遥感学报
遙感學報
요감학보
JOURNAL OF REMOTE SENSING
2007年
6期
931-940
,共10页
钱峻屏%黎夏%叶嘉安%艾彬%刘凯%陈晓越
錢峻屏%黎夏%葉嘉安%艾彬%劉凱%陳曉越
전준병%려하%협가안%애빈%류개%진효월
Radarsat%土地覆盖变化%神经网络预测%变化检测%时间序列
Radarsat%土地覆蓋變化%神經網絡預測%變化檢測%時間序列
Radarsat%토지복개변화%신경망락예측%변화검측%시간서렬
土地覆盖的短期时空变化模式研究,对土地覆盖的快速、动态监测具有重要意义,也是遥感研究的新热点.本文利用2000-2001年的时间序列Radarsat图像,采用功率谱分析方法,对土地覆盖的短期时-空变化的周期特征进行了分析,由此建立了基于时间序列影像分析的神经网络预测模型,从植被主要生长季节的时间序列雷达卫星影像获取训练样本,对研究区域的典型土地覆盖的短期动态变化过程进行了学习.学习后的模型能够利用多个时间序列的Radarsat影像对下一时刻的影像进行模拟,并进一步检测变化.在模拟结果基础上,定义相对变化距离函数和检测门限,对模拟影像及实际影像中的变化区域进行了检测.检测精度范围在66.67%(农村居民点)-91.67%(水体)之间,平均检测精度为81.66%.由于时间序列信号的引入,神经网络模型能够较好地获取土地覆盖的短期动态变化信息.
土地覆蓋的短期時空變化模式研究,對土地覆蓋的快速、動態鑑測具有重要意義,也是遙感研究的新熱點.本文利用2000-2001年的時間序列Radarsat圖像,採用功率譜分析方法,對土地覆蓋的短期時-空變化的週期特徵進行瞭分析,由此建立瞭基于時間序列影像分析的神經網絡預測模型,從植被主要生長季節的時間序列雷達衛星影像穫取訓練樣本,對研究區域的典型土地覆蓋的短期動態變化過程進行瞭學習.學習後的模型能夠利用多箇時間序列的Radarsat影像對下一時刻的影像進行模擬,併進一步檢測變化.在模擬結果基礎上,定義相對變化距離函數和檢測門限,對模擬影像及實際影像中的變化區域進行瞭檢測.檢測精度範圍在66.67%(農村居民點)-91.67%(水體)之間,平均檢測精度為81.66%.由于時間序列信號的引入,神經網絡模型能夠較好地穫取土地覆蓋的短期動態變化信息.
토지복개적단기시공변화모식연구,대토지복개적쾌속、동태감측구유중요의의,야시요감연구적신열점.본문이용2000-2001년적시간서렬Radarsat도상,채용공솔보분석방법,대토지복개적단기시-공변화적주기특정진행료분석,유차건립료기우시간서렬영상분석적신경망락예측모형,종식피주요생장계절적시간서렬뢰체위성영상획취훈련양본,대연구구역적전형토지복개적단기동태변화과정진행료학습.학습후적모형능구이용다개시간서렬적Radarsat영상대하일시각적영상진행모의,병진일보검측변화.재모의결과기출상,정의상대변화거리함수화검측문한,대모의영상급실제영상중적변화구역진행료검측.검측정도범위재66.67%(농촌거민점)-91.67%(수체)지간,평균검측정도위81.66%.유우시간서렬신호적인입,신경망락모형능구교호지획취토지복개적단기동태변화신식.