共查询到20条相似文献，搜索用时 24 毫秒
1.
多源遥感技术在土地利用分类中的应用 总被引：1，自引：0，他引：1
为有效提高土地利用分类精度,研究多源遥感数据的分类方法,提出了利用多源遥感技术进行土地利用分类。对居民地、耕地、林地、水体、未利用土地等土地利用类型的光谱特征及微波散射特征进行了分析,将高分一号多光谱数据与RADARSAT-2数据相结合,利用决策树分类器实现了土地利用类型的划分,其总体分类精度达到96.6%。与高分一号数据最大似然分类及RADARSAT-2数据的Freeman-Durden三分量最大似然分类进行了精度比较,结果表明,多源遥感技术可实现数据的特征互补,其分类精度优于仅采用多光谱数据或微波数据的分类精度。 相似文献
2.
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
3.
基于指数分析法的西安市土地利用变化及驱动力研究 总被引：1，自引：0，他引：1
基于2000和2007年2期TM遥感影像,利用指数分析法,分别提取出归一化差异建筑指数(NDBI)、修正归一化差异水体指数(MNDWI)和归一化差异植被指数(NDVI)3种指数模型,分别代表西安市的3种最主要的土地利用类型--建筑用地、水体和植被.采用神经网络分类器进行监督分类,借助ERDAS Imagine 9.0、ENVI、ArcGIS 9.2和Matlab等软件平台,计算出西安市土地利用类型的动态转移矩阵,构建了土地利用变化动态度指数模型,定量分析西安市土地利用的时空变化.依据研究区土地利用变化的结果分析,变化的驱动力因子主要是人口增长、经济增长和政策变动. 相似文献
4.
利用多时相雷达数据进行多云多雨地区的土地利用分类研究 总被引：1，自引：0，他引：1
光学遥感数据在多云多雨地区应用受到限制,而具有全天候、全天时的雷达数据在该类地区具有广阔的应用前景。本文采用3期ALOS PALSAR雷达数据对广东省东莞市进行土地利用分类研究。研究结果表明,多时相雷达数据相比单时相雷达数据可以提高土地利用分类精度;剔除土地利用变化信息、融合多时相雷达数据、选择合适的解译标志是多时相雷达数据进行土地利用分类的关键步骤。 相似文献
5.
6.
为了有效地提取大范围地形复杂区域的土地利用/土地覆盖遥感信息,以位居青藏高原与黄土高原过渡地带的青海东部地区为研究区,研究基于蚁群智能优化算法(ant colony intelligent optimization algorithm,ACIOA)的土地利用/土地覆盖遥感智能分类。首先选用TM图像、DEM、坡度和坡向数据作为分类的特征波段;然后利用归一化植被指数NDVI对实验区数据进行植被分区;最后利用ACIOA算法进行分类规则挖掘,并依据分类规则进行土地利用/覆盖信息的提取。研究表明,基于植被分区的多特征蚁群智能分类的总体精度为88.85%,Kappa=0.86,优于传统的遥感图像分类方法,为大范围地形复杂区域的土地利用/土地覆盖遥感信息提取提供了有效的方法。 相似文献
7.
8.
利用第一次全国地理国情普查数据,结合地理国情监测数据,采用土地利用变化转移矩阵、土地利用动态度模型以及空间分析等方法对某地土地利用总体变化和专项土地利用类型如农业用地、建设用地、基础设施用地情况进行监测分析,为城市政府部门在城镇化建设、城市管理、城市规划等提供科学的地理情报支持。 相似文献
9.
10.
土地执法监察的实施需明确土地利用变化区域的位置、是否违法及违法类型等信息。大多数土地动态监测手段只获取变化区域的位置信息,无法快速明确具体违法类型及识别伪变化,加大了土地动态巡查的工作量。基于此,本文提出针对非正常建设用地的分类识别模型,即一种可快速识别建设用地变化图斑违法类型的方法。该模型将变化检测获取的变化图斑与相关地政数据进行叠置分析,并设计非正常建设用地分类识别矩阵对变化图斑进行判断,采用计算机识别和人工辅助识别相结合的方式快速明确非正常建设用地的变化性质。应用结果表明,该模型可有效解决综合分析多层矢量数据时图斑要素的跨界问题,提高了识别效率;和现有监测方法结合使用,可快速了解监测区域的土地利用变化概况,较大地提高了土地执法工作的自动化程度。 相似文献
11.
土地利用遥感动态监测能够快速提取土地利用变化信息,更新土地利用现状图,对于土地资源合理利用、科学管理具有重要的意义。本文以泰安市为例,利用2006年、2010年两期TM影像数据,在遥感处理软件ERDAS IMAGINE和ENVI的支持下,通过几何校正、图像重采样、影像裁剪、监督分类、动态矩阵分析等遥感技术对泰安市土地利用状况动态变化进行了研究。研究结果表明:耕地的面积大量减少,减少的面积最大,是其他用地面积增加的主要来源,建筑用地数量显著增加,但同时林地和草地数量也有所增加,所以不会因为环境问题影响到居民的正常生活。研究结果可为泰安市的可持续发展和有效管理提供理论基础和依据。 相似文献
12.
利用遥感分类技术能够快速获取土地利用变化信息。基于1996年和2006年两时相的北京城乡结合部地区TM卫星影像数据,采用监督分类和分类后处理方法,对研究区10年间的土地利用变化情况进行了详细分析,得到如下结论:10年间北京城南地区城乡结合部的各种土地利用类型之间相互转化,并以耕地,林地和建设用地相互转化最为显著;耕地和大范围水域面积较大幅度减少,城市居民点及工矿用地和未利用土地面积大幅度地增加,城乡结合部的范围在10年间从北向南进行了大范围地移动。 相似文献
13.
改进CA-Markov模型的武汉市土地利用变化模拟 总被引：2，自引：0，他引：2
《测绘科学》2020,(6)
针对传统的CA-Markov模型未充分考虑土地利用变化的多因素驱动影响,难免预测精度过低的问题,该文以武汉市为研究区域,采用2005、2010和2015年土地利用现状数据,结合Logistics回归模型,综合考虑土地利用变化多种影响因子,构建了改进的CA-Markov模型,对武汉市2020年土地利用空间格局进行了模拟预测及分析。结果表明:改进的CA-Markov模型可以有效提高土地利用现状预测精度;根据预测结果,武汉市2020年土地利用总体结构仍以耕地为主,2005—2020年耕地面积持续减少,建设用地面积持续增长,增长幅度达到76.36%;耕地转换为建设用地是地类转换的主要模式。预测结果为武汉市的国家空间规划与和谐发展提供了参考。 相似文献
14.
选择具有“中国油都”之称的大庆市为研究区,对其土地进行遥感调查,拟定了土地利用分类系统．给出了大庆土地利用覆盖的构成数据一览表和土地分类图。分析结果可为类似于大庆一类的工矿型城市土地利用分类提供决策支持。 相似文献
15.
李森盛 《测绘与空间地理信息》2023,(1):94-96+99
利用2001、2006、2010、2015和2018年共5期Landsat数据影像,采用最大似然法对原始遥感影像进行监督分类,基于混淆矩阵对不同年度的监督分类结果进行精度分析,然后对研究区不同土地利用类型的面积及多样性变化进行综合分析,得到其土地利用类型的整体变化规律,并从多个角度分析土地利用类型变化原因,提出相应建议,为研究区今后土地可持续利用提供了合理有效的参考依据,具有较强的现实意义。 相似文献
16.
TM数据用于亚热带桔果林区的土地利用分类和专题信息提取 总被引：6，自引：0，他引：6
本文介绍利用TM数据进行动态聚类并作最小距离分类的非监督和监督相结合的分类方法, 对桔乡黄岩市郊的土地利用进行自动分类, 获得了能充分揭示桔园分布的高质量土地利用分类图像；继而采用阈值法和均值─均方差窗口法成功地实现了桔林资源信息的自动提取, 面积精度达95.3%.为在我国南方亚热带地区快速监测经济林资源及其动态变化提供了有效的新手段。 相似文献
17.
18.
土地利用/覆被(LUC)可为土地资源领域相关研究提供基础数据.本文构建了面向对象的LUC分类方法,并以沿海特殊土地类型区连云港市为例,应用Landsat 8影像开展了实证研究。结果表明:①总体分类精度达到85.06%,总体Kappa系数为0.83,超过了0.7的最低允许判别精度;②该方法可以有效地减少研究区因南北部区域耕地植被覆盖度不同导致的错分现象,并可以用于盐田与滩涂信息的提取工作;③该方法既可为研究区土地利用相关研究提供符合精度要求的数据.也可为其他沿海地区进行土地利用/覆被信息提取工作提供参考和借鉴。 相似文献
19.
基于RS技术的土地利用动态变化监测研究 总被引：1，自引：0，他引：1
为掌握并有效监测土地利用,以绵阳市遥感影像、地形图、土地资源分布图为基础资料,利用ERDAS软件对2000和2005年两期影像进行校正、配准、融合等处理,土地利用分类精度从84.5%提高到92.3%。结果表明:耕地、牧草地、水域面积减少,但减幅不大;居民点及工矿用地、交通用地增加较快;未利用土地大幅减少。可见绵阳市在城市高速发展过程中的土地利用正在日趋合理化。 相似文献
20.
针对土地利用/土地覆被分类中小规模数据集无法使用深度学习方法自动分类的问题,提出了利用精简深度残差神经网络(Resnet-50)进行迁移学习的土地利用/土地覆被自动分类算法。首先,使用Sentinel-1卫星提供的遥感数据制作数据集;然后,对Resnet-50中每层的卷积模板数量进行压缩并在其后级联自适应网络得到精简残差网络;最后,利用Image Net数据集预训练精简残差网络,并将网络模型迁移到Sentinel-1数据集对网络参数进行微调,最终实现小数据集上土地利用/土地覆被的高精度自动分类。试验结果表明该算法在SAR数据集上的分类精度高达95.15%,验证了算法的可行性。 相似文献