浅谈遥感影像的分类方法

传统的遥感影像分类方法有监督分类和非监督分类。本文简述遥感影像计算机分类的基本原理,并介绍监督分类和分监督分类的常用方法,已经人们不断尝试和研究的新方法:支持向量机和决策树分类。     

生态文明建设背景下中国草原多维分类方法探讨

草原分类是草原科学管理的主要依据和基础，为合理开发草原资源和有效保护草原生态提供科学依据。我国现有的草原分类体系仅从发生学单一维度确定各类草原的联系和区别，在生产和实践中很难从草原功能、权属、经营方向等维度实现精准管理。为适应生态文明建设新时代草原工作从生产为主转向生态为主、从林草矛盾转向林草融合的需求，实现山水林田湖草沙冰生命共同体的系统治理，草原分类工作需从多元化角度出发，形成科学性、系统性和综合性的多维分类体系。本文充分吸收了国内外草原分类的先进理论方法和技术体系，借鉴我国林地多元化分类的框架体系，提出了我国草原多维分类体系的原则、方法和指标，构建了基于发生学、功能用途、产权属性、经营程度等四个维度的草原分类系统，不仅考虑了草原发生发展的气候、地形和土壤等自然属性，而且考虑了草原经营程度、功能用途和产权特征等社会经济属性，实现了各个分类系统的融合性和互补性，为新时期草原研究、保护、修复、利用、建设等分门别类的专项管理提供基础支撑，同时为新时期草原资源和生态的综合管理、山水林田湖草生命共同体的系统治理提供科学依据。     

分类、聚类与草原类型

本文阐明分类与聚类在草原分类中同等重要。据此建立的草原综合顺序分类系统(IOCSG)应遵循6项原则,即草原分类要素的完整性原则、草原分类体系内涵的综合性原则、草原分类指标的相对稳定性原则、草原分类同级指标的可比性原则、草原分类特征指标的确限性原则和草原分类体系普适的周延性原则。该分类系统含有类(以地带性水热特征为指标)、亚类(以土地特征为指标)和型(以植被特征为指标)3个基本级别;7个热量级和6个湿润度级。依据本分类系统全球天然草原分为42类,中国有41类。本分类系统在生物种适宜度计算、全球变化对草原类型演替方向的预测、草坪引种等方面进行了论证。该文阐明了草原类型学对草业科学的基础理论意义和实践意义。     

中华人民共和国草原法(续上期)

(1985年6月18日第六届全国人民代表大会常务委员会第十一次会议通过2002年12月28日第九届全国人民代表大会常务委员会第三十一次会议修订)第七章监督检查第五十六条国务院草原行政主管部门和草原面积较大的省、自治区的县级以上地方人民政府草原行政主管部门设立草原监督管理机构,负责草原法律、法规执行情况的监督检查,对违反草原法律、法规的行为进行查处。草原行政主管部门和草原监督管理机构应当加强执法队伍建设,提高草原监督检查人员的政治、业务素质,草原监督检查人员应当忠于职守,秉公执法。第五十七条草原监督检查人员履行监督检查…     

中华人民共和国草原法（五）

第七章 监督检查 第五十六条 国务院草原行政主管部门和草原面积较大的省、自治区的县级以上地方人民政府草原行政主管部门设立草原监督管理机构,负责草原法律、法规执行情况的监督检查,对违反草原法律、法规的行为进行查处。     

玛曲县天然草原资源及分布研究

甘肃省玛曲县作为黄河源区重要的水涵养区和生态脆弱区,其天然草原对涵养水源、保护黄河源区生态安全、确保当地草地畜牧业生产的健康发展具有十分重要的意义。为摸清玛曲县草原资源现状,将遥感与地面调查相结合,选择决策树分类等方法对玛曲县天然草原的分布、分类和面积进行研究与评价。结果表明:玛曲县有低地草甸、高寒草甸、山地草甸和高寒草原4个草原类,总草原总面积93.13万hm2,其中高寒和低地草甸分别占全县草原面积的82.37%和11.62%,山地草甸和高寒草原仅占4.23%和1.78%;各乡镇分类草原面积均以高寒草甸所占比例最大,其中阿万仓镇、木西合乡、欧拉镇和欧拉秀玛乡高寒草甸所占比例均在90%以上,尼玛镇、阿孜站和西科河羊场占比在80%以上,仅齐哈玛镇占比在50%以下(47.02%);低地草甸占比较大的乡镇有曼日玛镇(40.68%)、齐哈玛镇(26.21%)、采日玛镇(24.30%)和河曲马场(30.84%)。     

基于SOFM网络法的天然草地分类

自组织特征映射(SOFM)模型是一种无监督的人工神经网络计算方法,适用于解决多种分类和识别问题。本研究首次将SOFM网络法用于中国新疆准噶尔盆地西部地区的天然草地分类中,基于该法的聚类功能,依据草地生产、生态、经济等方面的6个天然草地分类指标,结合Matlab软件对神经网络进行权值训练,将这31份草地样本数据分为温性荒漠类、温性草原类、草甸类3类。并将分析结果与集对分析法、灰色关联度分析法、投影寻踪法做了对比分析。结果表明,SOFM网络法与上述3种方法分析基本一致,可以很好地反映和提取样本中复杂的信息,分类效果较好。说明了SOFM网络法对不同类型草地之间草地资源的整体性有很好的区分度。由此得出SOFM网络法对草地进行分类具有很好的实用价值,可以在聚类分析中广泛应用。     

基于马尔柯夫模型的草原退化动态时空特征研究

草原植被覆盖动态时空特征是理解人类活动和自然因素影响下草原退化的关键。本研究利用2000和2010年TM影像,利用监督分类方法,对内蒙古草原退化、沙化和盐渍化时空分布特征探测和制图,同时对分类结果进行验证。检验结果表明,采用监督分类结合地面训练样本进行草原退化动态特征检测能提高分类精度,草原沙化和盐渍化分类精度分别都达到90%以上,退化草原分类精度为75%。在草原退化程度分类检测基础上,计算2000-2010年草原退化、沙化、盐渍化面积概率转移矩阵,并基于马尔柯夫模型,对未来20年间草原动态特征进行预测。研究结果表明,十年间,内蒙古草原的退化、沙化程度均呈减弱趋势。预测结果显示,在草原与生态保护建设工程持续稳定有效建设前提下,内蒙古草原呈现良性发展趋势,退化及沙化状况将持续得到改善。研究也指出,基于遥感技术与马尔柯夫模型有机结合分析草原退化动态特征是一种快速有效的途径。     

基于无人机可见光图像的荒漠草地覆盖度估算

及时准确监测草地植被覆盖度,对草地资源的可持续利用及生态系统的恢复与重建具有重要意义.本研究以荒漠草地植被为研究对象,采用监督分类与植被指数直方图相结合的阈值法,分析了6种RGB植被指数对荒漠草地的识别效果.研究结果表明:归一化绿红差异指数(normalized green-red difference index,NGRDI)对草地覆盖度的提取精度最高,其平均绝对误差和均方根误差分别为2.56％和3.06％.监督分类与可见光植被指数统计直方图相结合的阈值法对荒漠草地植被覆盖度的提取效果较好,可以用于荒漠草地植被覆盖度的提取.     

基于无人机可见光图像的荒漠草地覆盖度估算

及时准确监测草地植被覆盖度,对草地资源的可持续利用及生态系统的恢复与重建具有重要意义。本研究以荒漠草地植被为研究对象,采用监督分类与植被指数直方图相结合的阈值法,分析了6种RGB植被指数对荒漠草地的识别效果。研究结果表明： 归一化绿红差异指数 (normalized green-red difference index, NGRDI)对草地覆盖度的提取精度最高,其平均绝对误差和均方根误差分别为2.56%和3.06%。监督分类与可见光植被指数统计直方图相结合的阈值法对荒漠草地植被覆盖度的提取效果较好,可以用于荒漠草地植被覆盖度的提取。     

The Classification of Grassland Types Based on Object-Based Image Analysis with Multisource Data

The spatial distribution of different grassland types is important for effectively analyzing spatial patterns, obtaining key vegetation parameters using remote sensing (e.g., biomass, leaf area index, net primary production), and using and protecting grasslands. Existing classifications of grasslands by remote sensing are mostly divided according to the fractional vegetation cover or biomass, but classifications according to grassland types are scarce. In this study, we focused on the classification of different grassland types using remote sensing based on object-based image analysis (OBIA) with multitemporal images in combination with a 30-m digital elevation model (DEM) and the normalized difference vegetation index (NDVI). The grasslands were located in Hulunber, Inner Mongolia, and an autonomous region of China. The support vector machine (SVM) and random forest (RF) machine learning classifiers were selected for the classification. The results revealed the following: 1) It is feasible to generally extract different grassland types on the basis of OBIA with multisource data; the overall classification accuracy and Kappa value exceeded 90% and 0.9, respectively, using the SVM and RF machine learning classifiers, and the classification accuracy of the different grassland types ranged from 61.64% to 98.71%; 2) Multitemporal images and auxiliary data (DEM and NDVI) improved the separability of different grassland types. The information in the growing season was conducive for distinguishing temperate meadow steppe from temperate steppe and was favorable for extracting lowland meadow and swamp in the nongrowing season. The DEM and NDVI also effectively reduced the number of image segmentation objects and improved the segmentation effects; 3) Spectral and textural features were more important than geometric features in this study. A few main variables played a major role in the classification, while a large number of variables had either no significant effect or a negative effect on the classification results when the optimal feature subset was determined. This study provides a scientific basis and reference for the classification of various grassland types by remote sensing, including the data selection, image segmentation, feature selection, classifier selection, and parameter settings.     

基于EVI植被指数的大尺度草地多源信息综合分类研究

在全国范围内采用MODIS EVI植被指数结合多源环境因子数据的方法实现对主要草地类型的划分.在借鉴第一次草地调查分类方案的基础上,提出了新的草地分类方案,将我国的天然草地划分为9类.根据气候带分布状况划分我国的四大草地资源分区,在分区内进行草地分类.在分类中通过量化分析各草地类型增强型植被指教和高程、降水、积温和湿润...     

基于GIS的中国2大草地分类系统类的兼容性分析

以植被-生境学分类(vegetation-habitat classification system of grassland,VHCS)方法为基础的定性的中国草地分类系统,以及定量的气候-土地-植被综合顺序分类系统(comprehensive and sequential classification system of grassland,CSCS)是我国常用的2大草地分类系统。在实际应用中,因“草原”和“草地”概念的重叠、混淆和交叉,以及定性分类和定量分类的差异,造成了操作上的困扰,研究结果亦不便相互交流。本研究通过2大系统一级单位-“类”的分类指标、名称和属性的对比,分析了2个系统“类”的兼容性,建立了两者间的对应关系,并利用基本同期的CSCS分类图和数字化的中国草地资源图(VHCS),以内蒙古自治区和甘肃省为例,在ArcGIS平台上进行了验证分析。研究结果表明:1)以广义草原或草地概念为基础的CSCS是一个大系统,兼容了以中国为例的VHCS分类系统;2)兼容VHCS的CSCS的类,两者在分类指标、名称和属性方面均能达到统一;3)空间叠置分析表明,若不考虑森林和非地带性类,内蒙古和甘肃区域2个分类系统分类结果的兼容性分别达到61.4%和61.1%;有差异的区域,基本上表现出草地实际调查结果(VHCS)是比原生潜在草地(CSCS)在更恶劣气候条件下的低分类级别的草地类,说明人为干扰已超过了原生草地生态系统的生存阈限,导致草地逆行演替;4)对CSCS与VHCS分类结果的对比分析研究,可科学地揭示人为干扰下草地的演替状态,并明确草地恢复和重建的目标。     

天山北坡草地遥感分类及其精度分析

基于遥感资料的植被类型划分能快速获得大尺度的植被覆盖变化数据。采用遥感和GIS技术,利用天山北坡典型草地2008年Landsat 5 TM遥感影像和1999年Landsat 7 ETM+全色波段数据,在对遥感影像预处理的基础上,进行了数据融合处理。根据融合影像的纹理特征进行监督分类,将研究区域的植被初步分为8种主要覆盖类型,在监督分类的基础上借助专家知识系统构建决策树,进一步将草地分为5类,包括平原荒漠、平原沙漠、低山荒漠、温性草甸和高寒草甸,最后对分类结果进行精度评价,总精度在95%以上,总Kappa系数为0.939 6,间隔9年的影像融合和决策树分类方法在研究区植被分类中具有较高的可行性。     

基于ArcGIS的天祝草地综合顺序分类研究

根据天祝县1961-1990年30年的降水和气温资料,将草地综合顺序分类系统(COSGC)的分类指标>0℃年积温和湿润度,利用ArcGIS软件,分别采用IDW、Spline、Kriging、Natural Neighbor插值方法进行空间插值,并将生成的天祝草地综合顺序分类图与天祝县遥感影像植被分布图进行植被景观类型对...     

草地对全球气候变化的响应及其碳汇潜势研究

 本研究用综合顺序分类法（ＣＳＣＳ）分析了１９５０－２０００年和２００１－２０５０年期间的草原类型演替及碳汇动态。证明中国草地的碳汇主体依次是冻原和高山草地、温带湿润草地、斯泰普草地和半荒漠草地大类,占中国潜在草地总面积的８５．５２％,年碳汇潜力占中国潜在草地年碳汇潜力的９３．２９％。全球草地的碳汇主体是萨王纳、冻原和高山草地大类,两者的面积和占全球潜在草地总面积的４８．５０％,年碳汇潜力占全球潜在草地年碳汇潜力的７２．２２％。在全球气候暖干化的强（Ａ２ａ）、弱（Ｂ２ａ）情景下,与当前（１９５０－２０００年）情景相比,中国将呈现草地面积减少,林地面积增加的态势;与中国的趋势相反,全球将呈现草地面积增加,林地面积减少的态势。在全球暖干化的Ａ２ａ和Ｂ２ａ模式下,草地年碳汇潜力,中国将分别提升１４．６％和１８．５％,全球将分别提升１７．３％ 和１６．８％。但两者的增长方式不同,全球是以温带湿润草地大类年碳汇潜力大幅增加为特征,而中国是以负增长为特征。我国的暖干化趋势在草地年碳汇潜力上的反映较之全球更强烈。尽管造成全球气候暖干化的自然因素远非人力所能控制,但系统问题只能靠系统综合的办法治理。这是草地工作者当前的使命。     

青海草地类型在中国草地分类系统中的归并初探

青海现行的草地类型分类系统,主要依据<青海草地资源>,建立于20世纪80年代.1988年,青海省在全省草地资源调查中,依据1984年厦门会议制定的草地分类系统,编写了<青海草地资源>,将青海全省天然草地划分为9个草地类、9个草地组、173个草地型.由于<青海草地资源>成文早于<中国草地资源>,分类方法和分类单位与<中国草地资源>不同,导致青海草地分类系统与全国草地分类系统差异很大.为了统一规范青海草地分类系统,与全国草地分类系统相一致,现将青海省原用的草地类型归并其中,形成包括10个草地类、8个草地组、167个草地型的青海草地分类系统,通过今后的草地资源调查实践,进一步得到补充和完善,最终形成一个科学的青海草地分类体系.     

青藏高原冻土区划与草原分类一致性分析

探讨冻土区划与草原分类的一致性,可以为揭示冻土分布和草原分类规律提供依据。以青藏高原为研究区,将研究区内冻土区划划分为多年冻土区、季节冻土区和非冻土区3种类型,它们分别占整个研究区面积的49.64%、46.68%和3.68%;将此研究区内草原分类也划分为3种类型（优势草原类、亚优势草原类和热带草原类）,它们分别占整个研究区面积的57.51%、41.08%和1.41%;然后进行图像叠加,通过分析图像分类精度的误差矩阵,可以得到冻土区划和草原分类总体一致性精度为65.95%,说明二者具有明显的一致性。