荒漠生态林区大沙鼠鼠洞密度的无人机遥感监测技术初探

【目的】采用无人机遥感技术对古尔班通古特沙漠南缘荒漠林的大沙鼠洞密度进行监测,探究大沙鼠鼠洞航空影像最佳解译方法,为快速解译低空遥感航拍鼠害数据提供解决途径。【方法】采用固定翼无人机搭载高清数码相机,获取0.024 m空间分辨率的航空影像,预处理得到TDOM影像;分别采用人工目视解译、最大似然分类方法及面向对象分类方法,对TDOM影像进行解译,进而提取鼠洞空间分布信息,然后分析评价各方法在荒漠林鼠洞提取中的适用性和分类精度。【结果】对比3种解译方法发现,人工目视解译准确度高,但工作量太大;最大似然分类方法的分类精度较低,不适用;而面向对象分类方法不仅分类精度与人工目视解译结果基本吻合,而且很大程度上提高了大数据的处理速度,提高了大面积鼠害遥感监测的效率。【结论】无人机遥感技术在荒漠林大沙鼠灾害监测中有很好的适用性和应用潜力,为今后采用低空遥感技术进行鼠害监测提供了参考。     

江西九连山保护区植被覆盖度遥感动态监测

采用基于归一化差异植被指数(NDVI)的像元二分法模型对1988、1996及2004年3期TM影像进行研究区植被覆盖度提取,利用野外实测对2004年影像进行精度验证,并借助GIS空间分析方法,对研究区植被覆盖度格局定量分析,揭示九连山植被覆盖的时空变化规律,为该地区的植被恢复提供参考。研究表明:1)该模型对研究区植被覆盖度估算精度较好,无植被覆盖类型(裸地、水体)的估算精度达90%以上,低、中、高、全植被覆盖类型区域的估算精度达80%以上;2)1988年、1996年、2004年植被覆盖度均值分别为0.71、0.66、0.77,区内植被覆盖度总体呈现先降低后上升特点,这主要是由于研究区全植被覆盖面积的大幅消长造成的;3)研究区内无、低植被覆盖与中、高、全植被覆盖之间的转换比例较少,覆盖度等级转换主要集中在中、高、全植被覆盖等级之间,说明16年间的覆盖度变化主要源于林区的渐伐活动,皆伐及开垦活动相对较少;4)在研究区停止采伐后,尤其是该地区自然保护区的成立,植被得到了较好的恢复,中、高植被覆盖类型大幅转换为全植被覆盖类型,2004年区内植被在覆盖度均值及全植被覆盖面积上均超出了1988年水平,九连山地区植被保护效果明显。     

基于多特征优选的无人机可见光遥感林分类型分类

【目的】以无人机可见光遥感影像为数据源实现竹林、针叶林和阔叶林的分类识别,扩展无人机可见光遥感数据在森林资源调查中的应用范围。【方法】利用无人机获取仅包含红、绿、蓝3个波段光谱信息的航拍影像,经预处理生成空间分辨率为0.1 m的数字正射影像图(DOM)和数字表面模型(DSM),从DSM和DOM中提取包括高度特征、光谱特征、常见的可见光植被指数、HSV颜色分量、HSV颜色分量基础上提取的纹理特征以及扩展的形态学多属性剖面(EMAPs) 6类特征;采用递归特征消除随机森林算法(RF_RFE)优选特征子集,根据不同类型特征和优选特征子集设置8组试验,使用随机森林分类器(RFC)进行林分类型分类,运用目视解译获得的地面真实影像建立混淆矩阵评价分类结果。【结果】1)单独利用光谱特征进行林分类型分类效果不理想,总体精度为65.68%,Kappa系数为0.53;以光谱特征为基础单独引入其他特征进行林分类型分类,除植被指数外,其他特征均可提高总体分类精度; 2)采用递归特征消除随机森林算法优选出11个特征,包括5个EMAPs特征、3个HSV纹理特征、1个高度特征、1个植被指数和1个HSV颜色分量,11个特征组合获得8组试验中最高分类精度,总体精度为81.05%,Kappa系数为0.73; 3)将多特征优选方法应用于不同分辨率的可见光无人机影像上均取得较好分类结果,其中分辨率为0.3 m时分类精度最高,总体精度为82.46%,Kappa系数为0.75。【结论】递归特征消除随机森林算法综合多类型特征中最有利于林分类型分类的特征,从而提高分类精度,研究结果可为无人机可见光遥感数据在森林资源调查中林分类型信息的提取提供参考。     

SPOT-5数据在退耕还林监测中的应用研究——以山西省古交市嘉乐泉乡为例

以山西省古交市嘉乐泉乡为试验区,采用SPOT-5的10m、5m和2.5m 3种影像数据对退耕还林地面积进行分类监测。所设计的2种方案分别是:1)将地物类型分为7类,退耕还林地作为一种单独地类,对3种影像数据进行计算机自动分类和2.5m影像的人工解译分类;2)借助退耕还林作业设计图,将退耕还林地块影像分割出来,对退耕还林地和未退耕还林地进行有监分类。精度验证表明,第一种方案中2.5m融合图像的人工解译分类,退耕还林地的分类精度在50%以下;第二种方案中3种影像数据的总体分类精度均大于90%。建议在退耕还林地的作业设计图电子化的基础上,应用SPOT-5数据监测退耕还林地的任务完成和植被覆盖情况。     

基于GEE平台广西桉树快速提取研究

为进一步提高基于遥感影像森林(人工林)植被信息提取的工作效率,基于Google Earth Engine(GEE)平台,以Landsat8 OIL影像为实验数据,利用监督分类、支持向量机、最大熵模型、随机森林以及根据试验区实际构建的决策树分类方法对试验区桉树人工林种植面积进行提取,并对各方法进行了比较,在此基础上利用决策树法提取了广西地区桉树种植面积,并利用无人机影像与Google Earth Pro历史影像对实验结果进行了验证。实验过程及结果表明:利用GEE平台可以高效快速地提取遥感植被信息。在以上5种方法中,决策树分类方法取得最好的效果,其试验区桉树提取总体精度与Kappa系数分别达到0.82,0.85;同时,利用决策树提取的广西桉树种植面积与统计资料的面积统计结果具有较好的一致性。说明构建的决策树分类方法对大区域、复杂山区植被覆盖信息的快速提取具有参考意义。     

海南热带林动态变化的遥感监测

运用遥感手段进行海南霸王岭林区植被的动态监测 ,使用 3幅不同年份 ,同一季节的TM遥感影像 ,进行多时相遥感图像的光谱分析 ,特征提取 ,植被分类 ,精度检验 ,生成植被分类图和各类型植被的统计数据 ,从而分析植被的变化情况     

基于光学遥感的稀疏乔灌木地上部分生物量反演方法

【目的】基于无人机数据采用3种分层方案构建冠层盖度-乔灌木地上部分生物量模型以及基于Landsat8 OLI数据采用3种分层方案构建不同光谱指数-乔灌木地上部分生物量模型,对比分析不同分层方案的乔灌木地上部分生物量模型精度,以期为基于遥感数据的干旱区人工林乔灌木地上部分生物量高精度反演提供理论依据。【方法】在毛乌素沙地实地调查102块30 m×30 m样地,基于高分辨率无人机影像,利用面向对象的机器学习算法获取乔灌草植被覆盖度信息,采用3种分层方案（不分层、基于乔木和灌木2种植被类型分层、基于5个树种分层）构建冠层覆盖度-乔灌木地上部分生物量模型。基于Landsat8 OLI影像,使用6种光谱指数（NDVI、RVI、MSAVI、TCG、NDMI、NIRv）,结合无人机影像解译草本植被覆盖度,采用3种分层方案（不分层、有无草本植被样地分层、3个草本植被覆盖度等级样地分层）构建不同光谱指数-乔灌木地上部分生物量模型。【结果】不分层的冠层覆盖度-乔灌木地上部分生物量模型鲁棒性最差（R²=0.22,n=102）,且估算精度最低(RMSE=14.98 t·hm^-2...     

基于深度学习的林业资源调查方法

以浙江温州大洋山森林公园的杨梅树作为调查对象,给出了一种基于深度学习的林业资源调查方法。先通过无人机航拍获取大量研究区高清正射遥感影像,然后对影像中的杨梅树进行标注并构建测试集,利用TensorFlow+MASK RCNN深度学习框架对杨梅树进行检测和定位,并同时输出树冠掩膜图像和树冠像素个数,最后分别借助基于像素统计的和基于掩膜矢量估算并统计树冠的实际面积。这种方法不仅节省了人工分析航空遥感影像的时间、提高了工作效率,还可以通过将获取到的树冠轮廓矢量叠加到地学分析软件ArcGIS当中,直观地显示杨梅树的分布范围和具体数量。     

分层分类与监督分类相结合的遥感分类法研究

遥感分类技术是获取土地利用/覆盖数据的主要方法.分层分类思想强调将分类过程逐级进行,每层选用不同的分类标准和方法;监督分类是基于传统统计分析的分类法,具有算法成熟,简便易行的特点.将2种方法相结合,建立起一个复合分类模型,并在SPOT影像上进行试验.试验证明:该方法能有效地提高分类精度,比单一使用监督分类法得到的结果精度提高了8.41%.     

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。     

机载LiDAR和高光谱融合实现普洱山区树种分类

[目的]通过机载遥感影像对普洱山区进行植被分类研究,为山区森林经营规划与可持续经营方案的制图提供高效应用途径。[方法]将2014年4月航拍的机载AISA Eagle II高光谱和Li DAR同步数据融合,利用点云数据提取的数字冠层高度模型(CHM)得到树种的垂直结构信息,结合经过主成分分析(PCA)的高光谱降维影像,选用支持向量机(SVM)分类器进行分类。[结果]普洱市万掌山实验区主要树种分为思茅松、西南桦、刺栲、木荷等。融合影像数据分类的总体精度和Kappa系数分别为80.54%、0.78,比单一高光谱影像数据分类精度分别提高6.55%、0.08,其中主要经营树种思茅松的制图精度达到了90.24%。[结论]该方法对山区主要树种的识别是有效的,将机载Li DAR与高光谱影像融合可以有效改善分类精度。     

基于纹理信息的Landsat-8影像植被分类初探

遥感图像植被分类一直为遥感领域的热点,对于中低分辨率的影像,传统的分类方法主要是利用影像的光谱信息,对于影像的空间信息利用较少,而事实证明遥感影像的空间信息也十分丰富。为了提高遥感影像的空间信息利用率,提取了最新的Landsat-8的空间纹理信息,结合空间纹理信息与光谱信息对遥感影像进行植被的分类。实验证明:辅以纹理的分类总体精度为84.68%和83.87%,光谱分类总体精度为82.26%,结合了空间纹理信息后的分类精度比传统的方法有明显的提高。     

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。     

基于GF-2影像的面向对象植被信息提取研究

基于GF-2遥感影像,通过面向对象方法对长株潭城市群生态绿心区内具有代表性的区域进行植被信息提取,利用专业分割软件对遥感影像进行多尺度分割,采用ESP工具定量获取多尺度分割参数,最后通过隶属度函数对遥感影像分类进行植被信息提取,并进行精度评价。结果表明:采用面向对象的方法,从高空间分辨率遥感影像中挖掘出能提取植被的光谱、纹理、形状等特征,能实现植被信息的快速提取,提取总体精度达85.33%。     

应用高分辨率卫星影像监测退耕地植被的覆盖度

利用QuickBird高分辨率影像,根据QuickBird影像自身特点,改进已有像元二分模型2个参数的估算方法,建立用NDVI归一化植被指数定量估算植被覆盖度的模型,并将该模型应用到退耕地中.结果表明:利用QuickBird影像监测退耕地的植被覆盖度受到退耕苗木树冠大小的限制,树龄小于1年的树木监测效果不佳;树龄大于2.5年的树木监测效果较好,精度可达83%以上,表明用此改进模型对2.5年以上退耕地进行植被覆盖度监测是可行的.     

基于GF-1和TM数据的金河林业局天然林保护成效评估研究

[目的]利用遥感影像的特点,将地表覆盖类型和植被覆盖度作为天然林保护成效评估的研究指标,提出一种评估天然林保护成效的方法。[方法]首先,分析GF-1遥感影像特点,结合TM影像特点,研究针对GF-1遥感影像的处理和分析技术;其次,选择评估天然林保护成效评估的指标;再次,选取内蒙古金河林业局作为试验区,对试验区的地表覆盖类型变化、植被覆盖度变化进行分析,结合现地调查数据进行验证,从而评估天然林保护成效。[结果]基于采用分类后比较法能够有效检测出地表覆盖类型变化,经验证检测精度能够达到90%以上;归一化植被指数结合像元二分模型能够用于复杂地表植被覆盖度的反演,经野外实测数据验证精度可达到83%。[结论]根据地表覆盖类型变化监测和植被覆盖度变化监测结果,金河林业局天然林保护工程实施以来实现了森林资源由过度消耗向恢复性增长转变。     

无人机低空遥感在复杂山地森林景区实景三维构建中的应用——以南岭国家森林公园为例

真实三维场景可真实地反映森林景区的地形地貌特征,为森林景区科学管理、生态监测、景观规划及虚拟可视化等提供数据支撑和技术依据。文章以南岭国家森林公园为例,分析了复杂高山地形特征和无人机特性,研究一种利用复合翼无人机对高山景区进行影像采集,建立实景三维模型、表面模型DSM和正射影像图DOM的方法,实现对南岭森林景区75 km~2真实三维场景构建,对场景精度和成果应用进行了分析。结果表明,利用复合翼无人机进行高山景区航拍,既解决了起飞降落问题,又提升了航拍时效性和可靠性;突破传统二维成果的局限性,提供三维模型、DSM和DOM等成果,提升景区可视化管理、森林调查及应用分析等能力。     

无人机航拍影像在林木信息提取中的应用

采用山东省青岛市崂山区沙子口街道2020年春、秋季的无人机松林航拍影像为数据源,借助ESP辅助工具获取了DOM影像的最佳分割尺度,构建了基于模糊分类的决策树,运用分水岭算法快速提取松林活立木数量变化信息,共提取出6个松树活立木变化较大区域,活立木减少数量205株,利用人工地面核查,实际松树活立木减少数量217株,该方法提取的数据总体精度约92.3%。研究表明,基于多期的无人机高分影像数据,能够快速准确地获取林木数量的变化情况。该法在森林资源调查、松材线虫病疫木除治监测及灾害评估中具有较大的应用推广价值,尤其在监测山高、路险的区域,很大程度上可以用于替代人工调查。     

基于BP神经网络的森林植被遥感分类研究

如何解决多类别图像的识别并满足一定的精度,是遥感图像研究中的一个关键问题,具有十分重要的意义。本文使用Landsat7ETM+遥感数据和森林资源分布图等地理辅助数据,用BP神经网络方法对森林植被进行了分类,并与最大似然法的分类结果进行精度比较分析。结果表明地理辅助数据参与的BP神经网络用于森林植被遥感图像分类其效果是较好的,是一种有效的图像分类方法。     

基于RS的长株潭绿心区植被覆盖动态变化研究

以2000年、2005年、2011年3个时期的landsat5TM遥感影像为数据源,利用像元二分法模型反演三个时期的植被覆盖度,并研究3期植被覆盖度变化特征、植被覆盖度转移矩阵。结果表明:研究区植被覆盖状况良好,3期Ⅳ级和Ⅴ级植被覆盖度(f_c0.5)区域的面积和占总面积百分比均为79%以上。2000—2011年,研究区植被覆盖度总体呈下降趋势,2000年平均植被覆盖度为0.78,2005年平均植被覆盖度为0.72,2011年平均植被覆盖度为0.70。