基于ALOS遥感影像植被分类方法的比较研究

以云南省宜良县ALOS影像为基础数据,利用最大似然法、支持向量机方法和面向对象的支持向量机方法对ALOS影像进行植被分类研究。实验结果:最大似然法分类精度为79.33%,支持向量机方法分类精度为82.25%,面向对象的支持向量机分类方法精度为86.13%,面向对象的支持向量机分类方法取得较好的分类效果。研究结果可为中高分辨率遥感影像分类研究提供参考。     

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%。     

森林植被变化信息提取研究——以贵阳市为例

使用面向对象的变化检测方法,基于高分辨率遥感影像对研究区的森林植被变化图斑进行检测,研究制定了一套适合贵州省森林保护"六个严禁"工作的森林植被变化图斑的提取方案,结果表明,该提取方法变化检测精度为81.98%,精度较高,能有效运用于贵州省森林保护"六个严禁"工作中。     

面向对象的高分辨率遥感影像森林植被变化检测方法对比研究

利用面向对象分类技术,对同一区域同一数据源的高分辨率遥感影像采用了分类前比较及分类后处理两种变化检测方法进行对比分析,结果表明分类后处理的变化检测方法在现阶段的森林植被变化检测中具有较高的提取精度,可用于森林动态变化监测、自然灾害评估等工作。     

基于高光谱影像融合的湿地植被类型信息提取技术研究

对-36°和0°的多角度高光谱CHRIS遥感影像数据进行植被指数计算及影像融合,提出归一化植被指数(NDVI)与高光谱影像融合后,采用波谱角填图(SAM)的方法提取湿地植被类型信息。该方法首先对-36°影像进行NDVI植被指数计算,然后与0°影像融合,再采用SAM方法提取湿地植被类型。结果显示,利用该方法对青海省隆宝滩湿地植被类型的提取精度可达到92.23％;而利用SAM方法对0°影像直接进行湿地植被类型提取,其精度只有66%。由此可见,利用不同角度信息影像融合的方法,大大提高了高光谱影像进行湿地植被类型信息提取的精度,为湿地植被类型信息提取又提供了一个有效可行的方法。     

基于高分辨率遥感影像的植被分类方法比较

以新疆库车市东部绿洲-荒漠过渡带为研究对象,利用GF-2号遥感影像为主要数据源,在野外调查的基础上,采用基于像元的监督分类和分层次多尺度分割的面向对象分类方法对研究区植被信息进行准确识别。结果表明:1)监督分类与面向对象的分类结果大体一致,两者的总体分类精度均可达到94%以上,Kappa系数大于0.93,都体现出了较高的分类精度;2)与监督分类相比,面向对象的分类方法在总体分类精度上提升了3.79%,Kappa系数提高了0.032,具有更好的分类效果和分类精度。通过确定最优尺度分割,面向对象的分类方法可更为准确地提取研究区植被信息,为合理评价区域土地荒漠化状况提供科学依据。     

植被指数在面向对象的森林植被提取中的应用

植被在红光具有强吸收和在近红外具有强反射的特点,这一遥感光谱特征被应用到植被指数中作为估算植被信息最常用的方法。该文利用归一化植被指数,采用面向对象的基于规则的分类方法来提取森林植被,将提取结果与林地一张图进行叠加分析,并进行精度评定。     

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。     

高分辨率遥感影像森林覆盖变化检测研究

以天绘一号和资源一号两期遥感影像为研究对象,采用面向对象多尺度分割和基于特征值阈值的方法提取采伐迹地,将研究区分成采伐迹地和非采伐迹地两类,使用分类后比较法检测森林覆盖变化。结果表明:国产的天绘一号和资源一号遥感影像有较好的内部几何一致性,正射校正后的两期影像可以达到1个像元内的校准精度。遥感变化检测的面积精度和重合率与实际变化相比较,分别为93.1%和95.0%,该方法能较好地检测出森林覆盖变化,适合于县域森林资源年度更新。     

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。     

基于时空适应反射率融合模型的林区遥感应用研究

高空间、时间分辨率遥感数据在林业遥感变化监测方面具有重要的作用,然而,对于特定传感器获取的遥感影像在空间和时间分辨率上存在着不可调和的矛盾。本文针对神农架林区多云雾高时空分辨率数据缺乏的现状,提出了一套区域尺度高时空分辨率植被覆盖度数据构建方法。首先,利用LandSat8数据进行预处理,得到高分辨率的NDVI数据,并将MODIS NDVI数据进行重投影、重采样等预处理;其次,利用STARFM模型进行高分辨NDVI预测,利用评价因子选择最佳算法参数,并利用二分模型计算植被覆盖度;再次,以LandSat8获取的真实数据与预测数据进行精度评价;最后,选取黑龙江小兴安岭西北部林区生长季数据进行验证试验。结果表明:利用该方法可以在神农架林区获得预测日期的较好的NDVI及植被覆盖度,精度分别为90.8%、82.60%。此外,通过验证试验,可以获得同年生长季小兴安岭林场较好的NDVI以及植被覆盖度,精度分别达到92.86%、88.65%。     

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。     

Monitoring of vegetation coverage based on high-resolution images

Measurement of vegetation coverage on a small scale is the foundation for the monitoring of changes in vegetation cover-age and of the inversion model of monitoring vegetation coverage on a large scale by remote sensing. Using the object-oriented ana-lytical software, Definiens Professional 5, a new method for calculating vegetation coverage based on high-resolution images (aerial photographs or near-surface photography) is proposed. Our research supplies references to remote sensing measurements of vegeta-tion coverage on a small scale and accurate fundamental data for the inversion model of vegetation coverage on a large and interme-diate scale to improve the accuracy of remote sensing monitoring of changes in vegetation coverage.     

森林植被遥感分类研究进展与对策

遥感分类是遥感应用中的主要问题之一,分类的精度直接影响遥感数据的应用水平和实用价值。本文概述了遥感分类的方法,综述了森林植被遥感分类研究的国内外进展,在此基础上分析了森林植被遥感分类存在的问题,提出了发展对策,指出基于知识的人工智能技术和高光谱技术是森林植被遥感分类未来的发展趋势。     

森林覆盖变化遥感监测方法研究进展

森林是陆地上最大的生态系统,是地球表面一种重要的植被类型,它对维持全球生态平衡具有不可替代的作用。森林覆盖变化既包含森林与其它地物类型间的转化,又包括不同森林种类间转化的含义。及时准确获取森林覆盖变化信息,对于碳源估测、实现森林资源可持续经营管理等具有重要意义。本文通过对国内外利用遥感技术开展土地覆盖/利用、森林类型识别和制图方法的研究现状及发展趋势的综述,对森林覆盖变化遥感监测方法研究进展进行了概述,并分析了其研究发展趋势。     

结合Landsat 8与PALSAR-2影像的龙南县针叶林蓄积量遥感估测研究

林分蓄积量估测是林业遥感的重要研究领域,由于云雾天气和光谱饱和现象等因素限制了光学遥感影像估测林分蓄积量的精度。合成孔径雷达(SAR)具有穿透性强、受云雾影响小等特点,弥补了光学遥感的不足。以江西省龙南县的针叶林为研究对象,结合Landsat 8与PALSAR-2双极化SAR影像数据,在遥感数据预处理基础上,提取了光谱信息、植被指数、纹理信息和后向散射系数等共245个遥感因子。基于Pearson相关系数法和多元逐步回归法,筛选出65个遥感因子参与林分蓄积量估测。以林分郁闭度作为分层因子,分别采用线性、KNN、支持向量机(SVM)、多重感知机(MLP)和随机森林(RF)5种模型估测林分蓄积量,并对估测结果进行精度检验。实验结果表明:1)相比单独使用Landsat 8的光谱和纹理信息,基于郁闭度分级并融合PALSAR-2的后向散射信息明显提高了蓄积量的反演精度;2)对于低郁闭度林分,线性模型精度最高(rRMSE=21.16%),中郁闭度林分,多重感知机模型估测效果最好(rRMSE=30.61%),高郁闭度林分,多重感知机模型估测效果最好(rRMSE=27.53%)。在结合PALSAR-2的后向散射系数的基础上,郁闭度分层能有效改善中高蓄积量区域的反演精度。     

基于ERDAS的森林资源遥感信息初步研究

以图像处理系统ＥＲＤＡＳ为基础，以ＴＭ卫星遥感图像和地面森林资源调查数据为材料，讨论了ＥＲ－ＤＡＳ计算机图像处理的有关过程，研究了如何把遥感图像和森林资源调查数据相结合并从中提取相关信息的方法，建立了遥感图像与ＧＩＳ资源数据库之间的对应关系。结果表明，该研究方法正确可行，输出图像精度高，可为森林资源管理工作提供重要的遥感基础信息。     

卫星遥感数据在森林采伐监测中的应用

分别采用SPOT5、TM5影像前后两期多光谱遥感影像的波谱特征变化,检测森林资源变化信息,确定变化类型,以计算机自动识别对森林资源变化(减少)的区域(伐区)进行信息提取,并在此基础上进行室内人工预判读;结合采伐证、伐区作业设计、二类调查材料,进行补充判读,得出森林采伐图斑。古丈TM5(30 m分辨率)的面积正判率为96.3%;古丈SPOT5(10 m分辨率)的面积正判率为96.9%。实证分析表明,使用中、高分辨率卫星遥感数据能对森林采伐进行监测,结合辅助材料后能显著提高森林采伐监测精度。     

星载激光雷达波形长度提取与林业应用潜力分析

森林是重要的环境资源,作为陆地生态系统的主体,森林是陆地上面积最大、分布最广、组成结构最复杂、物质资源最丰富的生态系统.我国虽然是一个森林资源相对较少的国家,森林生物量依然是陆地植被总生物量的主要组成部分.鉴于森林的重要性,世界各国都投入很大的力量对森林资源进行保护,每隔一定年限对其进行调查和监测.