基于遥感影像的大区域植被类型样本快速提取方法研究

[目的] 利用遥感影像的宏观性,基于植被分类资料数据,依据实验区域遥感影像及衍生影像本身特点,实现大区域样本快速提取。[方法] 实验参考1：100万植被图、WESTDC中国土地覆盖图,结合实验区域2001年MODIS时序NDVI影像的非监督分类结果,利用矢、栅数据的空间特征,将实验影像非监督分类的类型信息关联为随机样点属性,依据该属性中包含的非监督分类类型数和各类型的样点比例,对比类别间样本可分离性指标、标准差变化,实现样本纯化。[结果] 纯化后的植被样本与WESTDC中植被空间分布基本一致,主要植被类型空间分布精确程度为84.82%。将纯化前后的样本输入最大似然分类器,总体分类精度提高了32.52%。[结论] 该采样方法适用于宏观大区域植被样本数据的快速提取。同时,节省了大区域植被类型调查消耗的人力物力资源和时间,提高了采样效率。     

基于证据理论组合多分类规则实现大区域植被遥感分类研究

[目的]利用遥感影像的时效性和宏观性特点,基于证据理论组合多分类规则的方法快速和高效地实现大区域植被遥感分类。[方法]首先,依据辨识框架的概念设计分类系统,并采用大区域样本快速采集方法提取训练样点;其次,将多个单分类规则得到的植被类型特征影像归一化处理为基本概率赋值作为表达对各类型信任程度的证据源数据,再将不同证据源的信任度信息依据证据理论组合;再次,将组合结果依据最大信任度原则确定植被类型;最后,在中国植被图与中国土地覆盖图的类型一致区域随机布点作为验证样本。[结果]各单分类器分类结果的总体精度范围为60%70%,两两规则组合分类结果的总体精度范围为70%80%,3个规则组合分类结果的总体精度达到80.84%。[结论]组合多分类规则的证据理论分类方法可以提高分类精度;参与组合的单分类器精度越高,相关证据源越多,组合分类结果精度越高。     

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。     

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%。     

基于3S技术的天保区植被变化监测方法研究

以甘肃省清水县天然林保护区植被时空变化为研究对象,以2期Landsat TM遥感影像为主要信息源,以植被面积和植被覆盖度为监测指标,采用最大似然方法进行监督分类获得土地利用分类图和植被面积,采用NDVI像元二分法获得植被覆盖度图。利用空间分析和统计分析方法将土地利用分类图和植被覆盖度图进行空间叠加分析,揭示研究区1996—2004年间土地利用和植被覆盖度的数量变化和空间变化特征,并对天保区与非天保区以及不同天保区内部的差异进行对比分析。研究结果表明：1996年—2004年间甘肃省清水县天然林保护区森林面积和植被覆盖度得到了明显改善,且天保区优于非天保区; 不同类型天保区植被变化状况有差异,3种类型天然林保护区中以重点生态保护区植被改善状况最为显著。     

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CART决策树方法的遥感影像分类

以云南省香格里拉县为研究区域,构建一种基于CART遥感影像的决策树分类方法.对遥感影像采用主成分提取、植被信息提取、纹理信息提取等方法,并结合试验区主要地物类型训练样本,采用Landsat 5 TM影像数据、DEM数据以及遥感处理软件ENVI为平台进行影像分类,并将结果与最大似然分类结果作比较.结果表明,基于CART遥感影像决策树分类精度优于最大似然分类,有较好的分类效果.     

广州市主城区绿地信息提取及其动态变化分析

基于广州市主城区2004年、2008年及2012年SP5影像数据,应用遥感分类技术中的监督分类、非监督分类以及先提取植被技术再非监督分类的方法提取广州市主城区的绿地信息,将提取的结果与森林资源二类调查档案更新资料进行比较,找出最优的分类提取方法;应用最优的绿地信息提取方法,提取广州市主城区2004年、2008年及2012年绿地信息并分析其动态变化过程。研究结果表明:1)通过先提取研究区影像植被指数然后作非监督分类的方法可以快速而准确地提取出城市绿地信息,这是一种可行的城市绿地监测手段。2)从2004—2012年,广州市主城区绿地面积明显减少,特别是在2004—2008年减幅较大,2008—2012年趋于平缓。     

Landsat8时间序列影像支持下的农田防护林提取方法研究

【目的】农田防护林空间分布是三北防护林生态工程监测的重要内容之一。传统的人工调查方式获取农田防护林费时耗力,效率较低,遥感技术可以弥补传统人工调查的不足。现有农田防护林空间分布研究中,基于单期高分辨率遥感影像可以较好提取植被信息,但是不能很好的解决影像中一些地类存在的同谱异物和同物异谱现象。利用中等分辨率遥感影像进行农田防护林信息提取也仅限于利用光谱信息、形状指数等进行决策树分类,且精度受限。鉴于此,依托中低分辨率遥感影像的农田防护林提取方法有待研究。【方法】选择甘肃省张掖市甘州区为研究区,选取2017年4个季度9期Landsat8 OLI时间序列数据为农田防护林信息提取的数据源,在进行辐射定标和大气校正的基础上,基于分层分类的思想,融入植被物候特征、水体和植被指数,利用时间序列遥感影像以及多特征分类指标,逐步提取并掩膜研究区内其他地物,最终实现农田防护林的提取。利用野外样点调查结果和甘州区土地利用数据库对信息提取结果进行精度评价。【结果】该方法分类总体精度为85.93%,kappa系数为0.79,其中野外调查记录的33个农田防护林样点中29个被正确提取,精度达到87.8%。【结论】时间序列遥感数据能有效提取植被的物候参数。基于多时序、多特征分层分类方法能有效提取农田防护林的空间分布信息,降低了同谱异物和同物异谱现象对农田防护林信息提取的干扰。说明利用时间序列遥感影像结合多种特征分类指标的分层分类方法开展甘州区的农田防护林提取是可行的。     

小尺度样方植被覆盖度信息提取方法的探索

笔者在传统照像法的基础上,探索性地用数码相机在小尺度样方内拍摄不同分辨率的数码像片,用图像处理软件Photoshop提取植被覆盖度信息,在遥感软件ENVI下用非监督分类的方法对提取结果进行再分类。同时,在原像片的基础上构建验证样本,并对植被覆盖度提取精度进行了评价。结果表明,Photoshop提取不同分辨率的植被覆盖度信息精度较高,总体精度80％以上,Kappa系数在0．6以上,利用Photoshop软件对植被覆盖度信息提取是一种可行的方法。     

面向对象CART决策树方法的湿地遥感分类

[目的]以北京地区为例,对大区域多类型湿地信息提取方法进行研究。[方法]采用面向对象多尺度分割算法及光谱差异分割算法分割Landsat8 OLI遥感影像,辅助Google Earth高清影像及2015年人工解译结果,使用分层抽样法随机产生训练样本与验证样本;综合运用光谱、形状、纹理特征及拓扑关系,构建CART决策树模型提取研究区湿地信息;与最大似然法、面向对象最邻近方法的分类结果进行对比。[结果]利用面向对象CART决策树方法,分类结果的总精度为88.05%,Kappa系数为0.844,相较于面向对象最邻近方法,总体精度、Kappa系数相差不大,但针对部分湿地类型,如河流、沼泽湿地,精度提高了10%～20%;比使用最大似然分类法的总精度高近30%,Kappa系数提高0.355。[结论]对于湿地分布广泛、类型及数量较多的地区,面向对象CART决策树方法分类结果较好,是一种快速、有效的分类方法。     

浅析城市植被信息遥感监测在实践中的应用

城市植被(城市绿地),不仅是城市的净化器,具有生态功能,同时也有着重要的社会功能。随着经济增长和社会发展,城市植被的规划、建设、评价、监测和管理越来越受到重视。利用遥感技术获取植被信息成为快速、客观、准确的城市生态监测、评价、规划和管理的重要手段。以样本城市遥感数字图像分类过程着手,应用NDVI分类法、监督分类法、非监督分类法、NDVI与波段组合法来提取植被信息,并做了植被的变化检测。通过实际比对,得出了具有应用意义的分析结论,对城市植被信息遥感监测分析在实践中的应用提供了有力支撑。     

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。     

基于 SAM 算法的遥感影像湿地植被分类

以黑龙江省扎龙自然湿地保护区高光谱遥感影像为试验区域,通过对野外试验调查数据和预处理后的高光谱遥感影像进行前期处理,再采用光谱角填图(SAM)图像分类方法进行植被分类实验得出结果,并与最大似然法和支持向量机(SVM)分类方法结果进行对比研究分析,通过实验结果得出误差矩阵和精度评价分析,得到最大似然法的总体分类精度和以及Kappa系数是最低的,而光谱角填图分类方法的总体精度为89.87%,Kappa系数为0.880 7,分类结果要好于其他两种分类方法,其对高光谱遥感影像植被分类实验更具有准确性和实用性。     

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。     

基于植被丰度分析的城市植被胁迫遥感监测

以混合像元分解提取植被丰度作为主要手段,研究基于广州市区东边建成区的Hyperion高光谱遥感影像,以遥感影像预处理—特征选择—SMACC混合像元分解的步骤提取出植被丰度图,再进行PPI迭代运算纯化,提取出7种表征植被健康状况差异端元的PPI影像。经实地考察植被胁迫位置的周边人类活动的情况,结合植物生理学和光谱学分析反射率波谱曲线的变化,解释植物受到胁迫的原因,以期为城市绿地调查管理提供参考。     

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。     

基于MERSI数据的山西森林覆盖监测

利用FY3-3A/MERSI可见光和近红外波段数据合成得到假彩色卫星数字图像,结合区域土地利用、植被类型及森林资源分布等数字化图件,在对图像进行目视解译及多波段数据非监督分类基础上,将地物覆盖划分为林地、冬小麦、水体和裸地4种类型;采用4种监督分类方法(最大似然分类法、平行算法、最小距离法和马氏距离法)进行地物分类;在分析分类结果可行基础上,依据区域森林覆盖数字化图件对林地分类结果进行精度评估,确定研究区域林地空间分布结果.结果表明:4种监督分类方法中,最大似然分类法分类结果的精度最高,达到85%,其次是最小距离和马氏距离法,平行算法的结果较差.可见,利用MERSI数据采用监督分类和非监督分类相结合的方法提取的山西省森林资源分布结果精度较高,符合实际情况,可作为区域宏观森林资源分布监测的有效手段.     

基于高空间分辨率遥感数据建立典型地物分类数据库

典型地物数据库是通过计算机自动分类来识别地物信息的。然而传统的以中低空间分辨率遥感数据建立的典型地物数据库由于同物异谱,同谱异物,单一指标信息等原因无法很好地区分相近目标。因此本文利用WorldView数据为典型地物影像建立数据库,可以加大遥感影像中的信息量,同时拟采用非监督分类、聚类分析的方法,以及多种指标信息对地物进行分类(如纹理信息、光谱信息等),可显著地提高识别精度,有助于更加快速、精确的识别地物类型,从而实现对地物的分类,增强遥感图像的识别,提高最终的地物分类精度以及此实验的分类效率与工作效率的提高,有着十分重要的现实意义。