共查询到20条相似文献，搜索用时 31 毫秒
1.
基于2015年多时相MODIS数据,以黑龙江省主要农作物(大豆、玉米和水稻)为研究对象,利用黑龙江省主要作物的物候期特征、NDVI特征曲线信息和NDWI反映的耕地类型,采用决策树构建不同种类农作物的遥感提取模型,以提取大尺度农作物的空间分布格局信息。结果表明,构建的遥感提取模型有效地提取了主要农作物的空间分布信息,以东北实地调查数据为评价标准,玉米、水稻、大豆的分类精度分别为83.90%、84.71%和78.26%;以统计数据为评价标准,玉米、水稻、大豆的分类精度分别为84.463%、88.094%和81.485%。 相似文献
2.
《测绘与空间地理信息》2020,(6)
为探索GF-1 PMS多光谱数据影像在低山丘陵地貌破碎地区主要农作物遥感识别中的信息有效性,以重庆市永川区卫星湖街道为例,利用研究区多时相、多光谱特征影像,对研究区油菜、玉米、水稻等主要作物进行信息提取。提取结果显示,利用GF-1多时相多特影像,水稻作物信息提取生产精度与用户精度均达到90%以上,提取精度较低的旱地作物玉米提取效果也得到了提升,油菜作物信息提取生产精度大幅度高于用户精度,主要作物提取总体精度OA为80.93%,Kappa系数0.635,分类质量达到较好水平。基于多时相GF-1影像光谱、纹理等特征的面向对象分类方法,能够有效地提取南方低山丘陵破碎地貌地区主要农作物空间分布信息,提高主要农作物的遥感识别精度,为山地农作物遥感信息提取提供参考。 相似文献
3.
4.
5.
遥感影像解译标志库的建立和应用 总被引：2，自引：0，他引：2
在遥感影像解译标志库中,全面、综合地总结了各种解译要素和常见的各种典型地物及其解译标志。该库具有全面性、综合性、开放性和包容性的特点。同时,结合该遥感影像解译标志库,成功地实现了对研究区的遥感地质解译。根据所建立的解译标志库系统地总结了研究区各种岩性的遥感影像特征;解译结果与1:200000地质资料相对比,共发现18处影像特征与其不一致的地方。经野外验证,根据解译标志库所建立的不同岩性的解译标志及解译结果是准确可靠的。 相似文献
6.
基于多源遥感数据西藏山南地区活动断层解译 总被引：2，自引：0，他引：2
利用多源遥感数据从多尺度重新对西藏山南地区活动断层进行遥感解译,并综合前人研究成果对其位置及活动性进行判定。首先,采用具有全天候和穿透性的Sentinel-1雷达图像和光谱信息丰富的Landsat ETM+影像作为主要数据源,并结合高空间分辨率的高分二号遥感影像,提取并分析不同尺度的地质构造信息;其次,将DEM数据与ETM+遥感影像进行融合,获取三维可视化遥感影像,方便从不同角度、不同层次进行活动断层的构造地貌分析;最后,综合雷达遥感与光学遥感各自的成像优势,利用图像预处理、图像增强处理与多源遥感图像融合等处理来降低活动断层遥感解译的多解性与可疑性,明晰了西藏山南研究区的活动断层遥感影像特征。根据活动断层遥感解译标志,在研究区共解译出主要活动断裂带4条,分别为:雅鲁藏布江断裂带、札达—拉孜—邛多江断裂带、桑日—错那断裂带和达吉岭—昂仁—仁布断裂带。研究区的活动断层解译结果表明,综合应用多源遥感数据可以大大提高活动断层解译的准确率与可信度,并为研究区后续研究提供借鉴。 相似文献
7.
目前土地卫片执法中对影像变化图斑的提取主要依靠作业人员对两时相高分辨率卫星遥感影像的目视解译,以确定土地利用变化发生的空间位置。图斑的正确与否完全依靠解译人员的目视判读经验,容易产生错误。通用的检测流程针对特定遥感影像数据可以得到较好的检测结果,但是面对大面积、特征多样、分辨率较高的城市遥感影像时,应用效果可能不佳。融合流程优化思维,整合现有成熟的遥感影像变化检测相关技术,利用数字城市建设中积累的大量高精度GIS数据,并结合地物形状特征指数和检测人员的作业经验,进行变化检测自动化研究,包括人机交互检测和批量自动检测两个主要流程,并应用于深圳市土地卫片执法中的土地利用变化图斑提取环节,可提高其自动化程度,有效降低时间和人力成本,及时发现并阻止土地违法利用行为。 相似文献
8.
9.
农作物遥感分类识别中应用遥感解译和地理信息等技术手段,为农作物种植结构调查工作奠定了基础。在每年度的高分辨率遥感影像的基础上,按照统一的技术标准,在自动解译分类的基础上辅以人工,快速获得每年度主要的农作物耕地图斑,完成本年度的农作物种植结构调查工作。遥感技术的应用加快了农作物种植结构调查各个环节的数据流动,提高解译准确率,数据的采集精度和时效性都要比以往的效果更好,可为有效落实耕地轮作休耕等政策提供技术和数据支持。本文以逊克县为试验区,针对当前农作物分类工作过程中应当注意的问题进行分析与整理,总结经验和方法,更好地将遥感技术应用到农作物种植结构调查工作中去。 相似文献
10.
11.
遥感图像自动解译面临的问题与解决的途径 总被引：20，自引：2，他引：18
遥感图像自动解译的目的是为了满足人们从海量遥感数据中快速识别与获取不同专题信息的需要。目前图像自动解译主要依赖地物光谱特征 ,其解译精度不高。解决这一问题的主要途径包括 :抽取遥感图像多种特征并综合利用这些特征 ,利用遥感图像解译背景数据库 ,在地理信息系统支持下实现背景数据与遥感信息覆合 ,采用专家系统完成遥感图像自动解译。 相似文献
12.
13.
高分一号遥感影像地质灾害信息提取方法研究 总被引：1，自引：0，他引：1
山区地质灾害发生频繁,受灾范围大,危害严重。提取地质灾害信息、估算受灾情况,对救灾工作极为重要。传统的遥感人工解译方法速度慢、效率低;计算机自动解译速度快但解译精度受影像质量影响大,大范围地区很难建立起普适性的解译模型。本文利用洮南市西部高分一号遥感数据,结合DEM生成三维影像,建立解译标志,解译基础地质信息,分析地质灾害成因;根据研究区泥石流地质灾害的主要影像特征,提取影像的分类属性,基于面向对象的分类方法,建立信息提取模型,快速提取出地质灾害敏感区域;再进行人机交互,精确提取出地质灾害的类型和范围,通过野外验证,该方法十分可靠,为大范围地质灾害信息快速提取和灾后救援提供科学依据。 相似文献
14.
利用传统方法对农作物种类、分布和种植面积等调查,需要耗费大量的人力、物力和财力。该研究以西宁市为研究区域,采用高分一号影像,对西宁市春小麦进行分类和提取模型设计。在全生育期波谱特征曲线分析基础上,提取春小麦的NDVI(归一化植被指数)曲线特征。采用基于NDVI阈值的决策分类技术,进行作物识别与提取。最后设计精度自检方案,通过混淆矩阵得出其总体精度达到93.8%,kappa系数为0.875。其用户精度和制图精度分别为93.7%和94.9%。从分类精度可以看出,利用中高分辨率遥感卫星影像,在作物NDVI时间序列变换规律分析的基础上,可以准确的进行大面积农作物的分类与提取。在全国农作物面积与农作物种类等资源调查中具有非常大的应用潜能。 相似文献
15.
近年来,随着经济社会发展和人类活动加剧,水资源短缺、生态环境恶化、自然灾害频发等问题对于农作物的生长具有较大影响,因此准确地提取农作物显得尤为重要.本文基于2016年Landsat-8 OLI全生育期的时序遥感影像数据,融合金塔县农作物的物候特征和地表纹理特性,提取主要农作物小麦、玉米、棉花和甜菜的时间序列NDVI曲线... 相似文献
16.
《现代测绘》2020,(1)
针对国产高分辨率遥感数据在城市绿地信息提取中分割尺度选择问题,选取国产高分一号(GF-1)和中巴地球资源卫星04星(CBERS-04)遥感数据,在数据融合的基础上,采用控制变量法选取影像分割与合并尺度进行绿地信息提取,通过信息提取精度评价确定最优分割尺度。实验结果表明,对于GF-1和CBERS-04国产遥感数据,面向对象的方法均优于基于像元的方法,其中5m分辨率CBERS-04数据,面向对象方法绿地提取精度为90.53%,基于像元方法绿地提取精度为86.54%,推荐分割尺度与合并尺度为(25,70);2m分辨率GF-1数据,面向对象方法绿地提取精度为97.09%,基于像元方法绿地提取精度为83.49%,推荐分割尺度与合并尺度为(45,80)。研究结果能够为国产高分遥感数据城区绿地信息提取和地物分类过程中尺度选择提供借鉴和支持。 相似文献
17.
Landsat8不透水面遥感信息提取方法对比 总被引：1，自引：0，他引：1
不透水面是重要的地表覆盖类型,利用卫星遥感影像准确提取不透水面信息对于掌握地表覆盖变化具有重要意义。现有研究已提出了多种不透水面遥感信息提取指数,但目前尚缺乏对这些不透水面指数的系统对比分析。利用Landsat8卫星遥感影像,测试了目前8种主要不透水面指数的提取精度。结果表明,在现有不透水面指数中,垂直不透水层指数能够有效增强不透水面信息,不透水面提取精度最高(89. 6%),其次是比值居民地指数和生物物理组分指数(87. 5%和87. 4%),城市指数与新建筑指数提取精度再次之(82. 9%和80. 0%),归一化差值不透水面指数、归一化建筑指数和基于指数的建筑指数未能有效增强不透水面信息,提取精度较低(75. 0%)。此外,这8种不透水面指数都未能有效解决不透水面与大片裸地光谱混淆的问题,在裸地广泛分布的区域难以准确提取不透水面,平均提取精度仅为71. 0%,影响了不透水面指数的大区域应用。 相似文献
18.
针对荒山地有效识别和图斑提取长期缺乏统一的技术标准和方法,荒山地适宜性治理评价急需位置、面积、地表覆被、土地利用现状以及坡度等级等基础信息支撑的问题,该文提出一种利用多源遥感调查监测数据和坡度等级数据的荒山地图斑提取方法.经历城区的实地应用表明:该方法提取的草地、裸岩石地符合率均为100％,乔木林和灌木林的符合度分别为93％和91％,准确提取了符合荒山地特征的地类图斑,满足实际工程应用要求,解决了荒山地地类状况长期不明确的问题,实现了荒山地大规模的有效识别和提取,形成了融合多源遥感监测和坡度等级的荒山地提取方法,提高了荒山地的识别和提取的质量. 相似文献
19.
20.
单变量特征选择的苏北地区主要农作物遥感识别 总被引：2，自引：0，他引：2
遥感识别多源特征综合和特征优选是提高遥感影像分类精度的关键技术。农作物遥感识别中,识别特征的相对单一和数量过多均会导致作物识别精度不理想。随机森林(random forests)采用分类与回归树(CART)算法来生成分类树,结合了bagging和随机选择特征变量的优点,是一种有效的分类方法。单变量特征选择(univariate feature selection)能够对每一个待分类的特征进行测试,衡量该特征和响应变量之间的关系,根据得分舍弃不好的特征,优选得到的特征用于分类。本文基于随机森林和单变量特征选择,利用多时相光谱信息、植被指数信息、纹理信息及波段差值信息,设计多组分类实验方案,对江苏省泗洪县的高分一号(GF-1)和环境一号(HJ-1A)影像进行分类研究,旨在选择最佳的分类方案对实验区主要农作物进行识别和提取。实验结果表明:(1)多源信息综合的农作物分类精度明显高于单一的原始光谱特征分类,说明不同类型特征的引入能改善分类效果;(2)基于单变量特征选择算法的优选特征分类效果最佳,总体精度97.07%,Kappa系数0.96,表明了特征优选在降低维度的同时,也保证了较高的分类精度。随机森林和单变量特征选择结合的方法可以提高遥感影像的分类精度,为农作物的识别和提取研究提供了有效的方法。 相似文献