卫星遥感数据在森林采伐监测中的应用

分别采用SPOT5、TM5影像前后两期多光谱遥感影像的波谱特征变化,检测森林资源变化信息,确定变化类型,以计算机自动识别对森林资源变化(减少)的区域(伐区)进行信息提取,并在此基础上进行室内人工预判读;结合采伐证、伐区作业设计、二类调查材料,进行补充判读,得出森林采伐图斑。古丈TM5(30 m分辨率)的面积正判率为96.3%;古丈SPOT5(10 m分辨率)的面积正判率为96.9%。实证分析表明,使用中、高分辨率卫星遥感数据能对森林采伐进行监测,结合辅助材料后能显著提高森林采伐监测精度。     

SPOT5在广西重点公益林变化情况动态监测中的应用——以广西壮族自治区百色市田东县为例

以广西壮族自治区百色市田东县为例,采用SPOT5遥感影像数据对重点公益林区变化情况进行监测。经过GEOimage软件的影像处理,得到精度达到要求的遥感解译图像,通过室内判读变化图斑与实地核查比对,监测精度满足重点公益林动态监测的需要。     

遥感大样地点面判读方法在森林资源宏观监测中的应用分析

以抽样理论为基础,以全国森林资源宏观监测9个省的遥感判读结果为依据,对比分析了群团样地判读和图斑区划判读的森林覆盖率、森林面积、正判率、抽样精度和差异原因。结果表明:群团样地判读和图斑区划判读2种方法监测森林资源都能取得预期效果;通过U检验,2种方法得到的森林覆盖率没有明显差异。但群团样地判读质量相对易控制、工作量较小、工作效率更高。     

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。     

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。     

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。     

基于遥感群团样地的森林资源宏观监测影响因子研究

基于2015年广西壮族自治区森林资源宏观监测遥感群团样地调查结果,分析具有丰富遥感判读经验人员和无判读经验人员在参考不同分辨率、不同时相遥感影像,以及林业经营管理资料的条件下进行判读,各地类的正判率情况。结果表明:经验丰富的判读人员对于乔木林、竹林、特殊灌木林和森林的正判率均高于无判读经验人员;高分辨率和合适时相的遥感影像,以及充分利用林业经营管理资料,均有助于提高正判率。     

基于特征优选的面向对象毛竹林分布信息提取

【目的】提出一种基于Relief F特征优选的面向对象分类方法,为解决面向对象森林资源遥感分类提供参考。【方法】以SPOT5高分辨率遥感影像为数据源,以浙江省安吉县山川乡为研究区,通过影像分割,选取8个地物类别的370个对象样本,并设置SPOT5影像每个波段的8个灰度共生矩阵纹理、每个波段及NDVI的平均值和标准差等42个对象特征。利用Relief F算法对设置的42个对象特征进行优选,采用面向对象的最近邻方法提取研究区毛竹林分布信息。为了比较基于最优特征的面向对象的分类结果,另采用CART决策树方法在相同的分割参数和训练样本前提下,通过样本构建决策树分类规则,对研究区进行分类并提取竹林信息。【结果】1)通过Relief F特征优选方法对分类特征进行优选,大幅提高了毛竹林样本的分类精度,与特征优选前相比,毛竹林样本分类精度由68%提高到88%,优选的红波段均值、绿波段均值、红波段均质纹理、红波段熵纹理和NDVI植被指数均值5个特征能够精确地提取研究区毛竹林分布信息,其用户精度和生产者精度分别达到97%和95%;2)基于CART决策树面向对象的研究区毛竹林用户精度和生产者精度均低于基于最优特征的最近邻分类结果,主要原因是CART决策树中毛竹林、针叶林和阔叶林之间的误分相对较高。【结论】Relief F算法特征优选时注重特征的分类能力,筛选的特征参与面向对象分割提取的毛竹林分布信息高于同类研究,可为面向对象多尺度分割森林资源遥感分类时特征的选取提供一个更为科学合理的方法。     

面向对象的SPOT5图像森林分类

为改善SPOTS图像森林分类精度,采用面向对象的图像分析方法,对图像分割、对象特征提取与筛选、多分类器分类与结合进行探索,采用大尺度分割-基于规则的分类-基于分类的分割-分区控制-底层分类-逐层向上合并的技术路线,试验了最小距离、马氏距离、Bayes、模糊分类和支持向量机5个分类器.结果表明:在森林分布破碎、类型和种类多样、结构复杂的南方人工林区,总体分类精度最高的Bayes分类器,对以龄组为基础包含22个类型的第3级分类的总体精度达到了79.38%,以树种为基础包含15个类型的第2级分类的总体精度达到了81.82%,以森林类型为基础包含9个类型的第1级分类的总体精度达到了86.33%.在景观复杂地区的森林分层分类中,由底层分类开始、逐层向上合并的方法,效果比由顶层分类开始、逐层往下分类的方法更好.ETM+作为辅助数据,较大程度地提高了SPOT5图像的分类精度,但ETM+图像不能实质性参与分割过程,只能用于提取对象特征,否则会导致对象同质性差、特征变异,降低分类精度.