基于遥感影像的昆明中心城区绿地信息提取

以昆明中心城区遥感影像为研究数据,采用基于面向对象分类的研究方法,按照监督分类的思想,将地物分为城市绿地、林地、裸地、水体、建筑和道路6种类型,运用支持向量机的分类器对绿地信息进行提取,并根据总体分类精度和kappa系数的大小对分类结果进行验证,结果表明:城市绿地信息提取精度良好,符合城市绿地调查的精度标准,认为此种绿地信息提取方法值得推广运用。     

基于CART决策树方法的遥感影像分类

以云南省香格里拉县为研究区域,构建一种基于CART遥感影像的决策树分类方法.对遥感影像采用主成分提取、植被信息提取、纹理信息提取等方法,并结合试验区主要地物类型训练样本,采用Landsat 5 TM影像数据、DEM数据以及遥感处理软件ENVI为平台进行影像分类,并将结果与最大似然分类结果作比较.结果表明,基于CART遥感影像决策树分类精度优于最大似然分类,有较好的分类效果.     

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%.     

遥感影像动态变化监测关键技术探讨

随着遥感影像数据的广泛应用,遥感影像数据更新频率越来越快,如何快速发现影像中地物变化成为一项重要的工作。由于数据量大,人工判读方法不能满足工作需要。文章陈述了变化检测的总体流程、SLIC超像素分割算法和随机森林分类方法,通过遥感影像变化动态检测工具开发,输入两期遥感影像可自动识别并标注变化区域,同时输出变化区域地类的变化过程,实现重点区域的重点监控,准确快速发现地类的变化,从而全面了解地表自然地物的变化过程。遥感影像分割尺度和质量及选择的分类算法,对地类识别起决定性作用。     

甘肃民勤县荒漠化区未利用地的遥感分类研究

以荒漠化土地典型分布区甘肃省民勤县为研究对象,以30 m的Landsat TM5与TM7遥感影像为主要数据源,在分析不同典型地物光谱特征的基础上,建立基于专家知识的决策树分类模型,利用该模型对荒漠化区的戈壁、沙地、沙漠、风蚀劣地等未利用土地进行细分,总体分类精度达到87.06%。决策树分类法总体效果较好,为荒漠化区土地管理以及再利用提供了技术支撑。     

分层分类与监督分类相结合的遥感分类法研究

遥感分类技术是获取土地利用/覆盖数据的主要方法.分层分类思想强调将分类过程逐级进行,每层选用不同的分类标准和方法;监督分类是基于传统统计分析的分类法,具有算法成熟,简便易行的特点.将2种方法相结合,建立起一个复合分类模型,并在SPOT影像上进行试验.试验证明:该方法能有效地提高分类精度,比单一使用监督分类法得到的结果精度提高了8.41%.     

基于多角度高光谱CHRIS影像的隆宝滩湿地遥感分类方法研究

采用青海省隆宝滩地区的多角度高光谱CHRIS遥感数据,通过研究+36°、0°和-36°三个角度影像的组合变换,提出影像变换+不同角度波段组合的方法,用以获取地物的分类信息。该方法首先对0°影像进行穗帽变换,选择其湿度图像,再与+36°和-36°影像的第4波段(0.461 μm)进行RGB组合,生成新的彩色合成影像,然后再进行支持向量机(SVM)的监督分类。结果显示,利用该方法对隆宝滩湿地分类的精度可达到90.02％;而利用传统的监督分类对0°影像直接进行分类,其精度为75.46%。由此可见,利用不同角度信息进行波段组合的方法,大大提高了高光谱影像进行湿地信息提取的精度,为湿地信息提取提供了一个有效的方法。     

中高分辨率遥感影像在林业中的应用现状及其存在的问题

遥感影像已成为林业工作中必不可少的介质,中高分辨率遥感影像的出现带来了更大的机遇。遥感在林业上应用范围很广,包括森林资源调查、森林资源动态监测、荒漠化与沙化土地监测、森林火灾监测、森林病虫害监测、林业生态工程监测与评价等。但是,在应用过程中也存在很多问题,如数据源价格偏高,图像阴影无法去除,树种识别困难和森林蓄积量估测精度不高等。文章提出了建立影像数据库,建立主要树种的波普数据库,建立数学模型,建立植被解译体系等方法来提高中高分辨率影像在林业中的应用。     

基于多核极限学习机的遥感影像林地信息提取

高光谱遥感影像包含了大量的波段信息,能够很好地应用于地物的识别。基于单核的高光谱遥感影像极限学习机分类模型,因其实施简单、分类精度高、训练时间短,已被广泛地应用于高光谱遥感影像识别。但是核特征的选取,以及单核特征表达的单一性,限制了模型分类精度的进一步提高。为了解决此问题,受多核极限学习机(MK-ELM)思想的启发,首先使用核方法,提取了遥感影像的多核特征表达;然后利用多核极限学习机理论,同时优化极限学习机结构参数以及多核特征融合系数,获得最优的分类模型。为了说明MK-ELM的有效性,在Indian pines数据集上做了对比实验,该实验证明基于多核极限学习机遥感影像分类模型的分类精度较单核极限学习机有明显地提高,MK-ELM的分类整体精度为80.2%,Kappa系数高达78%;同时将多核极限学习机应用到芷江林场的林地信息提取,其分类精度高达89.1%,Kappa系数达86%。     

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与DSM的典型地物提取

高分辨率遥感影像和数字地表模型(DSM)结合的地物信息提取,虽可以区分异物同谱中存在高度差异的地物,但相同高度的地物在DSM数据可能会因海拔高度不同而存在明显差异,降低了地物提取精度。从DSM中提取出地物高度信息(nDSM),再以nDSM结合高分辨率光学影像进行地物提取。结果表明:仅以高分辨率光学影像为数据源的方法分类效果最差,结合DSM数据的方法居中,而结合nDSM的方法最优,说明在基于光学影像和DSM数据的地物提取中,采用去除地形因素的nDSM替代DSM可以有效提高分类精度。     

基于决策树分类方法的城市绿化分析——以兖州地区Hyperion遥感影像为例

以兖州实验区为例,探讨了利用决策树方法进行城市高光谱遥感绿化分析的流程和方法;分析了试验区典型地物的波谱特性;总结了常用反射率反演方法,并根据具体情况选择FLAASH模型进行了实验;试验区研究表明,决策树分类方法在高光谱遥感影像信息提取中具有可行性.这种基于高光谱的精细信息提取方法,可以提高不同植被类型的高光谱图像分类识别精度,为城市绿化分析提供参考依据.     

遥感影像分类研究

指出了随着遥感技术的发展，遥感影像技术分类成为获取信息的来源。介绍了遥感影像的分类原理方法，利用Envi遥感数据处理软件，基于T M遥感影对土地覆盖进行了监督分类与制图。     

基于高分光学遥感影像的湖南省油茶林地识别技术研究——以汉寿县为例

基于高分光学遥感影像技术,对湖南省油茶产业大县汉寿县油茶林地进行分类特征提取、标注样本类别及建立分类模型等操作,实现研究区油茶林地高精度识别。结果显示：利用基于高分光学遥感影像的深度网络智能化提取油茶林地及人工确认的数据分析方法能够很好识别汉寿县油茶林地的空间分布,与2022年全县油茶精细化调查面积数据对比后精度较高(优于70%);空间分布上,汉寿县太子庙镇的油茶分布集中且面积最大,和地面调查的面积数据相比,该镇的油茶分布面积提取精度最高,为92.57%。研究方法能够较为精准地识别汉寿县油茶林地斑块,从而为湖南省油茶林地遥感普查与保护规划提供重要参考。     

激光雷达和高光谱遥感技术在树种识别中的应用

快速准确识别树种是研究和保护森林资源的基础,通过遥感技术进行树种识别已成为森林调查重要手段之一。激光雷达数据可以提供森林垂直结构的信息,而高光谱遥感数据可以提供树木详细的光谱信息,因此联合激光雷达和高光谱数据能够提高树种分类精度。文中阐述了激光雷达和高光谱遥感在森林树种识别中的研究现状,总结了单一遥感源进行树种识别的优缺点,介绍了联合激光雷达和高光谱遥感数据的树种识别方法,最后从数据平台、数据提取、数据融合及识别模型等4个方面探讨了当前树种识别研究中面临的问题以及未来的研究方向,旨在为提高树种识别精度提供参考。     

遥感和GIS技术在广东省湿地信息提取中的应用

在分析广东粤西湛江、雷州半岛区城CBERS-02遥感影像数据特征的基础上,利用遥感与地理信息系统软件处理遥感影像的方法,对图像数据进行几何校正和融合处理,采用遥感图像多源信息复合、人机交互解译与GIS技术相结合的解译方法,实现湿地信息的提取,提取的总精度高达83.5%,比单纯的采用监督分类精度提高20%,获得了理想的结果,为广东湿地环境可持续发展提供决策支持。     

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。     

广州市主城区绿地信息提取及其动态变化分析

基于广州市主城区2004年、2008年及2012年SP5影像数据,应用遥感分类技术中的监督分类、非监督分类以及先提取植被技术再非监督分类的方法提取广州市主城区的绿地信息,将提取的结果与森林资源二类调查档案更新资料进行比较,找出最优的分类提取方法;应用最优的绿地信息提取方法,提取广州市主城区2004年、2008年及2012年绿地信息并分析其动态变化过程。研究结果表明:1)通过先提取研究区影像植被指数然后作非监督分类的方法可以快速而准确地提取出城市绿地信息,这是一种可行的城市绿地监测手段。2)从2004—2012年,广州市主城区绿地面积明显减少,特别是在2004—2008年减幅较大,2008—2012年趋于平缓。     

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。     

应用卫星影像数据自动提取川西地区森林面积方法研究

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。