分布式环境下光学卫星影像的数据挖掘

近年来,随着我国航天领域的飞速发展,不断有光学卫星传回的高分辨率的影像数据。高分辨率影像数据内数据挖掘成为深入研究相关领域的重要方法。传统卫星影像数据挖掘方法存在影像数据内容分析准确度低、影像数据内容关联信息少、处理速度慢等问题。为此,提出分布式环境下高分辨率光学卫星影像数据挖掘方法。采用动态图像特征检索算法、大数据动态信息交互技术与分布式影像数据处理技术,针对性解决传统影像数据挖掘方法中存在的问题。仿真实验测试证明,提出的分布式环境下高分辨率光学卫星影像数据挖掘方法具有影像数据加载分析快、数据挖掘准确、挖掘数据实用性高等特点。

基于SAR-C的大兴安岭西麓地区主要农作物识别方法研究

雷达遥感能够克服复杂地形与气象条件影响,既可在恶劣的气候条件下,也可以在白天和黑夜发挥作用,具有较强的全天候、全天时的工作能力,这一特性优于可见光和红外波段的探测系统。大兴安岭地区,夏季多云,光学影像难以获取,对于遥感农作物识别造成了影响。该研究选取大兴安岭西麓部分地区为研究区域,以单极化多时相Sentienl-1A为数据源,采用最大似然法、CART决策树方法对研究作物种类进行提取,并对其结果进行了分析。通过分类结果数据比对,表明:在农作物识别中CART决策树分类方法能够提供较高的分类精度,作物识别精度达到80.257%,Kappa系数0.733。光学影像能够很好辅助雷达影像用于区分非耕地信息。SAR数据对大兴安岭西麓地区春小麦具有很好地识别效果。