基于遥感的黄土高原天然林林地信息提取及计算机分类研究

以黄土高原天然林为研究对象,以TM(专题制图仪)影像为主要数据源,结合森林资源二类调查数据,对该地区天然林林地类型信息的提取方法进行了研究。首先对TM影像的6个波段(除热红外波段6)进行主成分变换,以减小特征间的相关性,并将变换后影像的第一、第二和第三主成分分量进行RGB(红、绿、蓝通道)合成,这样得到的影像可以更好地表达地面信息;然后参考先验知识纯化样本,以建立比较精确的分类器,在此基础上进行计算机监督分类,获取了研究区域各地类的面积。结果表明,最终分类精度可以达到92%,K appa值达到0.906。说明在该地区天然林区林地信息的提取中,利用TM作为数据源,经过图像处理和监督分类能够达到较高的精度,可以满足林业生产的要求。     

基于Google Earth的ETM~+遥感图像自动分类方法

为了快速准确识别地物、设计野外路线并减少踏勘后对前期解译工作的修改,本文参考Google Earth软件提供的高分辨率遥感图像,利用ETM+解译生成训练样本,然后采用最大似然监督分类算法进行ETM+图像分类。结果表明:与非监督分类和非监督-监督混合分类方法相比,基于Google Earth高分辨率遥感图像的ETM最大似然监督分类方法效果好、精度高,是一种经济、高效的技术手段,可用于初步识别地物分布情况、设计野外路线和勘查点等工作,对野外工作具有一定的指导意义;不同融合方式、不同波段组合的图像分类结果明显不同,该区域ETM+图像R(5)G(4)B(3)波段组合、PCA融合图像的分类总精度最好。     

基于无人机多光谱遥感图像的玉米田间杂草识别

【目的】为了精确高效识别玉米田间杂草,减少除草剂施用,提高玉米种植管理精准性。【方法】通过六旋翼无人机搭载多光谱相机获取玉米田块多光谱图像。为分离图像中植被与非植被像元,计算了7种植被指数,采用最大类间方差法提取植被指数图像中非植被区域,制作掩膜文件并对多光谱图像掩膜。通过主成分分析对多光谱图像进行变换,保留信息量最多的前3个主成分波段。将试验区域分为训练区域和验证区域,在训练区域中分别选取了675处玉米和525处杂草样本对监督分类模型进行训练,在验证区域选取了240处玉米样本及160处杂草样本评价模型分类精度。将7种植被指数、3个主成分波段的24个纹理特征及经过滤波的10个反射率,共计41项特征作为样本特征参数。利用支持向量机-特征递归消除算法（support vector machines-feature recursive elimination,SVM-RFE）和Relief算法从41项特征中各筛选14项特征构成特征子集,采用支持向量机、K-最近邻、Cart决策树、随机森林和人工神经网络对特征子集进行监督分类。【结果】支持向量机与随机森林对全部特征及2个特征子集分类效果较好,支持向量机总体精度为89.13%—91.94%,Kappa>0.79,随机森林总体精度为89.27%—90.95%,Kappa>0.79。【结论】SVM-RFE算法对数据降维效果优于Relief算法,支持向量机（SVM）模型对区域冠层尺度下玉米与杂草的分类效果最好。     

基于ERDAS的森林资源信息提取技术研究

以CBERSCCD影像为信息源,在ERDAS支持下进行监督分类,结合目视解译和实际地面调查进行解译精度分析。结果表明：研究区总的分类精度为73．75％,Kappa系数为0．66,其中主要研究对象荒漠灌木林地的分类精度为88．90％,达到分类精度要求,说明应用ERDAS中的监督分类模块对灌木林信息的提取是十分方便、快捷而又准确的。     

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ICA面向对象的耕地信息提取

对高分一号卫星影像的波段进行独立成分分析转换(ICA),分析耕地在转换后影像的波段特征、纹理特征以及空间特征,再使用面向对象的方法提取耕地。相对于主成分转换的面向对象分类后的精度,经过独立成分分析能够有效消除波段之间的二阶甚至是高阶相关,经其变换的各分量之间也能保持相互独立。主成分转换的面向对象整体精度为72.50%,κ系数是0.675 4。独立成分转换波段的面向对象提取耕地的方法整体精度达87.01%,κ系数是0.846 3。提取耕地的制图者精度平均达89.25%,用户精度平均达85.09%。说明将预处理的波段进行独立成分分析转换,能够更加有效地提取耕地类型,是一种有效、可行的提取方法。     

基于LANDSAT遥感影像的太原市土地利用分类

以LANDSAT遥感影像为数据源,经过波段选择、拼接裁剪和监督分类等步骤,将太原市土地利用类型分为林地、疏林地、旱地、城镇用地、工交用地和水体六类,并且达到一定的分类精度.在此基础上,指出太原市土地利用中存在的问题,并提出了调整对策.     

基于光谱技术的土壤快速分类方法研究

针对浙江省4种典型土壤,研究应用可见-近红外光谱、近红外光谱和中红外光谱3个波段范围进行土壤快速分类的方法.在获取光谱信息的基础上,采用不同光谱建模方法以提高检测精度,简化分析计算;并分别采用主成分分析结合人工神经网络(PCA-ANN/BP)、偏最小二乘法(PLS)和偏最小二乘法结合人工神经网络(PLS-ANN)3种方法进行建模.结果表明:中红外光谱波段对土壤分类的效果不理想,而可见-近红外光谱、近红外光谱波段均能较好地进行土壤分类;在可见-近红外波段,PLS-ANN模型对土壤的分类效果优于PCA-ANN/BP和PLS模型,为土壤快速准确分类提供了一种简便可行的方法.     

基于ETM影像的森林覆盖率统计分析——以林芝市巴宜区为例

以西藏自治区林芝市巴宜区2005年ETM遥感影像为基础,利用"3S"技术,借助于ERDAS 9.2和ArcGIS 10.5软件,结合野外调查研究,对研究区的森林覆盖率进行统计分析,并与该地区地貌类型图、土地利用类型图的分类结果进行比较分析。研究了ETM遥感影像应用于巴宜区森林覆盖统计监测的最佳波段组合和融合处理技术,采用监督分类的方法提取森林覆盖信息,并对分类结果与相应研究区的土地利用类型相比较。结果表明,监督分类校正结果显示2005年巴宜区的森林覆盖率约为42.61%,监督分类对林地统计结果与土地利用类型图统计结果相比较,两者仅相差3.83百分点,分类精度达89.27%。利用遥感技术及地理信息系技术对森林资源的统计分析,可为森林信息化建设提供技术支持。     

ASTER数据对雀儿山区土地覆盖分类的有效性评价

用ASTER卫星的可见光-近红外(VNIR)的3个波段、短波红外(SWIR)6个波段和热红外(TIR)的5个波段对四川西部雀儿山区土地利用覆盖进行分类,并结合地面实地调查数据对不同波段分类效果进行了数量精度分析和空间分布评价。研究结果表明,与地面实地调查的统计数据比较,用经过几何纠正后全部14个波段组合(方法1)的分类精度达83.9%以上;用波段1、2、3、4、6、9、10和13(方法2)的分类精度介于76.6%～92.6%;用波段1、3、6、8、12和14(方法3)的分类精度介于85.6%～97.5%;仅用可见光-近红外3个波段和波段4、6和9的短波红外波段组合(方法4)的分类效果极差。因此,在雀儿山这种相对高差极大的山区土地利用覆盖分类必须采用能灵敏探测地表温度差异的热红外波段数据。     

杨凌城市绿地信息及景观格局动态变化研究

以陕西省杨凌示范区为研究对象,基于Landsat5 TM和Landsat8 OLI遥感影像对该区2000、2010和2019年的3期数据采用最大似然法进行监督分类,并以分类结果为依据对该区各景观斑块类型、绿地分布信息进行动态研究分析。使用Fragstats4.2软件计算出杨凌示范区3期景观格局指数（香农多样性指数、香农均匀度指数、形状指数、聚集度指数、破碎度指数）。结果表明:1）最大似然分类法分类精度高,效果好,3期数据的总体分类精度均达到90%以上,满足进一步研究的需求;2）2000-2019年耕地面积逐年减少,绿地和建筑面积逐年增加,水体和裸地面积变化趋势平稳但总体有所减少;3）2000-2019年景观格局由单一趋于多样,由匀质趋于异质,由整体趋于破碎。杨凌示范区景观总体取得了优化,但问题仍然存在。该研究分析了杨凌区绿地信息及城市景观空间格局的动态演变情况及其驱动力,并提出发展对策。     

基于MODIS影像的决策树森林类型分类研究

基于MODIS 影像的多种特征信息,以吉林省汪清林业局为例,结合该地区的地形分布,在空间维上分析影像的纹理特征信息和地形指标信息,时间维上分析植被的生长规律和地表温度信息,统计分析植被的特征信息差异,利用决策树方法对该林区的森林类型进行分类,并对分类结果进行精度评价。结果表明,总体分类精度为87.80%,卡帕系数为0.851 0,其中,针叶林、阔叶林、混交林、和其他用地的分类精度均达到80%以上。在分类决策中,时间和空间上的多种数据特征信息的加入,可有效地提高植被类型的分类精度。该结果有助于更好的了解植被在时间和空间上的分布情况,为大区域尺度的森林动态信息监测提供更好的依据。     

基于IHS变换和Mean Shift算法的草地分类研究

为高效估算草地生物量,需要一种方法来提高草地分类精度和降低数据处理时间。该研究基于原始RGB图像采用IHS变换,进行绿度波段图像的融合,并对融合后的图像进行Mean Shift算法分类。结果表明,1）基于IHS图像的草地分类,在视觉上与实际地物更为吻合;2）与其他文献方法对比,本研究方法性能优越,精度达到95%以上;3）可以批量处理多张图像,提高了数据处理效率。     

结合地理信息的洞庭湖湿地分类方法研究

湿地遥感影像分类是遥感研究的一大难题。利用洞庭湖TM数据,并辅助地面GIS信息,通过专家分类知识库建立决策树分类方法,结合研究区的DEM进行洞庭湖湿地的影像分类,通过决策树层次实现了包括水体、泥沙滩地、防护林滩地、湖草、芦苇滩地和苔草滩地以及其他水体7种湿地类型的分类。其中,决策树分类总体精度80.29%,总体Kappa系数为0.883 9,分类精度相对于传统手段要高,证明基于该方法得到的数据准确度能够满足实际工作的需要;另外,基于知识分类的影像分类结果能够较好地解决一些错分的现象,针对湿地而言,混分现象最严重的泥滩地,在传统分类中大量地被分为了建筑用地或者裸地,同时草滩地与林地的混分在基于知识分类的影像中边界也较明显。相比传统分类方法,决策树分类以规则为基础,可以同时利用多个条件进行分类,减少了数据处理时间,同时还提高了分类精度,最终得到试验区较为可靠的遥感分类图像。     

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。     

基于纹理特征的土地利用分类研究

为了提高遥感影像分类精度,将影像中的纹理信息作为提取的重要特征,用基于灰度共生矩阵的纹理量的分类法和基于J5判据的最小距离分类法,计算并提取TM5波段最能反映类别差异的纹理特征及组合。以沈阳某一地区为试验区,对图像进行综合分析,试验结果显示:最优组合是直方图的均值m1、对比度CON和灰度共生矩阵的熵H、逆差矩HOM。将利用此组合的分类结果与监督分类结果进行对比,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,分类精度高于单纯光谱的分类精度。     

基于多时相影像植被指数变化特征的作物遥感分类

高分一号GF1/WFV遥感影像具有较高的时间和空间分辨率,利用多时相影像开展农作物分类调查具有明显优势。以安徽省颍上县为研究区域,利用2017年5月至9月共6景多时相GF-1/WFV卫星遥感影像数据对主要农作物的分类识别提取。首先,通过分析研究区主要农作物的典型植被指数NDVI、EVI和WDRVI时序变化特征,明析了不同作物在各时相对不同VI的响应特征;其次,基于作物在不同时相的敏感VI变化响应,构建了决策树分层分类模型,成功提取了研究区玉米、水稻、大豆和甘薯四种主要作物种植空间分布情况。结果表明:总体精度达到90.9%,Kappa系数为0.895。同时,采用最大似然法、支持向量机对研究区作物进行分类,通过分类效果对比发现,最大似然法最差,支持向量机次之,决策树分类方法最佳。研究表明:利用多时相时间序列的遥感影像数据,结合作物植被指数特征,采用决策树分类方法可以有效提高作物分类的精度。     

基于面向对象方法的IKONOS影像城市植被信息提取

根据城市植被在IKONOS影像上的光谱、纹理、几何和位置响应特征,采用面向对象的方法对城市植被进行分类.首先,利用NDVI和蓝波段光谱响应值的阈值将实验区分割为植被和非植被区,然后针对植被区利用区域增长算法进行二级分割,生成植被对象;根据植被在IKONOS上的响应特征,选择形状指数、亮度值、绿波段的最大差值、红波段的平均值、近红外波段的比率、近红外波段的方差和对象重心的位置,即横纵坐标以及Homogeneity指数等9个指标构建特征空间;在此基础上,利用最大似然法识别城市植被类型,并利用专家知识对分类结果进行再组合.研究表明,利用这种方法获得的城市植被信息总精度达到87.37%,Kappa系数达到0.8267.     

基于支持向量机的TM遥感影像土地利用/覆盖类型监测

基于TM遥感数据和林业二调数据,对云南省宜良县北古城镇进行土地监测和土地利用分类,利用ArcGIS和ENVI软件对原始影像数据进行裁剪,运用支持向量机(SVM)监督分类方法,将研究区的土地利用类型分为农地、建筑用地、水域、针叶林、裸地6个类别,并且达到一定的分类精度,以图像的形式直观地展示研究区的土地覆盖类型,并以林业二调数据为ROI(感兴趣区域)来验证分类精度。在此基础上,指出了研究区土地利用中存在的问题和生态结构的变化,并提出了调整对策。     

面向对象的土地利用遥感分类方法研究

以重庆市忠县为研究区,以LANDSAT-5 TM影像为数据源,利用TM及其衍生指数、DEM及其衍生数据,借助ENVI4.8、ArcGIS10.0以及eCognition软件,进行土地利用遥感信息提取方法研究,通过综合利用基于知识的决策树分类和基于样本的最近邻分类,对研究区进行土地利用遥感信息提取,并与监督分类和非监督分类方法相比进行精度评价。研究结果表明,与传统分类方法相比较,面向对象分类方法精度更高。