高分辨率卫星的出现和商业化使快速更新大比例尺土地利用基础图件成为可能。本文采用实证研究的方法,分别在北京市房山区和吉林省安图县建立了两个试验区,形成了一套基于遥感的县级土地利用基础图件数字化更新的技术流程,并对这一技术流程和方法进行了验证。

研究目的：基于语义分割模型HRNetV2实现高分辨率遥感影像的土地利用自动分类，以期推动深度学习语义分割方法实现遥感影像的土地利用自动分类研究，并为该类研究提供可参考的案例。研究方法：首先对语义分割模型HRNetV2从损失函数、特征提取方面进行优化，以提高模型的分割精度；其次用优化后的HRNetV2模型对民乐县2 m的高分辨率遥感影像进行土地利用分类，并基于混淆矩阵对分类的结果进行评估。研究结果：(1)优化后的HRNetV2语义分割模型的MIOU达81.9%，相较于优化前提高了4.4%,证明了优化方法的有效性；(2)针对民乐县进行的土地利用自动分类总体精度达89.72%，Kappa系数达0.888。研究结论：优化后的HRNetV2语义分割模型在高分辨率遥感影像的土地利用自动分类中具有较强的应用前景。

高分辨率遥感卫星是一个国家高技术水平的标志,也是促进经济社会发展以及维护国家安全的重要手段。本文从卫星技术水平、国家遥感政策、商业运营与服务模式、全球数据获取与应用、国际合作等方面,分析了欧美主要发达国家在高分辨率卫星遥感产业国际化发展方面的经验,阐述了我国高分辨率卫星遥感产业国际化发展的现状和当前存在的问题,提出了后续发展思路及建议。

应用遥感技术进行土地利用／覆盖变化监测研究是全球变化研究的重要组成部分，在归纳遥感动态监测研究方法的基础上对应用高空间分辨率卫星遥感数据进行土地利用／覆盖变化的监测方法、目前的水平、及与其相关的遥感图象分类的发展方向进行了初步分析。总结了我国进行土地利用／覆盖变化监测的研究工作，分析了研究特点。

随着卫星影像分辨率的不断提高、影像信息的极大丰富 ,使得遥感数据应用于城市测绘成为可能 .该文概要介绍了高分辨率卫星影像在城市测绘中的最新应用 ,着重介绍了影像数据的纠正及利用正射影像更新 1∶10 0 0 0地形图数据的制作方法和生产工艺

本文简要回顾了土地利用动态监测的历程,并从遥感影像内涵出发分析了高分辨率影像对新阶段土地利用动态监测实现从静态向动态、从宏观向微观、从定性到定量的转变,具有重要意义,指出高分辨率影像应用于土地利用动态监测的关键在于数据融合技术的运用和实践,并给出了一些高分辨率数据融合实例,希望藉此促进土地利用动态监测技术的发展。

建立完善的城市生态环境监测及评价体系是目前城市环境工作一项重要内容 ,在对高分辨率遥感卫星数据特点分析的基础上 ,进行了高分辨率遥感卫星数据应用的可行性分析 ,提出了高分辨率遥感卫星数据在城市生态环境评价中的应用模型 ,并从城市生态环境评价指标体系、元数据管理体系、环境评价因子的提取和分析三个方面对该应用模型做了进一步的阐述 ,最后对该模型在厦门市环保局进行了实验研究。

阐述目前常用的光谱特征变化法、假彩色合成法和主成分分析法3种土地利用现状变化监测方法以及效果,分析了3种方法的使用条件、范围和优缺点,在此基础上,提出了一种基于CRS+波段替换的研究方法,为以高分辨率遥感航片为基础数据的土地利用遥感监测提供了新的技术方法与理念。

以内蒙古自治区根河市根河生态站为研究区,探讨在大面积复杂林区、具有红边波段卫星数据支持下,高空间分辨率遥感影像林地类型精细分类方法。以2016年7月的RapidEye遥感影像和2017年的GF-1PMS遥感影像为主要数据源,综合利用影像的光谱特征、纹理特征与根河森林资源小班数据等辅助信息,以及2016年林地类型外业调查样本数据,分别对2种数据源采用传统的监督分类方法[最大似然法(MLC)和支持向量机法(SVM)]和基于IDL语言的ImageSVM和ImageRF分类方法进行林地类型精细识别。最后以外业调查数据和根河森林资源小班数据作为检验样本对分类结果进行精度验证,通过建立混淆矩阵对分类结果进行评价。结果表明:①ImageRF和ImageSVM等2种分类方法对林地类型信息提取精度较高。在RapidEye影像中,针叶林、阔叶林、灌木林等8种地物类型总体分类精度分别为90.26%和90.02%, Kappa系数均大于0.88。ImageSVM和ImageRF分类结果中,灌木林、针叶林和阔叶林制图精度和用户精度均高于支持向量机法和最大似然法;相对于支持向量机法和最大似然法,ImageSVM法总体分类精度分别提高了6.18%和7.06%, Kappa系数分别提高了0.07和0.08; ImageRF法总体分类精度分别提高了5.93%和6.82%, Kappa系数分别提高了0.07和0.08,能确保森林资源调查成果的精细化、准确性、高效性。②在林地类型精细识别中,携带红边波段信息的RapidEye影像比无红边波段信息的GF-1影像具有更好的识别精度和可分性。研究证明,ImageSVM和ImageRF分类方法是有效的林地类型信息精细识别方法,具有精度高和可信度高的优势,是进行复杂山区林地类型精细分类的有效手段,可满足森林资源调查、变化监测、数字更新等林业应用需求。图7表5参24

Mean Shift算法原理简单,计算速度快,但现有的32位Mean Shift遥感影像处理软件对大数据量的承受能力较差,无法实现对高分辨率影像的处理。针对这个问题,实现了在64位系统环境下编写64位基于MeanShift算法的高分辨率影像分割程序,并且为了获取更高精度的分割影像对象,提出在进行Mean Shift遥感影像分割之前进行一次或多次Mean Shift滤波平滑处理,并展开实验,结果表明相同尺度、相同条件下可有效减少过分分割现象。

针对传统场景分类方法不能准确地表达高分辨率遥感影像丰富的语义信息问题,提出了一种基于卷积神经网络的高分辨率影像场景分类方法.此方法大致分为3步:第1步,依据不同卷积窗口做卷积运算提取颜色,纹理和形状等低阶特征;第2步,利用池化层将这些低阶特征进行过滤,得到重要特征;第3步,重组提取出来的特征以形成高阶语义特征进行场景分类.在具体实验中利用三个不同尺寸的卷积核对数据集进行分类探究,并且使用了数据增广、正则化和Dropout等手段,提升模型对新样本的适应能力,很好地解决了过拟合问题.该方法在所进行的实验中表现良好,在WHU-RS19数据集上取得了88.47%的准确率,和传统的场景分类方法相比,显著提升了分类精度.

采用高分辨遥感影像提取农作物信息在北方区域得到了深入的研究和广泛应用,但受到南方地形复杂、气候差异等条件的影响,采用遥感技术提取南方农作物信息的研究甚少。鉴于此,该文以广西鹿寨县为例,采用2012年9月的高分辨率Rapid Eye遥感影像为主要研究数据源,利用面向对象的遥感图像分析方法,结合高程数据模型DEM和GPS野外采集数据,综合桑树在遥感影像上的形状特征、颜色特征、光谱特征、纹理特征、位置特征(拓扑特征)提取桑树信息,并对其分类结果进行精度验证和评价。研究结果表明,提取桑树信息的总精度达到91.96%,Kappa系数达到0.839 1,满足使用的精度要求。面向对象的图像分析方法为高分辨率...

研究目的:为进一步拓展土地整治遥感监测手段,本文以多时相高分辨率遥感数据为数据源,在土地整治工程地物信息提取基础上,构建形象进度评价模型以综合掌握项目实施进展。研究方法:挣值分析法,实证研究法,文献研究法。研究结果:从遥感影像提取的工程矢量信息分析评价结果符合项目实际进展。研究结论:在遥感监测信息提取的基础上,本文提出的工程形象进度评价模型可用于计算项目整体工程进展,评价项目进度情况,并找出导致项目进展缓慢的工程建设内容。

文章通过引入模拟退火算法改进传统ID3算法采用的信息增益熵为局部非回溯的启发式的缺点,得到一个面向影像分类的优化的决策树分类算法。通过实验研究,对城市的QuickBird影像进行分类,证明了优化的决策树方法能有效地提高各尺度下影像的分类精度;通过比较最优尺度下优化的决策树算法与神经网络算法和最大似然法对实验区域的影像分类精度,证实了优化的决策树算法的有用性。

采用高分辨率卫星影像结合基本农田数据库对基本农田变化进行实时监测,在较短的时间内能够准确、及时的获取基本农田的面积变化和变化流向信息,为基本农田保护提供有力决策依据。