输电线路下行林区优势树种的冠层光谱特征分析

通过对安徽省池州市青阳县输电线下行通道的优势树种进行光谱测量与分析,以建立优势树种光谱库,为输电线通道下行林区的树种精细分类提供理论和技术支持。利用便携式光谱仪对研究区6个优势树种的冠层光谱数据进行采集,并生成平均冠层反射光谱曲线,经过导数变换、植被特征参数(蓝边、黄边和红边)分析及冠层光谱的可分性研究,进而分析出不同树种的不同波段光谱特征差异。结果表明,在原始光谱可见光波段毛竹冠层反射率高于其他树种;而在近红外波段,栎树的冠层反射率高于其他树种。6个树种的蓝边位置、黄边位置及红边位置存在差异较小,毛竹的蓝边斜率最大;杉木的黄边斜率最大;栎树的红边斜率和红边面积均为最大。通过可分性研究可知,原始光谱在550 nm、900 nm及一阶导数光谱在718 nm处,有助于精细区分不同树种类型。     

基于随机森林模型的陆地卫星-8遥感影像森林植被分类

以黑龙江省漠河县为研究区域,采用陆地卫星-8遥感影像为数据源,结合影像的光谱信息和数字高程模型辅助数据,分别采用最大似然分类法(MLC)和随机森林模型法(RFM)对研究区森林植被进行分类,并分析和评价光谱特征变量对模型的重要性、2种分类方法对森林植被类型分类的适用性。结果表明:随机森林分类方法的总体分类精度为81.65%、卡帕(Kappa)系数为0.812。与传统的MLC方法相比,RFM法均提高了3种森林类型的生产者精度和使用者精度,其中针阔混交林精度提高最多。通过分析特征变量的重要性,发现高程、归一化植被指数、红光波段、近红外波段、短波红外波段对模型分类精度有较重要的影响。说明随机森林模型方法结合多源信息是森林植被类型遥感分类的一种有效手段。     

基于Sentinel-2时序多特征的植被分类

植被分类是研究森林资源状况和动态变化规律的基础,利用遥感手段可以更加快速、准确地识别植被类型。以位于内蒙古赤峰市喀喇沁旗西南部的旺业甸实验林场为研究对象进行植被分类。采用分层分类的思想,首先根据植被物候特征选取植被生长旺盛时期的影像,计算归一化植被指数（normalized difference vegetation index,NDVI）并设定合适的阈值将研究区内的植被提取出来,剩余部分归为非植被。然后选取NDVI时间序列、最佳时相的Sentinel-2数据中10个波段的光谱反射率特征和主成分分析前3个分量的纹理特征作为分类特征,利用支持向量机分类器将研究区内的植被类型分为耕地、草地、常绿针叶林、落叶针叶林和落叶阔叶林五大类,并将分类结果与最大似然法、NDVI时序+光谱特征的分类结果进行对比分析。NDVI时序+光谱特征+纹理特征的多特征植被分类总体精度达87.64%,Kappa系数为0.85,分别比最大似然法和结合NDVI时序+光谱特征的分类总体精度提高了15.73%和14.61%,Kappa系数提高了0.20和0.18。其中常绿针叶林和耕地的分类结果与实地调查情况高度一致,分类精度分别达到95.65%和92.31%。从而得出:①基于多特征的分类方法有助于提高分类精度;②NDVI时序特征对于植被的区分具有很大帮助;③采用分层分类的思想,首先将研究区内的植被提取出来,可以排除非植被因素的干扰,有效提高植被类型的分类精度。     

多源遥感数据协同的景洪橡胶林叶面积指数光饱和特征研究

本研究以云南省景洪市机载激光雷达飞行范围内的热带橡胶林为研究对象,基于LiDAR和Landsat 8 OLI数据,利用机载LiDAR点云数据提取地面LAI,借助地统计学中的半方差函数,对叶面积指数各原始波段光谱饱和特性进行分析。结果表明:近红外波段的反射率随着叶面积指数的增大而增大进而达到饱和,其余波段反射率随着叶面积指数的增大而减小进而达到饱和;在可见光范围内叶面积指数饱和值随着波长的增加而增加;在近红外和短波红外波段叶面积指数饱和值随着波长的增加而减小,结果虽然呈现出一定的规律性,但是差异并不是很明显。Landsat 8 OLI的1～7波段的饱和值分别为5.08、5.19、5.22、5.42、7.51、5.62、5.62,最大值为近红外波段,饱和值为7.51,最小值为海岸波段,饱和值为5.08,除近红外波段饱和值较大之外,其余波段的饱和值均介于5～6之间。     

基于TM数据提取竹林遥感信息的方法

利用LandSat5-TM对竹林遥感信息提取方法进行了研究:将归一化植被指数NDVI、结构效应指数CVI、综合效应指数MVI以及主成分变换的前3个分量PCA1、PCA2、PCA3与TM数据的6个波段(除第六波段)合成一个具有12波段的新数据;在最佳波段组合的基础上,结合地形图、土地利用图和野外调查数据,采用光谱特征模型、支持向量机、光谱角填图以及最大似然法对竹林信息进行了提取。研究表明:叶冠结构指数、综合指数、主成分变换等新波段对竹林信息提取很有帮助;与支持向量机、光谱角填图和最大似然法3种监督分类方法相比,基于光谱特征模型的竹林遥感信息提取方法具有一定的适应性,在保证竹林分类精度的同时,其他植被类型的分类精度也能得到满意的结果。     

基于Sentinel-2A影像的矿区土地利用信息提取方法

为研究中高分辨率遥感影像大范围精确提取矿区土地利用信息的技术方法,选取山东省兖州市兴隆庄煤矿作为研究区,针对遥感影像的光谱特征,采用监督分类和归一化指数计算相结合的方式进行矿区土地利用信息提取试验。结果表明,选择融合后Sentinel-2A卫星影像的四个高分辨率波段可应用于土地利用的精确识别;根据地物光谱特征,最大似然监督分类法提取建设用地、裸地效果较好,可作为精确提取两种地类的方法;结合归一化植被指数运算和归一化水体指数运算提取植被、水体信息可明显提高总体分类精度,提取精度可达93.54%,进而可利用该分类结果精确高效地识别和测算矿区土地利用类型及其分布特征,为矿区土地整治、村庄搬迁等提供依据。     

基于NDVI分割与面向对象的东洞庭湖湿地植被信息提取技术

针对东洞庭湖湿地植被的分布现状,为提高湿地植被信息提取的精度和效率,应用高分辨率的SPOT-5影像数据,在完成图像预处理的基础上,将NDVI应用到多尺度分割中,结合基于隶属度函数和阈值的面向对象的分类方法对东洞庭湖湿地植被信息进行提取;与此同时,以相同分类方法对未辅以NDVI分割的图像进行植被提取,并与最大似然监督分类法提取的结果进行对比.结果显示,辅以NDVI分割的面向对象信息提取的总分类精度达到了87.69％,Kappa系数达到0.86;未辅以NDVI的总分类精度为82.69％,Kappa系数为0.80;最大似然监督分类总分类精度71.92％,Kappa系数0.67;其总分类精度分别提高了5.00％、15.77％,Kappa系数分别提高了0.06、0.19.可见,该方法可以有效提高湿地植被的提取精度,为湿地植被资源进一步的监测和保护奠定了基础.     

潮滩植被调查IKONOS影像融合方法

像素级融合应用广泛,但不同的融合数据、应用对象不同的融合方法融合效果不同.以IKONOS影像为数据源,以潮滩植被分类为应用对象,采用HIS变换、Pan Sharp、主成分、葛兰-斯密特、小波变换等方法进行数据融合.通过主观、客观多方面评价融合效果.结果表明,在潮滩植被分类中,小波融合方法是权衡IKONOS低空间分辨率光谱信息和高空间分辨率空间信息的最佳方法.     

面向对象影像分类与提取法在农作物遥感解译中的应用

根据Landsat8遥感数据,利用eCognition软件,以黄淮海平原饶阳县某地区为试验区,通过对分割参数的定量试验,确定了地物对象的最佳分割尺度;在此基础上分析植被、非植被的典型特征,采用面向对象方法研究植被的信息提取,并对提取结果进行了精度评价。试验结果表明:面向对象影像分类方法能极大地提高分类精度,并实现了植被信息的准确提取,为我国主要粮食基地农作物遥感调查与监测提供了技术支撑。     

应用可见光遥感影像的林区植被分割方法

为快速准确提取可见光遥感图像中的林区植被,降低林区复杂地物与不均匀的光照对提取效果的影响。采用无人机获取的林区可见光遥感图像,利用ArcGIS软件根据植被与裸地、道路以及光照均匀程度的不同占比进行裁剪,获得5个试验样区,分别利用多尺度分割、光谱差异分割和多尺度结合光谱差异分割方法对样区影像进行分割,应用最近邻分类方法分类并分析3种分割方法对分类精度的影响。研究结果表明：基于多尺度分割的分类精度整体优于光谱差异分割和多尺度结合光谱差异分割,植被分类总体精度分别为90.0%、93.0%、92.0%、89.0%、94.0%,Kappa系数分别为0.801、0.855、0.839、0.781、0.880。使用多尺度分割在林区植被提取时受环境影响小,可以有效提取林区植被信息。     

基于CART决策树的自然保护区植被类型分布研究

目的针对保护区监测需求，充分发挥GF-1 WFV影像的宽幅特点和面向对象、机器学习算法在遥感影像分类中的优势，提高保护区植被类型遥感监测的精度，为保护区管理决策提供依据。方法以甘肃省白水江国家级自然保护区为研究区，主要数据源包括GF-1 WFV多光谱数据、Landsat-8 OLI遥感数据、DEM数据、野外调查数据等。首先，对GF-1 WFV数据进行多尺度分割，将研究区划分为诸多区域性的分割对象；然后，以分割对象为基本单元，研究光谱特征、几何特征、纹理特征不同组合情况下，基于CART决策树分类的结果；最后，利用训练样本建立基于TTA的精度检验，并基于混淆矩阵对分类结果进行分析。结果在多尺度分割过程中，形状因子、紧致度分别设置为0.2和0.5时地物边界显示较好；当形状因子和紧致度固定时，研究区最佳分割尺度为40。精度检验结果表明，基于CART决策树的保护区植被类型分类结果整体精度均在83%以上，Kappa系数在0.80以上，优于最邻近分类法和支持向量机分类算法，其中基于光谱特征、几何特征、纹理特征的CART决策树分类结果精度最高，总体精度为85.18%，Kappa系数为0.832 2，优于光谱特征分类、光谱特征结合几何特征分类的方法。结论基于CART决策树算法和面向对象方法的GF-1遥感影像分类方法适用于保护区植被类型分布研究，可有效辅助保护区监测工作。      

新疆军塘湖流域融雪期不同积雪及雪被地物光谱反射率特征分析

用野外光谱仪测量了融雪期天山北坡军塘湖流域典型实验场的不同积雪及雪被地物的光谱,并对测得的光谱数据进行分析,结果表明,对于纯积雪光谱,在可见光波段有较高反射率,近红外波段范围内在1 100、1 300及2 260 nm附近出现反射波峰。与新雪相比,融化的积雪的反射率峰值在可见光波段和近红外波段内(2 100~2 400 nm)有明显的衰退,而雪被地物(包括覆有积雪的植被和有积雪背景的植被、土壤等)反射曲线均相对较低。对积雪/植被的混合像元光谱特征分析表明,雪被地物的光谱反射率曲线在可见光波段呈上升趋势,这是由于积雪背景的影响。最后,根据积雪、植被、土壤和积雪/植被混合像元的光谱特征建立混合光谱拟合方程,结果表明,模拟的光谱曲线与实测值有很好的相关性,其相关系数为0.927 6。     

NDVI-Based Lacunarity Texture for Improving Identification of Torreya Using Object-Oriented Method

Normalized Difference Vegetation Index (NDVI) is a very useful feature for differentiating vegetation and non-vegetation in remote sensed imagery. In the light of the function of NDVI and the spatial patterns of the vegetation landscapes, we proposed the lacunarity texture derived from NDVI to characterize the spatial patterns of vegetation landscapes concerning the “gappiness” or “emptiness” characteristics. The NDVI-based lacunarity texture was incorporated into object-oriented classification for improving the identification of vegetation categories, especially Torreya which was the targeted tree species in the present research. A three-level hierarchical network of image objects was defined and the proposed texture was integrated as potential sources of information in the rules base. A knowledge base of rules created by classifier C5.0 indicated that the texture could potentially be applied in object-oriented classification. It was found that the addition of such texture improved the identification of every vegetation category. The results demonstrated that the texture could characterize the spatial patterns of vegetation structures, which could be a promising approach for vegetation identification.     

利用多时相特征的落叶松人工林分类

  目的  基于多时相遥感影像研究落叶松Larix gmelini人工林季相特性，采用多种分类方法提取落叶松人工林空间分布，以期得到适用落叶松人工林提取的手段和方法。  方法  利用多时相Landsat 8影像，在分析落叶松人工林季相和物候特性的基础上，综合森林资源二类调查成果和样地数据，分别采用最大似然法、支持向量机法、光谱角法和k最近邻法提取研究区的落叶松人工林信息，并进行精度验证。  结果  落叶松人工林具有明显的植被光谱特征和季相特性，在近红外波段各树种类别光谱差异最明显，秋季影像对落叶松人工林信息提取效果较好。利用多时相数据对落叶松人工林信息提取精度明显优于单时相数据的提取精度，多时相Landsat 8影像能使落叶松人工林分类精度达86%以上，其中光谱角法最好，精度为88.346 3%。  结论  利用多时相特征遥感影像进行落叶松人工林信息提取研究，有着一定的可行性和适用性，研究结果对大面积获取落叶松人工林的空间位置分布提取具有一定的参考价值。     

基于面向对象及光谱特征的植被信息提取与分析

面向对象分类方法是实现精确详细提取遥感信息的新方法.以2010年TM影像作为基础数据,采用面向对象方法着重提取了西辽河流域平原的植被信息(耕地、林地、中生偏旱和中生偏湿草).通过对不同地物的光谱和空间信息(位置、形状)进行比较分析,建立适当的隶属度函数和阈值范围,在草地的分类规则中,参考野外采集的草地植被光谱信息,辅助草地属性特征选择.最后构建分类决策树,完成自动分类,分类总体精度达到82.13％.在分类结果的基础上,讨论了植被分布特点,对不同类型的植被面积、不同区县植被面积以及植被与一级河流关系三方面进行分析.结果显示:研究区植被以林地和耕地为主,分别占总面积的38.9％和23.3％;耕地、林地、中生偏湿草地多分布于河流中下游区县,受人为因素影响较大的林地、耕地主要集中在科尔沁左翼中旗和科尔沁左翼后旗;林地、中生偏湿草较集中分布在一级河流的10km缓冲区内,耕地主要集中在5km缓冲区内,中生偏旱草与一级河流的关系不显著.     

基于水稻特征波段的决策树分类研究

以滁州市为例,结合水稻物候的特征波段,选用反映水稻物候期时相的TM数据,并基于多特征波段,构建CART决策树分类提取水稻种植面积。结果表明,植被指数、湿度因子、绿度因子、纹理特征等多特征参与CART决策树分类能够提高总体精度。基于光谱信息、植被指数和纹理特征的决策树分类的总精度比以最大似然法进行的监督分类方法提高了6.942 1百分点,Kappa系数提高了0.110 4。合理选用作物物候期数据及其遥感影像的特征波段能够有效降低分类误差,为地形复杂地区获取作物种植面积提新的方法。     

QUICKBIRD影像在城市绿地提取中的应用——以石家庄市为例

以石家庄市为例,重点讨论了基于QUICKBIRD影像的城市绿地信息分级分类提取方法,通过将QUICKBIRD遥感图像进行波段组合、对比度拉伸、几何纠正后将其多光谱数据合成,根据各类地物的不同光谱特征,采取相应的方法提取出各层信息。在此过程中,仔细分析地物间的光谱差异,非线性增强阴影区绿地NDVI值,利用光谱差异分层提取、剔除信息。分级分类法充分考虑各类目标的不同特点,避免了通常单一分类方法中仅利用光谱特征所造成的地物混分现象。     

基于无人机高光谱不同高度的地物快速识别研究

[目的]探究不同高度下地物的光谱特征变化以及不同时期、不同高度下地物的有效快速识别方法。[方法]以2016年8月7日200 m高空高光谱影像和2016年9月25日100、200、300 m高空高光谱影像共4景影像为研究对象,研究不同高度下地物的高光谱特征变化以及不同时期、不同高度下地物的分类精度。[结果]不同高度下,植被的光谱反射率差异显著,随着高度的升高,植被特有的特征如"绿峰"降低、"红谷"升高、"红边位置"出现"红移",在近红外范围内,光谱反射率降低;综合考虑人工参与程度、处理时间和分类精度等方面,基于ISODATA法可实现不同时期、不同高度下地物的快速识别研究。[结论]该研究结果为利用无人机高光谱遥感在其他领域的应用奠定了基础。     

城乡一体化土地数据库坐标系统探讨

地理信息世界存在地理空间、定位空间、数学空间等3大空间,且这3大空间存在着一一对应的关系。该研究在探讨地方独立坐标系统建立方法和特征的基础上,提出了根据地理空间及其对应的定位空间将数学空间进行分区的设想,从而将农村和城镇的土地信息表达到一个数学空间,实现了将一个区域内的土地信息完整、连续地管理和表达,为城乡一体化地籍信息系统的建设提供了有益的参考。