共查询到20条相似文献，搜索用时 187 毫秒
1.
多源时空数据的地表分类信息挖掘 总被引：1，自引：0，他引：1
随着国土空间的发展,自然资源管理、国土空间规划等对于地表分类信息的需求日益增大,如何采用数据挖掘手段高效准确地获取地表分类信息成为目前重要的研究方向。本文在对多源数据进行分析研究的基础上,以地理国情监测、基础测绘、天地图等多源时空数据为数据源,参考第三次全国国土调查分类方案,综合采用多维度地表分类、语义规则映射、空间综合映射、多场景特征判断、分类权重判断、空间聚合分析等多种方法对地表分类信息进行挖掘。提出了一种汇聚多源数据优势的地表分类信息挖掘方法,对于丰富地表分类数据产品类型和信息的维度具有重要的意义。 相似文献
2.
以解决地理空间信息数据重复采集、准确地完成土地类型的分类和相关信息的提取为出发点,提出基于地理信息系统(GIS)技术的多源地理空间信息提取方法.通过设计多源地理空间信息数据目录节点,准确查找多源地理空间信息数据;通过相应组件调用各类型数据模块实现数据读取,并通过可视化窗口呈现,充分利用多源地理空间信息数据;结合ArcGIS实行解读到的信息数据预处理,依据决策树获取分类规则,将分类规则导入遥感图像处理平台(ENVI)完成多源地理空间遥感影像分类,利用决策树对其完成信息提取.测试分析结果表明:设计方法能够有效完成多源地理空间信息的准确分类及提取,提取结果可清晰呈现所划分的类型全部信息. 相似文献
3.
4.
5.
面向地理国情监测,以自然保护区监测为突破口,分析自然保护区监测内容,研究自然保护区多源异构数据整合、专题信息建模、多时态信息动态可视化等关键技术。在此基础上,以乌岩岭国家级自然保护区为例,构建保护区多层次、多尺度的基础空间数据库和专题数据库,实现保护区动态监测系统,形成动态标注、动态漫游、动态矢量等多种动态表达方式。该系统的建立为自然保护区监测和管理提供了有力的技术支撑,研究所形成的监测内容、关键技术和动态表达方式对地理国情监测具有一定的参考借鉴意义。 相似文献
6.
7.
了解湿地资源分布类型是恢复湿地生态环境的基础,因此本文提出基于决策树的多源遥感数据中湿地信息提取方法。运用QUEST方法构建决策树,对多源遥感数据中的湿地信息进行提取,并以Kappa系数评价决策树分类的有效性。结合海南东寨港国家级自然保护区实际数据,得到湿地地形信息、湿地分类体系信息、湿地空间与面积分类、湿地类型转换特征以及湿地类型动态度差异,完成湿地信息提取,为今后保护区湿地生态保护与恢复提供信息提取技术支持。 相似文献
8.
9.
机载LiDAR点云数据能提供回波强度和地面粗糙度指数,为遥感信息自动提取增添了有价值的约束信息。将这些信息引入到道路自动提取之中,结合光谱特征和道路描述因子建立了一种面向对象的道路联合提取方法。首先,由点云数据衍生归一化数字表面模型(nDSM)和粗糙度指数;然后对配准后的多源数据进行多分辨率分割,进而使用粗糙度指数和回波强度、道路描述因子等特征进行分类;最后,去除道路噪声,并获取准确的道路骨架网。实验结果表明,该方法对道路提取的准确度达95%以上。 相似文献
10.
在水利工程监测的工作中,随着自动化、信息化等技术的发展渗透,带来了愈发多样及更高精度的数据源,对多源数据进行综合处理分析并进行有效整合,是提高数据利用效率、实现大坝监测快速处理与反应的关键手段之一。通过研究基于多源数据融合的大坝监测技术,根据数据类型和内容的差异,建立标准化的数据管理框架,研究多源数据融合及应用方向,消除信息孤岛,打通信息壁垒,提高多源异构数据感知及利用效率。为大坝监测管理工作探索了更加方便的信息感知汇集、数据分析处理等新的手段及方向,为相关工程和应用提供有益参考。 相似文献
11.
12.
13.
14.
基于地质信息元数据标准的多源空间数据管理系统 总被引：1，自引：0，他引：1
基于对空间数据特点的分析,结合当前的空间数据存储技术,通过对元数据标准的扩展解决多源空间元数据交换的问题;利用单机多空间数据库引擎(spatial database engire,SDE)数据存储技术解决多源空间数据定位及共享的问题;通过建立空间索引数据库,在单机多SDE的基础上,解决空间数据的快速检索定位的问题;从而实现多源空间数据的组织和管理,构建基于地质信息元数据标准的多源空间数据管理系统,为解决资源与环境遥感信息基础平台建设中的空间数据多源、空间数据共享及空间元数据交换打下基础. 相似文献
15.
16.
随着遥感数据获取能力的不断增强,自动化程度已经成为大尺度遥感土地覆被分类面临的关键问题。然而,现有训练样本的人工选取方法成为制约土地覆被分类自动化的瓶颈。本文以河南、贵州两省为研究区,提出一种基于多源数据的土地覆被样本自动提取方法,以构建适用于大尺度的土地覆被自动分类。首先,以2010年1∶10万土地利用数据CHINALC和30 m分辨率全球土地覆被数据Globle Land30为样本数据源;然后,利用空间一致性分析及异质性分析确定样本初选区域;最后,通过样本提纯去除无效样本。结果表明:(1)应用多源数据的土地覆被样本自动提取方法获得的分类产品总体分类精度高于人工样本提取方法制作的全球土地覆被产品MCD12Q1。(2)与单源样本自动提取方法相比,应用多源数据的土地覆被样本自动提取方法,可获得更好的分类稳定性。综上,多源数据的土地覆被样本自动提取方法可在保证精度的同时,提升土地覆被分类的自动化程度。 相似文献
17.
基于SVM的多源信息复合的高空间分辨率遥感数据分类研究 总被引：47，自引：1，他引：47
遥感图像尤其是高空间分辨率（1—4m）遥感图像在土地利用和土地覆盖变化方面有着广阔的应用前景，传统高空间分辨率遥感图像信息提取方法存在精度和分类效率低的不足。本文提出的基于SVM的分类方法，复合光谱、纹理和结构信息等多源数据信息，对IKONOS高空间分辨率图像进行分类，并与最大似然法和单源数据（光谱）SVM分类结果进行定性和定量比较分析。研究结果表明，多源数据复合的SVM高空间分辨率遥感图像分类方法，能够有效解决单源数据信息图像分类效果破碎的问题；总精度达到68．38％，Kappa达到0．5993；对高维输入向量具有高的推广能力；比单源信息的SVM和最大似然方法图像分类精度更高，适合高空间分辨率遥感图像分类。 相似文献
18.
19.
高光谱数据具有丰富的光谱特征,但是其空间分辨率相对较低。一些遥感数据具有与高光谱数据互补的优势,例如提供更精细的空间信息的高空间分辨率数据和具有高度信息的激光雷达LiDAR（Light Detection and Ranging ）数据。通过将高光谱数据与多源遥感数据进行融合,可以弥补高光谱数据空间分辨率相对较低,空间特征不够丰富的缺点。近年来,基于深度学习的方法已经在遥感数据分类研究中取得了一定的进展。然而,由于深度网络的特征提取过程是一个自主的过程,往往无法精确的获取最有利于遥感数据分类的特征;同时,深度学习方法具有复杂的网络结构和大量的参数,往往会在分类训练过程中造成参数拟合困难。以上这些因素会导致分类效果不佳。针对这些问题,本文提出了一种将卷积神经网络CNN（Convolutional Neural Network）和纹理特征相结合的多源遥感数据特征级融合分类框架。该方法共3个步骤,首先,对高光谱数据或多源遥感数据提取纹理特征;然后,构造CNN,分别将原始高光谱遥感数据、原始多源遥感数据和第一步中获得的纹理特征作为深度网络的输入进行深度特征提取;最后,将分别提取到的深度特征拼接,并利用Softmax分类器进行分类。为了验证本文提出方法的分类效果,本文在休斯顿和塞特福德矿地区公开数据集上进行实验,并将该分类框架与支持向量机分类方法、像素级融合分类方法和特征级融合分类方法进行对比。由此可以分析得出,本文提出的基于深度学习的融合分类方法可以获得较高的分类精度。 相似文献
20.
针对地形要素提取工作量大的问题,提出一种基于空间拓扑关系的面状地形要素自动提取方法。通过对比分析AutoCAD数据与GIS数据的差异,对地形要素提取中的关键问题进行了分析;运用多要素组合拓扑构面的方法完成图形的快速构建,利用独立符号或文字注记与图形的包含关系完成图形的检查,建立图形与分类编码的映射关系实现分类信息的自动识别。实验表明,该方法对于面状地形要素的提取快速、准确,目前已在多个港区的空间数据建库中得到验证,提高了数据生产的工作效率。 相似文献