共查询到20条相似文献，搜索用时 859 毫秒
1.
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
2.
3.
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
4.
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
5.
6.
7.
基于知识的分层综合分类法在土地利用/土地覆盖遥感信息提取中的应用 总被引：1，自引：0，他引：1
土地利用/土地覆盖数据的获取是研究LUCC的重要基础工作。随着遥感技术的飞速发展,通过遥感提取土地利用/土地覆盖专题信息已成为LUCC研究必不可少的一步。目前遥感专题信息提取水平相对滞后于遥感数据获取,为了提高遥感数据在土地利用/土地覆盖的应用,寻找一种较好的、具有相对适用性的方法是目前遥感应用的一个迫切要求。本文比较了目前比较常用的几种土地利用/土地覆盖遥感信息提取方法,分别以西部干旱区(柴达木盆地)和东部地区(鄱阳湖地区)为例,提出在GIS支持下基于知识的分层综合分类方法,并通过和其他几种常用方法进行比较分析,得到如下结果:在自然环境相差较大的柴达木盆地和鄱阳湖地区,采用了GIS支持下基于知识的分层综合分类方法的提取精度均要比单独采用最大似然法、纹理分析法、神经网络分类法等方法的总体精度高出25%,Kappa系数高出0.2。由此可以说明了该方法对于土地利用/土地覆盖专题信息的提取是可行的,同时它也具有一定的适用性。 相似文献
8.
浙江省海宁市TM图像土地利用自动分类精度评价方法的试验研究 总被引：15，自引：0，他引：15
按照国家土管局土地利用现状分类标准,利用叠合的海宁市长安镇１∶１万同时期土地详查电子地图的全域地面实况数据,在遥感图像处理常规分类方法的范畴内,采取最大程度利于提高分类精度的措施,所得的分类精度上限为６５％。研究表明,通常在试验区的小块局部中选择训练样本和选择评价分类精度的参考像元,对精度评价有显著影响,参考像元质量和数量的限制很可能是这些年来一些同类研究报道了较高分类精度结果的主要原因 相似文献
9.
10.
为提高土地利用/覆盖分类精度,本文以昆明市呈贡区为例,融合Sentinel-1A(S1A)与Sentinel-2A(S2A)遥感数据,采用支持向量机(SVM)的监督分类方法对土地利用/覆盖进行分类。对比分析了Sentinel-1A与Sentinel-2A数据在不同组合情况下所有分类结果的总体精度,结果表明:将Sentinel-1A的强度数据、纹理数据与添加植被指数的Sentinel-2A数据融合时分类精度相对较高,总体精度可达93.60%。采用雷达数据与光学数据融合的方法可以在一定程度上提升土地利用/覆盖分类精度。 相似文献
11.
12.
Land cover classification using Landsat 8 Operational Land Imager data in Beijing,China 总被引：1，自引：0，他引：1
The successful launch of Landsat 8 provides a new data source for monitoring land cover, which has the potential to significantly improve the characterization of the earth’s surface. To assess data performance, Landsat 8 Operational Land Imager (OLI) data were first compared with Landsat 7 ETM + data using texture features as the indicators. Furthermore, the OLI data were investigated for land cover classification using the maximum likelihood and support vector machine classifiers in Beijing. The results indicated that (1) the OLI data quality was slightly better than the ETM + data quality in the visible bands, especially the near-infrared band of OLI the data, which had a clear improvement; clear improvement was not founded in the shortwave-infrared bands. Moreover, (2) OLI data had a satisfactory performance in terms of land cover classification. In summary, OLI data were a reliable data source for monitoring land cover and provided the continuity in the Landsat earth observation. 相似文献
13.
14.
《地理信息系统科学与遥感》2013,50(4):365-387
Atlanta has continuously changed its physical landscape as well as its socioeconomic appearance over the past decades. A hybrid image processing approach, which integrated unsupervised, supervised, and spectral mixture analysis (SMA) classification methods, was used to identify urban land use/land cover changes over a decade (from 1990 to 2000) in the Atlanta metropolitan area. During this process, SMA was proven to be an effective analytical approach for characterizing mixed feature areas, such as a metropolitan area. According to accuracy assessment, the classification results were acceptable. 相似文献
15.
基于分类回归树分析的遥感影像土地利用／覆被分类研究 总被引：50，自引：1，他引：50
以专家知识和经验为基础,综合影像光谱信息和其他辅助信息进行分类的基于知识的遥感影像解译方法,是提高遥感影像分类精度,实现自动解译的有效途径之一。然而,知识的获取一直是其得以广泛应用的“瓶颈”问题。以江苏省江宁试验区土地利用/覆被分类为例,利用分类回归树分析(CART)从训练样本数据集中发现分类规则,集成遥感影像的光谱特征、纹理特征和空间分布特征进行分类实验,并与传统的监督分类和逻辑通道分类方法进行比较。结果表明,基于CART的分类方法的精度基本在80%以上,与另两种方法相比,有了较大的提高,而且该算法复杂性低,效率高。由此说明,利用CART算法构建决策树获取的分类规则是合理的。它可以快速、有效地获取大量分类规则,是促进基于知识的遥感影像分类方法在土地利用/覆被分类中广泛应用的一项有效手段。 相似文献
16.
近年来,由于区域人口的增加和社会经济的快速发展,西安市的土地利用类型发生了明显变化。土地利用分类可为生态系统模型、水资源模型和气候模型等提供重要信息,遥感技术为土地利用分类提供了有效的工具。本文以西安市2016年Landsat-8卫星的OLI多光谱数据为基础资料,参考国家土地利用分类标准和西安市土地利用现状,将西安市的土地类型分为建设用地、裸地、水体、草地、耕地、林地6类,采用监督分类中常用的最大似然分类法和决策树分类方法对研究数据进行解译,利用总体分类精度和Kappa系数等指标对各分类精度加以评价,并结合实际用地情况对分类结果进行了总结分析。 相似文献
17.
结合Landsat-8遥感数据,采用多级决策树分类方案,利用归一化植被指数、波段比值、主成分分量等光谱特征参数并融合其他非遥感知识,对黄河三角洲地区土地利用与覆盖的信息展开了全面的提取、研究与分析,获得了该地区5个一级类、12个二级类地物的分布情况,分类总体精度93.88%,优于传统监督分类。同时采用聚类、分类叠加和人机交互等分类后处理操作以获得更贴近地面实际的制图效果,开展基于海岸线的缓冲区分析以获得各地物特别是距离海岸线10 km、20 km范围内地物类型的空间分布并完成相关制图与分析,为黄河三角洲地区滨海土地的利用与开发提供了数据支持。 相似文献
18.
Liegang Xia Jiancheng Luo Weihong Wang Zhanfeng Shen 《Journal of the Indian Society of Remote Sensing》2014,42(3):505-515
This paper proposes an automatic framework for land cover classification. In majority of published work by various researchers so far, most of the methods need manually mark the label of land cover types. In the proposed framework, all the information, like land cover types and their features, is defined as prior knowledge achieved from land use maps, topographic data, texture data, vegetation’s growth cycle and field data. The land cover classification is treated as an automatically supervised learning procedure, which can be divided into automatic sample selection and fuzzy supervised classification. Once a series of features were extracted from multi-source datasets, spectral matching method is used to determine the degrees of membership of auto-selected pixels, which indicates the probability of the pixel to be distinguished as a specific land cover type. In order to make full use of this probability, a fuzzy support vector machine (SVM) classification method is used to handle samples with membership degrees. This method is applied to Landsat Thematic Mapper (TM) data of two areas located in Northern China. The automatic classification results are compared with visual interpretation. Experimental results show that the proposed method classifies the remote sensing data with a competitive and stable accuracy, and demonstrate that an objective land cover classification result is achievable by combining several advanced machine learning methods. 相似文献
19.
Reliable and up-to-date urban land cover information is valuable in urban planning and policy development. Due to the increasing demand for reliable land cover information there has been a growing need for robust methods and datasets to improve the classification accuracy from remotely sensed imagery. This study sought to assess the potential of the newly launched Landsat 8 sensor’s thermal bands and derived vegetation indices in improving land cover classification in a complex urban landscape using the support vector machine classifier. This study compared the individual and combined performance of Landsat 8’s reflective, thermal bands and vegetation indices in classifying urban land use-land cover. The integration of Landsat 8 reflective bands, derived vegetation indices and thermal bands overall produced significantly higher accuracy classification results than using traditional bands as standalone (i.e. overall, user and producer accuracies). An overall accuracy above 89.33% and a kappa index of 0.86, significantly higher than the one obtained with the use of the traditional reflective bands as a standalone data-set and other analysis stages. On average, the results also indicate high producer and user accuracies (i.e. above 80%) for most of the classes with a McNemar’s Z score of 9.00 at 95% confidence interval showing significant improvement compared with classification using reflective bands as standalone. Overall, the results of this study indicate that the integration of the Landsat 8’s OLI and TIR data presents an invaluable potential for accurate and robust land cover classification in a complex urban landscape, especially in areas where the availability of high resolution datasets remains a challenge. 相似文献
20.
以肥城市为研究对象,利用最大似然监督分类法对肥城市1994年、2002年的landsat TM和2017年的landsat OLI遥感影像进行土地利用分类,依据土地利用动态度、土地利用转移矩阵对肥城市土地利用变化进行分析。实验表明:近23年来,肥城市土地利用变化明显,其中建设用地面积增加54.22 km^2,林草地面积增加80.87 km^2,耕地面积减少107.02 km^2、水体面积减少17.28 km^2;同时表明在经济驱动、政策引导以及人为因素的影响下肥城市土地利用程度会进一步加深。 相似文献