共查询到19条相似文献，搜索用时 140 毫秒
1.
利用遥感影像识别土地利用类型及监测其变化情况在城市规划和土地利用优化等领域发挥着重要作用。当前,相关数据集存在样本量少、类别划分不合理、数据不开源等局限,难以满足样本驱动的深度学习遥感信息提取范式的需求。本文构建了一个面向深度学习的大规模场景分类与变化检测数据集MtSCCD (Multi-temporal Scene Classification and Change Detection)。该数据集包括MtSCCD＿LUSC (MtSCCD Land Use Scene Classification)和MtSCCD＿LUCD (MtSCCD Land Use Change Detection)两个子数据集,分别用于土地利用场景分类与变化检测任务。该数据集具有以下特点：（1） MtSCCD是目前规模最大的公开的土地利用类型识别与检测数据集,包含10种土地利用类型共65548幅图像,并且样本覆盖中国5个城市的中心区域;（2）由于MtSCCD数据集根据城市划分训练集、验证集以及测试集,对于新增的城市土地利用数据,可以根据需求划分为训练集与验证集或测试集,因此可扩展性较高;（3） MtSCCD... 相似文献
2.
随着社会的高速发展,资源与环境问题日益显著,土地利用/覆被变化(Land Use and Land Cover Change,LUCC)的研究日益成为全球范围内的研究热点。本文基于辽宁省朝阳市6期LandsatTM影像,以ENVI 4.5和ArcGIS为图像处理平台,采用决策树分类方法,将朝阳市土地利用类型分为耕地、林地、水域、建设用地、未利用地五大类,通过对比多期朝阳市土地利用的变化情况,分析研究区土地利用/覆被动态的内在变化规律,进而综合评价朝阳市土地利用效率及各类土地利用转化情况。 相似文献
3.
林艳 《测绘与空间地理信息》2017,(10):81-85
变化检测是遥感图像处理中经常使用的一门技术,随着遥感技术的发展,变化检测的应用越来越广泛。本文介绍了变化检测的定义、流程和应用,利用ERDAS软件进行遥感影像的变化检测实验,并对ERDAS变化检测的几种不同的方法进行比较分析,得出的结论是利用变化检测模块(Change Detection)进行检测的效果较好,最后将这种方法同监督分类技术一起应用于厦门市城市建设用地的变化检测中。 相似文献
4.
天津滨海新区土地利用变化及驱动因子分析 总被引：1，自引：0，他引：1
随着全球变化研究的深入,人们逐渐认识到人类活动所导致的土地利用/土地覆盖变化(Land Use and Cover Change)最终会反过来影响到人类自身的生存和发展。因此,土地利用与土地覆盖变化成为全球变化研究的热点问题。本文以天津滨海新区为研究区域,使用ENVI软件通过面向对象解译的方法分别对2005、2010、2014年的遥感图像进行处理,得到3期的解译数据;然后,运用土地利用动态度及土地利用转移矩阵的方法对土地利用的面积变化情况进行分析;最终得出结论:该区域土地利用类型面积变化以建筑用地、未利用地的大幅增加及水域的锐减为主。2005~2014年9年间建筑用地和未利用地面积增加量分别为13 638.15 hm~2、6 926.94 hm~2;植被和盐田的面积都是减少的,而植被减少的面积最多,减少的面积量为10 673.28 hm~2。同时,本文进一步分析了经济、人口、政策驱动因子对该区域土地利用变化的影响。 相似文献
5.
6.
7.
基于典型物候特征的MODIS-EVI时间序列数据
农作物种植面积提取方法
—小区域冬小麦实验研究 总被引：11，自引：1，他引：10
利用MODIS植被指数时间序列这一特性,以北京市通州及周边为实验区,冬小麦种植面积为研究对象,提出
了农作物种植面积指数模型(Pan-CPI模型)的概念,并构造了冬小麦特征物候期植被指数与种植面积的定量函数关系,
通过样区TM影像求解关键参数,对研究区冬小麦种植面积测量方法进行了试验研究。研究结果表明：(1)Pan-CPI模
型能够很好地反映特定目标农作物种植面积状况,为基于植被指数时间序列影像识别农作物种植面积提供了新方法;
(2)精度分析结果表明：Pan-CPI模型具有很高的稳定性,且不受样本变化的影响,只要达到满足模型计算的样本量(如：
5%),多次测量结果间具有很好的一致性。选取MODIS 6×6像元大小的窗口时,TM样本的复相关系数(R2)稳定在0.85
左右,与TM结果比较,窗口相对精度稳定在95%左右,区域精度稳定在92%以上,经调整的区域精度高达96%以上;
(3)对于种植结构复杂、目标作物种植破碎的地区,Pan-CPI模型可以充分利用MODIS植被指数时间序列的优势,有效改
善TM单时相和多时相提取信息因时相缺失无法表征作物变化的不足。 相似文献
8.
北京1号小卫星监测非正规垃圾场的应用研究 总被引：3，自引：0，他引：3
以北京市平原区为研究区域,利用北京1号卫星(Beijing-1)融合数据,研究了非正规垃圾场的影像特征,建立了非正规垃圾场在小卫星影像上的判读标志,通过人机交互和计算机自动检测方法对北京地区的非正规垃圾场进行了判读分析和变化检测试验研究.验证发现:利用Beijing-1小卫星的全色和多波段融合影像对非正规垃圾场的识别精度可达90.3%;由于非正规垃圾场影像特征的不确定性,计算机自动变化检测方法不能替代人机交互判读,但可提高人机交互识别变化的效率. 相似文献
9.
构建时空融合模型进行水稻遥感识别 总被引：1，自引：0，他引：1
传统变化检测手段进行水稻遥感识别受"云污染"和影像间配准误差导致的变化检测误差累积及"椒盐"现象的影响,水稻遥感识别精度低。本文提出时空融合模型(Temporal-Spatial-Fusion Model,TSFM)进行水稻遥感识别,旨在综合像元在时间、空间维度上的信息定义像元的水稻时空归属度,根据时空归属度划分阈值提取水稻。实验结果表明:在不同窗口尺度下,TSFM在整体和"云污染"区域对水稻提取均达到了较高精度。当窗口尺度为3×3时,水稻提取的用户精度、制图精度和总体精度分别达到93.4%、83.5%和87.9%。在不同窗口尺度下水稻提取的用户精度、制图精度、总体精度均高于分类后比较PCC(Post-Classification Comparison)和多数投票法(Majority Voting,MV);在"云污染"区域,水稻识别总体精度均在92.0%以上,水稻制图精度比PCC、MV分别至少提高了14.0%、7.6%。有效地解决了传统变化检测作物遥感识别存在的误差累积问题,在一定程度上避免了"云污染"和"椒盐"现象对识别结果的影响。另外,初步探讨了TSFM水稻提取精度与景观特征关系,发现在景观规整区域适宜采用较小的窗口,在破碎区域适宜采用较大的窗口。该方法的成功实施,为大范围开展秋粮作物遥感识别,消除"云"影响进行了前期实验探讨。 相似文献
10.
为了研究利用高分一号宽幅影像(GF-1 WFV)监测森林覆盖变化的方法,选取四川省甘孜州雅江县为研究区,利用2014年和2016年2期GF-1WFV数据,采用迭代加权多元变化检测(iteration re-weight multivariate alteration detection,IR-MAD)法对数据进行辐射归一化;分别对2期影像进行核主成分分析(kernel principal component analysis,KPCA)方法变换,采用最大类间方差法(OTSU)确定自动识别阈值,对2期GF-1WFV影像中的森林覆盖变化区域进行检测和精度验证;并与变化矢量分析(change vector analysis,CVA)法检测结果进行对比分析。研究结果表明:所用2种变化检测算法的总体检测精度都超过了80%,其中,KPCA法的总体精度为89.27%,未变化区用户精度达93.88%,变化区用户精度为80.28%;基于KPCA法的精度均较优于传统CVA检测算法,说明KPCA算法通过数据变换后,可减少变量间的相关性、增强影像信噪比,从而提高了对变化区域的识别精度。 相似文献
11.
本文以陇中黄土高原的祖厉河流域为研究区,基于Landsat系列遥感影像,利用主成分变换方法,与地面温度和植被指数相结合,进行土地利用/土地覆盖提取研究,在此基础上,探讨祖厉河流域土地利用/土地覆盖变化(LUCC)及其驱动因素。利用基于TM影像的SEBAL(Surface Energy Balance Algorithm for Land)模型,从祖厉河流域三期影像提取了区域蒸散发通量。首先进行了NDVI、比辐射率和地面温度等地表参数的计算,然后反演了地表的净辐射、土壤热通量和感热通量,根据能量守恒最终获得日蒸散发量。结合气象观测数据反演作物系数,最后计算月蒸散发量。对同期的土地利用/土地覆盖数据和陆面蒸散发量进行对比分析,探讨了土地利用类型的变化对流域内能量和水分时空分异的影响。 相似文献
12.
利用Landsat TM和IRS P6 LISS III卫星影像及GIS对耕地和耕种模式的时空动态分析(英文) 总被引：2，自引：0，他引：2
The study of the spatial patterns and temporal changes of cropland is important to understand the underlying factors and the
functional effects of the agricultural landscape. On the other hand, crop dynamics mapping is essential to know the overall
agro-spatial diversity of the area. Therefore, this paper addressed a spatio-temporal analysis of cropland and cropping pattern
change in the Bogra district of Bangladesh over the last 16 years (between 1988/89 and 2004/05). In this paper, crop mapping
from multi-temporal and multi-sensor satellite images was described. Landsat TM and IRS P6 LISS III satellite images were
used with GIS for spatial dynamics of cropland and cropping pattern change analysis. First, seasonal cropland maps were derived
from object-based classification of satellite images, then two-date classified image differencing with GIS overlay technique
and decision rules were applied. Cropping pattern change was analyzed in a spatial and quantitative way for the 16 years and
for this, Integrated Land and Water Information System (ILWIS) and Land Change Modular (LCM) of IDRISI Andes were used. The
results showed that in the area, mono crop cultivation was found in summer, but in winter, areas under different crop cultivation
had changed dramatically. Change analysis showed that the changes mainly occurred in the north northwest and southwest of
the areas, and during the time the highest change area was found under the rice-potato pattern.
相似文献
13.
徐州市土地利用CLUE-S模型变化模拟 总被引：1，自引：0，他引：1
对徐州市1987年、1994年和2000年3期遥感影像图进行分析,利用面向对象的思想,采用多尺度分割法对影像进行分类,通过遥感影像的光谱特征,确定分类目标,获取该区过去13年间的土地利用/覆被时空变化特征。运用CLUE-S模型以1994年土地利用数据模拟了2000年的土地利用空间变化状况,并通过2000年实际遥感影像分类数据加以验证,结果计算出Kappa指数为0.846,达到精度要求,实例证明CLUE-S模型较好地模拟了徐州市的土地利用/覆被变化。最后运用CLUE-S模型以6年为1个时空尺度模拟该区未来12年的自然状态和生态保护状态下的土地利用/覆被变化特征。 相似文献
14.
Increasing population and natural disasters like drought, flood, cyclone etc., has impacted global agriculture area and hence continuously modifying cropping pattern and associated statistics. The present study analysed agriculture dynamics over one of the densely populated and disaster prone state (Bihar) in India and derived vital statistics (single, double and triple cropping area, and monthly, seasonal, annual and long term status at the state and district level) for the years 2001–2012. The study used time-series MODIS vegetation index (EVI; MOD13A2, 1 km, 16 day, 2001–2012), MODIS annual Land Cover product (MCD12Q1, 500 m, 2001–2012) and Global Land Cover map (Scasia_V4, 1 km, 2000; Globcover_V2.2, 300 m, 2005/2006 and V2.3, 2009, 300 m), and extracted horizontal (i.e., area change) and vertical (i.e., cropping intensification) agriculture change pattern. The results were inter-compared, and validated using government reports as well as with high spatial resolution data (IRS-LISS III 23.5 m). From 2001–2006 to 2007–2012, the net horizontal and vertical change in agriculture area is +145.24 and +907.82 km2, respectively, and net change in seasonal crop area (winter, summer and monsoon) is +959.21, +1009.84 and ?1061.64 km2, respectively. The districts which are located along the eastern part of Ganges experienced maximum positive changes and the districts along Gandak river in the north-western part of the study area experienced maximum negative changes. Overall, the study has quantified and revealed interesting space–time agriculture change patterns over 12 years including impacts caused by droughts and floods in the study area. 相似文献
15.
16.
17.
本文利用多时相Landsat TM/ETM+影像分析了兖州市1998年和2002年的土地利用/覆盖变化。综合考虑波段间相关系数和OIF指数,选择最佳波段组合进行图像解译,并在此基础上运用最大似然分类器(MLC)和支持向量机(SVM)的分类方法对遥感影像进行分类。进而利用SVM分类结果进行土地利用遥感动态监测,获取兖州市土地利用/覆盖变化信息,并与社会经济统计资料的统计结果进行比较。最后提取TM/ETM+影像的RDVI,基于线性混合像元分解模型分析了植被覆盖的变化。结果表明,基于多时相TM/ETM+影像分析的土地利用/覆盖变化与实际统计数据较吻合,适合动态监测土地利用变化,且精度较高。 相似文献
18.
Use of Landsat imagery for the preparation of small scale thematic maps has proved a quicker and economic device. Visually interpreted Land use categories supported by intensive ground truth have been classified for Idukki district in Kerala State. With this quicker device, Landuse and Land Cover clasess are made, considering all the geographical conditions of the area. The classified map can certainly prove a good tool to the planners for acquiring optimal Land use of the area. 相似文献
19.
《International Journal of Digital Earth》2013,6(1):22-49
Abstract Global land cover is one of the fundamental contents of Digital Earth. The Global Mapping project coordinated by the International Steering Committee for Global Mapping has produced a 1-km global land cover dataset – Global Land Cover by National Mapping Organizations. It has 20 land cover classes defined using the Land Cover Classification System. Of them, 14 classes were derived using supervised classification. The remaining six were classified independently: urban, tree open, mangrove, wetland, snow/ice, and water. Primary source data of this land cover mapping were eight periods of 16-day composite 7-band 1-km MODIS data of 2003. Training data for supervised classification were collected using Landsat images, MODIS NDVI seasonal change patterns, Google Earth, Virtual Earth, existing regional maps, and expert's comments. The overall accuracy is 76.5% and the overall accuracy with the weight of the mapped area coverage is 81.2%. The data are available from the Global Mapping project website (http://www.iscgm.org/). The MODIS data used, land cover training data, and a list of existing regional maps are also available from the CEReS website. This mapping attempt demonstrates that training/validation data accumulation from different mapping projects must be promoted to support future global land cover mapping. 相似文献