基于GIS的景觀動(dòng)態(tài)遠(yuǎn)程監(jiān)控系統(tǒng)①

任曉芳,李桂珍,方霞(新疆工程學(xué)院 計(jì)算機(jī)工程系,烏魯木齊 83005)(新疆農(nóng)業(yè)職業(yè)技術(shù)學(xué)院 信息技術(shù)分院,昌吉 8300)

?

基于GIS的景觀動(dòng)態(tài)遠(yuǎn)程監(jiān)控系統(tǒng)①

任曉芳1,李桂珍2,方霞1
1(新疆工程學(xué)院 計(jì)算機(jī)工程系,烏魯木齊 830052)
2(新疆農(nóng)業(yè)職業(yè)技術(shù)學(xué)院 信息技術(shù)分院,昌吉 831100)

摘 要:由于人類活動(dòng)和地表運(yùn)動(dòng)使土地覆蓋變化產(chǎn)生很大變化,所以需要對(duì)景觀動(dòng)態(tài)準(zhǔn)確繪圖來(lái)進(jìn)行環(huán)境監(jiān)測(cè).為此提出一種基于地理信息系統(tǒng)(GIS)的景觀動(dòng)態(tài)遠(yuǎn)程監(jiān)測(cè)系統(tǒng),根據(jù)遙感圖像的多時(shí)相遙感光譜和表面模型數(shù)據(jù),利用多時(shí)相決策樹(shù)分類器和形態(tài)學(xué)圖像處理技術(shù),實(shí)現(xiàn)對(duì)土地利用/覆蓋變化(LUCC)的動(dòng)態(tài)監(jiān)測(cè).在Landsat 5 TM數(shù)據(jù)庫(kù)中的本地圖像上進(jìn)行實(shí)驗(yàn),結(jié)果表明,該方法能夠達(dá)到90.77%的識(shí)別準(zhǔn)確度,且具有較低的計(jì)算時(shí)間,能夠很好的檢測(cè)出植被分布(植物/植被恢復(fù))、城區(qū)(城市化/拆遷)和地理形態(tài)特征(河流地貌變化/邊坡失穩(wěn)).

關(guān)鍵詞:景觀監(jiān)測(cè); 地理信息系統(tǒng); 土地利用/覆蓋變化; 多時(shí)相決策樹(shù)分類器; 形態(tài)學(xué)圖像處理

土地利用/覆被變化(Land Use/Land Coverage,LUCC)表示自然和人類活動(dòng)對(duì)地球表面造成的影響[1],包括生物地球化學(xué)循環(huán)、土壤腐蝕、城鎮(zhèn)化,這些將成為未來(lái)影響環(huán)境的重要因素.所以,提供土地景觀尺度LUCC的精確地圖,來(lái)表示自然災(zāi)害(滑坡、洪水)和社會(huì)經(jīng)濟(jì) (城市和自然資源規(guī)劃)的潛在影響變得尤為重要[2].

地理信息系統(tǒng)(Geographic Information System,GIS)是一種融合地圖學(xué)和遙感圖的綜合性系統(tǒng),能使廣大用戶能夠容易地處理復(fù)雜多任務(wù)環(huán)境監(jiān)控問(wèn)題,對(duì)描述LUCC的時(shí)空變化有巨大潛力[3].遙感圖像變化檢測(cè)方法可分成預(yù)分類和后分類技術(shù)[4],預(yù)分類技術(shù)側(cè)重于使用如主成分分析和植被指數(shù)等算法,直接針對(duì)多時(shí)相數(shù)據(jù)棧,產(chǎn)生“變化”和“非變化”地圖.預(yù)分類方法能夠很好的采集土地表面變化的時(shí)空軌跡,但是不能提供有關(guān)自然變化本身的信息[5].后分類方法使用不同時(shí)間獲得的圖像,并進(jìn)行獨(dú)立分類,通過(guò)比較獲得的單一圖像分類來(lái)產(chǎn)生變化地圖,然而,變化地圖的準(zhǔn)確度勢(shì)必依賴于每個(gè)分類的準(zhǔn)確度,存在誤差傳播的問(wèn)題[6].

本文提出一種基于GIS的土地利用/覆被變化監(jiān)測(cè)方法,基于多時(shí)相和數(shù)字地表模型數(shù)據(jù),利用多時(shí)相決策樹(shù)分類和形態(tài)學(xué)圖像處理技術(shù)對(duì)圖像進(jìn)行分類和變化檢測(cè).在Landsat 5 TM影像數(shù)據(jù)庫(kù)中的本地圖像上進(jìn)行實(shí)驗(yàn),結(jié)果表明,與傳統(tǒng)后分類技術(shù)相比,本文系統(tǒng)具有較高的性能和識(shí)別準(zhǔn)確度,且具有較低的計(jì)算時(shí)間,能夠很好的檢測(cè)出植被分布(植物/植被恢復(fù))、城區(qū)(城市化/拆遷)和地理形態(tài)特征(河流地貌變化/邊坡失穩(wěn))的時(shí)空動(dòng)態(tài).

1　提出的方法

本文提出一種基于GIS的景觀動(dòng)態(tài)遠(yuǎn)程監(jiān)測(cè)系統(tǒng),利用多時(shí)相/多源遙感數(shù)據(jù)和數(shù)字圖像處理技術(shù),來(lái)監(jiān)測(cè)土地利用/覆被變化.土地利用/覆被變化(LUCC)側(cè)重于遙感數(shù)據(jù)的時(shí)間變化,通過(guò)辨別: 植被破壞(DV)、植被恢復(fù)(RV)、城市化(UB)、拆遷(DL)、滑坡(LS)和河床變遷(分別為ORV、NRB、新老河床).并識(shí)別其它永久土地利用/覆被類別(LULC): 森林(FS)、灌木(SH)、草地(GS)、裸露土壤(BS)、建筑(BL)和永久水源(PW).本文基于遙感圖像處理的景觀動(dòng)態(tài)監(jiān)測(cè)方法包括3個(gè)主要步驟:

(1)數(shù)據(jù)預(yù)處理(DPP): 首先,對(duì)遙感圖像數(shù)據(jù)進(jìn)行預(yù)處理,對(duì)圖像進(jìn)行校正濾除環(huán)境干擾,然后分別計(jì)算圖像的歸一化植被指數(shù)(NDVI)和歸一化數(shù)字表面模型(nDSM),以此作為基本特征,并對(duì)此進(jìn)行擴(kuò)展,派生出多種地貌特征;

(2)多時(shí)相決策樹(shù)分類(MTTDC_CLASS): 將預(yù)處理過(guò)程獲得的多項(xiàng)特征作為決策樹(shù)分類器的輸入,并設(shè)定各種特征的分類閾值,從而對(duì)遙感圖像進(jìn)行LUCC/LULC分類,輸出一個(gè)中間LUCC/ LULC地圖;

(3)形態(tài)學(xué)圖像分析(MTTDC_MORPH): 為了提高分類精度,利用形態(tài)學(xué)圖像處理技術(shù)對(duì)決策樹(shù)分類器獲得的中間LUCC/ LULC地圖進(jìn)一步處理,去除孤立像素,并對(duì)相鄰近似像素進(jìn)行聚合,從而獲得最終LUCC/ LULC地圖.

本文檢測(cè)方法步驟如圖1所示.

圖1　本文遙感圖像處理流程圖

1.1數(shù)據(jù)預(yù)處理(DPP)

由于地理相關(guān)的多光譜圖像受到云、大氣和太陽(yáng)高度角等干擾,所以,本文先通過(guò)快速大氣校正工具(ENVI QUAC)對(duì)圖像進(jìn)行校正[7],然后,對(duì)可用多源遙感數(shù)據(jù)進(jìn)行重采樣,對(duì)應(yīng)到可用輸入數(shù)據(jù)的常見(jiàn)空間分辨率.在每個(gè)觀察時(shí)間段,根據(jù)遙感數(shù)據(jù)生成的歸一化植被指數(shù)(NDVI)和歸一化數(shù)字表面模型(nDSM)的結(jié)果數(shù)據(jù)集產(chǎn)生派生特征,用于分類.

NDVI能夠在很大覆蓋范圍內(nèi)相當(dāng)精確地反映植被綠度、光合作用強(qiáng)度和植被代謝強(qiáng)度,可用于監(jiān)測(cè)植物生長(zhǎng)、植被覆蓋等應(yīng)用,是一種光譜波段線性組合:

上式中,ρNIR,ｔ和ρRED,t分別表示電磁光譜的近紅外區(qū)域和紅色區(qū)域,t表示采集時(shí)間(t= 1,2).上式的輸出值在-1至1范圍內(nèi),高NDVI值對(duì)應(yīng)于綠色植被模式(例如,森林、農(nóng)田),接近于零和負(fù)值的NDVI一般表示非植被特征(例如,裸露的土壤、水、城市模式).

歸一化數(shù)字表面模型(nDSM)廣泛用于森林結(jié)構(gòu)評(píng)估和建筑提取[8],并提供地平面上與物體高度相關(guān)的高度信息:

其中數(shù)字表面模型(DSM)表示地球表面上的所有對(duì)象(如植物和建筑物之類),而數(shù)字地形模型(DTM)表示裸露地表.

每個(gè)觀察時(shí)間段產(chǎn)生七個(gè)附加層,這些層以及推導(dǎo)這些層的相應(yīng)數(shù)學(xué)公式列于表1.表1中的特征是土地利用/覆蓋性質(zhì)的重要判別信息,用作多時(shí)相決策樹(shù)分類器的分類特征.

表1　本文所用的頻譜和地貌特征

1.2多時(shí)相決策樹(shù)分類(MTTDC_CLASS)

本文基于一組閾值(X1,...,X10),通過(guò)合成規(guī)則來(lái)預(yù)測(cè)目標(biāo)變量(LUCC/ LULC),實(shí)現(xiàn)一種基于決策樹(shù)分類算法[9]的面向像素分類方法.本文以表1列出的特征作為決策樹(shù)的輸入特征,采用多時(shí)相方法來(lái)評(píng)估光譜動(dòng)態(tài)和景觀表面特性.多時(shí)相方法能夠?qū)ΡO(jiān)測(cè)LUCC/ LULC產(chǎn)生重要作用: (1)根據(jù)自然或人類活動(dòng)所改變目標(biāo)區(qū)域的地表特征,增強(qiáng)對(duì)這些活動(dòng)造成的LUCC的識(shí)別; (2)提高自然動(dòng)態(tài)下永久覆蓋的分類準(zhǔn)確度,如物候?qū)W循環(huán); (3)減少由于遮蔽區(qū)域引起的分類錯(cuò)誤,尤其在城市環(huán)境中.

為了幫助用戶選擇決策樹(shù)閾值(X1,...,X10),開(kāi)發(fā)了一種專用離線校準(zhǔn).初步分析中需要一組目標(biāo)分類訓(xùn)練區(qū)域(.shp)和綜合了所有待估計(jì)參數(shù)(X1,...,X10)的關(guān)系閾值表(.dbf).通過(guò)對(duì)提交參數(shù)的簡(jiǎn)單調(diào)整,運(yùn)用訓(xùn)練集上有預(yù)定義設(shè)置的多時(shí)相決策樹(shù)分類器,依據(jù)Kappa條件系數(shù)[10]自動(dòng)評(píng)估校準(zhǔn)的可靠性.Kappa系數(shù)通過(guò)考慮正確分類的像素百分比和遺漏誤差來(lái)估計(jì)分類精度,Kappa值越高,分類性能(0-1范圍)越好.本文將閾值為(X1,...,X10)的決策樹(shù)所產(chǎn)生的分類圖像作為一個(gè)中間LUCC/LULC地圖,在下一步中,將對(duì)此中間地圖進(jìn)行形態(tài)學(xué)圖像處理.多時(shí)相決策樹(shù)分類器如圖2所示,彩色框表示的LUCC和永久覆蓋,每個(gè)節(jié)點(diǎn)的真假二進(jìn)制響應(yīng)分別由紅色和黑色箭頭表示; 下標(biāo)1和2為預(yù)測(cè)器特征的第一和第二采集時(shí)間.

圖2　產(chǎn)生中間LUCC/ LULC地圖的多時(shí)相決策樹(shù)分類器

1.3形態(tài)學(xué)圖像處理(MTTDC_MORPH)

形態(tài)學(xué)圖像處理(MIP)[11]可以濾除圖像中零散分布的孤立像素值,以得到更佳的顯示效果,形態(tài)學(xué)操作定義為:

式中,A和B是二維整數(shù)空間Z2中的兩個(gè)集合,集合B通常叫做結(jié)構(gòu)元素; AΘB表示用B對(duì)A進(jìn)行腐蝕; ⊕表示膨脹操作.用B對(duì)A進(jìn)行開(kāi)操作就是用B先對(duì)A腐蝕,然后再用B對(duì)腐蝕結(jié)果進(jìn)行膨脹.

本文對(duì)決策樹(shù)獲得的中間LUCC/ LULC地圖進(jìn)行形態(tài)學(xué)圖像處理,以減少可能的錯(cuò)誤分類.首先,根據(jù)以像素?cái)?shù)表示的尺寸閾值來(lái)對(duì)圖像進(jìn)行過(guò)濾,去除孤立像素; 然后,將預(yù)定義空間窗中的相鄰相似分類區(qū)域進(jìn)行聚合,以增加空間相干性到現(xiàn)有分類.過(guò)濾過(guò)程中,查看相鄰8個(gè)像素,確定某一像素是否與其相同類像素為一類.如果該類中像素?cái)?shù)小于給定閾值(最小對(duì)象區(qū)域),則這些像素將從該類中刪除.聚合過(guò)程中,使用形態(tài)學(xué)算子聚集相鄰相似分類區(qū)域到一起,先執(zhí)行膨脹操作將某時(shí)刻的土地覆蓋聚集到一起,然后對(duì)分類圖像使用指定大小內(nèi)核的腐蝕操作.最小對(duì)象區(qū)域和連接內(nèi)核嚴(yán)格依賴于輸入圖像的空間分辨率和目標(biāo)分類的幾何性質(zhì).

在形態(tài)學(xué)處理面向?qū)ο蟮耐恋馗采w圖后,為了減少持續(xù)椒鹽噪聲的影響,在產(chǎn)生的分類地圖上運(yùn)行具有預(yù)定義內(nèi)核大小的眾數(shù)濾波器,最后將獲得的分類作為最終的LUCC/ LULC地圖.

2　軟件實(shí)現(xiàn)

本文在基于ArcMap工具[12]的圖形用戶接口(GUI)上注入GIS平臺(tái)并運(yùn)行本文系統(tǒng),同時(shí)鏈接數(shù)字圖像處理(ENVI IDL程序)到遙感數(shù)據(jù)集,提供最終LUCC/ LULC地圖.以in.sav格式預(yù)編譯ENVI IDL程序,并使用IDL虛擬機(jī),此實(shí)用程序允許分發(fā)IDL.sav文件,而不需要IDL運(yùn)行許可證.該軟件包括兩個(gè)主要程序: (1)分區(qū)處理模塊和(2)用于地形分析的千公里區(qū)域細(xì)分可編程接口(KASPITA),軟件架構(gòu)如圖3所示.

分區(qū)處理模塊中,預(yù)定義分區(qū)大小,將圖像的研究區(qū)域分為若干區(qū)域.其中,在4個(gè)相鄰分區(qū)中設(shè)置附加重疊,以此減小邊界影響.通過(guò)一個(gè)專用分區(qū)文件(.shp)來(lái)執(zhí)行分區(qū)程序,通過(guò)分區(qū)來(lái)加快數(shù)據(jù)分析.

KASPITA控制著輸入/輸出文件的分區(qū)管理,其是由Visual Basic.NET編寫(xiě)的圖形用戶接口(GUI),其初始化文件(KASPITA-par.xml)用于控制數(shù)據(jù)訪問(wèn)系統(tǒng)和遙感圖像處理過(guò)程.在安裝KASPITA到GIS工程后,ArcMap庫(kù)會(huì)自動(dòng)激活一個(gè)專用工具欄,來(lái)訪問(wèn)軟件功能和KASPITA導(dǎo)航.KASPITA導(dǎo)航允許通過(guò)使用分區(qū)文件來(lái)同時(shí)選擇一個(gè)或多個(gè)分區(qū),以獲得多時(shí)相數(shù)據(jù),并執(zhí)行數(shù)字圖像處理過(guò)程(DPP,MTTDC_CLASS 和MTTDC_MORPH).

圖3　軟件架構(gòu)

3　實(shí)驗(yàn)結(jié)果及分析

3.1數(shù)據(jù)收集

將本文系統(tǒng)應(yīng)用到安徽省蕪湖至銅陵段約100千米長(zhǎng)江流域上,如圖4所示.除了人類活動(dòng)外,氣候和巖性特征的巨變也會(huì)顯著影響地表過(guò)程,導(dǎo)致覆蓋模式的顯著變化.土地覆蓋時(shí)空變化的大量擴(kuò)展和復(fù)雜性能夠很好的評(píng)估LUCC/ LULC檢測(cè)方法的性能.

圖4　研究區(qū)域地圖,標(biāo)簽A-H表示采樣區(qū)域

實(shí)驗(yàn)中,本文選用2011年的美國(guó)陸地衛(wèi)星系列多光譜遙感影像(Landsat 5 TM)作為數(shù)據(jù)源.其中,高空間分辨率彩色紅外數(shù)字圖像數(shù)據(jù)有4個(gè)光譜波段: 藍(lán)色(430-490納米)、綠色(535-585納米)、紅色(610-660納米)和近紅外(NIR)波段(835-885納米).數(shù)據(jù)源中的高度傳感器提供具有1米的空間分辨率和0.2米的垂直精度的數(shù)字地形模型(DTM)和數(shù)字表面模型(DSM).光譜和表面模型數(shù)據(jù)用于生成預(yù)測(cè)器特征.

本文將圖像進(jìn)行分區(qū),分區(qū)大小為1′1千米,重疊區(qū)域?yàn)?0米,眾數(shù)過(guò)濾器內(nèi)核大小為3′3米.通過(guò)實(shí)地調(diào)查和用于監(jiān)測(cè)土地覆蓋分類(LUCC/ LULC)的多時(shí)相圖像,來(lái)獲得本文系統(tǒng)校準(zhǔn)/驗(yàn)證所需的訓(xùn)練/測(cè)試區(qū)域,列于表2.訓(xùn)練階段產(chǎn)生的決策樹(shù)和形態(tài)學(xué)操作的參數(shù)分別列于表3和4.

表2　本文系統(tǒng)各目標(biāo)類的編碼與對(duì)應(yīng)的訓(xùn)練和測(cè)試像素?cái)?shù)

草地 　BS 　14,579 　11,458灌木 　SH 　14,006 　15,325森林 　FS 　204,321 　191,378建筑物 　BL 　185,785 　183,520

表3　本文多時(shí)相決策樹(shù)分類器所用的閾值

表4　本文中形態(tài)圖像處理相關(guān)的參數(shù)集

3.2檢測(cè)結(jié)果

本文在整體準(zhǔn)確度(OA)方面評(píng)估本文系統(tǒng)的繪圖性能,即正確分類的圖像面積百分比,計(jì)算如下:

上式中,M為一個(gè)混淆矩陣,行列分別為分類的LUCC/LULC和地面真實(shí)覆蓋,nLC為目標(biāo)分類數(shù),N為測(cè)試像素總數(shù).

通過(guò)實(shí)驗(yàn)表明,本文系統(tǒng)中,由多時(shí)相決策樹(shù)分類器產(chǎn)生的中間LUCC/LULC分類的圖像具有87.34%的分類精度,而經(jīng)過(guò)形態(tài)學(xué)圖像操作之后,最終LUCC/LULC結(jié)果能夠達(dá)到90.77%的整體分類精度.其中,對(duì)于森林(M(FS,FS)=99.55%)、建筑物(M(BL,BL)= 100%)、植被恢復(fù)((M(RV,RV)=99.27%)、植被破壞(M(DV,DV)=96.98%)、滑坡(M(LS,LS)= 99.97%)、新河床(M(NRB,NRB)=97.41%)、城市化(M(UB,UB)=100%)和拆遷 (M(DL,DL)=100%)表現(xiàn)出了非常高的準(zhǔn)確度.針對(duì)灌木(M(SH,SH)=72.94%)、裸露地表(M(BS,BS)=79.02%)、永久水源(M(PW,PW)=87.30%)和老河床(M(ORB,ORB)=62.04%)表現(xiàn)出較低的準(zhǔn)確度,針對(duì)特定土地覆蓋(如M(SH,GS)= 6.92、 M(GS,SH)= 10.95、M(BS,NRB)= 12.13%、M(ORB,NRB)=6.51%、M(ORB,PW)= 30.03))的分類精度較低.

將本文系統(tǒng)和標(biāo)準(zhǔn)分類技術(shù)進(jìn)行對(duì)比,在Landsat 5 TM數(shù)據(jù)集上執(zhí)行最大似然分類器[13],鑒別六種不同類,包括: 水、裸土、草、灌木、森林和建筑.這種方法沒(méi)有考慮滑坡類,獲得的LUCC/ LULC地圖具有85.12%的整體精度,比本文系統(tǒng)低.此外,本文多時(shí)相決策樹(shù)分類器(MTTDC_CLASS)比基于最大似然分類器的單圖像分類技術(shù)具有較低的計(jì)算時(shí)間(CT).

獲得的由自然和人為引起地表變化相關(guān)的LUCC/ LULC地圖如圖5-8所示: 城市規(guī)劃(A,B)、農(nóng)業(yè)和森林(C,D)、河流動(dòng)力(E,F)和邊坡失穩(wěn)(G,H).

城市規(guī)劃.本文系統(tǒng)顯示了采集建筑物和道路的良好性能,即便在具有陰影區(qū)域和花園的復(fù)雜市區(qū)中.圖5顯示了城市化的兩個(gè)示例,圖5A中識(shí)別出了新建的建筑,圖5B中可以容易地識(shí)別出由于拆遷導(dǎo)致的地表變化,其中植被破壞現(xiàn)場(chǎng)的工作區(qū)域清晰可見(jiàn).所以本文系統(tǒng)可以應(yīng)用于城市規(guī)劃和發(fā)現(xiàn)違章建筑.

農(nóng)業(yè)和森林.圖6中,本文系統(tǒng)正確的識(shí)別出了草地、混合林模式,包括闊葉和針葉植被類型,以及孤立單一樹(shù)木,如橄欖.所以,本文系統(tǒng)能夠良好的采集植被破壞和植被恢復(fù)情況,可用作耕地管理.

河流動(dòng)力.圖7顯示了具有沉積和侵蝕過(guò)程的河床演變.河流動(dòng)力的可靠快速監(jiān)測(cè)可以為河岸穩(wěn)定性、水面和河岸植被之間相互作用提供有用信息.

邊坡失穩(wěn).圖8顯示了巖層邊坡發(fā)生了大量移動(dòng).本文系統(tǒng)能夠顯示存在潛在風(fēng)險(xiǎn)的初步滑坡映射,給出了不穩(wěn)定區(qū)域,并可觸發(fā)其它監(jiān)測(cè),如干涉測(cè)量技術(shù)或地面調(diào)查,重點(diǎn)危險(xiǎn)地區(qū).

圖5　城市規(guī)劃?rùn)z測(cè)示例

圖6　農(nóng)業(yè)和森林檢測(cè)示例

圖7　河流動(dòng)力檢測(cè)示例

圖8　滑坡的檢測(cè)示例

4　結(jié)語(yǔ)

本文提出了一種基于GIS的動(dòng)態(tài)監(jiān)控系統(tǒng),通過(guò)量化多時(shí)相和數(shù)字表面模型數(shù)據(jù)的時(shí)間變化,來(lái)檢測(cè)LUCC/LULC,生成自然和人類引起的土地景觀變化的GIS地圖.與傳統(tǒng)用于變化檢測(cè)分析的后分類技術(shù)相比,本文系統(tǒng)具有較高的性能和識(shí)別準(zhǔn)確度,且具有較低的計(jì)算時(shí)間.使用Landsat 5 TM數(shù)據(jù)庫(kù)進(jìn)行測(cè)試,實(shí)驗(yàn)結(jié)果表明,提出的方法適用于采集植被分布(植物/植被恢復(fù))、城區(qū)(城市化/拆遷)和地理形態(tài)特征(河流地貌變化/邊坡失穩(wěn))的時(shí)空動(dòng)態(tài),還能夠鑒別永久覆蓋,如草、灌木、森林、裸土、建筑和水.

由于本文監(jiān)控系統(tǒng)的分類性能依賴于輸入圖像的質(zhì)量和決策樹(shù)閾值的選擇.其中,輸入圖像的質(zhì)量取決于衛(wèi)星設(shè)備,暫時(shí)無(wú)法改變.所以在未來(lái)工作中,從決策閾值的選擇著手,實(shí)現(xiàn)更靈活的訓(xùn)練程序,使其能夠選擇出最優(yōu)的閾值,并嘗試減少特征維數(shù),進(jìn)一步簡(jiǎn)化訓(xùn)練和決策過(guò)程.

參考文獻(xiàn)

1周楊,周廷剛,馮沖.基于RS和GIS的LUCC研究—以重慶市萬(wàn)州區(qū)為例.長(zhǎng)江科學(xué)院院報(bào),2012,29(5):67–71.

2許珊,鄒濱,蒲強(qiáng),等.土地利用/覆蓋的空氣污染效應(yīng)分析.地球信息科學(xué)學(xué)報(bào),2015,17(3):290–299.

3楊靜,莊家堯,張金池.基于RS和GIS的徐州市20年間土地利用變化研究.南京林業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版,2013,37(2): 85–91.

4Zhao L,Ren X,Liu J.Land use change in Tianjin from 2000 to 2010 based on GIS.ICCREM 2014@sSmart Construction and Management in the Context of New Technology.ASCE.2014.

5Bose ASC,Giridhar MVSS,Viswanadh GK.GIS-based fully distributed rainfall-runoff model for suggesting alternate land use patterns.World Environmental and Water Resources Congress 2013@sShowcasing the Future.ASCE.2014.

6Yuan L,Gong W,Dang Y,et al.Study on ecological risk of land use in Urbanization watershed based on RS and GIS: A case study of Songhua river watershed in Harbin section.Asian Agricultural Research,2013,28(20): 255–261.

7吳巖真,聞建光,王佐成,等.遙感影像地形與大氣校正系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).遙感技術(shù)與應(yīng)用,2015,30(1):135–139.

8Sailo RL,Lallianthanga RK.A remote sensing & GIS approach for land use planning in Champhai district,Mizoram,India.International Journal of Engineering Sciences & Research Technology,2013,1(11): 54–62.

9劉建光,李紅,孫丹峰,等.MODIS土地利用/覆被多時(shí)相多光譜決策樹(shù)分類.農(nóng)業(yè)工程學(xué)報(bào),2010,26(10):312–318.

10田苗,王鵬新,嚴(yán)泰來(lái),等.Kappa系數(shù)的修正及在干旱預(yù)測(cè)精度及一致性評(píng)價(jià)中的應(yīng)用.農(nóng)業(yè)工程學(xué)報(bào),2012,28(24): 1–7.

11王瀛,梁楠,郭雷.一種基于修正擴(kuò)展形態(tài)學(xué)算子的高光譜遙感圖像端元提取算法.光子學(xué)報(bào),2012,41(6):672–676.

12Feng L,Du P.Dynamic change analysis of urban sprawl based on remote sensing and GIS — A case study of Jiangning,Nanjing,China.2013 Joint Urban Remote Sensing Event (JURSE).IEEE.2013.194 – 197.

13Wang H,Zhao H,Li W.Land-use classification of Zhanghe river basin using the maximum likelihood and decision tree method.2014 11th International Conference on Fuzzy Systems and Knowledge Discovery (FSKD).IEEE.2014.322 – 327.

Dynamic Remote Monitoring System for Landscape Based on GIS

REN Xiao-Fang1,LI Gui-Zhen2,FANG Xia1
1(Xinjiang Institute of Engineering,Department of Computer Engineering,Urumqi 830052,China)(Xinjiang Agricultural Vocational Technical College,Changji 831100,China)

Abstract:Due to human activities and surface movement make a great change of land cover,it is necessary to carry out environmental monitoring of landscape dynamic and accurate mapping.A kind of landscape dynamic monitoring system based on geographic information system (GIS)is proposed.The multi-temporal decision tree classifier and morphological image processing technology are used for the system.It monitors the land use/cover change (LUCC)dynamically according to the spectrum and surface model data of remote sensing image.Experiment is conducted in local image in the Landsat 5 TM database.The results show that,this method can achieve 90.77% recognition accuracy,has lower computation time and can detect vegetation distribution (plant/Vegetation Restoration),city (city/demolition)and physical morphology (fluvial geomorphic change/slope instability).

Key words:environmental monitoring; geographic information system; land use/land coverage; multi-temporal decision tree classifier; morphological image processing

基金項(xiàng)目:①新疆維吾爾自治區(qū)自然科學(xué)基金(2013211A031)

收稿時(shí)間:2015-07-22;收到修改稿時(shí)間:2015-09-17