混合像元分解法在植被覆盖区矿化蚀变信息提取中的应用——以江西大浩山金矿区为例

在植被覆盖区,由于高植被、多水系、多阴影的影响,遥感蚀变信息提取一直未能取得良好的矿化蚀变效果。江西大浩山金矿区位于九江坳陷与江南地块九岭隆起的交界部位,区内植被覆盖稠密、水系沟壑纵横,传统的干扰信息掩膜+主成分分析方法难以有效提取相关的矿化蚀变信息。采用混合像元分解技术(SMACC,端元提取技术),通过对像元线性分解可从遥感图像中获取各个地物端元的反射亮度值及丰度信息;识别各地物端元,去除干扰端元(植被、水体等),进而对有用地物端元进行有补偿机制的遥感影像重组;最终采用主成分分析法从重组影像中有效提取矿化蚀变信息。与传统的掩膜方法相比,在植被覆盖率较高的区域,混合像元分解法避免了传统方法在掩膜干扰信息的同时消除矿化蚀变信息的弊端,取得了良好的效果;在植被覆盖率较低的区域,混合像元分解能分离去除少量植被信息,提取更为微弱的矿化蚀变信息。

确定性系数与随机森林模型在云南芒市滑坡易发性评价中的应用

编制科学的滑坡易发性分区图,可以有效降低灾害带来的损失。以云南省芒市为研究区,利用确定性系数模型(certainty factor,简称CF)方法计算各个因子的敏感值,作为随机森林(random forests,简称RF)的分类数据,选取合适的训练数据和最优化的模型参数进行模型预测,从而对研究区进行滑坡易发性评价分区。采用频率比方法将连续性因子离散化,从而通过确定性系数计算因子不同区间的滑坡易发性,同时利用CF先验模型,对研究区负样本进行选取。通过计算袋外误差得到最优化的RF参数,随后利用RF模型对研究区模型进行训练及预测。绘制ROC曲线和三维遥感影像对预测模型结果分别进行定量和定性评价,结果表明,所得到的模型精度为91%,优于随机抽样得到的结果。最后,采用平均基尼不纯度减少和平均准确度下降两种计算方法计算、评价了研究区各个因子的重要性。基于以上对研究区进行的滑坡易发性评价结果,可以为该区灾害风险评估和管理提供依据。

基于RS与GIS技术的数字流域水体信息的提取

针对DEM的误差及时效性可能会导致提取出的水文要素与实际情况出现偏差的问题,提出利用遥感信息与DEM综合提取水系的方法。利用遥感影像,根据NDWI和波段分析相结合的方法提取流域主干河流和面状水域,并用数学形态学对提取出的二值图进行除噪、细化等处理;利用DEM数据,根据流域集水面积阈值与河网密度之间的关系曲线确定临界支撑面积阈值,并通过叠置运算和邻域分析对伪河道等进行合理剔除。综合两者结果,设置遥感水系和DEM水系主干河道校正控制点,并以遥感水系主干河道为基准,对DEM水系中控制点图层进行配准,从而完成对DEM水系位置及面状水域的修正。