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。     

基于决策树的高寒湿地类型遥感分类方法研究

以索加-曲麻河区域为例,探讨了三江源区域高寒湿地遥感分类方法。利用TM 影像数据和DEM及缨帽变换后的亮度、绿度、湿度,以及归一化水体指数(NDWI)等复合识别指标,构建决策树模型,对研究区不同地类进行区分。然后通过与传统的最大似然法监督分类所得到的结果进行对比,结果表明:利用基于指数的决策树分类方法对高寒湿地类型进行分类,较传统的最大似然法监督分类总体精度提高12.05%;总体kappa系数提高0.140 7; 对于河流、湖泊、沼泽、滩地等湿地类型,生产者精度和用户精度分别提高了6.06%, 6.25%; 0.12%, 3.13%; 6.99%, 25.00%;6.12%, 28.13%, 比监督分类均有明显的提高。证明基于指数的决策树分类方法是高寒区域湿地遥感分类的一种有效手段。     

IRS-P6影像最佳波段组合选择与制图精度评价

以IRS-P 6为遥感数据源,对湖北武汉地区进行了波段组合和遥感制图研究.采用统计分析的方法计算各波段的熵、标准差以及波段之间的相关系数矩阵,采用联合熵法和最佳指数法选择最佳波段组合方式,通过影像空间分辨率分析、基于像素级的分类精度评价和图斑面积解译精度检验三个方面评价了IRS-P 6影像的制图精度.结果表明：IRS-P 6影像各波段熵的大小顺序为：波段4〉波段5〉波段2〉波段3,标准差的大小顺序为：波段2〉波段4〉波段5〉波段3,最佳波段组合方式为：5（R）4（G）2（B）;采用最大似然监督分类方法进行分类的总体精度达93.50%,K appa系数达0.87;利用Q u ickB ird影像对IRS-P 6影像各地类图斑面积解译精度进行检验,总体精度达88.31%;IRS-P 6影像是遥感应用领域中5 m分辨率卫星数据的补充,适合于1∶2.5万、1∶5万等中等比例尺图件的制作.     

基于资源3号卫星的面向对象地类信息提取方法研究

面向对象分类方法可以充分利用遥感影像的光谱和空间信息,是一种适合于高分辨遥感影像的分类方法。以2012年资源3号卫星高分辨率遥感影像(ZY-3)为数据源,对基于面向对象与最大似然监督分类的地类信息提取方法进行了对比分析。面向对象分析方法中采用改进后的局部方差法确定并选取不同地类类型的最优分割尺度,并采用多尺度层次的方法提取不同地类类型信息。结果表明:根据改进后的局部方差法确定的针叶林、阔叶林、针阔混交林地类类型的最优分割尺度为105;农田地类的最优分割尺度为105,水域、建筑类型的最优分割尺度为65。基于面向对象技术的地类信息提取方法其总体精度达到90.3%,Kappa系数为0.82;最大似然法其总体精度为77.6%,Kappa系数为0.71;基于面向对象方法的总体精度提高了12.7%,Kappa系数提高了11%。表明了基于面向对象分析方法的地类信息提取在国产高分辨率影像上的适用性。同时,论文的研究也为森林资源调查中地类信息的遥感提取进行了有益的尝试。     

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%.     

北京市森林可燃物分类研究

利用北京市土地利用图和Landsat TM影像,采用监督分类方法对可燃物进行分类,获得可燃物分类图,并对各类可燃物的特征进行详细描述.结果表明:可燃物可分6类,即O- 1草地(中低盖度)、O- 2草地(高盖度)、S- 1灌丛、S- 2幼林、C- 1针叶林、M- 1针阔混交林和B- 1阔叶林.由于TM卫星影像分辨率的限制,很难分别出林分垂直结构的差异.这一分类结果,可以满足森林火险等级预报的需要,但对于火行为预报,还需要根据林分燃烧性、林分垂直结构及可燃物分布状态进一步分类.对当前的可燃物分类方法与制图途径以及未来的发展趋势进行讨论.     

一种遥感混合分类算法及其在森林分类中的应用

基于监督分类和非监督分类方法相结合的混合分类方法在森林非森林的识别方面有很好的识别效果，探讨了一种遥感混合分类算法(Iterative Guided Spectral Class Rejection)。首先对IGSCR的算法理论进行了阐述，然后利用IGSCR分类算法对同一地区多时相遥感影像进行复合的影像进行森林分类实验。通过与最大似然法的对比实验表明，IGSCR分类方法将非监督分类方法所具有的自动对具有相同光谱特征类别进行集群的能力，辅助于训练样本的获取，可以有效降低因人工判断类别光谱纯度不准确而引起的类别样本光谱混杂问题，因此能在一定程度上提高分类精度，改善分类效果。     

基于ETM＋影像融合的土地覆盖分类研究——以蓬安县为例

借助ERDAS软件,运用遥感数据融合技术对四川省蓬安县进行基于ETM＋融合影像的土地覆盖分类初步研究。研究中采用相同的训练样本区及最大似然法分类方法,对融合前后影像分别进行土地覆盖分类,通过对分类影像的Producers Accuracy,Users Accuracy,Kappa Accuracy三者的精度数据对比分析,上述的影像融合方法对提高土地覆盖分类的精度较为明显;就3种融合方法及重采样方式而言,乘积法融合法和立方卷积重采样法相对更为可取。     

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%.     

基于主成分、聚类与SVR组合算法的森林生物量估算方法研究

以孟家岗林场二类清查数据为基础,对1371个小班的11项指标进行主成分分析,并采用系统聚类法对小班进行分类,进而利用支持向量回归算法分别进行生物量模型训练.结果表明：7个主成分指标可反映87.995％的生物量信息;1371个小班可分为5类,各类训练模型的预测精度均在89％以上,且均以v-SVR模型为最优.在得到的5类生物量训练模型基础上估算林场森林乔木层生物量,无需分起源、树种、立地类型,能够在保证生物量估算精度的同时,大大减少工作量,可为区域生物量的估算提供一种新的方法.     

Analysis of forest cover change at Khadimnagar National Park,Sylhet, Bangladesh,using Landsat TM and GIS data

We mapped the forest cover of Khadimnagar National Park （KNP） of Sylhet Forest Division and estimated forest change over a period of 22 years （1988-2010） using Landsat TM images and other GIS data. Supervised classification and Normalized Difference Vegetation Index （NDVI） image classification approaches were applied to the images to produce three cover classes, viz. dense forest, medium dense forest, and bare land. The change map was produced by differencing classified imageries of 1988 and 2010 as before image and after image, respectively, in ERDAS IMAGINE. Error matrix and kappa statistics were used to assess the accuracy of the produced maps. Overall map accuracies resulting from supervised classification of 1988 and 2010 imageries were 84.6% （Kappa 0.75） and 87.5% （Kappa 0.80）, respec- tively. Forest cover statistics resulting from supervised classification showed that dense forest and bare land declined from 526 ha （67%） to 417 ha （59%） and 105 ha （13%） to 8 ha （1%）, respectively, whereas medium dense forest increased from 155 ha （20%） to 317 ha （40%）. Forest cover change statistics derived from NDVI classification showed that dense forest declined from 525 ha （67%） to 421 ha （54%） while medium dense forest increased from 253 ha （32%） to 356 ha （45%）. Both supervised and NDVI classification approaches showed similar trends of forest change, i.e. decrease of dense forest and increase of medium dense forest, which indicates dense forest has been converted to medium dense forest. Area of bare land was unchanged. Illicit felling, encroachment, and settlement near forests caused the dense forest decline while short and long rotation plantations raised in various years caused the increase in area of medium dense forest. Protective measures should be undertaken to check further degradation of forest at KNP.     

基于GF-2号影像的森林优势树种分类

利用遥感数据开展森林资源优势树种的分类对森林资源的监测、森林可持续经营及生物多样性研究具有重要意义。研究针对复杂地形区域的破碎化森林,采用高分二号(GF-2)的多光谱影像作为基础数据进行森林优势树种的精细分类。本文以地形复杂、森林破碎化的湖北省竹山县九华山林场为研究对象,采用面向对象分类方法对树种进行精细分类,比较支持向量法、最近邻法(KNN)和随机森林(RF)三种不同分类算法的分类效果。在尺度阈值为30、合并阈值为95时分割的基础上,利用SVM、KNN和RF分类结果和分类精度差异较大。分类精度最高的是SVM分类方法,总体精度为68.52%,Kappa系数为0.62;其次为随机森林分类法,总体精度为60.29%,Kappa系数为0.54;KNN分类方法精度最低,总体精度为59.41%,Kappa系数为0.53。GF-2号数据能满足树种分类基本需求,在复杂地形和景观破碎化地区用支持向量机进行树种的分类精度更高,但仍存在一定的局限性。     

Vegetation inventory of a temperate biosphere reserve in China by image fusion of landsat TM and SPOT HRV

Vegetation cover types on Changbai Mountain, a natural biosphere reserve (2,000 km²) in northeast China, were derived by using multisensor satellite imagery fused with Landsat TM and SPOT HRV-XS. DEM data were used for improving classification accuracy. Cover types were classified into 20 groups. Bands 4 and 5 of Landsat TM image acquired on July 18, 1997, and band 1 of SPOT HRV-XS image acquired on Oct. 19, 1992, were fused to a false color image, and maximum likelihood supervised classification was performed. Data fusion showed high accuracy of identification, compared to individual images. The overall accuracy of classification of individual images by SPOT HRV-XS reached 56%, and TM 66%, while the fused data set provided accuracy of about 78%, which was raised to 81% after recoding by using DEM. There were five vegetation zones on the mountain, from the base to the peak: hardwood forest zone, mixed forest zone, conifer forest zone, birch forest zone, and tundra zone. Spruce-fir dominated conifer forest was the most prevalent (nearly 50%) vegetation type, followed by Korean pine and mixed forest (17%) and larch forest (5%). HRV image taken in leaf-off season is useful for discriminating forest from non-forest, and evergreen forest from hardwood forest, while the summer image (TM) provides detailed information on the difference in similar vegetation types, like hardwood forest with different compositions.     

基于遥感的塞罕坝机械林场树种分类研究

随着遥感应用的不断推广,各应用领域对遥感图象的监督分类结果的精度要求越来越高。在监督分类中有两个非常关键的问题:一是训练样本选取;二是分类器选择。本论文应用监督分类中的不同分类器对塞罕坝机械林场进行树种分类,对其结果进行分析比较,选择合适的分类器提高分类精度。     

模糊ISODATA聚类分析在茶梢蛾为害类型划分上的应用

本文以与茶梢蛾种群发展相关的11个因子为指标,在主成分分析基础上,运用建立在模糊集合理论基础上的ISODATA聚类分析方法,对丘陵区茶梢蛾的为害类型进行了数量划分.划分结果客观、具体,与实际情况相符。     

SPOT-5数据在退耕还林监测中的应用研究——以山西省古交市嘉乐泉乡为例

以山西省古交市嘉乐泉乡为试验区,采用SPOT-5的10m、5m和2.5m 3种影像数据对退耕还林地面积进行分类监测。所设计的2种方案分别是:1)将地物类型分为7类,退耕还林地作为一种单独地类,对3种影像数据进行计算机自动分类和2.5m影像的人工解译分类;2)借助退耕还林作业设计图,将退耕还林地块影像分割出来,对退耕还林地和未退耕还林地进行有监分类。精度验证表明,第一种方案中2.5m融合图像的人工解译分类,退耕还林地的分类精度在50%以下;第二种方案中3种影像数据的总体分类精度均大于90%。建议在退耕还林地的作业设计图电子化的基础上,应用SPOT-5数据监测退耕还林地的任务完成和植被覆盖情况。     

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。     

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。