A Brief Review of 3S Technology Application on Biodiversity Monitoring and Assessment

Remote sensing,geographic information system and GPS(3S)technology have been well recognized as comprehensive,accurate and up-to-date information collection methods,which are increasingly adopted in biodiversity conservation.This review summarizes the application of object-oriented classification methods on biodiversity monitoring projects based on high-resolution remote sensing imagines in China.Biodiversity conservation research based on GIS technology in China is also discussed,with emphasis on the advantages of GIS analysis and modeling function.

基于专利数据关联共现的通导遥技术关键领域识别

为了深入了解我国通导遥技术的发展现状,预测未来的技术发展趋势,通过Ucinet软件,对通导遥专利涉及的20个技术领域进行了深入分析.研究结果显示,在我国通导遥领域所涉及的20个技术领域中,各领域的关联程度较好.其中,电信、测量、数字通信和计算机技术是核心技术研究方向,五类中间人角色在技术网络中都存在,其中守门人最为突出.提出了应积极促进跨领域的技术融合,完善研发机制和着眼于新兴技术领域等建议.

基于遥感技术的镇沅县茶树资源研究

为提升茶树种质资源调查的效率和准确性,本研究基于全球尺度卫星数据量大、计算分析能力强的谷歌地球引擎(GEE)平台,以镇沅县为研究区域,利用哨兵2号(Sentinel-2)影像的光谱、植被指数、纹理特征,综合运用随机森林算法(RF)、支持向量机(SVM)和网络模型(BP)神经网络算法实现了茶树资源的提取。该方法和思路首次应用于茶树资源调查,结果显示:(1)基于RF算法的茶树资源提取效果和精度最佳,总体精度为85.6%,说明RF算法在监测和提取茶树资源方面具有较大的应用价值和前景。(2)镇沅县茶斑块3 430块,茶树资源面积约1.9×10^(4) hm^(2),其中天然茶树资源面积1.15×10^(4)hm^(2),人工茶树资源面积0.75×10^(4)hm^(2)。天然茶树面积占60.5%,人工茶树面积占39.5%。在空间分布上,天然茶树分布于较陡山地,人工茶树都位于较为平缓的村庄周围,茶资源区划准确,效率高。

引入自注意力U-Net的无人机遥感农作物分类模型

精准农业是指信息技术与农业生产全面结合的新型农业。农作物信息和数据是精准农业中最核心的内容,通常使用无人机遥感技术获取农作物信息和数据。文中首先利用无人机采集农田数据,并根据地面参考数据以及相关资料,利用人工标注构建无人机遥感农田样本数据集,利用数据增强的策略扩充样本数据集;其次,提出一种改进的U-Net模型,即自注意力U-Net模型,将其应用于农作物分类。所提模型在传统U-Net的基础上加入自注意力机制,能够提高模型的特征学习能力以及泛化能力。使用所提方法在无人机遥感农田数据集上进行实验得出,与基线模型相比,所提模型能够提升农作物分类性能。

基于多时相遥感影像的作物种植信息提取

为了快速、准确地在遥感影像上对作物种植信息进行提取,该研究运用多时相的TM/ETM+遥感影像数据和13幅时间序列的MODISEVI遥感影像数据,采取基于生态分类法的监督分类与决策树分类相结合的人机交互解译方法,建立决策树识别模型,对黑龙港地区的主要作物进行遥感解译,总体分类精度达到了91.3%,与单纯对TM影像进行监督分类相比,棉花、玉米、小麦、蔬菜4类作物的相对误差的绝对值分别降低了1.3%、20.5%、2.0%、13.8%。结果表明该方法的分类精度高,能较好的反映作物的分布状况,可为该地区主要作物种植结构调整提供科学依据,还可为其他区域尺度作物分布信息的提取提供参考。

Landsat TM在矿区生态环境动态监测中的应用

以湖北大冶为研究区 ,采用多时相陆地卫星遥感图像 ,通过不同波段组合 ,以及铁矿指数 (ironoxide)和归一化差异植被指数 (NDVI)等的应用 ,在建立一定精确的分类模板的基础上 ,采用最大似然法执行监督分类 ,得到了具有较高精度的分类结果图。最后对不同时相分类结果图中各类地物的比较 ,定量分析了矿区生态环境的动态变化 ,并着重讨论了 30m分辨率的陆地卫星影像在矿区生态环境监测中的作用及不足。

一种基于多智能体策略的人工免疫网络数据分类方法

在传统的人工免疫网络基础上,将多智能体技术的典型策略融入到免疫网络的进化过程中。算法引入了邻域克隆选择,操作过程从局部到整体,能够更加全面地模拟免疫网络的自然进化模型;同时在免疫网络进化过程中增加了抗体间的竞争和协作操作,提高了网络的动态分析能力。后续实验中,分别采用常用的三组UCI数据和一幅红树林多光谱TM遥感图像对算法加以验证,实验结果表明算法对遥感图像有较高的分类效率,对UCI数据也有较好的分类效果,表明该算法是一种有效的数据分类方法。

遥感技术在地质找矿中的应用

遥感地质找矿方法随着遥感成像技术的发展而发展,传感器的发展使得探测波段不断细分,光谱分辨率不断提高,从而提高了遥感地质找矿的精度,使地质找矿从定性化到定量化转变。总结近几十年来多光谱与高光谱遥感成像技术的发展过程,并概括在此发展过程中相关找矿方法的发展,从多光谱成像与高光谱成像的发展2个方面介绍了相应的找矿方法与找矿应用,论述遥感技术在地质找矿中的应用趋势,并对目前遥感找矿领域中的相关难点进行了总结。

基于OpenMP的遥感影像并行ISODATA聚类研究

针对传统影像分类算法执行效率较低,无法满足海量高分辨率遥感数据实时处理需求的问题,对资源三号卫星专题产品中遥感影像的迭代自组织数据分析算法进行分析与研究,设计一种基于OpenMP的并行ISODATA聚类算法(PIsodata Omp)。采用OpenMP技术优化ISODATA算法中的样本点聚类、聚类样本中心标准差计算,实现基于共享内存的单机多核并行化处理。实验结果表明,PIsodata Omp算法能在保证分类精度不变的情况下,明显提高资源三号卫星影像数据的处理速度。

遥感影像土地利用/覆盖分类方法研究综述

从六个方面总结了国内外出现的遥感影像土地利用 /覆盖分类中针对传统计算机分类方法的改进 :(1)从基于统计的分类向基于非线性并行处理的人工神经网络分类、基于模糊理论的分类、基于知识的分类以及支撑向量机等分类技术发展 ;(2 )分类从单一利用光谱信息到利用光谱、纹理、时相、角度等多种信息 ;(3)从基于像元的逐点分类到基于图斑的分类 ;(4)从硬分类到亚像元分类 ;(5 )从单源遥感影像分类到利用多源遥感影像融合的分类 ;(6 )从单分类器向复合分类器发展。

融合面向对象与缨帽变换的湿地覆被类别遥感提取方法

为了有效提取湿地覆被类别遥感信息,该文基于国产环境星影像(HJ-CCD)和Landsat7遥感影像(ETM)提出了一种融合面向对象技术和缨帽变换的提取湿地覆被信息的方法,并对东洞庭湖区的湿地进行提取。遥感提取结果的总体精度90.02%,Kappa系数0.88,高于传统的分类方法分类的量化结果;获得的结果没有"椒盐现象"且比较紧致。试验结果表明融合面向对象和缨帽变换的方法能够有效的提取湿地覆被类别,精度高,效果好。研究结果为有效地利用遥感手段提取湿地覆被信息提供参考。

适用于3S技术的草地综合顺序分类法水热指标改进

草地类型理论和类型划分是草地科学研究和经营管理的基础。草地综合顺序分类法是有较高科学性的分类体系,但在实际应用中,尤其是引入3S技术时出现了水热条件的以点代面,以相邻生境代实际生境的问题,影响了草地综合顺序分类法的准确性和实际应用。通过对其问题的梳理,提出利用定量遥感反演地表参数以解决上述问题,即用面状的土壤水热指标数据替换点状的站点大气水热指标,旨在为我国草地的精确分类提供新的思路和创新方法。

基于低空遥感与迁移学习的土地利用信息快速制图方法

为解决样本的手工获取和常规的目视解译难以适应目前农业土地资源信息自动化提取的需求问题,引入时空数据挖掘技术,运用关联知识迁移学习机制,提出了一种基于知识迁移学习的高分辨遥感影像土地利用信息分类制图方法(KTLC)。首先,运用改进的均值漂移算法对新的待分类制图影像进行分割获得影像对象,然后,将分割后对象的矢量边界与前时相土地利用矢量专题图进行配准、嵌套,通过叠加分析获取当前影像中的不变对象,并通过光谱、空间信息阈值筛选完成不变对象的提纯,进而将历史专题图中的地物类别知识迁移到新影像对象上,建立新的特征与地物类别映射关系,最后,运用决策树构建分类规则完成当前影像的快速分类制图,并将所提方法与利用易康(e Cognition)软件进行分类(EC)的结果进行对比。研究结果表明,对于2组实验影像,KTLC方法分类总体精度分别为88.61%、88.30%,EC方法分类的总体精度分别为89.87%、84.84%,2种方法分类制图精度相当,但在效率方面,KTLC方法优于EC方法。

面向对象的矿区信息提取方法的应用与研究

通过使用分辨率为30m的TM影像作为基础数据和面向对象的遥感软件eCognition作为提取工具,采用面向对象的遥感信息提取方法提取矿区的信息,结合ArcGIS的空间分析功能对其产生的分类结果进行进一步的改进及优化,可得到较准确的分类结果矢量图。实验结果表明:利用基于多尺度分割的面向对象的分类方法可以有效地避免传统的基于像元分类时出现的"椒盐"现象,可得到精度更高,范围更准确的分类结果。实验结论为矿区信息提取及矿区影响研究提供了一种新的思路。

植被数量分类的研究特点及发展趋势

基于相关资料、应用创新、新技术特别是遥感技术在数量分类研究中的应用,阐述了数量分类在当前的研究特点、发展态势,同时对未来该领域的发展进行了一定的分析。

基于特征提取的SVM图像分类技术的无人机遥感建筑物震害识别应用研究

在现有的建筑物震害信息获取途径中,相比传统的现场调查法,无人机遥感系统具有机动灵活、快速高效等优点,目前已成为一种重要的震害信息获取手段。而在遥感图像中识别建筑物震害时,常用的人工目视解译及现有的计算机自动识别方法存在效率低下、精度不足等缺陷。结合机器学习最新进展,将基于特征提取的SVM图像分类技术应用到无人机遥感建筑物震害识别中,通过尺度不变特征转换(SIFT)提取图像特征后,再采用视觉词袋构建建筑物震害无人机遥感图像特征向量标签库,作为SVM进行图像分类的基础。并以2021年9月16日发生的四川泸县6.0级地震为例,对方法的可行性加以验证。结果表明:该方法可快速准确地从无人机遥感图像中识别出建筑物震害情况。

网格环境下分布式SVM遥感图像分类器模型研究

为了充分利用网格技术分布式、高性能、协同共享的能力,设计了一种基于网格和支持向量机的分布式图像分类器模型,采用网格计算技术,统筹网络运算资源,结合支持向量机在有限样本统计分类中的优势,探索网格技术在图像分类中的应用。以对遥感图像目标物体的特征提取为例,实现基于分布式计算的图像分类过程,基于.net环境的实验结果表明,该模型提高了数据密集型图像分类速度和处理效率。

基于面向对象分类技术的沈阳市土地利用动态变化研究

基于RS和GIS技术,采用面向对象分类技术,根据沈阳市的实际情况,建立土地利用类型解译标志,利用多尺度分割方法进行影像分割,然后利用决策树法和最近邻的分类方法,建立分类规则,提取区域土地利用信息,得到该区域的两期土地利用/土地覆被数据,并对研究区的土地利用动态变化及引起这种变化的驱动力进行分析.研究中所采用的面向对象的分类方法在地表景观信息提取中充分利用了地物的光谱信息、纹理特征等特征,最大程度上克服由于不同地物光谱信息相似、相同地物光谱信息不同而造成的混分现象.

重庆市三峡库区土壤侵蚀分级分类标准的探讨

根据三峡库区自然环境和水土流失的特点,在实地调查的基础上对三峡库区土壤侵蚀分级分类标准进行了探讨,指出原来全国通用技术规程中的分级分类指标在三峡库区遥感普查应用中存在一定的偏差,指出了偏差发生的原因,提出了适合三峡库区的分类定级标准。

面向对象的遥感影像单类分类

在遥感影像中只提取其中的一个特定类别,称为单类分类。结合面向对象分析方法,采用单类分类器提取影像中的兴趣类别。首先,探讨了面向对象遥感影像数据的分布特征和分割参数选择问题;然后,基于分割产生的影像对象,利用单类支持向量机方法,提取遥感影像中的特定类别信息。实验结果与基于像素的单类分类方法进行比较,表明结合面向对象的单类分类方法具有更高的分类精度。