长时间序列Radarsat图像的神经网络模拟及土地覆盖变化的快速检测

被引：2

作者：

钱峻屏 ^{[1
]}

黎夏 ^{[1
]}

叶嘉安 ^{[2
]}

艾彬 ^{[1
]}

刘凯 ^{[3
]}

陈晓越 ^{[4
]}

机构：

[1] 中山大学地理科学与规划学院

[2] 香港大学城市规划及环境管理研究中心

[3] 中国科学院研究生院广州地球化学研究所

[4] 广州地理研究所广东省遥感与GIS实验室

来源：

遥感学报 | 2007年 / 06期

关键词：

Radarsat; 土地覆盖变化; 神经网络预测; 变化检测; 时间序列;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP79 [遥感技术的应用];

学科分类号：

摘要：

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。

引用

页码：931 / 940

页数：10

共 14 条

[11] 神经网络原理[M]. 机械工业出版社 , (美)SimonHaykin著, 2004
[12] Analysing land-cover changes in relation to environmental variables in Hesse, Germany[J] . Elke Hietel,Rainer Waldhardt,Annette Otte.Landscape Ecology . 2004 (5)
[13] Change detection techniques
Lu, D
Mausel, P
Brondízio, E
Moran, E
[J]. INTERNATIONAL JOURNAL OF REMOTE SENSING, 2004, 25 (12) : 2365 - 2407
[14] A curve-theorem based approach for change detection and its application to Yellow River Delta
Yue, TX
Chen, SP
Xu, B
Liu, QS
Li, HG
Liu, GH
Ye, QH
[J]. INTERNATIONAL JOURNAL OF REMOTE SENSING, 2002, 23 (11) : 2283 - 2292

← 1 2 →