利用SPOT-6影像提取新增建设用地的方法研究

随着我国城镇化进程的推进,新增建设用地占用耕地不可避免,特别是在城市郊区/近郊区。为加强土地管理,国土部门对土地利用进行年度变更调查监测与核查工作,重点监测各类新增建设用地。SPOT-6影像是一种投入使用时间不长的全新遥感数据源。本文基于SPOT-6影像,结合基期土地利用图,利用SEaTH算法,采用面向对象的方法,研究新增建设用地自动提取算法。首先提取基期的非建设用地图斑,在其约束下对SPOT-6影像进行多尺度分割,以分割得到的新图斑为基本单元,利用光谱、纹理等特征构建土地类型识别知识库,基于SEaTH算法来实现特征优选和特征阈值自动确定,并构建了模糊分类规则,最后将分类结果与基期土地利用数据叠加分析,获取新增建设用地。实验结果表明,应用SPOT-6影像与基期土地利用图,提取新增建设用地的精度达到88%,满足土地利用年度变更调查监测与核查的基本要求。

SPOT-6影像在昭通地区石漠化遥感解译中的应用

以2013年SPOT-6影像数据为信息源,利用3S技术,对云南省昭通四个1∶5万图幅的喀斯特石漠化进行遥感解译,在建立遥感图像解译标志的基础上,经过人机交互解译、野外验证、室内遥感图像再次解译的反复过程,对研究区石漠化特征有了清晰的了解。结果表明SPOT-6高光谱遥感与一般遥感影像相比,能提供更好的对地观测高质量信息源,能较好地满足l∶5万石漠化调查的需要。

基于CNN的不同空间分辨率影像土地覆被分类研究

基于卷积神经网络(Convolutional Neural Networks,CNN)和5种不同空间分辨率的遥感影像,对西宁市东部一区域开展土地覆被分类研究,旨在探索CNN在不同空间分辨率下进行影像分类的差异性和对不同地物的提取能力。为提高样本的选择效率,引入了窗口滑动方法进行辅助选样。研究表明5种不同空间分辨率影像的总体分类精度均达89%以上,Kappa系数达0.86以上,分类精度较高。在所涉及的分辨率尺度范围内,空间分辨率越高,CNN分类结果越精细,并能保持较高的分类精度,表明CNN更适合高空间分辨率影像分类;但同时影像空间分辨率越高,地物表现出较高的类内变异性和低类间差异性,分类精度有降低的趋势。相比较而言,SPOT 6影像的分类精度最高,同时窗口滑动是一种有效的样本辅助选择方法。研究对今后同类工作具有一定的借鉴意义。