基于高分辨率遥感影像的林地变化图斑检测方法研究

运用eCognition软件的阈值条件分类方法,基于高分辨率遥感影像(高分二号)对研究区域的林地变化图斑进行检测,其关键技术包括影像多尺度分割、影像分类、图斑合并、导出林地变化图斑等4个环节。研究结果表明,该方法可以快速及时地获取林地变化图斑,能有效运用在贵州省森林保护"六个严禁"工作中,并可为森林资源遥感动态监测提供技术支撑。     

面向对象的高分辨率遥感影像森林植被变化检测方法对比研究

利用面向对象分类技术,对同一区域同一数据源的高分辨率遥感影像采用了分类前比较及分类后处理两种变化检测方法进行对比分析,结果表明分类后处理的变化检测方法在现阶段的森林植被变化检测中具有较高的提取精度,可用于森林动态变化监测、自然灾害评估等工作。     

面向对象遥感图像森林变化检测的工程化应用方法

在多年遥感图像森林变化检测研究和大规模实际应用的基础上,提出了面向对象高空间分辨率遥感图像森林变化检测工程化应用的流程和方法体系,包括图像预处理、小班专题图整理、图像分割与信息提取、面向对象图斑分类、分类结果修正、变化图斑提取、外业工作图制作。该方法体系无需复杂计算,简单易学,便于流程化操作,非遥感专业人员通过短期培训即可完成某个步骤的操作。针对1期遥感图像和2期遥感图像的两种情况,分别介绍了该方法体系的具体应用。     

贵州省“六个严禁”行动在森林保护中的作用

我国森林覆盖率长期处于较低水平,乱砍滥伐现象普遍,森林火灾频发,且违法使用林地案件形势依然严峻,森林保护工作面临很大压力。以贵州省森林保护“六个严禁”执法专项行动为例,分析其森林督查工作的措施主要包括加强法律法规宣传、加大森林行政案件督查、严打涉林刑事犯罪、引入先进技术手段、施行生态扶贫政策等,并针对存在的责任机制不健全、降格处罚时有发生、行政处罚标准过低、 基层专业能力不足等问题提出改进建议。     

基于统计检验的面向对象高分辨率遥感图像森林变化检测

【目的】探讨基于统计检验的面向对象高空间分辨率卫星遥感图像森林(地)变化的自动检测,为准确、快速、高效采集森林变化信息,及时更新森林资源数据库提供一种有效方法。【方法】以森林(地)覆盖变化频繁和快速、变化图斑多而小的广西壮族自治区上思县局部区域为研究区,以2013年12月资源三号卫星图像、2015年1月高分一号卫星图像和2013年小班专题图为数据源,试验基于统计检验的面向对象森林变化检测方法:1)对两时相图像进行多尺度分割,提取图像对象(图斑)各波段的灰度均值和标准差;2)鉴于两时相图像图斑灰度均值、标准差的差值的频率均近似呈正态分布,采用图斑的灰度均值、标准差的差值构造一个服从卡方分布的随机变量;3)根据假设检验,在事先给定一个置信度后,通过一个自动的反复迭代计算流程逐次将统计量异常的变化图斑检测出来。【结果】1)对于一个事先给定的置信度,检测出来的变化图斑数量随着迭代次数的增加而迅速减少;2)当置信度分别为0.95、0.98、0.99和0.999时,分别通过25、23、20和15次迭代可将全部变化图斑检测出来,迭代次数随着置信度的增大而减少;3)当置信度为0.95~0.99时,随着置信度提高,漏检率升高、误检率降低,总体精度提高;4)当置信度为0.99时,总体精度达92.6%,Kappa系数为0.764 8,检测结果最好。【结论】基于统计检验的面向对象高分辨率遥感图像森林变化检测方法具有严密的统计学基础,直接对分割图像进行计算,不需建立训练样本,不依靠任何外来信息,不需人为干预,整个检测过程自动完成,并且检测效果良好,在森林(地)变化检测中具有良好的应用前景。     

基于面向对象的高分辨率影像的森林植被变化信息提取研究

如何利用遥感技术获取森林植被变化信息是遥感应用的重要领域之一。基于ALOS高空间分辨率的遥感影像数据,研究利用面向对象的分类方法,对影像进行多尺度分割,通过隶属度函数,提取森林植被变化信息,并实地验证变化结果。研究表明:利用面向对象的方法对ALOS遥感影像进行森林植被变化信息的提取,个数精度达到80.85%,面积精度达到84.90%。此研究为森林植被变化信息的提取提供了又一有效的方法。     

中分卫星遥感技术在森林资源动态监测中的应用

以青海省8个县为试点区,利用Sentinel-2A和Landsat-8中分辨率遥感数据,结合2018—2020年试点单位的森林督查成果及森林资源管理"一张图"年度更新数据,协同运用LSMA光谱混合分析模型、Li-Strahler几何光学模型,对试点县2020年森林资源变化情况进行动态监测和实证研究。结果显示:在15个月的时间跨度中,共监测疑似林地变化图斑693个,总面积1 286.382 7 hm~2,主要发生在公益林地范围内,占疑似变化图斑总面积97.48%,总体准确率达到87.30%,满足森林资源动态监管要求;10m分辨率的中分卫星影像能检测到的最小图斑面积达到0.1 hm~2,但主要集中在郁闭度较大的林区;在计算机自动检测的基础上,加入人工识别,能进一步提高变化检测的准确率。     

遥感波段运算在抚顺县森林面积动态监测中研究

遥感技术在森林资源消长变化监测中的应用日益普遍。该研究应用归一化差分植被指数来自动计算提取遥感影像数据上目标实验区域的变化斑块,分类后输出变化图斑结果,并通过对实验结果斑块、人工判读斑块进行每斑实地验证,经计算分析,结果表明实验方法提取的森林植被变化斑块正确率高于人工判读方法正确率5%,证实了研究方法的正确性和可行性。     

多极化星载SAR森林覆盖变化检测方法

【目的】利用多极化星载SAR数据,分析后向散射强度比值影像的概率密度分布特征,融合后向散射强度信息和影像空间上下文信息,提出一种具有较高检测正确率及较低虚警率和漏警率的森林覆盖变化检测方法,为多极化SAR卫星数据的业务化应用提供技术支撑。【方法】将"2期分别分类森林覆盖变化检测法"(CBFC)与"贝叶斯最大期望-马尔科夫随机场(EM-MRF)变化检测法"相结合,首先采用阈值分割法分别对2期多极化SAR影像进行森林-非森林分类得到初始森林覆盖变化图,然后以初始森林覆盖变化图作为训练数据对多极化比值影像进行Fisher特征变换和EM-MRF分类处理,2个时相的HH、HV极化比值影像经Fisher特征变换转化为一个综合差异影像,输入EM-MRF进行迭代分类得到森林覆盖变化检测结果。以黑龙江省逊克县为试验区,以2期ALOSPALSAR双极化数据为SAR遥感数据,以对2期Landsat-5影像、高空间分辨率遥感影像进行目视解译得到的森林覆盖变化图为参考,对本研究提出方法的有效性与CBFC方法及直接用CBFC提取的森林覆盖变化检测图掩膜EM-MRF地表覆盖变化检测图方法(CBFC-EM-MRF)进行比较评价。【结果】通过Fisher特征变换得到的差异影像可有效增强森林覆盖变化、未变化类别的对比度;CBFC通过阈值分割法进行森林-非森林分类,提取的森林覆盖变化图中出现很多面积很小的虚警检测,漏警率也很高,而本研究提出方法通过MRF加入影像空间上下文信息,提高了检测结果的空间连贯性,森林覆盖变化检测虚警率为1.58%,漏警率为11.87%,正确率为98.36%,检测效果和精度明显优于CBFC和CBFC-EM-MRF。【结论】多极化星载SAR森林覆盖变化检测方法具有收敛性好、检测结果可信度高、需要用户交互较少等特点,对我国高分三号及未来其他多极化SAR卫星的森林资源监测业务应用具有重要参考价值。     

“六个严禁”工作问题及森林资源可持续发展对策建议

为进一步遏制林业违法行为,保护和持续发展我国森林资源,守住我国林业生态红线,通过成立专项调查小组,以省级林业部门下发的疑似图斑为依据,结合Arcgis软件进行了野外实地排查勾绘,剖析了“六个严禁”工作存在的问题,并在此基础上提出了森林资源持续发展的相关对策。该工作的开展不仅保护了贵州省森林资源,也增强了贵州省城乡居民对森林资源的保护意识,为贵州省森林资源的健康持续发展提供了一定的保障。     

基于高分二号影像的森林变化快速检测方法研究

[目的]探讨用于快速更新森林资源数据库的森林变化检测方法,监测短时期内森林采伐与更新的动态变化。[方法]以变化频繁快速,高度集约经营的广西上思县人工林作为研究区,以两个时相的高分二号遥感影像作为数据源,分别利用红波段、近红外波段和NDVI 3种特征的影像差值,并基于分布函数确定阈值,对研究区进行快速的变化检测,并提取变化区域和变化类型。[结果]表明,3种特征差值的检测精度排序为:NDVI差值法最优,红波段差值法次之,近红外波段差值法最差。其中NDVI的总体精度为87.12%,Kappa系数为0.76,[结论]该方法在实现快速检测变化的目的下,可用于森林资源数据库的更新。     

遥感技术在伐区检查中的应用

在采伐限额执行情况检查工作中采用了遥感技术,改进了传统的检查方法。利用遥感数据历史现状重现的特点,采用检查年度头尾两期数据进行植被变化检测,通过计算机自动判别,结合人工日视解译得到植被变化图斑,再到现地进行核实,最终得到采伐图斑,从而解决无证成片伐区的问题。介绍了遥感技术应用的方法、工作步骤,并对工作中发现的问题进行了分析,对应用的利弊进行了讨论。对图像数据的选取、资料收集、图像处理、外业验证等过程都进行了详细的介绍。     

高分辨率遥感影像森林覆盖变化检测研究

以天绘一号和资源一号两期遥感影像为研究对象,采用面向对象多尺度分割和基于特征值阈值的方法提取采伐迹地,将研究区分成采伐迹地和非采伐迹地两类,使用分类后比较法检测森林覆盖变化。结果表明:国产的天绘一号和资源一号遥感影像有较好的内部几何一致性,正射校正后的两期影像可以达到1个像元内的校准精度。遥感变化检测的面积精度和重合率与实际变化相比较,分别为93.1%和95.0%,该方法能较好地检测出森林覆盖变化,适合于县域森林资源年度更新。     

基于多特征SVM的昆明市城市森林时空分布信息提取

采用2017年昆明市主城区Landsat TM/OLI及DEM数据,采用SVM分类方法,对比不同多特征组合的分类精度筛选出森林提取的最佳特征组合,并由此得到2000、2010及2017年昆明市主城区森林分布,分析3期森林的总面积、不同海拔森林面积分布和植被覆盖度变化。结果表明,光谱、纹理以及地形特征的多特征组合为城市森林提取的最佳组合(精度为92.69%);2000—2017年昆明市主城区森林总面积呈上升趋势,海拔低于2 000 m区域的森林面积逐年减少,而高于2 000 m区域的森林面积逐年增加;随时空变化呈现出低植被覆盖度及高植被覆盖度面积增加,中植被覆盖度及较高植被覆盖度面积减少的趋势。     

面向对象分类方法在森林采伐遥感监测中的应用

利用多尺度分割技术和面向对象分类方法对SPOT5遥感数据进行土地的分类及森林采伐信息提取。在面向对象的图像分析中,采用图像分割——基于规则的分类——基于分类的分割的多尺度分割方法,在综合最优分割尺度下,用最邻近分类器对SPOT5影像进行分类;采用两期图像特征比较,提取森林采伐区信息,并结合二类调查成果和伐区设计资料,使用交互式补充判读和修正。结果显示:研究区各地类的分类精度都在85%以上,对森林采伐图斑判读的加权综合正判率达到90.8%,其中皆伐图斑个数正判率92.8%,非皆伐图斑个数正判率83.3%。利用多期高分辨率遥感图像可以进行森林采伐监测,研究结果为提高森林采伐限额监测效率、采伐区识别准确度和面积估算精度提供了有效途径。     

基于MODIS影像大尺度森林资源信息提取方法研究

森林类型的识别对于掌握森林生态系统和自然环境变化具有重要意义。针对单一时相遥感数据提取森林植被类型信息方法的局限性,以中国东北三省为研究区,探讨了基于多时相MODIS遥感数据,实现主要森林类型识别的方法。将东三省的森林植被划分为非林地、针叶林、阔叶林、针阔混交林、灌木林5种类型,通过分析不同森林类型一年内生长差异,选取多时相NDVI第10期、NDIV第23期、EVI第10期、LAI第20期特征数据,建立了非林地、针叶林、阔叶林、针阔混交林、灌木林的决策树模型,实现了森林类型信息的识别,得出了东三省的森林覆盖率42.39%,植被类型分类总体精度为86.7%,与第八次全国森林资源清查的东三省结果对比,森林覆盖率提取精度高达95.6%。说明应用多时相的MODIS遥感影像可以实现大尺度森林资源信息的快速提取,在大范围的植被类型调查与监测方法具有较大的应用价值。     

基于端元提取的滇中典型森林类型识别研究

端元波谱的选择对森林类型的识别精度和效率具有重要影响。以滇中地区典型森林植被为研究对象,基于Landsat8 OLI遥感影像数据,结合二类调查数据,在影像融合的基础上提取典型森林植被的感兴趣区,通过最小噪声分离变换及n维散点图提取滇中典型森林植被(云南松、华山松、蓝桉、柏木和栎类)的波谱曲线,利用提取出的端元波谱,采用波谱角填图法进行滇中典型森林类型的识别,采用混淆矩阵对分类结果进行精度评价;同时,与传统的森林类型分类识别端元提取方法进行了对比分析。研究结果表明:1)基于感兴趣区端元提取的方法所得的分类结果较为理想,总体分类精度达83.46%,其中云南松84.78%、华山松96.88%、蓝桉80.60%、柏木75.00%、栎类57.69%。2)基于几何顶点的端元提取方法通过多次端元波谱提取、波谱分析仍仅能识别云南松、华山松、蓝桉和栎类,柏木无法识别;分类精度分别为云南松89.13%、华山松84.37%、蓝桉76.12%、栎类53.13%。基于传统方法提取出的波谱近似程度较高,分类精度偏低,端元波谱不易识别。3)基于感兴趣区的端元提取方法方便快捷、精度较高,可避免无意义端元波谱对分类结果的混淆,能有效解决端元波谱无法识别的技术难题。     

基于Landsat影像的黄丰桥林场森林变化检测研究

以攸县黄丰桥林场为研究区,选择2001,2009和2013年3期Landsat影像,应用影像代数变化检测、掩膜处理变化检测、写功能存储插入法变化检测和分类后比较变化检测4种算法开展森林变化检测对比研究。结果表明:分类后比较变化检测方法在总体精度上有较明显的优越性,其2013年与2009年、2009年与2001年总体精度均为96.67%;其次是写功能存储插入法变化检测,其2013年与2009年、及2009年与2001年总体精度分别为94%和95.67%;掩膜处理变化检测精度排名第三,其2013年与2009年、2009年与2001年总体精度分别为93.67%和95.67%;效果最差的是影像代数变化检测方法,其2013年与2009年、2009年与2001年总体精度分别为93.33%和94.33%。通过对上述4种方法优缺点及精度的综合分析,得出分类后比较变化检测算法是最适合黄丰桥林场的变化检测方法。     

基于面向对象多特征变化向量分析法的森林资源变化检测

[目的]基于面向对象变化向量分析法,进行森林资源变化检测。[方法]应用国产高分二号多光谱影像,以森林采伐和造林活动多、林地变化频率高的广西壮族自治区上思县为研究区,应用随机森林平均精确率减少的方法进行变化特征的选择,通过选取的不同特征向量和常规的基于光谱均值、光谱均值和标准差的变化向量分析法,以及基于NDVI差值法的变化检测结果对比,获取较好的森林资源变化检测方法和结果。[结果]高分二号多光谱影像的蓝、绿、红波段光谱均值和NDVI值共4个特征参与的变化向量分析法,识别森林资源变化精度高,总体精度92.94%,Kappa系数0.763 0,变化地类误检率15.63%,漏检率22.86%。[结论]经过特征选择后,基于面向对象变化向量分析法比常规的多特征参与的变化向量分析法识别森林资源变化的效果好。     

GF-1卫星影像决策树分类算法的森林采伐信息提取研究

从林业行业应用出发,针对国产GF-1卫星数据的特点,采用决策树分类方法对影像采伐信息进行提取,探索了国产GF-1卫星数据在森林资源采伐信息提取方面的应用关键技术,为国产卫星数据的行业推广应用奠定理论基础。研究结果表明:决策树分类方法能够更有效地对伐区图斑分类提取,经过Kappa分析,测试区伐区影像提取精度从大到小分别为:水域分类精度96.71%,森林分类精度89.79%,伐区分类精度82.49%,公路分类精度75.30%,农田分类精度71.18%,建筑分类精度56.26%,其他分类精度53.57%。总体分类精度为87.34%。