ETM+多光谱遥感影像彩色合成最佳波段选择研究--以顺德区土地遥感图制作为例

随着计算机和遥感技术的不断发展,遥感图像解译方法也不断发展,但目视判读仍然是遥感图像解译中最重要的一种方法.如何从ETM+多光谱影像中选择出3个最佳波段并彩色合成成为遥感图像处理是一个重要的研究课题.首先分析了ETM+多光谱影像的波段特征及常见的波段组合;然后综合运用单波段的亮度差、均值、标准差、信息熵等统计特征方法,波段间相关系数矩阵方法,最佳指数法,联合熵法,典型地物光谱特征曲线法相结合分析顺德区ETM+多光谱影像,并从中选择出最佳波段组合;最后反复测试了6种赋色方案,最终的试验结果表明:对于顺德区这种典型的珠江三角洲河口平原地区的土地,利用遥感制图,ETM+遥感影像的543(RGB)波段组合为最佳目视解译波段组合.     

应用Sentinel-2A卫星遥感影像估测森林蓄积量

为了探讨应用Sentinel-2A遥感影像进行森林蓄积量估测的可行性,以内蒙古自治区某林业局的一类清查样地数据、二类调查小班数据、数字高程模型(DEM)以及林地数据为数据源,以遥感影像的波段灰度信息、比值波段及地形信息为自变量,采用k-近邻法(k-NN)、稳健估计及偏最小二乘估计等方法,分林型构建研究区域的森林蓄积量估测模型,从林业局、林场及小班尺度进行估测精度评价.结果表明:k-NN方法在林业局、林场和小班等3个尺度中的估测精度分别达到了97％、93.2％和83.6％,均表现出良好的估测效果;稳健估计法在3个尺度中的估测精度分别为89.3％、72.4％、69.3％;偏最小二估计法在3个尺度中的估测精度分别为85.7％、75.8％、71.7％.k-NN方法估测效果明显优于稳健估计方和偏最小二估计法,因此,Sentinel-2A遥感影像能够有效应用于森林蓄积量估测.     

基于渐进DS证据理论的空气质量评价方法

[目的]科学地评价环境空气质量对大气污染防治具有重大的现实意义.环境空气质量的好坏是一个不确定性问题,常用的模糊综合评判法综合了多种大气污染物来评价空气质量,但评价结果往往低于我国空气质量指数(AQI)标准等级,弱化了多种污染物同时超标对空气质量的影响.DS证据理论在处理模糊或不确定等问题时具有很大优势,但是目前较少有...     

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。     

基于遥感数据的东平湖面积变化监测

本文以东平湖的1985、1990、1995、2002、2005、2009年的Landsat4-5卫星遥感数据为数据源,提出了波段加和法提取东平湖的水面面积。并与归一化差异水体指数(NDWI)法、改进的归一化差异水体指数(MNDWI)法和修订型水体指数(RNDWI)法计算结果进行比较,相对误差为0.68%～7.27%。波段加和法较上述的三种方法能够更加精确地提取狭窄水面,使小区域水体与其他地物的区分边界更加明显直观。同时,通过对该湖泊1985～2009年年际水面面积变化趋势分析表明,东平湖水面面积总体呈现缓慢的下降的趋势。     

基于遥感的水体信息提取技术研究进展

总结了遥感技术在水体信息提取方面的研究进展,并阐述了基于遥感的6类水体信息提取方法,包括:单波段阈值法、多波段谱间关系法、指数模型法、多光谱混合分析法、遥感影像分类法和混合像元分解法.在此基础上,指出了应用遥感技术提取水体信息尚待解决的关键问题,并提出了可能的解决途径.最后对水体遥感信息提取的发展趋势进行了展望.     

高光谱林业遥感分类研究进展

为了深入了解高光谱分类领域的研究现状,基于Web of Science数据库和CNKI数据库,检索了关于高光谱遥感分类的相关文献,并对文献的分布情况和研究方法等进行了归纳和分析.结果表明,关于高光谱分类的文献发布数量总体呈上升趋势,其中美国的文献发布量最多,热带森林类型受关注最多.采用最多的分类方法有最大似然法、支持向量机、随机森林、光谱角度制图和判别分析5种,5种方法各有优缺点,分类精度都较高,分类敏感波段大多在可见光、近红外和短波红外等波段.该研究可为高光谱林业遥感分类领域森林类型和分析方法的进一步研究提供参考.     

一年一季农作物遥感分类的时效性分析

【目的】基于遥感影像的作物分类研究是提取作物种植面积和长势分析及产量估测的基础,也是推动现代化农业快速发展的动力。研究结果可为农业等相关部门掌握农情,进行宏观调控提供依据。目前,农业遥感研究主要集中于中低分辨率遥感影像,影响植被信息提取的精度,应用高分辨率多时相遥感影像和选择最优分类方法可以提高植被信息提取精度。明确农作物遥感分类的时效性与最优分类方法,为快速、准确地获取作物空间分布数据和农情定量遥感监测提供依据。【方法】基于黑龙江省虎林市2014年5—10月覆盖完整生长期的20幅遥感影像,构建16 m分辨率NDVI时间序列曲线,建立决策树分类模型,通过分类影像进行系列阈值分割,并结合辅助背景数据及专家知识,成功提取虎林市土地利用覆被信息;利用20幅影像依次波段合成的方式进行作物分类,明确最优时相;将提取的耕地范围作为作物分类规则,并与未提取耕地范围的作物分类结果进行比较;同时通过最大似然法、马氏距离法、神经网络法、最小距离法、支持向量机、波谱角分类法、主成分分析法多种分类方法进行作物分类;利用农业保险投保地块数据进行精度验证。【结果】(1)7月初、7月末到8月初、9月末是研究区一年一季作物遥感分类的3个关键时相;(2)决策树分类方法在提取土地利用覆被信息的结果中精度最高,总体精度90.24%,Kappa系数0.87;(3)6月初与7月初2幅影像结合采用最大似然法对作物进行分类的总体精度高达94.01%,Kappa系数为0.79,6月初与7月初的影像结合,可以解决作物分类的时效性;(4)结合9月21日的影像,总体精度进一步提高,大豆分类精度明显提高,最终确定最大似然法为最优作物分类方法。【结论】通过遥感数据能实现在7月上旬对作物进行精准分类,拓展了遥感数据在农业领域的应用价值,对一年一季地区作物快速分类与农情定量遥感监测有重要意义。     

热红外遥感反演地表温度研究进展

介绍在遥感技术支持下用热红外波段反演地表温度的各种方法及其优缺点和适用情况;总结目前通道法反演地表温度的问题所在,引出其研究新方向:组分温度反演;最后,对热红外遥感反演地表温度作出总结和提出展望。     

联合散射与统计规律的遥感影像卷云自动校正

卷云广泛存在于大气中,严重阻碍光学遥感对地观测过程,降低了数据的精度与可用性.针对此问题,以卷云检测波段为参考,联合散射与统计规律,提出了一种卷云自动校正方法.方法首先利用散射规律推导出卷云检测波段与待校正波段间的定量关系;进一步地,以卷云检测波段为校正参考基准,联合线性波段统计规律,实现各待校正波段卷云强度的估计与去除.选择多光谱Landsat-8 OLI(Operational land imager)为试验数据对方法有效性和场景适应性进行测试,并进一步拓展至高光谱AVIRIS(Airborne visible infrared imaging spectrometer)和高分五号AHSI(Advanced hyperspectral imager)影像数据.结果表明提出方法可有效去除不同波段的卷云干扰,适用于各类地表覆被类型影像,准确复原降质地表信息,在目视与定量评测方面均有较好表现,可满足定量遥感等应用要求.     

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。     

Airborne Hyperspectral Imagery and Yield Monitor Data for Mapping Cotton Yield Variability

Increased availability of hyperspectral imagery necessitates the evaluation of its potential for precision agriculture applications. This study examined airborne hyperspectral imagery for mapping cotton (Gossypium hirsutum L.) yield variability as compared with yield monitor data. Hyperspectral images were acquired using an airborne imaging system from two cotton fields during the 2001 growing season, and yield data were collected from the fields using a cotton yield monitor. The raw hyperspectral images contained 128 bands between 457 and 922 nm. The raw images were geometrically corrected, georeferenced and resampled to 1 m resolution, and then converted to reflectance. Aggregation functions were then applied to each of the 128 bands to reduce the cell resolution to 4 m (close to the cotton picker's cutting width) and 8 m. The yield data were also aggregated to the two grids. Correlation analysis showed that cotton yield was significantly related to the image data for all the bands except for a few bands in the transitional range from the red to the near-infrared region. Stepwise regression performed on the yield and hyperspectral data identified significant bands and band combinations for estimating yield variability for the two fields. Narrow band normalized difference vegetation indices derived from the significant bands provided better yield estimation than most of the individual bands. The stepwise regression models based on the significant narrow bands explained 61% and 69% of the variability in yield for the two fields, respectively. To demonstrate if narrow bands may be better for yield estimation than broad bands, the hyperspectral bands were aggregated into Landsat-7 ETM+ sensor's bandwidths. The stepwise regression models based on the four broad bands explained only 42% and 58% of the yield variability for the two fields, respectively. These results indicate that hyperspectral imagery may be a useful data source for mapping crop yield variability.     

基于ETM遥感数据的昆明地区土地利用研究

以美国Landsat-7陆地卫星ETM^＋ 遥感影像数据为信息源,利用遥感图像处理软件PCI V7.0进行波段4/3比值增强处理和波段1、3、4、5主成分分析,采用主组分加比值合成影像图的方法,即ETM^＋ 4/3（R）＋PC3（G）＋PC1（B）,提取各类地物分类信息,研究昆明地区土地利用情况。结果表明,主组分＋比值合成影像图的影像分类方法是一种可行的影像分类方法;研究区的土地利用类型组成结构和分布情况大致反映了昆明地区的现状,结果是可靠的。     

基于反射光谱的江淮分水岭区域典型农作物识别

对江淮分水岭区域观测的8种农作物冠层光谱进行数据重采样和植被指数计算,分析了4种常用指数和6种常用传感器对农作物的识别能力,同时采用识别效率最高的数据变换形式构建了BP神经网络模型。结果表明:8种农作物的反射光谱曲线存在较大差异;6种传感器对农作物的识别能力由大到小依次为ETM+、QUICKBIRD、IKONOS、MODIS、ASTER、HRG;模拟得到的ETM+和QUICKBIRD的近红外与红光波段反射率计算的归一化植被指数(NDVI)和简单比值植被指数(SR)对农作物的识别能力较强;在不同的数据变换形式中,对农作物识别精度最高的是一阶微分(FD,波长间隔6 nm),识别精度达87.3%;以FD(波长间隔6 nm)为输入数据集构建BP神经网络模型,当隐含层节点数为15时,识别精度最高,达90.0%。     

基于最优波段组合的土地利用/覆盖遥感信息提取研究

以渭河下游河流沿线区域为研究区,通过对2002年ETM+影像的各波段光谱特征、相关系数矩阵、最佳指数OIF、修正植被指数RNDVI、主成分变换进行分析后,认为第一主成分分量PC1、RNDVI和Band4为最优波段组合。利用非监督的ISODATA和监督分类相结合的方法对研究区进行土地利用/覆盖分类后,得到的总体分类精度为90.098 7%,Kappa系数为0.884 5,说明该研究方法获得的分类精度较高,步骤简便且实用性强,能极大地提取遥感分类信息。     

最优密度分割法在西昆仑遥感蚀变提取中的应用

以西昆仑地区为研究区,通过区域成矿地质背案和遥感图像数据统计分析,针对铁化蚀变在ETM不同波段上的反射特征,对研究区进行矿化蚀变信息的定量提取研究。结果表明,最优密度分割法的离差平方总和曲线在6段时趋于平缓,铁化蚀变总体分布较少且比较稀疏,根据成因类型和空间分布特征铁划蚀变侵入岩型铁染异常、地层铁染型异常等3种类型。     

Comparison of machine learning algorithms for mapping mango plantations based on Gaofen-1 imagery

Mango is a commercial crop on Hainan Island, China, that is cultivated to develop the tropical rural economy. The development of accurate and up-to-date maps of the spatial distribution of mango plantations is necessary for agricultural monitoring and decision management by the local government. Pixel-based and object-oriented image analysis methods for mapping mango plantations were compared using two machine learning algorithms (support vector machine (SVM) and Random Forest (RF)) based on Chinese high-resolution Gaofen-1 (GF-1) imagery in parts of Hainan Island. To assess the importance of different features on classification accuracy, a combined layer of four original bands, 32 gray-level co-occurrence (GLCM) texture indices, and 10 vegetation indices were used as input features. Then five different sets of variables (5, 10, 20, and 30 input variables and all 46 variables) were classified with the two machine learning algorithms at object-based level. Results of the feature optimization suggested that homogeneity and variance were very important variables for distinguishing mango plantations patches. The object-based classifiers could significantly improve overall accuracy between 2–7% when compared to pixel-based classifiers. When there were 5 and 10 input variables, SVM showed higher classification accuracy than RF, and when the input variables exceeded 20, RF showed better performances. After the accuracy achieved saturation points, there were only slightly classification accuracy improvements along with the numbers of feature increases for both of SVM and RF classifiers. The results indicated that GF-1 imagery can be successfully applied to mango plantation mapping in tropical regions, which would provide a useful framework for accurate tropical agriculture land management.     

基于C5.0算法的森林资源变化检测方法研究——以山东省徂徕山林区为例

以山东省徂徕山林场为试验区,利用两时相的TM与ETM+遥感数据对该地区的针叶林、阔叶林等森林资源的变化进行研究。将基于C5.0算法的决策树分类方法应用于森林变化检测,并对3种检测方案进行试验比较:(1)以单一时相图像作为数据源并各自分类,分类后作比较提取变化信息;(2)以两时相图像的原始波段数据作为数据源训练规则,并生成变化检测图;(3)以两时相图像加上邻近相关分析图像作为数据源训练规则,生成变化检测图。试验结果表明,基于C5.0算法的决策树分类可以有效的进行森林变化检测,并且加入邻近相关分析图像后的变化检测精度达到最高。     

WorldView-2影像的红叶松树识别研究

危险性林业有害生物每年都会造成大面积的严重的森林灾害发生,给国民经济和林业生态环境带来了巨大损失,及时对其发生发展情况进行监测具有重要意义。本文旨在探讨利用高空间分辨率遥感影像识别红叶松树的可行性,从而为单株木灾害监测与防治提供一种快速有效的技术途径。采用WorldView-2多光谱数据,基于二次型分类器,研究了红叶松树的识别方法。通过Fisher线性判别分析发现,WorldView-2的红、绿、蓝3个波段蕴含着丰富的红叶松树信息。据此,基于全部8个波段和红、绿、蓝3个波段分别进行了分类,分类精度基本相同。结果表明,仅利用红、绿、蓝3个波段也可以完成红叶松树的识别,从而有效地实现了数据降维,更为我国“高分二号”数据的应用开辟了新领域。由于林相条件的差异性和复杂性,遥感数据分辨率的选择对于单木灾害的识别非常重要,研究发现,2 m分辨率多光谱遥感数据非常适合红叶松树的提取,且从数据时相上来说,最好选取6—9月份的遥感影像,以减少其他变色植被的干扰,提高监测精度和工作效率。