共查询到18条相似文献，搜索用时 171 毫秒
1.
2.
基于多时相遥感数据的地表覆被分区研究 总被引：3，自引：0，他引：3
利用多时相的NOAA—AVHRR 8km分辨率的遥感影像，以决策树分类器为基础，辅以数字化地形数据（DTM）、历史资料和野外实地调查资料等辅助分类数据，综合运用非监督分类和基于知识挖掘的信息提取技术，对中国东北地区20世纪80年代的地表覆被类型进行了分类，将研究区域最终划定为11种土地覆被类型，揭示了当时研究区域的土地覆被空间分异特征。 相似文献
3.
4.
《农村经济与科技》2016,(23)
最近几年,随着空间遥感技术的发展,高分辨率遥感影像在土地资源调查、环境监测等领域中的应用日益广泛。利用传统的遥感影像分类方法,如监督分类,容易导致分类精度降低,空间数据大量冗余和资源的浪费。面向对象的分类方法正是为了解决这些问题而出现,面向对象的方法利用遥感影像结构、光谱信息,并在建立这些特征之间的层次关系的基础上,对遥感影像进行分类。利用杭州市西湖区域2014年10月份的数据,基于ENVI5.0对高分辨率影像进行地物特征的信息提取,利用监督分类和面向对象技术首先对该区域信息进行分类,然后再对分类结果进行对比分析研究。结果表明,面向对象分类方法在此数据城市绿地信息提取中精度优于监督分类。 相似文献
5.
石河子垦区土地利用/土地覆被变化遥感监测研究 总被引：2，自引：0，他引：2
通过对石河子垦区1989年和2002年同期遥感影像进行土地利用／土地覆被变化的分类研究，一方面提出了遥感数据和地理信息矢量数据相结合提高分类研究精度的方法，另一方面分析了垦区土地利用变化的驱动力，为该区可持续利用土地的规划提供了依据。 相似文献
6.
为了从遥感影像中快速、高效地获取较高精度的数据,按照分类组合的思想,根据山西省太原市榆次区Landsat TM影像数据,将传统监督分类中分类性能较好的分类器作为基分类器,运用改进后的加权投票算法进行多分类器组合,用于研究区遥感影像土地利用/覆被数据分类.结果表明,多分类器组合的分类结果精度要高于单独的基分类器分类精度,两两分类器组合的分类精度要高于三分类器组合的精度.研究结果证实了多分类器组合的可行性和有效性,能够提高传统分类方法的分类精度. 相似文献
7.
8.
人类自身的生产活动是土地利用/土地覆被变化的主导因素,结合实地调查,利用张家口市遥感影像,分类并统计研究区土地利用情况,并对研究区各类土地利用资源的数量现状进行分析和判断;建立张家口市土地利用基于影像的遥感估测模型,分析张家口地区的土地利用,结合多种评价指标,为张家口地区的建设与发展提出合理建议。 相似文献
9.
取1986、1996和2001年3个时期覆盖近代黄河三角洲的TM影像为数据源,结合1980年地形图,经监督、非监督分类及人工目视解译,获得研究区各时相土地覆被类型图.运用地形图和TM影像人工目视解译勾画3个时期居民点图,通过3个时期的居民点分布图向外等距离扩展形成辐射状梯度圈,并以此剪裁相应时相的土地覆被类型图,形成不同距离辐射梯度土地覆被类型图,计算各土地覆被类型图的景观指数,分析研究区15年间土地覆被动态过程、居民点动态过程以及居民点变化对景观动态的影响.结果表明,随着居民点建成区面积的增大,其对周围地区影响的范围亦不断增大. 相似文献
10.
喀斯待石漠化是在自然和人为因素相互作用下土地退化的现象.石漠化地区的遥感影像分类以往采用的是监督分类和非监督分类,但它们单纯地利用像元的亮度特征,分类精度低,往往不能满足实际的应用需要.决策树分类是一种新的遥感影像分类技术.以凯佐乡为研究对象,使用了ASTER影像数据、DEM和岩性数据,通过提取归一化植被指数、比值植被指数、地形坡度等数据建立分类规则,构建决策树.在ENVI软件支持下,获得了研究区的决策树分类影像.通过计算影像分类精度和Kappa系数.得到了以下结论：运用决策树分类法对石漠化地区遥感影像进行分类,可取得较理想的分类效果;实现了石漠化信息的自动化提取;若采用的遥感影像波段更多,DEM分辨率更高并减少数据处理中的误差将能够进一步提高分类精度. 相似文献
11.
12.
13.
快速、准确获取耕地数量及其分布信息是研究耕地时空格局和生态效应的基础,也是及时制定应对粮食问题对策的迫切需求。近年来,随着卫星遥感技术的迅猛发展,遥感以其宏观性、实时性以及经济性为耕地信息快速获取提供了可能性。本文归纳了遥感技术应用于识别耕地信息的研究进展,总结了国内外耕地信息提取研究中常用的数据源、分类算法、时相选择、分类对象,讨论了上述四大类在提取耕地信息过程中的优缺点。随着传感器数量不断增加,遥感影像时间分辨率、空间分辨率及光谱分辨率不断提高,分类算法的不断涌现,基于多源遥感数据,集成智能分类算法识别耕地将成为必然的发展趋势。 相似文献
14.
在使用土地覆盖类型分类模型分类高原土地覆盖类型的过程中,由于不同类别地物间光谱信息更相近,在没有多特征降噪的情况下,容易产生噪声偏差,导致土地覆盖类型错分,设计一种基于遥感图像光谱特征融合的高原土地覆盖类型分类模型。设计特征提取方法,提取遥感图像中几何特征的空间特征与属性特征,以展示遥感图像光谱更多的空间细节信息;将遥感图像按照一定模式规则进行处理和运算,构建三种多特征融合模式,使用SVM作为分类工具,计算其中参数,实现元素的线性可分。模型性能测试结果表明：设计的分类模型所得到的分类结果在生产精度、总体精度、Kappa系数这三个指标中的评分均达到了0.7以上,验证了设计模型在高原土地覆盖类型分类中的准确性。 相似文献
15.
针对北方农牧交错地区地表异质性和破碎化强烈、地物光谱特征混杂严重、土地利用/覆被遥感信息提取对目视解译依赖程度高的特点,以内蒙古多伦县为研究区,尝试将基于知识的遥感信息提取技术应用于该地区。通过地物光谱特征的深入分析,用线性光谱混合分解模型将主要地物覆被类型分离,并建立多个专题信息模型,依据经验知识建立了各用地类型提取规则,对多伦县土地利用信息进行了计算机自动提取,并与单一的监督分类法提取的结果进行了对比。结果表明,运用遥感信息提取技术提取的面积精度达93.8%,抽样点评价精度为87.7%;单纯使用监督分类法提取的面积精度为71.1%,抽样点评价精度为59.5%。可见,遥感信息提取技术较单一的监督分类法效果好很多,实现了多伦县土地利用遥感信息高精度分层次快速提取。图4表3参20 相似文献
16.
以新疆渭干河—库车河三角绿洲为例,选用2001和2010年的LandsatTM影像,利用遥感技术,并从土地利用/覆被变化的研究角度出发,结合研究区的自然以及社会因素,监测并分析渭干河—库车河三角绿洲2001和2010年的土地利用/覆被变化。分析结果表明,研究区内土地覆被类型在结构和面积上都有较大变化,结合当地社会因素以及自然因素,认为近年来随着当地社会经济的发展及人口大规模迁入,导致大规模的开发土地资源,造成林地等自然覆被减少或者破坏,耕地面积增加。但是在开垦后由于不科学的灌溉方式,导致耕地土壤盐渍化程度加重,所以土地盐渍化成为了研究区目前农业发展的瓶颈,进而阻碍当地经济发展。 相似文献
17.
一年一季农作物遥感分类的时效性分析 总被引：3，自引：1，他引：3
【目的】基于遥感影像的作物分类研究是提取作物种植面积和长势分析及产量估测的基础,也是推动现代化农业快速发展的动力。研究结果可为农业等相关部门掌握农情,进行宏观调控提供依据。目前,农业遥感研究主要集中于中低分辨率遥感影像,影响植被信息提取的精度,应用高分辨率多时相遥感影像和选择最优分类方法可以提高植被信息提取精度。明确农作物遥感分类的时效性与最优分类方法,为快速、准确地获取作物空间分布数据和农情定量遥感监测提供依据。【方法】基于黑龙江省虎林市2014年5—10月覆盖完整生长期的20幅遥感影像,构建16 m分辨率NDVI时间序列曲线,建立决策树分类模型,通过分类影像进行系列阈值分割,并结合辅助背景数据及专家知识,成功提取虎林市土地利用覆被信息;利用20幅影像依次波段合成的方式进行作物分类,明确最优时相;将提取的耕地范围作为作物分类规则,并与未提取耕地范围的作物分类结果进行比较;同时通过最大似然法、马氏距离法、神经网络法、最小距离法、支持向量机、波谱角分类法、主成分分析法多种分类方法进行作物分类;利用农业保险投保地块数据进行精度验证。【结果】(1)7月初、7月末到8月初、9月末是研究区一年一季作物遥感分类的3个关键时相;(2)决策树分类方法在提取土地利用覆被信息的结果中精度最高,总体精度90.24%,Kappa系数0.87;(3)6月初与7月初2幅影像结合采用最大似然法对作物进行分类的总体精度高达94.01%,Kappa系数为0.79,6月初与7月初的影像结合,可以解决作物分类的时效性;(4)结合9月21日的影像,总体精度进一步提高,大豆分类精度明显提高,最终确定最大似然法为最优作物分类方法。【结论】通过遥感数据能实现在7月上旬对作物进行精准分类,拓展了遥感数据在农业领域的应用价值,对一年一季地区作物快速分类与农情定量遥感监测有重要意义。 相似文献
18.
基于边界域修正粗糙熵模型的遥感影像分类不确定性评价 总被引：1，自引：0，他引：1
【目的】遥感影像分类是获取地表覆盖信息的有效技术手段,客观合理地评价遥感影像分类的不确定性对农业资源调查、作物估产等方面的遥感应用具有重要的意义。论文针对修正粗糙熵模型在评价遥感影像分类不确定性时存在的问题,构建基于边界域修正粗糙熵模型的遥感影像分类不确定性评价指标,以期更好地度量地物类别尺度上的遥感影像分类的不确定性。【方法】考虑边界域对遥感影像分类结果不确定性的影响,对修正粗糙熵模型进行改进,以类别的边界域被分类知识划分的结果取代所有像元被分类知识划分的结果作为衡量分类知识不确定性的依据,建立基于边界域的修正粗糙熵模型。首先依据粗集理论对所建模型的合理性进行数学推导,然后以北京市的Landsat TM影像和新疆石河子地区的IKONOS影像为例,分别应用修正粗糙熵模型和基于边界域的修正粗糙熵模型对分类结果在地物类别尺度上的不确定性进行评价,用不同空间分辨率和不同研究区域的试验数据的不确定性评价结果印证理论推导结论。【结果】与修正粗糙熵模型相比,基于边界域的修正粗糙熵模型在评价遥感影像分类的不确定性时能够更好地刻画分类知识所引起的不确定性,使遥感影像分类结果的评价更加客观和合理。通过对两种模型下试验数据的分析表明,当所研究的地表覆盖类型在研究区域内的分布比较零碎,成片区域不多,类别与类别之间的边界部分所占比重较大,混合像元现象比较严重的时候,采用修正粗糙熵模型计算遥感影像分类结果的不合理性还不是非常明显,还能够比较客观地反映遥感影像分类的不确定性问题。但是如果评价分布比较集中,面积比较大的地物类型的分类精度时,修正粗糙熵模型则难以客观地反映遥感影像分类的不确定性问题,其评价结果的不合理性也更为明显。【结论】采用修正粗糙熵模型进行遥感影像分类的不确定性评价时,放大了由于边界域存在所产生的不确定性,而基于边界域的修正粗糙熵模型则可以较好地避免这一情况的发生,更合理地度量地物类别尺度上的遥感影像分类的不确定性。 相似文献