排序方式: 共有76条查询结果,搜索用时 15 毫秒
1.
基于随机森林的高寒湿地地区土地覆盖遥感分类方法 总被引:3,自引:0,他引:3
高寒湿地是青藏高原典型独特的生态系统,是全球气候变化的敏感地带和预警区。利用遥感技术快速、准确地分类提取高寒湿地的土地覆盖信息,对当地生态安全监测和保护具有重要意义。本文以若尔盖湿地国家级自然保护区为研究区,首先,以高分一号(GF-1)遥感影像为数据源,融合光谱特征、水体指数、地形特征、植被指数和纹理信息等26个变量进行随机森林(Random forest,RF)分类实验;然后,根据袋外数据(Out of bag,OOB)的特征变量重要性得分和精度评价结果,选出高寒湿地地区土地覆盖类型的最优分类方案和特征;最后,对特征变量进行降维,并基于相同的变量,采用极大似然法(Maximum likelihood classification,MLC)、支持向量机(Support vector machine,SVM)、人工神经网络(Artificial neural network,ANN)和RF等方法进行分类,比较不同方法的优适性。结果表明:结合GF-1影像光谱、水体、植被、纹理特征和地形信息,使用26个变量的RF模型的分类精度最高,总体精度(Overall accuracy,OA)为90.07%,Kappa系数为0.86;通过RF模型的变量重要性分析可以有效选出重要的特征信息,在降低特征变量维度的同时,还能保证较高的分类精度; 4种分类方法中,RF算法是高寒湿地地区较合适的分类方法,OA比MLC基准方法高17.63个百分点,比SVM和ANN等机器学习算法分别高6.98、6.56个百分点。 相似文献
2.
基于多源遥感数据的高寒草地生物量反演模型精度——以夏河县桑科草原试验区为例 总被引:2,自引:0,他引:2
基于MODIS、Landsat-8 OLI和HJ-1A/1B CCD卫星遥感资料,结合2013-2014年甘南州夏河县桑科草原试验区野外实测数据,建立了高寒草地地上生物量遥感反演模型,筛选出基于不同遥感资料植被指数的生物量最优反演模型,比较分析了生物量最优模型的空间效应。同时,分析了2000-2013年基于MODIS植被指数估算的试验区产草量的年际变化特征。结果表明,草地生物量最优反演模型为基于Landsat-8 OLI NDVI数据的对数模型(y=727.54lnx1+495.23,R2=0.772,RMSE=31.333 kg DM·hm-2);在30和250 m空间分辨率下,基于MODIS NDVI及EVI、Landsat-8 OLI NDVI和HJ-1A/1B CCD NDVI最优模型估算的生物量均高于实测生物量,其中Landsat-8 OLI NDVI数据估算的草地生物量与实测生物量值最接近;2000-2013年试验区草地总生物量整体上具有显著增加的趋势(R2=0.590 7,P0.001),平均增加速率达50.57 kg DM·hm-2·a-1。 相似文献
3.
基于土地利用/覆盖的甘肃省景观生态风险时空变化特征 总被引:1,自引:0,他引:1
甘肃省景观类型丰富多样,在中国西部地区的生态安全中起关键性作用,也为当地发展提供着重要的物质基础和生态服务。由于气候变化和人类不合理活动的影响,甘肃省部分地区生态环境的安全与稳定遭到严峻挑战。本研究基于欧洲航空局全球土地利用/覆盖数据(CCI-LC),利用动态度、转移矩阵方法分析了2005-2019年甘肃省土地利用/覆盖变化特征;通过构建景观生态风险指数并运用空间自相关分析法分析了景观生态风险的空间分布特征。结果显示:1)2005-2019年间,裸地面积减少最多,变化率1.88%,耕地次之,变化率2.31%;草地面积增加最多,变化率1.83%,建设用地次之,变化率191.08%。2)所有土地利用/覆盖类型中,建设用地的动态度最高且在整个研究时期内变化速率都保持在较高水平,综合动态度最大的时期为2010-2019年。3)土地利用/覆盖转移矩阵主要表现为耕地、林地、草地、裸地之间的转入与转出以及其他土地类型向建设用地的转入。4)2019年整体的生态风险值较2005年明显上升。其中低风险区和较低风险区面积最多,转化最频繁;中等风险区、较高风险区和高风险区面积虽然较少,但都存在不同程度的增长。... 相似文献
4.
草地地上物生物量(AGB)是评价草地生产力的重要指标,精准反演天然草地的AGB,对草地长势监测和草畜平衡评估具有重要的意义。由于常用的遥感数据(如Landsat和MODIS等)受较低时间或空间分辨率引发的诸多问题的影响,因此探索具有更高时空分辨率及更多光谱波段的Sentinel-2卫星数据在县域尺度的草地植被监测状况具有极其重要的作用。利用Sentinel-2卫星遥感影像和青海门源县实测草地AGB数据,构建了基于随机森林(RF)、支持向量机(SVM)和人工神经网络(ANN)3种机器学习方法的草地生物量估算模型,研究了2019-2021年门源县天然草地生物量时空分布特征。结果表明:1)Sentinel-2卫星影像的3个原始波段(B2、B6、B11)和2种植被指数[反红边叶绿素指数(IRECI)和特定色素简单比值植被指数(PSSRa)],是草地AGB敏感的特征变量。其中,红边波段(B5、B6、B7)对天然草地AGB遥感反演具有重要作用。2)基于RF算法的草地AGB估测模型是门源县天然草地生物量估测的最优模型(验证集R2为0.72,RMSE为622.616 kg·hm-2),优于SVM模型(... 相似文献
5.
基于Landsat 8遥感影像的土地利用分类研究——以四川省红原县安曲示范区为例 总被引:3,自引:0,他引:3
以四川省红原县安曲示范社区2013年7月23日的Landsat 8OLI影像为数据源,参照国家土地利用分类标准,结合示范区的野外实际调查资料、数字高程模型、草地资源类型等辅助信息,建立了较为准确的解译标志。将目视解译结果视为地表真实状况,对非监督分类、监督分类和基于专家知识的决策树分类的结果进行精度验证。结果表明,监督分类方法对红原安曲示范区的土地利用分类结果与实际类别吻合最好,其分类总体精度可达85.02%,其中面积占示范区总面积约99%以上的草地、湿地、道路及水体的分类精度分别达88.66%、83.42%、83.73%和85.26%。 相似文献
6.
7.
草地对全球气候变化的响应及其碳汇潜势研究 总被引:10,自引:3,他引:7
本研究用综合顺序分类法(CSCS)分析了1950-2000年和2001-2050年期间的草原类型演替及碳汇动态。证明中国草地的碳汇主体依次是冻原和高山草地、温带湿润草地、斯泰普草地和半荒漠草地大类,占中国潜在草地总面积的85.52%,年碳汇潜力占中国潜在草地年碳汇潜力的93.29%。全球草地的碳汇主体是萨王纳、冻原和高山草地大类,两者的面积和占全球潜在草地总面积的48.50%,年碳汇潜力占全球潜在草地年碳汇潜力的72.22%。在全球气候暖干化的强(A2a)、弱(B2a)情景下,与当前(1950-2000年)情景相比,中国将呈现草地面积减少,林地面积增加的态势;与中国的趋势相反,全球将呈现草地面积增加,林地面积减少的态势。在全球暖干化的A2a和B2a模式下,草地年碳汇潜力,中国将分别提升14.6%和18.5%,全球将分别提升17.3% 和16.8%。但两者的增长方式不同,全球是以温带湿润草地大类年碳汇潜力大幅增加为特征,而中国是以负增长为特征。我国的暖干化趋势在草地年碳汇潜力上的反映较之全球更强烈。尽管造成全球气候暖干化的自然因素远非人力所能控制,但系统问题只能靠系统综合的办法治理。这是草地工作者当前的使命。 相似文献
8.
“3S”技术在草地鼠虫害监测与预测中的应用 总被引:6,自引:0,他引:6
日益严重的草地鼠虫害,己成为引发草原退化、沙化、水土流失的重要因素之一,并威胁我国草地畜牧业的可持续发展。"3S"技术作为一种综合性技术手段,具有探测范围广、信息量大、成本低、受地面条件限制和人为因素影响小等特点,可实现对各种空间信息和环境信息的快速、机动、准确、可靠的收集、处理与更新。这一技术与地面调查资料的结合,不仅加快了对草地资源的宏观监测速度,而且能够快速、准确地反映草地鼠虫害的变化动态。结合鼠虫害发生的特点,重点概述了运用"3S"技术对草地鼠虫害进行监测的原理、方法及存在的问题,并分析了该领域未来的研究重点和"3S"技术的应用前景。 相似文献
9.
甘南地区MODIS土地覆盖产品精度评价 总被引:4,自引:0,他引:4
以甘南州为研究区,参考2004年TM遥感影像目视解译分类图,评估了2004年MODIS土地覆盖产品MCD12Q1的分类精度。研究结果表明:1)MCD12Q1产品的IGBP、UMD、LAI/FPAR、PFT 4种土地覆盖分类图像中,UMD分类图像的总体精度最高,为61.03%,草地分类制图精度达91.61%,用户精度达61.53%。2)该产品分类误差主要为林地漏测误差和草地多测误差,其中LAI/FPAR图像的林地漏测误差和草地多测误差最高,分别达85.04%和38.90%。3)统计计算2001-2005年UMD分类图像的甘南州草地总面积,与甘南州统计年鉴的数据基本一致,能够反映甘南草地时空分布范围及面积的动态变化特征。 相似文献
10.
利用青南牧区2007-2010年的AMSR E亮温数据计算了相应的微波植被指数(Microwave Vegetation Index,MVI),对MVI的月季动态变化特征进行了分析,同时结合相同时间序列的MODIS NDVI和EVI数据,对比分析了MVI和MODIS植被指数之间的相关关系,筛选出NDVI反演模型,并对模型的精度进行了评价。结果表明,MVI值随着植被的生长而降低;MVI与NDVI、EVI均有显著的线性负相关。其中,升轨低频MVI与NDVI的相关性最好,相关系数为0.58(P<0.001);MVI与MODIS植被指数之间的最优模型为NDVI=-0.85×MVI+0.84;利用最优模型将反演的NDVI与MODIS NDVI进行比较,两者差异较小,说明这一模型能较好地反映2种植被指数的关系。 相似文献