共查询到18条相似文献，搜索用时 203 毫秒
1.
基于多源遥感的土地利用动态监测图像分类方法研究——以陕北黄土丘陵沟壑区为例 总被引：1，自引：1，他引：1
在陕北黄土丘陵沟壑区的土地利用动态监测中,采用一种遥感影像和单纯的监督分类方法,难以获得高精度的土地利用数据。为解决此问题,以陕北无定河流域为研究区,以主成分变换的方法对多源遥感影像(TM多光谱数据和SPOT全色波段数据)进行融合处理;同时在分类中采用监督分类与非监督分类相结合的混合分类法,改进训练样本选取方法。先以非监督分类获得初始训练样本,在对样本进行删除、增补、合并等调整的基础上,再进行监督分类,这2种方法的结合使用,使土地利用信息自动提取的精度明显提高。与仅以TM影像为信息源,采用单纯监督分类法的分类结果对比可知,土地利用各类别的提取精度都有不同程度的提高,分类总精度从82.0%提高到89.2%;水体、水田和城镇用地等面积较小类别的精度提高了10%以上;坡耕地与林草地的混分现象明显减少,精度均提高了5%以上,取得了良好的分类效果。研究结果为陕北黄土丘陵沟壑区土地利用变化的动态监测,提供了重要的技术支持和借鉴。 相似文献
2.
不同地貌类型区1∶25万比例尺DEM的建立方法 总被引：4，自引：1，他引：4
以在 3个不同地貌类型区的试验为例证 ,研究探讨建立栅格化 DEM的技术要点和技术方法 ,并对所建立 DEM的精度进行评价。研究结果表明 ,在平原区可以直接利用 Terlk层及水系要素建立 DEM;在山区 ,则首先需要进行构造地形结构线的预处理 ,而在黄土丘陵沟壑区 ,不仅需要构造地形结构线 ,而且需借用大比例尺的高程数据进行高程加密处理 ,以最大限度地减少地貌特征信息的损失 ,为区域水土流失的动态监测基础地理数据库的建立提供重要的技术方法 相似文献
3.
采用1种遥感影像和单纯的监督分类方法,在黄土丘陵沟壑地区的土地利用调查中,难以获得高精度的土地利用数据。为解决此问题,以陕北无定河流域为研究区,以主成分变换的方法,对多源遥感影像(TM多光谱数据和SPOT全色波段数据)进行融合处理;同时,在分类中,采用监督分类与非监督分类相结合的混合分类法,改进训练样本选取方法,先以非监督分类获得初始训练样本,在对样本进行删除、增补、合并等调整的基础上,再进行监督分类。2种方法的结合使用,使土地利用信息自动提取的精度明显提高。与仅以TM影像为信息源,采用单纯监督分类法的分类结果对比可知:土地利用各类别的提取精度都有不同程度的提高,分类总精度从82.0%提高到89.2%;水体、水田和城镇用地等面积较小类别的精度,提高了10%以上;坡耕地与林草地的混分现象明显减少,精度均提高了5%以上,取得了良好的分类效果。研究结果为陕北黄土丘陵沟壑区土地利用变化动态监测,提供了重要的技术支持和借鉴。 相似文献
4.
不同地貌类型区1∶25万比例尺DEM的建立方法 总被引：4，自引：0，他引：4
以在3个不同地貌类型区的试验为例证，研究探讨建立栅格化DEM的技术要点和技术方法，并对所建立DEM的精度进行评价。研究结果表明，在平原区可以直接利用Terlk层及水系要素建立DEM；在山区，则首先需要进行构造地形结构线的预处理，而在黄土丘陵沟壑区，不仅需要构造地形结构线，而且需借用大比例尺的高程数据进行高程加密处理，以最大限度地减少地貌特征信息的损失，为区域水土流失的动态监测基础地理数据库的建立提供重要的技术方法。 相似文献
5.
陡坡开垦使坡耕地面积扩大是造成黄土高原水土流失严重、生态恶化的根本原因。应用遥感技术,及时准确地掌握坡耕地的分布特征及面积数据,对合理实施退耕还林还草工程意义重大。以陕北黄土丘陵沟壑区为实验样区,以TM图像为主要信息源,采用非监督分类与监督分类相结合的混合分类方法提取坡耕地信息。通过改进采样方法,在非监督分类生成的初始训练样本的基础上,进行删除、增补、合并等样本调整,使训练样本的选取精度大大提高,明显提高了分类精度。研究证明,在黄土丘陵沟壑区,采用混合分类方法进行坡耕地分类,较好地解决了大量存在的坡耕地同物异谱的现象,是进行坡耕地调查与监测的理想方法。 相似文献
6.
[目的] 为评估多源土地利用产品在黄土丘陵沟壑区的精度。[方法] 以黄河二级支流关川河流域为例,基于高精度GCLUCC土地利用数据,从空间分布、面积特征、样本点精度和空间一致性4个方面评估空间分辨率为10,30 m的6种土地利用产品(WorldCover 10 m、ESRI 10 m、GLC_FCS30-2020、GlobleLand30、CNLUCC和CLCD)的准确性。GCLUCC数据是基于GF-2(0.8 m)、DEM(5 m)、野外采样点(6 400个)和Google Earth样本点(2 320个),采用面向对象法和人工目视解译,空间分辨率为1 m,整体精度超过95%。[结果] (1)分类特征方面,多数产品能提取主要土地类别,但提取效率和准确度存在明显差异,特别是在耕地、林地和建设用地等地类的空间分布上。(2)面积一致性上,各产品与GCLUCC在不同地类的面积上存在显著差异。部分产品的草地面积是GCLUCC的2倍以上,而林地和水域面积仅占GCLUCC的0.13%~12.11%和1.41%~11.27%。(3)整体精度方面,GlobleLand30和WorldCover 10 m展现较高精度,空间图谱精度分别达到58.21%和50.19%。而CLCD和CNLUCC的准确性相对较低,其中,林地与草地、耕地与草地及建设用地与耕地间的分类混淆严重。(4)所有产品与实际地表间的空间误差显著,尤其在对乔木、灌木、裸地和水体分类上面临挑战。[结论] 当前土地利用产品在黄土丘陵沟壑区精确表征地表覆盖特征方面存在挑战。未来的产品开发应更多地考虑地形和地理特征,并加强对特定土地利用类型的识别。研究结果可为黄土高原生态保护和地表信息获取提供理论参考。 相似文献
7.
基于多源数据的南方丘陵山地土地利用随机森林分类 总被引：5，自引：5，他引：0
针对南方丘陵山地因地形破碎和山体阴影而导致的分类精度低问题,该研究以东江源地区为例,通过结合多源数据,以Sentinel-1、Sentinel-2A卫星影像和DEM作为数据源提取27个指标,构建了6种特征变量集,并设计了9种方案,探讨加入红边特征、雷达特征和地形特征对南方丘陵山地土地利用分类信息提取的作用。同时结合随机森林算法和递归特征消除法进行特征变量优选和特征重要性排序,将随机森林特征优选后的分类结果与支持向量机算法(Support Vector Machine,SVM)和K近邻算法(K-Nearest Neighbor,KNN)作对比。结果表明:在未进行特征变量优选时,仅使用Sentinel-2A的光谱特征提取的东江源地表覆盖分类总体精度和Kappa系数最低,在以光谱特征、植被指数和水体指数作为基本方案时,加入红边特征、雷达特征和地形特征后均可以有效地提升各地物分类精度,其中地形特征的加入更有助于对东江源园地和耕地信息的提取。通过结合随机森林和递归特征消除算法进行特征优选,在保持分类精度最优的情况下将所有特征变量从21个降低到13个,并且总体精度达到0.937 2,Kappa系数达到0.923 4,分类精度优于相同特征下的支持向量机算法(SVM)和K近邻算法(KNN),对东江源土地利用信息提取效果最佳。该研究提出基于多源数据的随机森林方法可为地形复杂的南方丘陵山地土地利用信息提取提供技术支持和理论参考。 相似文献
8.
9.
10.
LUCC是全球变化研究的重要内容,土地利用/覆盖信息的获取是其前提和基础。决策树分类法是每次利用一定的规则,对遥感影像进行逐级细化的分类模型,具有直观、高效等特点。在综合分析每一种土地利用/覆盖类型各种特征的基础上,探讨了将不同土地利用/覆盖类型的光谱特征、空间特征、波段比值特征等信息融入决策树分类模型,对龙口市土地利用/覆盖信息进行自动分类的方法,取得了较高的分类精度。 相似文献
11.
山地丘陵区地形复杂,地表辐射信号畸变严重,地物识别困难。为准确提取山区地物信息,结合多源异构数据,Stacking集成学习和shapley addictive explanation(SHAP)方法展开土地覆被分类研究。从Sentinel-1/2影像、气候数据、土壤数据和数字高程图中提取遥感、气候、土壤和地形四类特征变量,设计多种变量组合方案,结合Stacking算法,探讨不同类型变量在山区地物识别中的效用,并对比Stacking最佳方案与支持向量机（Support Vector Machine,SVM）、随机森林（Random Forest,RF）和极端梯度回归（eXtreme Gradient Boosting,XGBoost）算法的分类精度,评价Stacking方法在山区地物信息提取中的性能。同时,引入SHAP方法,量化Stacking模型中各特征变量的重要性。结果表明：在仅以遥感变量为基础方案时,山区土地覆被分类精度最低;在分别加入气候、土壤和地形变量后,总体精度、Kappa系数和F1分数均有所提高,其中旱地、水田和园地分类精度的提升幅度较大。基于Stacking算法结合所有类... 相似文献
12.
土地利用信息是重要的基础数据,其准确程度将对其后续应用工作的结果产生重要影响。岩溶区地形复杂、地表覆盖类型多样,使用目视解译和传统监督分类的方法都存在一定的局限。通过结合遥感影像和植被指数、湿度指数、地形等多元信息,结合主成分分析方法,利用决策树实现上述多元信息建模,进而以实地调查样点为目标函数获取决策树的分类决策参数阈值,从而构建了多元信息支持的岩溶区土地利用信息提取方法。经试验区的模型应用和样点验证表明,该方法获取的土地利用信息基本符合典型岩溶区土地利用比例和分布特征,总体分类精度达到82%。该方法能够加深对多维遥感信息的认识,充分挖掘出其中隐含的信息,并根据这些信息提高岩溶区土地利用信息提取的精度,尤其能体现出岩溶区地貌特征对土地利用空间分布的影响。 相似文献
13.
14.
基于多时相遥感数据的吉林西部土地覆被分类提取 总被引：2，自引：1，他引：1
为深化计算机自动提取土地覆被类型在遥感分类研究中的应用,以吉林西部的镇赉县为试验区,利用Landsat8多时相遥感数据的季节变化信息、地表植被、水体与土壤等特征参量,构建多维分类特征数据集对试验区进行土地覆被分类研究,提取了11种地表覆被类型。结果表明:1)多维变量组合方案的总体分类精度为95.50%,Kappa系数为0.9504。该方案自动提取地类达到了一个比较理想的分类结果,方案有效可行;2)方案中,3个主要特征分类变量的引入能很好改善易混淆地类的可分性,尤其,地表植被季节变化信息和土地信息的引入能明显提高土地覆被的分类精度;3)实际情况表明,引入的分类特征量不是越多越好,只有将多种分类特征有效结合才能够提高土地覆被分类精度。该文为农牧交错带上的土地覆被遥感监测提供了一个可行的方案,该方案有效可行。 相似文献
15.
基于高分辨率遥感影像的青海湖沙柳河流域土地覆盖监督分类方法对比 总被引：3，自引：2，他引：1
[目的]研究高寒河源区土地覆盖的精准分类方法,为地物分类提供参考,分类结果可为青海湖流域土地资源与生态环境监管提供数据支撑。[方法]运用高分辨率遥感影像,通过6种监督分类器(平行六面体、最小距离、马氏距离、最大似然、神经网络和支持向量机)对青海湖沙柳河流域的土地覆盖进行分类,最后通过最佳提取方法统计得出青海湖沙柳河流域土地覆被概况。[结果]支持向量机、神经网络和最大似然的分类精度较高,其总体分类精度均大于96%,Kappa系数均大于0.95,平行六面体的分类精度最低,误差较大。综合各种分类精度及分类图像局部细节,支持向量机分类效果最佳。通过解译可知沙柳河流域土地覆被以草地为主,占流域总面积的71.09%,裸地和湿地分别占流域总面积的16.26%和10.24%,水体、农田和建筑用地面积较小,共占流域总面积的2.41%。[结论]运用高分辨率遥感影像,通过支持向量机分类器可实现对青海湖沙柳河流域土地覆被的良好分类。整个流域植被覆盖度高,生态环境良好。 相似文献
16.
陕北黄土高原地区土地利用/覆被分类及验证 总被引：3，自引：2，他引：1
陕北地区自退耕还林工程实施以来,区域土地覆被发生巨大变化,退耕后土地利用/覆被分类有利于实现退耕前后土地利用/覆被动态监测,评价退耕还林工程进展程度。该文在前人分类系统的基础上,通过对研究区不同土地覆被类型分布特征的实地调查,首先构建了适合陕北地区的土地覆被分类系统;其次依照上述分类系统,以MODIS/NDVI数据、DEM数据和陆面温度数据为依据,采用决策树分类方法对2008年陕北地区土地覆被进行分类;最后采用野外调查数据和Google Earth高分辨率遥感数据,利用误差矩阵的方法对分类结果的整体精度和典型区域不同土地覆被类型的区分精度进行验证。结果表明,基于上述方法的土地覆被分类不仅反映了土地覆被分布的整体情况,而且不同的土地覆被类型之间也得到较好的区分。 相似文献
17.
基于Landsat 8 OLI影像纹理特征的面向对象土地利用/覆盖分类 总被引：5，自引：4，他引：1
针对如何提高中低分辨率遥感影像分类精度,该研究以河北省石家庄市Landsat 8 OLI遥感影像为研究对象,对灰度共生矩阵(gray-level co-occurrence matrix,GLCM)纹理与伽博(Gabor)滤波器下的Gist纹理特征进行对比,应用J-M(Jeffries-Matusita)距离可分离性分析GLCM最优纹理特征,并利用最佳指数法(optimum index factor,OIF)获取GLCM与Gist纹理特征的最佳特征组合;其次对面向对象分类的分割尺度进行研究,提出整体最优分割尺度计算方法;最后进行基于纹理特征的面向对象分类识别与精度评价,并与基于原始数据的面向对象分类结果进行对比。研究表明:Gist纹理特征使分类精度有了一定的提高,基于纹理数据的面向对象支持向量机(support vector machine,SVM)分类及面向对象K邻近法(K-nearest neighbor,KNN)分类的总体分类精度(overall accuracy,OA)分别比基于原始数据的2种方法分类精度提高3.67和3.33个百分点,基于纹理的面向对象SVM方法具有最高的精度,OA达到85.67%。不管是基于原始数据还是纹理数据,面向对象分类精度远高于最大似然分类(maximum likelihood classification,MLC)、马氏距离分类(mahalanobis distance classification,MDC)和SVM分类精度,且面向对象分类方法对纹理数据更为敏感。该文提出的基于纹理的面向对象分类方法有效提高了遥感影像分类精度,为区域土地利用/覆盖信息提取提供了有效的途径。 相似文献
18.
利用MODIS-EVI时序数据对河南省土地覆盖进行分类 总被引：2，自引：1，他引：1
基于遥感的土地覆盖信息提取对农林业生产、环境监测具有直接的应用意义。该文选取河南省作为研究区域,利用2005年23个时相的MODIS EVI数据,结合农作物物候历、其他分类参考数据及河南省种植结构的相关文献,在对时序数据进行去云、平滑处理后,采用SVM（支持向量机）分类器,对河南省的土地覆盖进行分类。分类结果上,一方面参照2005年河南省农作物种植面积的统计数据得到面积精度,对大面积种植的农作物：小麦为81.47%、玉米94.87%、水稻82.43%;经济作物：油菜39.81%、大豆93.65%、棉花95.21%、花生74.27%;另一方面,参照2000年1：10万全国土地覆盖的分类数据,将2000年的对应数据和分类结果分别归并为：耕地、林地、草地、水体、建筑进行精度比较,结果表明总体识别精度为78.07%,Kappa系数为0.6556。从分类精度验证来看,表明MODIS植被指数时序数据及该文研究方法在农作物信息提取中的有效性。 相似文献