- 科学出版社
- 9787030833426
- 1版
- 2026-06
作者简介
内容简介
本书从光谱、空间、时间三个角度，对国土地物的光谱特征、空间特征、时间过程特征进行认知分析，包括从自然地物到人工地物、从植被到植物种类、从居民点到房屋、从建筑密度到容积率的分析。本书发展了基于知识发现的国土地物信息提取方法，不同分辨率协同的城市植被和水体提取方法，以及DEM与遥感数据协同的水体提取方法；提出高时密绿被和积雪覆盖智能提取与分析方法，年内绿被和水体过程信息智能提取与分析方法，以及城市城镇年间动态扩展、植被年间变化、植被地震受损等信息智能提取与分析方法；改进了深度学习模型，实现基于高分在线遥感影像的城市水体、绿地、空地、建筑物、道路的智能提取；提出国土地物尺度效应模型，揭示成都平原聚落多分辨率遥感识别提取的尺度效应特征。
目录
目录
第1章 遥感数据与相关概念 1
1.1 遥感数据 1
1.1.1 MODIS 1
1.1.2 Landsat系列卫星 2
1.1.3 哨兵卫星 4
1.1.4 高分一号卫星 5
1.1.5 高分二号卫星 5
1.1.6 高分三号卫星 6
1.1.7 高分四号卫星 6
1.1.8 高分五号卫星 6
1.1.9 高分六号卫星 7
1.1.10 高分七号卫星 7
1.1.11 资源三号卫星 7
1.1.12 风云系列气象卫星 7
1.1.13 海洋系列卫星 8
1.1.14 北京一号小卫星 8
1.1.15 SPOT系列卫星 9
1.1.16 环境卫星 9
1.1.17 TerraSAR-X和TanDEM-X卫星 10
1.1.18 地表水和海洋地形图卫星 10
1.1.19 GEDI激光雷达 10
1.1.20 快鸟卫星 10
1.1.21 在线影像 11
1.1.22 无人机影像 11
1.2 相关概念 12
第2章 国土地物机地遥感认知分析 15
2.1 云南省腾冲市机载高光谱遥感波段的相关性认知分析 15
2.1.1 试验区及数据源 15
2.1.2 各波段的信息特征和各波段之间的相关性分析 16
2.1.3 结果与讨论 19
2.2 云南省腾冲市不同地物的光谱特征分析 19
2.2.1 试验基本信息 19
2.2.2 光谱测定结果及初步分析 19
2.2.3 结果与讨论 21
2.3 云南省腾冲市几种蔬菜的光谱特征分析 22
2.3.1 试验基本信息 22
2.3.2 光谱测定结果及初步分析 22
2.3.3 结果与讨论 24
2.4 云南省腾冲市油菜反射波谱特征分析 24
2.4.1 试验基本信息 24
2.4.2 波谱测定结果及初步分析 24
2.4.3 结果与讨论 27
2.5 云南省腾冲市森林植被光谱特征分析 28
2.5.1 试验基本信息 28
2.5.2 光谱测定结果及初步分析 28
2.5.3 结果与讨论 31
第3章 国土地物卫星遥感认知分析 32
3.1 基于卫星遥感的国土地物光谱特征分析 32
3.1.1 基于Sentinel-2A卫星数据的国土地物光谱特征分析 32
3.1.2 基于GF-1卫星数据的国土地物光谱特征分析 36
3.1.3 基于GF-2卫星数据的国土地物光谱特征分析 37
3.1.4 基于GF-6卫星数据的国土地物光谱特征分析 38
3.2 国土地物影像空间尺度效应特征分析 39
3.2.1 国土地物影像空间尺度效应特征分析的技术路线 39
3.2.2 绵阳市梓潼县国土地物的空间尺度效应 39
3.2.3 成都市新都区国土地物的尺度效应 45
3.2.4 凉山州普格县国土地物的尺度效应 49
3.2.5 内江市国土地物的尺度效应 53
3.3 国土地物的时间过程影像特征分析 54
3.3.1 国土地物的时间过程影像特征分析的技术路线 54
3.3.2 梓潼县及其周边县国土地物的时间过程影像特征分析 55
3.3.3 阆中市国土地物的时间过程影像特征分析 62
3.3.4 新都区国土地物的时间过程影像特征分析 63
3.3.5 普格县国土地物的时间过程影像特征分析 66
第4章 基于知识发现的国土地物信息提取 70
4.1 基于空间关系知识的城市水体信息提取 70
4.1.1 试验区与数据 70
4.1.2 水体信息提取的技术路线和步骤 70
4.1.3 结果分析 73
4.2 基于知识协同的城市绿地信息提取 74
4.2.1 试验区与数据 74
4.2.2 技术路线和步骤 74
4.2.3 结果与讨论 78
4.3 基于无人机影像的农村居民点建筑密度与容积率提取 78
4.3.1 试验区与数据 79
4.3.2 试验步骤和方法 80
4.3.3 结果与讨论 82
第5章 基于机器学习的国土地物信息提取 83
5.1 深度学习模型及其改进 83
5.1.1 基于深度学习的国土地物提取的总体技术路线 83
5.1.2 基于卷积神经网络的深度学习模型 83
5.1.3 基于注意力机制的深度学习模型 86
5.1.4 针对国土地物信息提取的方法改进 92
5.2 基于深度学习的成都市和绵阳市国土地物信息提取应用案例 100
5.2.1 城市水体地物信息提取 100
5.2.2 城市绿地地物信息提取 104
5.2.3 城市空地地物信息提取 108
5.2.4 城市建筑物地物信息提取 111
5.2.5 城镇道路地物信息提取 114
5.2.6 城市地块信息提取 117
第6章 国土地物动态过程信息提取与应用 121
6.1 川西绿被过程信息提取与分析 121
6.1.1 试验区与数据 121
6.1.2 数据处理 122
6.1.3 绿被信息提取 123
6.1.4 川西绿被时空变化分析 126
6.1.5 结果与讨论 128
6.2 基于MODIS的川西积雪覆盖过程信息提取与分析应用 129
6.2.1 试验区及数据 130
6.2.2 研究方法 131
6.2.3 川西2002～2008年积雪时空变化分析 132
6.2.4 结果与讨论 137
6.3 基于Landsat TM的城镇扩展分析 138
6.3.1 试验区与数据 138
6.3.2 城镇信息的提取 138
6.3.3 成都市三环内城镇扩展分析 140
6.3.4 成都市五城区城镇扩展分析 142
6.3.5 成都市周边城镇的扩展分析 142
6.4 基于环境卫星的年内水体变化分析 143
6.4.1 试验区与数据 143
6.4.2 水体信息提取 143
6.4.3 水体信息提取结果精度验证 144
6.4.4 水体覆盖分析 146
6.5 基于环境卫星的年内绿被变化分析 147
6.5.1 试验区与数据 147
6.5.2 绿被信息提取 147
6.5.3 基于多源遥感数据的射洪市植被覆盖时空变化研究 149
6.6 基于中巴资源卫星的植被地震受损监测分析 152
6.6.1 试验区与数据 152
6.6.2 研究方法 153
6.6.3 数据处理 153
6.6.4 建立受损植被信息提取模型 154
6.6.5 建立植被恢复动态监测模型 157
6.6.6 结果分析 157
6.6.7 结论与讨论 163
第7章 尺度效应分析 164
7.1 土地利用矢量数据栅格化中的尺度效应分析 164
7.1.1 试验区与数据 164
7.1.2 研究方法 164
7.1.3 各地类在不同栅格大小情况下栅格化的精度损失情况 165
7.1.4 精度损失与栅格大小之间的关系模型 166
7.1.5 精度损失与平均斑块面积之间的关系模型 167
7.1.6 精度损失与平均斑块面积和栅格大小之间的关系模型 168
7.2 多分辨率遥感数据中提取居民地的比较研究 168
7.2.1 试验区与数据 169
7.2.2 影像处理 170
7.2.3 从CBERS卫星影像中提取农村聚落信息 170
7.2.4 从SPOT卫星影像中提取农村聚落信息 171
7.2.5 从快鸟卫星影像中提取农村聚落信息 172
7.2.6 结果与讨论 173
第8章 基于人工智能的城市国土地物遥感信息提取展示平台iTopMap 174
8.1 平台设计背景与设计目的 174
8.2 基本思路 175
8.3 技术路线 176
8.3.1 深度学习遥感影像提取技术 176
8.3.2 WebGIS软件应用开发技术 176
8.4 应用与平台展示 180
参考文献 185
第1章 遥感数据与相关概念 1
1.1 遥感数据 1
1.1.1 MODIS 1
1.1.2 Landsat系列卫星 2
1.1.3 哨兵卫星 4
1.1.4 高分一号卫星 5
1.1.5 高分二号卫星 5
1.1.6 高分三号卫星 6
1.1.7 高分四号卫星 6
1.1.8 高分五号卫星 6
1.1.9 高分六号卫星 7
1.1.10 高分七号卫星 7
1.1.11 资源三号卫星 7
1.1.12 风云系列气象卫星 7
1.1.13 海洋系列卫星 8
1.1.14 北京一号小卫星 8
1.1.15 SPOT系列卫星 9
1.1.16 环境卫星 9
1.1.17 TerraSAR-X和TanDEM-X卫星 10
1.1.18 地表水和海洋地形图卫星 10
1.1.19 GEDI激光雷达 10
1.1.20 快鸟卫星 10
1.1.21 在线影像 11
1.1.22 无人机影像 11
1.2 相关概念 12
第2章 国土地物机地遥感认知分析 15
2.1 云南省腾冲市机载高光谱遥感波段的相关性认知分析 15
2.1.1 试验区及数据源 15
2.1.2 各波段的信息特征和各波段之间的相关性分析 16
2.1.3 结果与讨论 19
2.2 云南省腾冲市不同地物的光谱特征分析 19
2.2.1 试验基本信息 19
2.2.2 光谱测定结果及初步分析 19
2.2.3 结果与讨论 21
2.3 云南省腾冲市几种蔬菜的光谱特征分析 22
2.3.1 试验基本信息 22
2.3.2 光谱测定结果及初步分析 22
2.3.3 结果与讨论 24
2.4 云南省腾冲市油菜反射波谱特征分析 24
2.4.1 试验基本信息 24
2.4.2 波谱测定结果及初步分析 24
2.4.3 结果与讨论 27
2.5 云南省腾冲市森林植被光谱特征分析 28
2.5.1 试验基本信息 28
2.5.2 光谱测定结果及初步分析 28
2.5.3 结果与讨论 31
第3章 国土地物卫星遥感认知分析 32
3.1 基于卫星遥感的国土地物光谱特征分析 32
3.1.1 基于Sentinel-2A卫星数据的国土地物光谱特征分析 32
3.1.2 基于GF-1卫星数据的国土地物光谱特征分析 36
3.1.3 基于GF-2卫星数据的国土地物光谱特征分析 37
3.1.4 基于GF-6卫星数据的国土地物光谱特征分析 38
3.2 国土地物影像空间尺度效应特征分析 39
3.2.1 国土地物影像空间尺度效应特征分析的技术路线 39
3.2.2 绵阳市梓潼县国土地物的空间尺度效应 39
3.2.3 成都市新都区国土地物的尺度效应 45
3.2.4 凉山州普格县国土地物的尺度效应 49
3.2.5 内江市国土地物的尺度效应 53
3.3 国土地物的时间过程影像特征分析 54
3.3.1 国土地物的时间过程影像特征分析的技术路线 54
3.3.2 梓潼县及其周边县国土地物的时间过程影像特征分析 55
3.3.3 阆中市国土地物的时间过程影像特征分析 62
3.3.4 新都区国土地物的时间过程影像特征分析 63
3.3.5 普格县国土地物的时间过程影像特征分析 66
第4章 基于知识发现的国土地物信息提取 70
4.1 基于空间关系知识的城市水体信息提取 70
4.1.1 试验区与数据 70
4.1.2 水体信息提取的技术路线和步骤 70
4.1.3 结果分析 73
4.2 基于知识协同的城市绿地信息提取 74
4.2.1 试验区与数据 74
4.2.2 技术路线和步骤 74
4.2.3 结果与讨论 78
4.3 基于无人机影像的农村居民点建筑密度与容积率提取 78
4.3.1 试验区与数据 79
4.3.2 试验步骤和方法 80
4.3.3 结果与讨论 82
第5章 基于机器学习的国土地物信息提取 83
5.1 深度学习模型及其改进 83
5.1.1 基于深度学习的国土地物提取的总体技术路线 83
5.1.2 基于卷积神经网络的深度学习模型 83
5.1.3 基于注意力机制的深度学习模型 86
5.1.4 针对国土地物信息提取的方法改进 92
5.2 基于深度学习的成都市和绵阳市国土地物信息提取应用案例 100
5.2.1 城市水体地物信息提取 100
5.2.2 城市绿地地物信息提取 104
5.2.3 城市空地地物信息提取 108
5.2.4 城市建筑物地物信息提取 111
5.2.5 城镇道路地物信息提取 114
5.2.6 城市地块信息提取 117
第6章 国土地物动态过程信息提取与应用 121
6.1 川西绿被过程信息提取与分析 121
6.1.1 试验区与数据 121
6.1.2 数据处理 122
6.1.3 绿被信息提取 123
6.1.4 川西绿被时空变化分析 126
6.1.5 结果与讨论 128
6.2 基于MODIS的川西积雪覆盖过程信息提取与分析应用 129
6.2.1 试验区及数据 130
6.2.2 研究方法 131
6.2.3 川西2002～2008年积雪时空变化分析 132
6.2.4 结果与讨论 137
6.3 基于Landsat TM的城镇扩展分析 138
6.3.1 试验区与数据 138
6.3.2 城镇信息的提取 138
6.3.3 成都市三环内城镇扩展分析 140
6.3.4 成都市五城区城镇扩展分析 142
6.3.5 成都市周边城镇的扩展分析 142
6.4 基于环境卫星的年内水体变化分析 143
6.4.1 试验区与数据 143
6.4.2 水体信息提取 143
6.4.3 水体信息提取结果精度验证 144
6.4.4 水体覆盖分析 146
6.5 基于环境卫星的年内绿被变化分析 147
6.5.1 试验区与数据 147
6.5.2 绿被信息提取 147
6.5.3 基于多源遥感数据的射洪市植被覆盖时空变化研究 149
6.6 基于中巴资源卫星的植被地震受损监测分析 152
6.6.1 试验区与数据 152
6.6.2 研究方法 153
6.6.3 数据处理 153
6.6.4 建立受损植被信息提取模型 154
6.6.5 建立植被恢复动态监测模型 157
6.6.6 结果分析 157
6.6.7 结论与讨论 163
第7章 尺度效应分析 164
7.1 土地利用矢量数据栅格化中的尺度效应分析 164
7.1.1 试验区与数据 164
7.1.2 研究方法 164
7.1.3 各地类在不同栅格大小情况下栅格化的精度损失情况 165
7.1.4 精度损失与栅格大小之间的关系模型 166
7.1.5 精度损失与平均斑块面积之间的关系模型 167
7.1.6 精度损失与平均斑块面积和栅格大小之间的关系模型 168
7.2 多分辨率遥感数据中提取居民地的比较研究 168
7.2.1 试验区与数据 169
7.2.2 影像处理 170
7.2.3 从CBERS卫星影像中提取农村聚落信息 170
7.2.4 从SPOT卫星影像中提取农村聚落信息 171
7.2.5 从快鸟卫星影像中提取农村聚落信息 172
7.2.6 结果与讨论 173
第8章 基于人工智能的城市国土地物遥感信息提取展示平台iTopMap 174
8.1 平台设计背景与设计目的 174
8.2 基本思路 175
8.3 技术路线 176
8.3.1 深度学习遥感影像提取技术 176
8.3.2 WebGIS软件应用开发技术 176
8.4 应用与平台展示 180
参考文献 185
