉市2013年灰霾日气象数据和空气质量数据对灰霾天气特征及其影响因子进行了综合研究,获得了武汉市灰霾天气的主要影响因子,并使用支持向量机对灰霾日能见度进行了多因子综合预测。实验表明,支持向量机模型在短期预报中,±1 km、±2 km、±3 km误差范围内预报正确率分别达到733%、867%、967%,平均绝对误差在1 km内,实现了灰霾能见度高精度预报,优于多种预报模型。在第2、3天±3 km误差范围内的能见度预报准确率都达到90%,中长期预报能力较强,模型性能稳定     

融合物候特征对城市土地覆被进行分类及覆被变化分析——以金坛区为例

土地覆被与全球生态环境变化有重要联系,遥感分类技术作为提取大尺度地物信息的主要手段,在土地覆被变化监测中具有重要作用.但是由于监测研究对影像时间序列的要求及像元呈现出的混合光谱的特征,现存城市土地覆被分类方法的分类精度仍待提高.为了精确评估城市土地覆被变化带来的生态效应,寻找到一种简单可行同时又具有较高分类精度的遥感分类方法显得极为重要.基于Landsat 8卫星遥感影像,建立具有代表性的城市土地覆被分类体系,结合地物物候特征改进传统的监督分类方法,并将该方法应用于金坛区土地覆被分类工作中,统计分析2016～2018年金坛区各土地覆被类型的面积变化趋势.结果表明融合地物物候特征的监督分类方法相较于传统监督分类方法可有效改善各覆被类型的提取精度;且在江苏省生物多样性保护政策的实施下,2016～2018年金坛区各土地覆被类型面积变化较为明显.整体来看,该方法在传统监督分类方法的基础上结合地物的物候特征进行土地覆被信息的提取,在保证分类方法简单易行的同时,可以有效提高分类精度,为土地覆被变化生态分析提供了有效参考.     

BP神经网络在城市建成区面积预测中的应用——以江苏省为例

城市建成区规模的迅速扩张是目前江苏省土地利用变化中的一个显著特点，其面积从1985年的426 km2扩大到2003年的2 200 km2，平均年增加98.56 km2。城市建成区规模的扩张受到社会、经济、人口等多种因素的影响，用传统方法对其进行预测比较困难。鉴于BP神经网络在非线性领域预测中的广泛应用，以江苏省为研究对象，构建一个11-3-1结构的BP神经网络预测模型，以1985~2001年和2002年的相关数据作为模型的训练和测试样本，以2003年的社会、经济数据作为网络的预测输入，对该年的建成区面积进行预测。结果表明，BP神经网络预测结果与实际面积的相对误差为3.96%，其预测精度与多元回归预测模型相比有较大改善。     

基于知识的洞庭湖湿地遥感分类方法

湿地遥感影像分类是遥感研究的一大难题。分析洞庭湖不同湿地类型在遥感影像上的光谱曲线规律,利用两个季节的洞庭湖ETM数据,并辅助以物候特征和地面GIS信息,通过遥感软件Erdas Image的专家分类知识库建立决策树分类方法,结合研究区的DEM进行洞庭湖湿地的影像分类,通过专家分类器分层次实现了包括水体、泥沙滩地、防护林滩地、湖草、芦苇滩地和苔草滩地以及其他水体7种湿地类型的分类。相比传统分类方法,专家分类过程以规则为基础,可以同时利用多个条件进行分类,减少了数据处理时间,同时还提高了分类精度,最终得到试验区较为可靠的遥感分类图像。     

基于遥感反演长江中游地区悬浮泥沙研究

悬浮泥沙定量研究对于调查长江的水质、地貌、生态环境等起着至关重要的作用。以长江中游武汉地区2012~2013年14幅不同时相的Landsat ETM+遥感影像为主要数据源,结合野外采样悬浮泥沙浓度数据,分析了悬浮泥沙遥感定量反演方法,数据处理中针对ETM+SLC OFF影像缝隙问题,采用自适应局部回归匹配算法（ALR）进行影像自动恢复处理,在波段选择中对悬浮泥沙浓度和光谱反射率数据进行相关性分析,并运用传统关系建模方法和高斯模型方法对比,比较悬浮泥沙定量反演模型,利用实测验证数据对反演模型精度进行评估。研究结果表明：（1）ALR可以有效的获取悬浮泥沙敏感波段的遥感光谱反射率;（2）ETM+Band3悬浮泥沙浓度的高斯模型相关系数最高,通过对比得到模型反演的验证精度较高,研究证明遥感定量反演适合于长江流域武汉段泥沙含量大范围监测     

基于ENVISAT ASAR数据的东洞庭湖湿地植被遥感监测研究

针对湿地资源监测的需要,以东洞庭湖湿地为研究对象,开展基于ENVISAT ASAR数据的湿地植被遥感监测研究。湿地遥感影像分类是湿地遥感研究的一大难题,通过分析雷达影像的后向散射系数发现,由多时相的同极化、交叉极化波段合成的雷达影像对湿地地物的区分能力最强。研究表明：将基于原图像的灰度级共生矩阵所提取的Contrast纹理特征与滤波后图像的灰度特征组合用于分类,以此实现相干斑噪声的抑制,同时减少地物固有结构信息的损失,实验结果证明该方法可以提高湿地分类精度,其总体精度达到8759%,Kappa值为0822 8,将东洞庭湖湿地划分为水体、芦苇（荻）滩地、草滩地（苔草、虉草等）、森林滩地（杨树、柳树等）、优势种不明显的植物滩地和沉水植物、裸露泥滩地.