共查询到20条相似文献，搜索用时 361 毫秒
1.
地表覆盖数据是关于土地利用信息的重要来源,在地理国情监测、气候变化研究、生态环境评估等方面发挥着重要的作用。本文以广东省广州市作为研究区域,利用OSM数据结合FROM-GLC数据和Landsat-8遥感影像数据,对研究区域地表覆盖进行分类并完成地表覆盖制图。实验结果表明,利用OSM数据进行地表覆盖制图结果总体精度较高,具有可用性,但是OSM数据空白区域占比较大,有数据区域个别要素数量较少,在参考选取样本时,样本代表性不够高,部分类型的地表覆盖分类精度较低。 相似文献
2.
GlobeLand 30和自发地理信息的对比分析研究 总被引：1，自引：0，他引：1
地表覆盖数据是关于土地利用信息的重要来源,在地理国情监测、生态环境保护等方面发挥着重要的作用,目前遥感影像解译、实地测量是该数据生产的主要手段,但是仍然存在一定的局限性。随着Web2.0、互联网技术以及各种GPS设备的快速发展传播,普通大众也可以参与公众制图,志愿者用户的参与能够有效判定地表类型的空间分布和属性特征,提高地表覆盖制图的分类精度。本文以自发地理信息中最成功的项目OpenStreetMap为例,与中国新研制的全球最高30m分辨率地表覆盖数据产品GlobeLand 30进行对比分析,首先对数据进行相应的预处理和拓扑检查,然后建立两种数据的要素对应关系,最后生成误差矩阵并分析两种数据的一致性。实验结果表明：① OpenStreetMap数据缺失的部分主要是耕地类型,其草地和水体要素比GlobeLand 30更加丰富;② 2种数据的一致性较好为75%左右,其中林地和人造地表的精度较高,耕地和水体次之,草地较差;③ 重点对不一致区域的地表类型进行判断验证,能够发现GlobeLand 30数据中的错误分类,为进一步修改和优化提供依据。本文研究表明,自发地理信息中包含丰富的地表覆盖信息,能够给地表覆盖制图及评价验证带来巨大的发展潜力。 相似文献
3.
目前,我国已研制出2000年、2010年两期30m分辨率全球地表覆盖数据集。为了保持该数据集的现势性,需要及时发现全球地表覆盖增量信息并更新相应数据。采用遥感影像、测绘数据提取全球地表覆盖变化信息的传统方式,存在费用高,不及时等问题。近年来众源地理数据迅猛发展,特别是由于众源轨迹数据具有免费共享、可靠性强与准实时等优点被广泛应用在交通道路信息提取的应用中。经分析我们发现轨迹数据与人造地表覆盖之间存在一定的对应关系,因此,本文研究提出了一种采用众源轨迹提取人造地表覆盖增量信息的方法。该方法首先对原始轨迹数据进行预处理,然后将轨迹数据栅格化,再依据轨迹点栅格覆盖比率进行人造地表覆盖数据粗提取并去除微小孔洞及独立栅格单元,最后将其与全球人造地表覆盖数据作栅格运算提取人造地表覆盖增量信息,并用纽约市实际轨迹数据验证了该方法的可行性。 相似文献
4.
2014年,中国研制出了2000年和2010年两期30 m分辨率的全球地表覆盖数据产品,为了保持该数据集的现势性,持续更新成为该领域关键问题。变化数据的快速收集是全球地表覆盖数据更新的核心,志愿者地理信息(volunteered geographic information,VGI)的兴起为解决此问题提供了一条新的途径。在目前VGI项目中,OpenStreetMap(OSM)具有数据丰富、现势性强等优点,可以作为全球地表覆盖数据更新的参考信息来源,然而OSM数据不能直接对应地表覆盖增量数据,因此,本文提出了一种基于OSM的地表覆盖增量数据提取方法。该方法首先以OSM定义的几何类型和属性数据作为分类依据,建立OSM数据到地表覆盖数据的转换规则;然后针对类型转换后数据存在的目标零散等问题,采用四叉树聚类方法对转换数据进行综合;继而对整合后的数据栅格化并与GlobeLand30数据进行叠加运算得到地表覆盖增量数据。最后以爱沙尼亚区域的OSM数据验证了本文方法的可行性。 相似文献
5.
遥感影像地表覆盖分类是地理国情监测和地理信息资源建设中至关重要的环节,利用卷积神经网络对遥感影像进行特征提取和分类,具有十分重要的科研和应用价值。为提高遥感影像的地表覆盖分类精度,在深度卷积神经网络VGGNet的基础上,采用SeLU函数作为激活函数,并将激活函数中的λ、α作为训练参数,得到改进的VGGNet,用逐层贪婪算法对网络参数初始化,并选择适当的学习次数利用迁移学习的方法对网络参数调整,以提高网络的泛化能力来提取遥感影像各类别的深层特征,从而有效进行地表覆盖分类。通过GF-1卫星影像的实验表明本文方法在地表覆盖分类精度方面的优越性。 相似文献
6.
地表覆盖分类信息是反映自然、人工地表覆盖要素的综合体,包含植被、土壤、冰川、河流、湖泊、沼泽湿地及各类人工构筑物等元素,侧重描述地球表面的自然属性,具有明确的时间及空间特性。地表覆盖分类信息数据量大、现势性强、人工评价费时,其自动化评价长期以来存在许多技术难点。本文基于面向对象的图斑分类体系,引入深度卷积神经网络对现有地理国情普查-地表覆盖分类数据进行分类评价,并通过试验利用AlexNet模型实现地表覆盖分类评价验证。试验结果表明,该方法可有效判读耕地、房屋2类图斑,正确分类隶属度优于99%,而由于数据较少、训练不充分,林地、水体图斑正确分类隶属度不高,分别为62.73%和43.59%。使用本文方法,经过大量数据充分微调的深度学习AlexNet可有效地计算图斑的地类隶属度,并实现自动地表覆盖分类图斑量化评价。 相似文献
7.
城市建设用地与社会、经济、生态等息息相关,如何提取满足地理国情监测需求的城市建设用地成为一个亟待解决的问题。以兰州新区2012和2013两年的地理国情地表覆盖为基础数据,结合遥感影像、规划用地和外业调查数据,采用地表覆盖和遥感影像确定几何图形,规划用地和外业调查确定社会属性的提取方法,依据相关提取原则和提取参考,利用Arc GIS10.1软件提取城市建设用地。结果表明,本文所提出的提取方法可以满足地理国情监测需求的城市建设用地,该方法尤其适用于大规模正在建设的区域。 相似文献
8.
基于Google Earth Engine与多源遥感数据的海南水稻分类研究 总被引：2，自引：0，他引：2
水稻是中国乃至亚洲的重要粮食作物之一,稻米产量关系到民生福祉。及时、准确的水稻分布信息是监测水稻产量、调控农业资源配给的基础。遥感(Remote Sensing)技术能够提供大范围地表的时间序列光谱变化特征,常用于大尺度范围的作物监测。然而,传统基于水稻生长关键时期光谱特征的分类、提取方法对遥感数据的时间分辨率要求较高。由于我国南方水稻产区湿热,雨季云污染降低了遥感数据的有效时间分辨率,因此上述方法在该地难以推广。融合多源遥感数据的分类方案变相缩短了卫星的重访周期,使多云气候区基于遥感影像的水稻分类成为可能。然而,集成多源数据所需更高的数据处理效率和存储需求也成为限制省级乃至更大范围水稻分类的主要因素。本研究基于谷歌地球引擎(Google Earth Engine)云平台,在线调用中分辨率的光学、微波遥感数据,创新性地采用了按月提取、按直方图大小提取特征的方式,采用随机森林分类器,绘制海南省2016年10 m分辨率水稻种植分布图。实验结果证明,该方法可以用于南方多云地区水稻分类,提取结果能够体现不同地类之间的差异,且与实际地表的地块边界、纹理符合良好。经过地表样本点的验证,总体精度为93.2%,满足实际应用需求。因此,本研究采用的自动分类流程能够准确、高效地提取海南省的水稻种植范围,可以向其他地区大范围推广。 相似文献
9.
全球地表覆盖数据在气候变化研究、地理国情监测、生态环境保护等方面发挥着重要作用,2014年中国国家基础地理信息中心推出了全球最高30 m分辨率的地表覆盖遥感制图数据产品GlobeLand30。本文以2010年1:10万中国土地利用数据为参考,采用空间统计、面积一致性以及误差矩阵等分析方法,对河南省GlobeLand30、GlobCover2009、MCD12Q1数据进行精度评价和对比分析研究,结果表明：① 3种地表覆盖数据对河南省土地构成的描述基本一致,即以耕地、林地为主,草地、水体和人造地表为辅,但分类土地面积存在大小不同的差异;② GlobeLand30的总体精度和Kappa系数最高,MCD12Q1次之,GlobCover2009最低。3种数据中耕地和林地的精度均较高,草地的精度较差,GlobeLand30中水体和人造地表的生产者精度远高于其他2种数据,使用者精度相差不大;③ 地表覆盖数据与参考数据在空间上存在类型混淆情况,混淆主要发生于林地、草地、水体、人造地表与耕地之间,GlobeLand30的混淆程度要低于其他2种数据。 相似文献
10.
11.
针对我国南方地区在地形复杂、植被覆盖度高的特殊条件下,地质灾害监测成本高、精度低的难题,提出 了基于北斗联合光学、雷达等多源卫星遥感手段的地质灾害监测技术体系.充分利用北斗的高时间分辨率、雷达 卫星的高空间分辨率,结合高分率光学遥感手段,探讨了面向复杂地形和植被覆盖的 CR 和 PSInSAR 联合监测、 基于多源遥感数据的地表覆盖信息提取与变化监测以及集成北斗与多源遥感的地表形变监测等关键技术问题, 建立地质灾害区域的高时间分辨率＋高空间分辨率的地表形变场,耦合地表覆盖物的变化场,建立了一套基于地 表形变的地质灾害监测技术方法.相比于传统方法,此技术方法成本相对低廉,监测精度相对较高,可为今后复 杂地区的地质灾害监测提供一种新的方法. 相似文献
12.
13.
本文基于CG-LTDR土地覆盖数据产品,利用GIS空间统计等方法分析了中国1990-2010年土地覆盖的变化特点。与参考数据的比较检验表明,CG-LTDR土地覆盖数据在中国具有与其他同类数据相当甚至更高的分类精度。经逐年的长时间地表覆盖数据分析发现,由于受气候与人为因素影响,土地覆盖类型有明显的年际变化波动,尤其是云南-内蒙一线的干旱区与湿润区的过渡带。1990-2010年中国的林地和荒漠呈增加趋势,而草地和耕地呈减少趋势。利用5年的合成数据分析其年际变化,结果显示1990-2000年土地覆盖类型变化大,2000-2010年的变化较为平缓。在几种主要覆盖类型中,林地增加最明显,这主要与东南地区大部分耕地、西南和东北地区大面积草地转变为林地有关,但也有部分省份由于树木砍伐和农耕区扩张导致林地面积减小。耕地面积占比最高,其减少趋势主要与耕地变为林地和草地有关。南部的耕地减少最明显,北部略有增加,新增耕地的重心从东南向北转移。林地的增加趋势与耕地的减少趋势主要与全国大范围的退耕还林工程和生态保护政策有关。草地主要分布在生态脆弱区,其面积减少最显著,在西南及东北部分地区主要是草地变为林地,在内蒙中东部-陕西北部一线发生草地与耕地相互转换,而在内蒙北部-青藏高原一线有草地与荒漠的互相转换,在土地覆盖类型交错区,其利用类型容易发生改变。荒漠主要分布于西北地区,由于受到草地退化等因素影响,荒漠化趋势在进一步加剧。 相似文献
14.
15.
本文以贵阳市为研究对象,研究了地表覆盖组分及植被多样性对地表温度的影响。首先基于Landsat8 OLI多时相影像数据在GEE平台上实现了研究区域地表覆盖精细分类;然后结合不同季节8天合成的MODIS温度产品数据,利用时空统计分析、相关分析等方法分析了研究区不同地表覆盖类型地表温度时空分布特征,地表温度与不同地表覆盖组分、地表覆盖多样性和植被覆盖多样性的相关性。结果表明：贵阳市建成区主要分布有常绿阔叶林、常绿针叶林等植被,常绿阔叶林在不同季节对地表温度的降温效应明显,而不透水面对地表温度具有明显的增温效应,尤其以夏季最为显著;地表覆盖多样性与地表温度之间具有较强相关性,其中植被覆盖多样性较植被覆盖率对地表温度的影响更为显著,而不透水面的增加会明显降低植被多样性的影响。因此,要发挥城市绿地对城市温度和热岛效应的调节作用,建议可以适当增加常绿阔叶林的绿化面积,同时在空间上要提升植被多样性水平,能够较大程度改善城市热环境。 相似文献
16.
文章将三维激光扫描技术和无人机贴近摄影测量结合用于地质灾害监测,获取地质灾害监测体的完整三维点云数据,分析了地质灾害监测体的整体变形状态,提取地质灾害监测体的重要局部细节变形信息,为地质灾害预防和治理决策提供信息支撑. 相似文献
17.
利用地表覆盖产品GlobeLand30数据,对2000～2010年北京市行政区划范围内的地表覆盖变化原因进行综合分析.研究发现:①北京市地表覆盖变化呈地带性变化,具有圈层结构特点及显著的区域差异性;②北京市地表覆盖变化较大,其中,人造地表显著增加,森林亦呈增加态势,而耕地、草地及水体面积则大幅度减少;③引起地表覆盖变化的因素主要包括经济因素和政府政策、人口因素及地形因素等. 相似文献
18.
湿地作为地表覆盖类型的一种，对于生物多样性与气候变化有着重要的意义，也是人类的基本生存环境之一。为更好地理解和表达湿地知识及分类间关系，本文提出了一种基于本体的湿地知识图谱构建方法。首先，利用GlobeLand30数据、生态地理分区数据，围绕湿地类型、特征分布等要素分析湿地领域知识，提取知识间的语义关系，通过本体建模形成湿地知识图谱的概念框架；其次，融合百度百科数据等进行湿地实体的提取、属性信息抽取，丰富湿地知识图谱的数据层；最后，使用图数据库Neo4j存储实体关系和实体属性，实现了湿地知识图谱构建。本文构建的知识图谱扩充了湿地实体的概念描述信息，探索了顾及时空特征的湿地知识表示方法，为地表覆盖领域的知识图谱构建提供了一个应用范例。 相似文献
19.
本文以现阶段开展的地理国情普查和年度土地利用变更调查影像为研究数据,以土地利用数据和林业资源普查等其他专题资料为辅助资料,综合现有技术,进行地理国情普查地表覆盖数据和变更调查的动态监测研究、分析可行性研究。并通过项目实践,总结技术方法和工艺流程,精度评定方法,适用性分析,提出地表覆盖动态监测规模化生产作业流程,为开展变更调查和常态化地理国情监测奠定基础。 相似文献
20.
基于GIS的广州市土地利用遥感动态监测与变化分析 总被引：4，自引：1，他引：3
以1997、2003年广州市的Landsat TM影像为基本数据源,在遥感和地理信息系统处理软件的支持下,经过几何纠正、图像裁剪和图像增强处理后,采用最大似然比法结合人工目视解译对影像进行了识别分类,获得了广州市两个时相的土地利用分类数据,并进行了分类精度评价.然后建立了土地利用转移矩阵,并利用数值统计的方法,从不同角度分析了1997～2003年广州市土地利用变化的过程,包括土地利用变化的数量、速度、空间转移及其区域差异等.另外,经济发展、人口的增长、城市化建设等因素是广州市土地利用变化的主要驱动力. 相似文献