共查询到20条相似文献，搜索用时 109 毫秒
1.
为研究环境一号(HJ-1)CCD影像在土地利用中的应用能力,选取HJ-1 A/B CCD和Landsat ETM+作为数据源,在遥感影像土地利用要素识别、土地利用计算机分类精度、土地利用信息提取二级分类精度和土地利用分类等方面,对HJ-1A/B CCD数据和Landsat ETM+数据在土地利用分类中的应用能力进行对比研究,结果表明土地利用分类应用中,HJ-1 A/B CCD基本可以替代Landsat ETM+,且HJ-1 A/B CCD数据光谱敏感性更强,反映地物细节的能力更强,比Landsat ETM+数据更有优势的结论。 相似文献
2.
利用环境减灾一号卫星(HJ-1)、北京一号卫星(BJ-1)和中巴资源卫星02B星(CBERS-02B)3种国产卫星图像,选取全国范围内6个地形各异的地区,进行了土地利用宏观监测分析评估.采用多种现状信息提取方法,从分类方法、样本数量和特征数据对分类精度的影响进行了比较和分析.发现最大似然法简单易行,精度较高且稳定;面向对象法可明显提高HJ-1图像和BJ-1图像的分类精度.基于最大似然法,CBERS-02B图像样本数为50时,分类精度趋于稳定,且Kappa系数可达0.8以上;HJ-1图像和BJ-1图像样本数达60时精度趋于稳定,Kappa系数可达0.7以上.增加NDVI,DEM等特征数据可提高CBERS-02B图像分类精度,增加DEM特征数据可提高HJ-1图像和BJ-1图像分类精度.在全国范围内实现每2-3年1次的土地利用宏观监测时,为了保证在全国范围内都能获取有效数据,可综合考虑多种中分辨率国产卫星数据的综合应用,本文的结论为宏观监测提供了监测精度和技术方法上的科学参考依据. 相似文献
3.
4.
及时准确获取灌区小麦分布和面积,可以为流域水量调度、抗旱减灾提供数据支持。本文利用多时相HJ-1号卫星数据分析人民胜利渠灌区小麦生长期影像特征,研究灌区小麦快速提取方法。研究结果表明,利用灌区小麦越冬前多时相HJ-1号卫星影像NDVI数据进行小麦提取,能够准确获取小麦分布和面积信息,精度达到90%以上。 相似文献
5.
基于随机森林的国产小卫星遥感影像分类研究 总被引：5，自引：0，他引：5
近年来随着小卫星数量与传感器类型的快速增加,急需研究和发展快速可靠的小卫星遥感影像分类方法。针对分类方法各具局限性、具体应用中最优分类器选取困难等问题,本文基于多分类器集成学习的思路,引入随机森林(Random Forests)方法用于小卫星遥感影像分类。采用灾害监测预报小卫星(HJ-1)、北京1号小卫星(BJ-1)两种国产小卫星多光谱遥感影像进行试验,并与传统分类方法进行比较,结果表明,随机森林比最大似然分类器(MLC)、支持向量机分类器(SVM)等具有更好的稳定性、更高的分类精度和更快的运算速度,具有很好的适用性。 相似文献
6.
7.
为研究多特征组合在国产高分卫星影像土地利用分类中的应用效果,本文采用GF6-WFV多光谱影像数据,构建基于光谱波段、植被指数、纹理特征的多特征组合,并采用ReliefF算法进行特征优选获取信息量冗余较小的优选特征集合,结合EnMap-BOX工具包寻优改进的SVM算法中惩罚参数C和核函数系数g获取最优分类模型,对研究区进行分类。结果表明：1)特征选择能够较好地降低多特征集合的信息量冗余。2)基于特征选择的改进SVM算法模型能获取较高的土地利用分类精度,总体精度达到82.89%,Kappa系数达到0.78,可以为土地利用分类提供一种具有较高应用价值的方法。 相似文献
8.
针对土地利用类型多样、特征易混淆和高分辨率遥感影像信息海量、人工提取费时费力等问题,该文以北京二号卫星影像为数据源,采用高精度地表覆盖数据优化分割的面向对象分析方法、无地表覆盖数据辅助分类的面向对象分析方法,运用朴素贝叶斯、CART决策树、随机森林和K最邻近分类器,开展武功县土地利用分类,并对分类结果进行精度评估.结果 表明:①与无地表覆盖数据辅助分类方法相比,高精度地表覆盖数据优化分割的面向对象分类方法,在精度方面有较大的提升,其分类总体精度提高18.73％,Kappa系数提高0.21;②随机森林对于土地类型多样的影像对象具有较好的识别能力,获得较高的总体精度(95.3％)和Kappa系数(0.94).研究表明一种利用高精度地表覆盖数据优化影像分割的土地利用分类方法具有更好的可行性和鲁棒性. 相似文献
9.
面向土地利用分类的HJ-1 CCD影像最佳分形波段选择 总被引：2，自引：0，他引：2
环境一号卫星（HJ-1）CCD影像光谱波段较少,地物之间的准确分类识别有一定困难。采用分形纹理辅助地物分类识别是一种有效方法,而波段选择是提高分类识别精度的关键。本文以江西赣州定南县土地利用分类为例,采用双毯覆盖模型对HJ卫星CCD影像6类典型地物的波谱分形特征进行了分析,利用不同地物在不同波段上的分形区分度差异构建了最佳分形波段选择模型,并利用该模型挑选出最佳分形波段来辅助土地利用分类,最后对分类结果进行检验。结果表明：最佳分形波段选择模型能够综合权衡不同地物在不同波段上的分形区分度差异,利用挑选出来的最佳分形波段来辅助分类,其分类总体精度相对于原始影像分类提高了11.77%,相对于第1主成分分形辅助下的分类提高了1.56%。 相似文献
10.
利用eCognition进行高分一号卫星数据土地利用现状解译能力测试 总被引：1，自引：0，他引：1
土地利用现状解译能力是卫星数据在土地资源领域应用的重要指标之一。本文以内蒙古自治区包头市石拐区和江苏省徐州市贾汪区作为研究区,利用eCognition软件采用面向对象分类的方法,通过初步影像分割、构建土地利用分类系统、标准化最邻近分类及对分类结果整理修改与分析,从中随机选取了不同地类、不同面积的图斑,以更高分辨率影像分类结果作为真值,进行了典型地类的属性精度、面积精度评价,从而对高分一号卫星数据的土地利用现状解译能力进行了测试与评定。 相似文献
11.
地理信息系统支持下的山区遥感影像决策树分类 总被引：6，自引：2，他引：6
山区遥感影像分类是遥感研究的一大难题。本文利用一种决策树生成算法（C 4.5算法）自动提取知识，基于知识建立决策树用于山区影像分类，并结合研究区土地利用类型与DEM空间统计关系的先验知识，在GIS空间分析的基础上进行影像分类的后处理。与传统的最大似然法分类结果相比，该方法极大地改善了山区地表覆被分类的精度，得到试验区较为可靠的遥感分类图像。 相似文献
12.
基于中巴卫星影像的土地利用分类精度评价 总被引：2，自引：0，他引：2
本文对某地区的中巴地球资源一号02星CCD数据进行监督分类,并将影像分类结果进行精度评价,得到了中巴影像分类传统的精度报告。在此基础上,为了使精度可信性更高,提出了一种新的精度评价方法;即在中巴影像分类后结果图上随机抽取其图斑总数的5%,将其与研究地区土地利用数据库结合ArcGIS,进行叠加比较,对抽取出的各图斑类别进行面积对比,在一定程度上评价了中巴影像的分类精度,并对分类结果进行了量化的精度评价,从而丰富了精度评价的内容。从研究结果表明,经过面积对比,可以较精确地看出中巴影像分出的沙地、城市用地及冬小麦的精度比较高,但村庄和有些耕地光谱特征相似难以区分。 相似文献
13.
采用单一遥感影像和单纯的监督分类方法,在土地利用调查中,难以获得高精度的土地利用变化数据。为解决此问题,笔者以包头固阳县为研究区,利用主成分变换的方法,对多源遥感影像（ETM＋多光谱数据和中巴资源二号卫星全色波段数据）进行融合处理;同时,在分类中,采用监督分类辅以目视解译分类法相结合的混合分类法,改进训练样本选取方法,进行变化信息的提取,同时给出了易混淆地物的遥感解译标志。此方法的使用,使土地利用信息自动提取的精度明显提高,得到的总体分类精度为82．13％,Kappa指数值0．8016。研究结果为包头市固阳县土地利用变化动态监测,提供了重要的技术支持和借鉴。研究中使用了中巴资源二号卫星影像,取得了一定的成效,这在国内土地利用变化影像应用研究方面还较新,需进一步的研究,同时由于此影像的免费使用,使得成本费用大大降低,值得大力推广。 相似文献
14.
土地利用/覆盖分类通常是利用地物的波谱反射特征进行监督或非监督分类,分类结果由于"同物异谱、异物同谱"现象的存在,往往分类精度不高。而植被指数和地表温度作为表征地表覆盖状况的生物物理参数,已成功用于宏观尺度的土地利用/覆盖分类,使得分类结果有所提高,而对于区域尺度的土地利用/覆盖分类却少见报道。本文充分利用TM数据的多光谱特征,从中提取了植被指数NDVI、地表温度Ts、温度植被角度TVA和温度植被距离TVD这四种分类特征进行监督分类,通过对7种组合方案(反射率波段组合、NDVI与反射率波段组合、Ts与反射率波段组合、NDVI与Ts和反射率波段组合、TVA与反射率波段组合、TVD与反射率波段组合、TVA与TVD和反射率波段组合)的分类结果进行比较,得出以下结论:①NDVI、Ts、NDVI和Ts、TVD作为分类特征参与到多波段地表反射率影像分类中,能够提高分类精度,而TVA、TVA和TVD的加入却没有改善分类结果;②总体分类精度受到训练样本与检验样本比例的影响。 相似文献
15.
为研究环境一号小卫星影像在土地利用研究领域的应用潜能,本文以广西钦北区为例,对其进行计算机监督分类,在评定监督分类模板精度的前提下,参照第二次全国土地调查农村数据库,对计算机监督分类结果进行精度评定,最后利用计算机自动地将分类结果发送到实地进行野外验证,并对分类的结果进行全面、准确的评价,以此证明提升环境一号CCD影像自动分类精度和准确度能满足土地利用现状调查的要求。 相似文献
16.
史磊 《测绘与空间地理信息》2012,(7):156-159,163
以辽阳地区为试验区,采用ETM多波段和SPOT全色遥感影像为主要信息源。利用遥感图像处理软件ERDAS对影像进行几何配准、图像增强等一系列处理。利用HIS变换和主成分分析法进行影像融合试验,对比分析融合结果,融合后影像同时具有多光谱和高分辨率的特性,提高了影像解译度。参考国家分类标准,选取农村、水体、旱地、林地、菜地、城市和水田七大类进行分类试验。采用监督分类的方法对主成分变换融合后的影像进行土地利用分类。最后,在ArcGIS软件中进行矢量化处理,制作土地利用分类图。使用该方法制作的辽阳地区土地利用分类图,可以满足一般用户对土地利用分类图的要求。 相似文献
17.
老挝是一个发展中国家,境内的大多数地方没有开展过土地利用/土地覆盖调查。本文选择老挝琅勃拉邦省的Phonxay区为研究区域,利用Landsat OLI数据进行土地利用/土地覆盖遥感调查与分析。研究过程中,利用ArcGIS Desktop选择训练样本和验证样本,通过Python和ArcPy编程开发了图像分类、精度评价以及面积统计的工作流程序,实现了快速得到分类结果和精度评价信息,分类结果的总精度为89.53%,Kappa系数为0.81。 相似文献
18.
This study tested the degree to which single date, near-nadir AVHRR image could provide forest cover estimates comparable to the phase I estimates obtained from the traditional photo-based techniques of the Forest Inventory and Analysis (FIA) program. FIA program is part of the United States Department of Agriculture-Forest Service (USFS). A six-county region in east Texas was selected for this study. Manual identification of ground control points (GCPs) was necessary for geo-referencing this image with higher precision. Through digital image classification techniques forest classes were separated from other non-forest classes in the study area. Classified AVHRR imagery was compared to two verification datasets: photo-center points and the USFS FIA plots. The overall accuracy values obtained were 67 and 71%, respectively. Analyses of the error matrices indicated that the AVHRR image correctly classified more forested areas than non-forested areas; however, most of the errors could be attributed to certain land cover and land use classes. Several pastures with tree cover, which were field-identified as non-forest, were misclassified as forest in the AVHRR image using the image classification system developed in this study. Recently harvested and young pine forests were misclassified as non-forest in the imagery. County-level forest cover estimates obtained from the AVHRR imagery were within the 95% confidence interval of the corresponding estimates from traditional photo-based methods. These results indicate that AVHRR imagery could be used to estimate county-level forest cover; however, the precision associated with these estimates was lower than that obtained through traditional photo-based techniques. 相似文献
19.