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%。     

广西岩溶地区植被覆盖度与植被指数耦合模型研究

选择广西典型岩溶山区灌草植被类型设置91块样方,运用Green Seeker手持光谱仪实测不同覆盖度植被的光谱响应并构建归一化植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、修正植被指数(MVI)和修改型土壤调节植被指数(MSA VI)等5种植被指数,同时运用数码相机垂直拍摄样方照片并进行监督分类,提取植被覆盖度,最后对样方的植被覆盖度和植被指数进行相关分析、建立回归模型和精度验证。结果表明:NDVI、RVI和MVI与植被覆盖度高度相关,相关系数超过0.9;而且用NDVI反演的植被覆盖度与实测值在α=0.05显著水平下进行t检验,结果无显著差异,平均精度达到95%以上,比其他植被指数模型更优秀。研究结论对广西岩溶石漠化地区植被覆盖度的快速、连续监测与评估具有重要参考价值。     

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FCN与面向对象的滨海湿地植被分类

【目的】提出一种基于全卷积神经网络(FCN)与面向对象的滨海湿地植被分类方法,以提高滨海湿地植被监测效果。【方法】以浙江慈溪部分杭州湾滨海湿地为研究区,基于高分辨率Quick Bird影像,采用FCN与面向对象相结合的方法监测滨海湿地植被:1)融合Quick Bird影像的多光谱数据和全色数据提高影像空间分辨率,运用目视判读制作标签图,以100×100窗口选取样本后进行翻转、旋转等操作,获得训练样本4 904对、测试样本544对,采用FCN对样本完成训练后得到相应的模型参数用于整幅影像,获得全图分类结果; 2)对原始影像进行多尺度分割,利用平均全局评分指数法确定最优分割尺度为170,以最优分割结果对FCN分类结果进行边界约束,得到最终分类结果并制作滨海湿地植被分类图; 3)基于混淆矩阵对仅采用FCN处理的结果影像及采用FCN与面向对象相结合处理的结果影像进行精度评价。【结果】1)采用FCN处理的影像分类总体精度达94.39%,典型滨海湿地植被精度均在85%以上,但分类结果存在少量椒盐现象,分类误差产生的主要原因是滨海湿地下垫面背景复杂,不同植被类型空间分布杂乱; 2)将面向对象与FCN相结合处理的结果影像可消除椒盐现象,总体精度达97.56%,典型滨海湿地植被精度均在90%以上。【结论】基于FCN的滨海湿地植被分类方法能够有效从高分辨率影像中提取典型滨海湿地植被信息,在此基础上结合面向对象的多尺度分割方法可有效消除椒盐现象,弥补基于像元分类的缺陷,优化滨海湿地植被分类结果,在滨海湿地植被监测方面值得推广和运用。     

基于多特征SVM的昆明市城市森林时空分布信息提取

采用2017年昆明市主城区Landsat TM/OLI及DEM数据,采用SVM分类方法,对比不同多特征组合的分类精度筛选出森林提取的最佳特征组合,并由此得到2000、2010及2017年昆明市主城区森林分布,分析3期森林的总面积、不同海拔森林面积分布和植被覆盖度变化。结果表明,光谱、纹理以及地形特征的多特征组合为城市森林提取的最佳组合(精度为92.69%);2000—2017年昆明市主城区森林总面积呈上升趋势,海拔低于2 000 m区域的森林面积逐年减少,而高于2 000 m区域的森林面积逐年增加;随时空变化呈现出低植被覆盖度及高植被覆盖度面积增加,中植被覆盖度及较高植被覆盖度面积减少的趋势。     

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。     

利用航天遥感数据进行植被分类的研究

本文应用３种图像增强的方法对实验地帽儿山的ＴＭ影像进行植被信息的提取研究。结果表明,用植被指数与原始的３、５波段复合后,进行植被分类,获得了较高的分类精度。     

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。     

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。     

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。     

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.     

基于数字图像处理的桉树叶面积分析

本文以桉树叶为材料,以Sigmascan和Photoshop软件为例,详细介绍了基于数字图像处理法分析叶面积过程,与现行的常规方法测量结果进行了比较,结果表明数字图像处理法操作简捷、测定结果精确、且省时省力;进一步对不同影响因子(像素、图像处理和选择阈值)对数字图像法测定值影响进行了分析讨论,为树木叶面积测量以及叶片图像处理集成软件的开发提供参考。     

无人机RGB影像中人工林单木位置的提取

从无人机RGB影像中提取单木位置时,由于树冠与非树冠植被的颜色相似,以及树冠之间存在粘连的问题,导致单木位置提取精度不高。针对这些问题,提出一种结合冠层高度模型(CHM)和形态学细化算法的人工林单木位置提取方法。首先根据无人机RGB影像生成数字正射影像(DOM)、数字高程模型(DEM)、数字表面模型(DSM),利用可见光波段差异植被指数(VDVI)对DOM进行植被与非植被的分离;其次利用DSM和DEM构建人工林区的CHM,从高程差异上将树冠与非树冠植被进行分离;最后,为提高单木位置提取精度,利用形态学图像细化算法去除树冠之间的粘连,提取单木位置并进行精度验证。以昆明理工大学呈贡校区内的一片人工林为试验区域,分别采用本研究方法和直接基于VDVI的方法对人工林区单木位置进行提取。本研究方法提取的单木位置准确率为91.67%,漏提率为8.33%,错提率为0.24%;而直接基于VDVI提取的单木位置准确率为88.05%,漏提率为11.95%,错提率为21.58%。试验结果表明,本研究方法提取的人工林单木位置精度更高。     

森林面积方法研究

本文通过对遥感图像的处理和光谱特征信息的分析,应用ETM 影像数据和地面调查数据,研究了遥感数据处理技术在植被信息提取中的应用,尝试对高山峡谷区的森林资源调查提出较为完善的计算机图像处理技术和自动分类方法。对道孚县台站林场和麻孜林场地类的分类结果表明:运用TM453波段融合能够达到较好的图像增强效果;运用无监督分类方法提取森林面积能达到较高的分类精度;NDVI比RVI更能突出植被信息和消除山体阴影的影响。     

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%。     

SPOT5遥感数字影像识别技术探讨

利用Erdas Imagine 8.6 遥感图像处理软件,对吉林省蛟河林业实验区管理局的SPOT5遥感数字影像进行监督分类,提取地物信息,并对分类后的地物信息采取实地复测方法进行检验.结果表明:主成分变换法适用于阔叶林的识别,精度达到57.14%;比值变换法适用于针叶林的识别,精度达到62.50%;乘积变换法对阔叶林和针叶林的识别正确率都不高;三种融合方法均可应用于混交林的识别,精度均达到100%.     

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。     

基于植被覆盖度的剑川县森林城市创建潜力研究

利用ENVI软件,基于像元二分模型法的剑川县2013年和2021年冬季Landsat 8影像,结合归一植被指数,计算剑川县不同时期植被覆盖度,利用决策树分类方法获得2013年和2021年两个时期的植被覆盖动态变化特征。结果表明,8年来剑川县高覆盖度植被区域面积不断增加,生态环境得到不断改善。分析剑川县各乡镇生态特色,结果表明,剑川县文化底蕴深厚,具有较好的森林城市创建潜力。     

基于TM遥感影像图的鞍山市千山植被变化研究

以1993年、2001年和2006年的TM遥感影像图为信息源,基于NDVI和植被覆盖度定量模型,利用ENVI4．2、ARCGIS等软件获取了鞍山市千山风景区归一化植被指数差值变化图及覆盖度等级图,并进行了定量对比分析．结果表明：2001年与1993年相比,低覆盖与高覆盖面积均有增加,而中高覆盖地区其质量有所下降,局部生态退化．2006年与2001年相比,大部分地区高覆盖增加,质量上升,生态环境向良好方向发展．     

东莞林科园植被信息管理系统的构建

利用全站仪对地形和植被进行定位,结合CAD技术形成数字化地形图,应用GIS技术开发具有W indows风格用户界面的东莞林科园植被管理系统,系统具有查询、检索、统计和打印等功能,极大地提高植被管理的效率,在东莞林科园植被管理过程中发挥巨大的作用。