排序方式: 共有18条查询结果,搜索用时 15 毫秒
11.
12.
"高分二号"(GF-2)卫星影像中精细的空间信息可用于高精度的土地利用分类研究。为了获取基于GF-2卫星影像土地利用分类的最优特征空间,以及将旋转森林算法应用于提高遥感影像分类精度中,文章利用GF-2卫星影像数据,基于光谱特征(4个多光谱波段和1个全色波段)、指数(植被指数、水体指数及简单比值指数)和变换成分(主成分、最小噪声分离成分与独立成分)构建特征空间,应用基于决策树的旋转森林算法构建面向对象的分类规则集,进行土地利用分类,并与最近邻和决策树算法的分类结果对比分析。结果表明,结合光谱特征、几何特征和纹理特征,采用旋转森林算法得到的分类总体精度为84.85%,Kappa系数为0.819;引入指数、变换成分后分类总体精度提高4.90%,Kappa系数提高0.058;相比于最近邻分类器和决策树分类器,结合旋转森林思想的决策树分类器总体精度分别提高11.97%和15.44%,Kappa系数分别提高0.142和0.184。研究结果可为中国高分辨率卫星影像的信息提取及基于旋转森林算法的土地利用分类研究提供参考。 相似文献
13.
本文使用中国土地利用遥感监测数据提取并分析了2000年、2005年、2010年和2015年京津冀地区土地利用/土地覆被变化,使用国家统计局所提供的人口和GDP数据分析了京津冀地区2000-2018年人口和GDP的变化。结果发现京津冀地区的土地利用类型与经济发展指标GDP同步变化,其中建设用地增长和耕地减少尤为明显,并与人均GDP增长显著相关。京津冀三地经济发展不平衡、人口吸纳能力的差异是土地利用变化差异较大的部分原因。随着京津冀协同发展的进行,未来该地区土地利用/土地覆被变化将更趋合理有序。 相似文献
14.
首次应用中巴地球资源卫星(CBERS)数据对辽河油田中外合作开发区块进行环境影响评价工作,着重其数据特点及应用效果的分析。结果表明,如能充分利用CBERS-1数据的多光谱优势,可以达到令人满意的应用效果。 相似文献
15.
"高分五号"卫星是世界首颗实现对大气和陆地综合观测的全谱段高光谱卫星,对于土地利用类型分类具有重要的应用价值,如何利用深度学习技术开展高光谱图像分类是当前研究的热点问题。深度学习中的语义分割方法在地面场景的图像中已经获得较好的应用,但是对于高光谱遥感图像的精度和适用性较差,无法准确获得精确的分类结果。文章采用U-net模型开展高光谱土地利用类型分类研究,首先基于"高分五号"卫星高光谱数据,构建样本数据集,然后训练分类模型,进行土地利用类型分类,探讨语义分割方法在高分五号高光谱数据上的应用能力。结果表明,采用深度学习中的语义分割方法能够有效提高精度水平,U-net模型的整体分类精度为0.9357,Kappa系数达到0.92,均高于SVM方法和CNN方法。采用深度学习中的语义分割方法,可以为"高分五号"高光谱数据的土地利用分类提供技术支撑,有效提升"高分五号"卫星的应用能力。 相似文献
16.
在彩红外航空遥感调查的基础上,应用新的SPOT图像对南京城市用了变化进行了动态监测,分析了南京市主城规划区90年代以为用地变化的主要特点,指出了下一步城市总体规划实施中用地结构调整的重点,对航天遥感应用于城市用动态监测的要行性和技术方法进行了探讨。 相似文献
17.
土地利用动态遥感监测“十五”回顾 总被引:1,自引:0,他引:1
“土地利用动态遥感监测”项目是国家“十五”国土资源大调查“土地资源监测调查工程”之一。其目标是建立土地利用动态遥感监测体系,实现对重点区域、特定目标土地利用状况连续的、多周期的快速监测。给出了项目的技术流程,总结了该项目“十五”期间在城市监测、重点地区监测、资源与生态环境监测中所取得的成果以及这些成果在土地评价、国土资源规划和土地执法检查中所取得的成效。 相似文献
18.