基于时序光谱特征匹配的中分辨率遥感橡胶林提取

纹理与物候是橡胶林区别于天然林及其他地类的有效诊断特征。对多时序中分辨率遥感影像合成的多谱影像提取出橡胶林端元光谱,通过光谱角及光谱信息散度计算像元时序光谱与橡胶林端元时序光谱间的匹配度,最后通过匹配度阈值的调整提取出橡胶林信息。实验结果表明,采用时序光谱特征匹配法能够有效地提取出中分辨率遥感影像中的橡胶林信息,精度在93%以上,且光谱信息散度较光谱角匹配能取得更高的精度。     

植被重金属污染检测模型研究

利用高光谱遥感技术代替传统方法检测重金属污染,具有效率高、费用低、检测范围广等优点.但是高光谱影像的空间分辨率较低,为了提高精度需要提取影像的端元.鉴于纯净像元指数（Pixel Purity Index,PPI）法耗时长的缺点,提出一种基于高斯分布的波谱曲线概率法用于高光谱影像端元提取,并结合重金属胁迫下植被波谱响应变化建立了高光谱遥感影像的植被重金属污染检测模型.经过试验研究及分析,发现波谱曲线概率法端元提取的效果和精度与PPI相近,但是时间消耗明显减少.因此,建立的植被重金属污染检测模型可以用于高光谱遥感图像,具有一定的价值.     

基于面向对象的多端元光谱混合分析方法

为了充分利用中等分辨率遥感影像的空间、纹理和光谱信息,解决影像中存在的大量混合像元问题,提高多端元光谱混合分析方法的效率,本文提出了基于面向对象的多端元光谱混合分析方法。首先利用面向对象的分析方法对研究区遥感影像进行分类,得到分类结果图;然后对分类结果图中包含多种土地覆盖类型的对象进行多端元光谱混合分析,获得各土地覆盖类别的丰度图及分解残差图;最后对基于面向对象的多端元光谱混合分析结果与多端元光谱混合分析结果进行对比分析。结果表明,基于面向对象的多端元光谱混合分析方法能够得到比较连续且和实际地物分布较为吻合的分析结果,其分解精度和效率优于多端元光谱混合分析方法。该方法可更有效地提取地表覆盖信息,为研究区域性生态环境变化、模拟分析提供了有效的信息提取方法。     

结合纹理信息Hyperion高光谱影像分类

高光谱遥感光谱特征明显,单纯利用其光谱优势难以达到影像分类精度要求,特别是区分植被精细类别。为了进一步提高Hyperion高光谱影像分类精度,研究加入包含区域亮度变化及结构特征的纹理信息,试图提高分类精度。以杭州市余杭区百丈镇为试验区,首先提取研究区道路、建筑物、农田、毛竹Phyllostachysedulis林、马尾松Pinusmassoniana林和栎类Quercus等7种类型的端元光谱,然后对端元进行线性光谱分离,利用二阶概率矩阵对线性光谱分离出的8个波段提取纹理特征,最终结合线性分离后的端元光谱实现分类。结果表明：纹理信息融入后分类结果较单源信息光谱角制图和单源信息支持向量机方法有明显的改善,建筑物精度分别提高了34．13％和17．16％,农田提高了19．71％和9．24％,马尾松则改善了27．09％和5．42％,栎类精度提高了近3．00％和10．00％,且一定程度上避免了椒盐效应。采用光谱与纹理信息结合的方法对Hyperion高光谱影像分类是可行的。分类过程中端元的提取、纹理分析时特征向量的组合及纹理移动窗口大小的选择对分类结果起重要的作用。图6表1参19     

基于多因子对象的高空间分辨率遥感影像道路提取

利用面向对象思想,综合应用光谱值、光滑度、紧凑度及长宽比等因子,分割道路对象,构建规则知识库,探讨一种基于多因子对象的高空间分辨率遥感影像道路提取方法,并以厦门市局部区域的QuickBird影像为例进行实证.结果表明：影像分割尺度为75时,道路对象被较完整分割;与传统基于单个像元光谱信息的监督分类法相比,该方法的提取精度较高.     

遥感在作物分类中的应用

在提取作物种植分类信息方面,多时相和多光谱特征信息综合应用十分重要。环境与灾害监测预报小卫星影像具有较高的时间、空间分辨率,采用时间序列分析的方法提取作物种植分类信息优势显著。本研究以宁夏平罗地区作物为研究对象,利用HJ-CCD数据提取主要农作物分类信息,采用非监督分类、最大似然分类、决策树分类3种算法挖掘数据。研究表明,通过构建的时间序列HJ卫星遥感影像,结合作物的光谱和典型植被指数时序变化特征,能够有效进行农作物分类。     

基于高光谱遥感的农作物分类研究进展

【目的】农作物类型识别是农作物面积、长势监测与产量预测的重要前提。及时、准确地获取农作物类型、空间分布以及种植面积对制定农业政策、促进社会经济发展和保障国家粮食安全具有重要意义。近年来,高光谱遥感凭借光谱分辨率高、光谱信息丰富等优点,已广泛应用于农作物制图中。【方法】文章归纳了高光谱遥感应用于农作物分类的研究进展,总结了国内外农作物分类常用的高光谱数据源,并分析了各种数据源的适用范围。梳理了农作物高光谱遥感分类方法,讨论了各种分类方法的优缺点。【结果】现有农作物高光谱遥感分类研究存在一些不足:(1)机载高光谱影像光谱分辨率高,但影像监测面积小,不适合大区域农作物面积提取研究;(2)星载高光谱影像监测面积较大,但空间分辨率较低,某些农作物面积提取实际应用中精度较低;(3)由于缺乏对农作物高光谱特征的研究,导致分类算法机理性不足,普适性较差。【结论】农作物高光谱遥感分类未来研究方向是:(1)丰富高光谱遥感监测的农作物类型;(2)提高高光谱影像的空间分辨率,实现农作物种植结构复杂、地块破碎地区的农作物分类研究;(3)进一步研究利用高光谱遥感进行农作物分类的机理和多源数据融合的方法。     

光谱与纹理信息结合的黄河三角洲土壤盐渍化信息提取——以垦利区为例

土壤盐渍化是制约黄河三角洲农业发展的关键问题，及时准确地掌握土壤盐渍化信息对土地资源保护和开发利用具有积极意义。本研究以黄河三角洲核心区域垦利区2019年4月17日的Sentinel-2遥感影像为数据源，在ENVI和e Cognition软件支持下，利用灰度共生矩阵法提取遥感影像的二阶矩、对比度、熵、相关性等纹理特征信息，结合归一化植被指数（NDVI）、盐分指数（SI）等光谱特征信息，通过预设分类规则实现对黄河三角洲垦利区的盐渍土分类。结果表明，加入二阶矩、对比度、熵、相关性4个纹理特征统计量，再结合光谱信息对垦利区盐渍土进行分类，总体分类精度为92.4%，Kappa系数为0.89，相较于仅利用光谱信息的分类方法，总分类精度提高了10.5个百分点；各分类类别的生产者精度与使用者精度较仅依靠光谱信息分类的分类结果均明显提高，其中中度盐渍土的分类效果最好，其生产者精度与使用者精度最高，分别为95.0%、95.9%。本研究提出利用遥感光谱结合纹理特征实现滨海区盐渍土信息的提取方法，提高了盐渍土分类精度，为准确掌握研究区土壤盐渍化信息提供了新途径。     

基于ETM~+的遥感影像信息提取研究

以沈阳市苏家屯区为试验区,对ETM+图像的光谱信息和纹理信息进行综合分析,以达到提高影像分类精度的目的.利用光谱信息提取水体、植被;采用基于灰度共生矩阵的纹理量的分类法,通过TM5波段提取灰度共生矩阵和灰度联合矩阵,计算并提取最能反映类别差异的纹理量值将光谱信息混淆的水田、旱田、居民地用分离,得到最终的分类结果.结果表明:将纹理特征应用于图像分类中可区分光谱混淆的地类,光谱与纹理特征结合得到的分类精度要高于单纯光谱的分类精度.     

基于国产高时空分辨率卫星影像的作物种植信息提取研究

在面向对象技术支持下,首先利用高空间分辨率ZY-3遥感影像提取农田地块专题信息;然后在地块边界控制下以地块对象为单元融入HJ-1及GF-1中分传感器的多时相光谱信息,获取作物生长关键期内的时间序列光谱特征;最后,结合不同作物的物候差异性规律构建作物种植信息提取模型,对甘蔗和水稻进行识别。结果表明,所有地类的总体分类精度为86.80%,Kappa系数为0.84,总体分类效果良好。甘蔗的制图精度和用户精度分别达到92.11%和90.91%,水稻的制图精度和用户精度分别达到88.89%和90.91%。说明协同利用国产卫星的高空间和高时间分辨率影像数据提取作物种植信息确实可行,可作为作物种植面积和种植结构的精细化、快速调查方法。