基于改进端元提纯模型的MODIS森林类型识别研究

MODIS遥感数据具有很高的光谱辐射精度,以及成本低、覆盖面积广、获取容易、周期短等数据特征,可以实现全覆盖大尺度区域森林类型信息快速提取,但由于其空间分辨率较低,遥感数据中存在混合像元。利用混合像元分解模型进行分解可得到较好的分类结果,但混合像元分解的端元组分直接影响分类的精度。利用决策树分类模型改进端元提纯,分析各地物的MODIS时间序列植被指数变化规律及物候变化规律,利用决策树模型分类的结果进行端元组分的提纯,最后进行混合像元分解。研究结果表明:分类精度最高的是线性混合像元分解,其次是最大似然分类,最差的是非线性混合像元分解,其中带约束和不带约束的线性分解模型的精度相差不大。     

不同判读方式和判读人员对遥感正判率的影响分析

在湖南省按照不同地貌类型和地类破碎程度抽取4 km×4 km大样地10个,采用不同判读方式(充分参考林业档案信息与不参考林业档案信息)和不同判读人员(有5年以上遥感判读经验人员与无任何遥感判读经验人员)对10个大样地进行遥感判读区划,并对判读区划结果进行实地调查验证。分析表明:各地类正判率与其面积成正相关,其它调查因子判读难度较大;充分参考林业档案信息能够显著提高正判率,但优势树种、起源、龄组、郁闭度等因子综合正判率仍然偏低;不同判读工作经验人员对遥感判读有一定的影响,无判读工作经验人员应经过一定程度培训后才可参与判读工作。     

基于TM数据的遥感分类方法对比研究

以香格里拉县2009年Landsat5～TM遥感影像为实验数据,利用最大似然法（MLC）以及最小距离法两种方法进行了遥感分类方法研究,主要从分类精度方面对两种方法进行了对比分析,结果表明：最大似然法分类结果明显优于最小距离法,但作为传统的分类方法,二种方法分类精度都不够高。     

VEGETATION植被指数数据预处理方法

VEGETATION数据的植被指数,受云雾影响,含有大量的噪声信号,使用之前必须进行去噪声处理.结合实例数据介绍了半中值滤波法、半均值滤波法、等间隔极大值法用于植被指数的去噪声处理,效果良好;该处理方法同样适用于NOAA和MODIS等数据的植被指数预处理.     

基于ETM＋的湖南省四水流域遥感调查

利用美国Landsat-7的ETM＋数据作为主要数据源，采用ERMAPPER7．0专用图像处理软件制作了湖南省四水流域和洞庭湖水域解译图，获取了湖南省水资源的空间分布信息。结果表明：湘、资、沅、澧四水和洞庭湖水域面积总和为6224．72km^2，其中洞庭湖水域面积为2710．13km^2，湘江省内长度为722．07km，资水省内长度为687．31km，沅水省内长度为597．35km，澧水省内长度为423．57km，说明利用遥感技术调查湖南省水资源具有快速、准确和高效的特点。     

基于ANN模型的森林景观研究

利用人工神经网络(ANN)模拟了天鹅山林场景观格局与森林景观类型所占面积百分比的关系,并对各景观类型面积所占百分比对景观格局的影响进行了预测,为景观优化对策提供了一条新的思路。结果表明人工神经网络方法非常适于研究森林景观格局驱动因素和森林景观格局的非线性对应关系,模型体现了较高的可靠性和操作性。     

遥感与GIS相结合的森林资源信息更新与制图方法研究

目前我国实行的森林经营单位水平上森林资源动态监测主要是通过森林资源规划设计调查 (简称二类调查 )来实现。重点是对森林资源动态、林业经营效果和森林资源监测的综合评价。通常 ,二类调查每 1 0 a复查 1次 ,这种方法所得到的森林资源调查结果可落实到地块 ,也是森林经营单位进行营林生产的重要基础数据 [1 ] 。但是这种常规调查方法也有许多不足之处 ,如 :(1 )复查间隔期长 ,无法及时满足森林经营单位对森林资源变化信息的需求 ;(2 )调查成果多是以报表、文字的形式提交 ,只能建立属性数据库 ,森林资源的空间信息较少通过计算机实现可视…     

为森林资源动态监测的TM影像标准化*

对ＴＭ卫星影像做综合大气校正，可获得地物反射率影像。大气参数是由当地气象记录的内插值导出，再以像幅内黑暗地物做调整。地形模型既可用来调整各参量随高程的变化，又用以校正辐射的地形效应。当无地形模型时，可由卫星影像本身提取入射角。校正后影像便于做资源信息的多时相比较，即动态监测。还可应用校正过程中生成的参数，做林地及其它再生资源的各生物指标的计算。     

基于遥感和GIS的城市绿地景观格局分析

运用景观生态学原理,借助遥感和GIS技术,选取了绿地景观构成、景观多样性、优势度、廊道密度和分维数等指数,分析了深圳特区城市绿地景观的空间格局。结果表明:整个研究区内的绿地类型以公园绿地和风景名胜区绿地为主,城市绿地廊道主要是道路交通绿地廊道,特区内绿地景观多样性相对丰富,所占比例相对均匀,分维数居于中等水平。     

基于多载荷无人机遥感的大豆地上鲜生物量反演

以多载荷无人机获取数据和地面实测的数据为基础,将大豆生殖生长期分段建模,采用植被指数和光谱参数相结合再加上农学参数株高,通过最小二乘法建立多元线性回规模型的方法,来估算大豆开花期和结荚期的鲜生物量,采用高光谱植被指数法估算大豆鼓粒期和成熟期的鲜生物量。结果表明:在大豆开花期和结荚期内,采用混合法构建生物量反演模型利用交叉验证法,验证结果的R~2和RMSE分别为0.714和0.393;在大豆鼓粒期和成熟期内,采用高光谱植被指数法构建生物量反演模型,利用交叉验证法,验证结果的R~2和RMSE分别为0.697和0.386;大豆开花结荚期构建的模型和鼓粒成熟期构建的模型都有比较高的精度和可靠性,利用这两种模型完成了高光谱影像鲜生物量的遥感空间制图,能反映当地当时大豆的真实长势情况。