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

编号 zgly0001591058

文献类型 期刊论文

文献题名 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

作者 钱峻屏  黎夏  叶嘉安  艾彬  刘凯  陈晓越 

作者单位 中山大学地理科学与规划学院  香港大学城市规划及环境管理研究中心  中国科学院研究生院广州地球化学研究所  广州地理研究所广东省遥感与GIS实验室广东广州510275  广州地理研究所广东省遥感与GIS实验室  广东广州510070  广东广州510275  香港  广东广州510640 

母体文献 遥感学报 

年卷期 2007年06期

年份 2007 

分类号 TP183  TP79 

关键词 Radarsat  土地覆盖变化  神经网络预测  变化检测  时间序列 

文摘内容 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。