基于ETM＋影像融合的土地覆盖分类研究——以蓬安县为例

借助ERDAS软件,运用遥感数据融合技术对四川省蓬安县进行基于ETM＋融合影像的土地覆盖分类初步研究。研究中采用相同的训练样本区及最大似然法分类方法,对融合前后影像分别进行土地覆盖分类,通过对分类影像的Producers Accuracy,Users Accuracy,Kappa Accuracy三者的精度数据对比分析,上述的影像融合方法对提高土地覆盖分类的精度较为明显;就3种融合方法及重采样方式而言,乘积法融合法和立方卷积重采样法相对更为可取。     

基于多角度高光谱CHRIS影像的隆宝滩湿地遥感分类方法研究

采用青海省隆宝滩地区的多角度高光谱CHRIS遥感数据,通过研究+36°、0°和-36°三个角度影像的组合变换,提出影像变换+不同角度波段组合的方法,用以获取地物的分类信息。该方法首先对0°影像进行穗帽变换,选择其湿度图像,再与+36°和-36°影像的第4波段(0.461 μm)进行RGB组合,生成新的彩色合成影像,然后再进行支持向量机(SVM)的监督分类。结果显示,利用该方法对隆宝滩湿地分类的精度可达到90.02％;而利用传统的监督分类对0°影像直接进行分类,其精度为75.46%。由此可见,利用不同角度信息进行波段组合的方法,大大提高了高光谱影像进行湿地信息提取的精度,为湿地信息提取提供了一个有效的方法。     

基于Worldview-2八波段影像改进指数的湿地类型分类研究

采用Worldview-2八波段影像作为数据源,选取东洞庭湖湿地核心区域作为研究区,进行了Worldview-2八波段特征分析、构建改进遥感指数、采用改进遥感指数阈值分层分类的策略对湿地区域进行信息提取。研究结果表明,基于Worldview-2八波段影像改进指数的湿地类型分类总精度达到了92.24%,Kappa系数为0.902,比原始遥感指数的分类精度提高了8.18%,特别是对草滩地和泥滩地的区分有了较大的提高,是有效、准确提取湿地类型的技术方法。     

松花坝水源区Landsat 7 ETM+遥感影像融合对比研究

采用IHS变换、Brovey变换、PCA变换、Gram-Schmidt变换、CN变换和小波变换等遥感影像融合方法,对松花坝水源区2002年Landsat 7 ETM+多光谱数据与全色波段进行融合,并结合影像的光谱统计参数选取相应评价指标,对这些方法进行评价.结果表明,6种融合方法均能不同程度地提高影像质量,源于同一传感器的不同分辨率影像融合能够有效避免异源传感器影像融合所常见的实相及校正误差,PCA变换效果最佳.     

基于GF-1卫星东洞庭湖湿地类型信息提取

以我国自主发射的第一颗高分辨率卫星(GF-1卫星)的影像为数据源,在东洞庭湖开展湿地信息提取。结合国家湿地遥感分类系统和高分影像数据的可解译性,建立了东洞庭湖湿地类型遥感分类系统,包括湖泊、河流、泥滩地、林地、芦苇、苔草、辣蓼+泥蒿7种湿地类型。利用最佳指数和联合熵2个指标确定最佳波段组合方式为4(R)3(G)2(B),并在遥感图像进行预处理的基础上,采用面向对象的决策树进行分类,结果表明:基于面向对象决策树遥感分类方法比最大似然法分类的精度高,总分类精度达85.41%,Kappa系数为0.822 5,并且各类信息的提取精度均有所提高,其中湖泊、芦苇、林地的精度较高。     

遥感技术在泉州湾湿地信息提取中的利用

运用遥感技术,对泉州湾湿地2005年11月26日的SPOT5多光谱卫星遥感影像,采用最大似然分类法进行分类,查明泉州湾湿地的类型、分布和面积等特征。2005年泉州湾主要有滩涂、水体、养殖坑塘、红树林、米草和沙滩等类型。其中,红树林面积为0.520 1 km2,主要分布于洛阳桥到增安沿岸一带;米草面积为6.156 1 km2,它遍布于泉州湾内湾;养殖坑塘面积为2.220 7 km2,主要分布于万安至陈埭的沿岸一带。研究表明,运用遥感技术,有效地解决了传统湿地资源调查困难的问题,并可以较准确地提取出泉州湾湿地信息。     

基于多角度融合的CHRIS数据提取湿地植被的研究

[目的]利用多角度高光谱数据,分析不同角度下东洞庭湖湿地典型植被群落的光谱特征,确定多角度信息融合的最佳方法,并对融合影像进行湿地植被类型精细识别。[方法]使用CHRIS多角度高光谱数据,针对洞庭湖湿地植被的光谱特征,研究计算窄波段NDVI的最佳波段组合和角度,评价CHRIS 0°影像与NDVI的像素级融合方法,进而对洞庭湖地区湿地植被进行提取。[结果]计算NDVI的最佳红波段和近红外波段分别位于667.6 nm和926.95 nm,对应于CHRIS数据的第24波段和第55波段;选取HSV、Brovery、Gram-Schmidt和PCA 4种融合方法进行融合,发现PCA融合图像的光谱信息丢失最少、纹理细节更丰富,信息量最大;PCA融合影像的总体精度为81.36%,比单角度影像提高7.93%,Kappa系数提高0.097 6,且苔草的漏分误差和泥蒿的错分误差得到明显改善。[结论]基于NDVI的多角度信息融合是提高湿地植被识别精度的一种有效途径,多角度信息融合丰富了地物的信息量,提高地物识别精度。     

基于FCN与面向对象的滨海湿地植被分类

【目的】提出一种基于全卷积神经网络(FCN)与面向对象的滨海湿地植被分类方法,以提高滨海湿地植被监测效果。【方法】以浙江慈溪部分杭州湾滨海湿地为研究区,基于高分辨率Quick Bird影像,采用FCN与面向对象相结合的方法监测滨海湿地植被:1)融合Quick Bird影像的多光谱数据和全色数据提高影像空间分辨率,运用目视判读制作标签图,以100×100窗口选取样本后进行翻转、旋转等操作,获得训练样本4 904对、测试样本544对,采用FCN对样本完成训练后得到相应的模型参数用于整幅影像,获得全图分类结果; 2)对原始影像进行多尺度分割,利用平均全局评分指数法确定最优分割尺度为170,以最优分割结果对FCN分类结果进行边界约束,得到最终分类结果并制作滨海湿地植被分类图; 3)基于混淆矩阵对仅采用FCN处理的结果影像及采用FCN与面向对象相结合处理的结果影像进行精度评价。【结果】1)采用FCN处理的影像分类总体精度达94.39%,典型滨海湿地植被精度均在85%以上,但分类结果存在少量椒盐现象,分类误差产生的主要原因是滨海湿地下垫面背景复杂,不同植被类型空间分布杂乱; 2)将面向对象与FCN相结合处理的结果影像可消除椒盐现象,总体精度达97.56%,典型滨海湿地植被精度均在90%以上。【结论】基于FCN的滨海湿地植被分类方法能够有效从高分辨率影像中提取典型滨海湿地植被信息,在此基础上结合面向对象的多尺度分割方法可有效消除椒盐现象,弥补基于像元分类的缺陷,优化滨海湿地植被分类结果,在滨海湿地植被监测方面值得推广和运用。     

一种改进的高空间分辨率遥感影像森林类型深度学习精细分类方法:双支FCN-8s

【目的】对全卷积神经网络模型进行双支化改进,探索高空间分辨率遥感影像森林类型深度学习分类新方法,为提高森林资源遥感调查精度提供技术支撑。【方法】双支FCN-8s包含2个FCN-8s子模型,一个子模型基于R、G、B三波段特征,采用微调方式构建;另一个子模型基于五特征构建。将2个子模型8、16、32倍下的采样结果进行融合并分类,得到每个像元的类别。以旺业甸林场为研究区,采用GF-2卫星遥感影像提取标准化植被指数(NDVI),构建基于R+G+B三波段特征、R+G+B+NIR四波段特征和R+G+B+NIR+NDVI五特征的数据集,对双支FCN-8s优化方法的有效性进行定量评价。【结果】1)双支FCN-8s方法的总体分类精度为85.89%,Kappa系数为0.84;相比传统FCN-8s,双支FCN-8s方法可提高大部分森林类型的分类精度,尤其对油松、红松、白桦等类别改善效果明显。2)相对于传统基于特征优选的SVM模型而言,双支FCN-8s方法的总体分类精度由75%上升至85.89%,精度提升大于10%,各类别的分类效果均有改善。3)使用微调策略以及加入NDVI特征后,模型可有效改善油松、山杨及白桦等树种的分类效果。【结论】双支FCN-8s高空间分辨率遥感影像森林类型深度学习精细分类方法可有效提升森林类型的细分程度和分类精度。     

基于混合像元分解的庐山及周边林地遥感图像分

由于传感器分辨率的限制以及地物的复杂多样性,混合像元普遍存在于遥感影像中,在一定程度上影响到地物提取精度。以江西省庐山及周边地区2019年4月9日的ETM+影像为例,使用线性混合模型和非线性的BP神经网络方法对图像进行混合像元分解,利用2019年5月的SPOT数据及其与ETM+影像融合的分类结果对分解结果进行验证。结果表明,非线性的BP神经网络分解精度高于线性分解精度。对比使用BP神经网络分解图像提取林地面积的精度提高了1%~5%。     

利用ETM和SPOT5数据融合进行平江县森林资源调查

以ETM多光谱数据和SPOT5全色数据融合的图像为对象，利用遥感图像和地面调查相结合的方法对湖南省平江县森林资源进行调查，既能节约成本，又能提高调查精度，为遥感技术应用于森林资源规划设计调查探索经验。     

基于高光谱影像融合的湿地植被类型信息提取技术研究

对-36°和0°的多角度高光谱CHRIS遥感影像数据进行植被指数计算及影像融合,提出归一化植被指数(NDVI)与高光谱影像融合后,采用波谱角填图(SAM)的方法提取湿地植被类型信息。该方法首先对-36°影像进行NDVI植被指数计算,然后与0°影像融合,再采用SAM方法提取湿地植被类型。结果显示,利用该方法对青海省隆宝滩湿地植被类型的提取精度可达到92.23％;而利用SAM方法对0°影像直接进行湿地植被类型提取,其精度只有66%。由此可见,利用不同角度信息影像融合的方法,大大提高了高光谱影像进行湿地植被类型信息提取的精度,为湿地植被类型信息提取又提供了一个有效可行的方法。     

SPOT5全色与多光谱影像融合方法研究——以南瓮河湿地自然保护区部分区域为例

以黑龙江省南瓮河湿地自然保护区内的SPOT5全色与多光谱遥感影像为研究对象,利用ENVI4.8、Arc-gis10.0遥感影像处理软件对4种常用融合方法进行质量评价。结果表明:Gram-Schmidt Spectral Sharpening变换融合方法效果最好,灰度均值和标准差最接近原多光谱影像,信息熵高于原多光谱,而且还保留了与SPOT5影像相同的4个波段,可以根据需要进行不同的波段选择;PC Spectral Sharpening变换后也保留4个波段,但这种融合方法色彩的饱和度较差,没有更好地增强部分地物;HSV变换和Brovey变换后图像只有3个波段,HSV变换后的色彩差异与源图像最大,不同地物间色彩差异不大,不利于地物的分类时的目视解译。     

遥感和GIS技术在广东省湿地信息提取中的应用

在分析广东粤西湛江、雷州半岛区城CBERS-02遥感影像数据特征的基础上,利用遥感与地理信息系统软件处理遥感影像的方法,对图像数据进行几何校正和融合处理,采用遥感图像多源信息复合、人机交互解译与GIS技术相结合的解译方法,实现湿地信息的提取,提取的总精度高达83.5%,比单纯的采用监督分类精度提高20%,获得了理想的结果,为广东湿地环境可持续发展提供决策支持。     

泉州湾河口湿地资源可持续发展面临的挑战及对策探讨

泉州湾河口湿地面临着巨大的资源和环境问题的挑战。本文分析泉州湾河口湿地生物多样性特点,并针对其所面临的挑战,提出湿地资源可持续利用对策。     

多源遥感影像的融合方法效果分析

在IRS—P6遥感影像的多光谱与CBERS-2B遥感影像的全色PAN波段之间进行融合,对乘积变换、比值变换、IHS变换和主成分分析4种常见的融合方法进行对比分析,并对融合后的影像进行主观定性评价和客观定量评价。研究表明：IHS变换效果相对最优,在较好地保持原多光谱影像光谱信息的同时,大大地提高了影像的空间分辨率,对云区的地物色彩表现力上也较好。研究对于使用多源遥感影像融合获取高质量影像有着重要的参考价值。     

森林面积方法研究

本文通过对遥感图像的处理和光谱特征信息的分析,应用ETM 影像数据和地面调查数据,研究了遥感数据处理技术在植被信息提取中的应用,尝试对高山峡谷区的森林资源调查提出较为完善的计算机图像处理技术和自动分类方法。对道孚县台站林场和麻孜林场地类的分类结果表明:运用TM453波段融合能够达到较好的图像增强效果;运用无监督分类方法提取森林面积能达到较高的分类精度;NDVI比RVI更能突出植被信息和消除山体阴影的影响。