基于元胞自动机和BP神经网络算法的Landsat-TM遥感影像森林类型分类比较

【目的】针对森林资源遥感监测效果往往受森林类型识别分类方法的影响,提出一种基于元胞自动机的遥感影像森林类型分类方法,以提高Landsat-TM遥感影像的分类精度,为森林资源遥感监测提供技术支持。【方法】以小兴安岭带岭林业经营管理局为研究区,基于2010年Landsat5-TM影像数据和2012年森林资源二类调查数据,采用窗口法获取TM第5波段各待分类别的像元均值作为聚类中心,以元胞自动机的Moore模型为框架,以元胞为基本单位,以像元均值为对象,利用最小距离法求取进化规则(判断准则是中心元胞周围的8个元胞距每类聚类中心的距离最近且像元数量最多,则中心元胞属于该类别),充分考虑影像及地物之间的空间特征,采用元胞自动机分类方法进行森林类型的识别分类。同时,以相同的样本数,采用3层BP神经网络模型对TM遥感影像进行分类试验,并比较2种方法的分类效果。【结果】基于元胞自动机的分类方法总体分类精度为88.712 1%,Kappa系数为0.829 1,针叶林、阔叶林和针阔混交林的用户精度分别为73.60%,92.94%和94.13%,达到了区分针叶林、阔叶林和针阔混交林的分类目的。BP神经网络算法的总体分类精度为86.671 3%,Kappa系数为0.798 4,针叶林、阔叶林和针阔混交林的用户精度分别为69.22%,93.37%和90.76%。2种分类方法均可有效识别森林类型信息。【结论】元胞自动机模型应用于遥感影像森林类型识别分类可弥补因TM影像空间分辨率较低造成的遥感影像分类精度过低的问题,提高分类精度。在森林分布破碎、种类类型多样且结构复杂的带岭林区,该研究结果有助于森林资源监测与管理,可为大区域尺度的森林动态信息监测提供更好的数据及技术支持。     

基于多种分类器组合的森林类型信息提取技术研究

遥感图像分类是遥感应用系统中的关键技术,提高遥感图像的分类精度是发展遥感技术重点,采用多分类器组合的算法对黑龙江塔河县森林类型进行分类。根据黑龙江省森林资源调查技术规定及研究区二类调查数据制定分类系统,最终的分类级别为针叶林、阔叶林和针阔混交林。通过分析TM数据的原始波段和NDVI、BI等植被指数提取各分类类型的光谱特征。选择最小距离法、最大似然法、马氏距离法对研究区进行分类,计算出各分类器的精度。在分类器组合的过程中采用信息熵方法确定组合分类器中各分类器的权重系数,利用组合后新的分类器对研究区进行分类。结果表明:多分类器组合的分类精度达75.59%,比单分类器精度提高了3.85%,对阔叶林、针阔混交林、针叶林3种分类类型的分类精度分别达82.32%、66.45%、75.49%,比单分类器进度分别提高了2.87%、4.82%。4.10%。     

基于遥感技术的森林可燃物类型划分

应用监督分类法中的最大似然法(Maximum Likelihood Classification)以及遥感图像对塔河林业局森林可燃物类型划分的结果为:针叶林、阔叶林、针阔混交林、空地等几种类型,并绘制了可燃物类型分布图,经分类精度检验,总体分类精度为83.00%,KAPPA系数为0.769。同时,对不同可燃物类型的特点进行了分析。     

基于BP神经网络的森林植被遥感分类研究

如何解决多类别图像的识别并满足一定的精度,是遥感图像研究中的一个关键问题,具有十分重要的意义。本文使用Landsat7ETM+遥感数据和森林资源分布图等地理辅助数据,用BP神经网络方法对森林植被进行了分类,并与最大似然法的分类结果进行精度比较分析。结果表明地理辅助数据参与的BP神经网络用于森林植被遥感图像分类其效果是较好的,是一种有效的图像分类方法。     

长江上游绵阳官司河流域低山丘陵区不同植被类型生物多样性分析

本文用多样性指数（Shannon—Wiener指数、Simpson指数）、均度指数（Pielou指数）、丰富度指数（Margalef指数、Menhinick指数）对绵阳官司河流域5种不同的人工林进行生物多样性分析,结果表明：经过植被恢复,各林分类型生物多样性都有所提高,同时水土保持效益也明显提高,土壤侵蚀量减少了42％;在5种植被类型中,乔木层中以针阔混交林的生物多样性最高,灌木层以松柏混交林和麻栎林的生物多样性最高,草本层以松柏混交林的生物多样性最高;5种植被类型中,灌木层地上部分生物量以针阔混交林最大为1849．37kg·hm^-2,马尾松纯林最小为747．37kg·hm^-2,其大小顺序为：针阔混交林〉柏木纯林〉栎类林〉松柏混交林〉马尾松纯林;草本层植物地上部分部总生物量大小顺序为：松柏混交林〉柏木纯林〉栎类林〉针阔混交林〉马尾松纯林。     

人工针阔混交林功能和作用机理研究

通过对辽东、辽西人工针阔混交林中凋落物分解动态、防火防病虫机理、森林益鸟的流动频率试验及调查研究，结果表明，日本落叶松与色赤杨混交林枯落物年失重率大于日本落叶松纯林。枯落物（叶、技）年失重率，第１年纯林分别为混交林的７８．３％、７５．０％；第２年为８７．５％、８２．１％。各林型枯落物年失重率为慢－快－慢的节律，枯落物害羞元素的释放率是阔叶树种高于针叶树种。针阔混交林能提高分的防火、抗病虫能力，招引     

文峪河上游森林景观格局动态特征分析

基于3期遥感影像,并结合实地调查数据,运用SVM机器学习的分类方法,从植被覆盖度、景观要素类型动态变化、景观格局指数等方面,综合分析文峪河上游近10年的森林景观格局动态变化特征。结果表明:研究区针叶林和针阔混交林面积之和均超过84%,是研究区域的主要景观要素类型;针阔混交林转为针叶林、疏林灌丛转为针阔混交林、针叶林转为针阔混交林、针阔混交林转为草地、草地转为针阔混交林是景观要素类型转移的5种主要方式;2009—2014年是森林资源快速生长恢复阶段,2014—2018年是森林资源稳定生长期;2009—2018年研究区景观总体呈现破碎度增加、景观异质性增强、斑块形状趋于复杂、景观连通度增加、流域景观多样性基本不变等特征。研究结果可为文峪河流域森林资源今后的保护利用以及经营措施提供重要参考。     

杨桦林抚育改造后林分的种群结构及演替趋向的研究

通过对杨桦林抚育改造，林冠下人工更新红松，加速了演替进程，初步形成了，以红松为主的阔叶红松林。该林分结构合理。上层抚育后，林分红松的重要值为４１．５％，柞树、水曲柳、核桃楸的总重要值为２６．４％，杨、桦的重要值为２７．３５％。目前林分是一个以软、硬阔叶树和红松为主要建群种的针阔混交林。从林分演替趋向看，演替层和更新层中色木、柞树、水曲柳、核桃楸、椴树大量发生，必将同栽植的红松形成针阔混交林，逐渐地     

择伐抚育对不同类型马尾松人工林林下生物多样性的影响

以湖北丹江口库区不同类型马尾松人工林为研究对象,利用生物多样性指数进行择伐抚育前后林下植物多样性测度分析。结果表明,择伐抚育后,灌木层主要的优势物种变化不大,而草本优势物种则变化较剧烈。不同类型马尾松林灌木层Shannon-Wiener多样性指数、Simpson优势度指数、Pielou均匀度指数表现为松柏混交林中密度马尾松林低密度马尾松林高密度马尾松林针阔混交林,Margalef丰富度指数表现为中密度马尾松林低密度马尾松林高密度马尾松林松柏混交林针阔混交林。择伐抚育致使针阔混交林和高密度马尾松林的灌木层多样性降低,松柏混交林、中密度马尾松林、低密度马尾松林则呈现升高趋势。针阔混交林和低密度马尾松林草本层各指数均整体降低,高密度马尾松林、中密度马尾松林、松柏混交林则呈现升高趋势,可见择伐抚育导致草本层生物多样性波动较大。同时,松柏混交林的生物多样性灌木层草本层,而高密度马尾松林、中密度马尾松林、低密度马尾松林和针阔混交林的生物多样性则是草本层灌木层。     

南亚热带桉树林和针阔混交林土壤及凋落物持水能力比较

以桉树林（第2代和第1代）和杉木针阔混交林（10～11 a和5～7 a生）为研究对象,探讨南亚热带4种试验林0～100 cm土层土壤及凋落物持水能力。结果表明,在0～100 cm土层,针阔混交林土壤总孔隙度和毛管孔隙度均高于桉树林,而土壤非毛管孔隙度却显著低于桉树林（P＜0．05）,表明针阔混交林土壤中有效水的贮存容量高于桉树林。受土壤总孔隙度和毛管孔隙度的影响,针阔混交林土壤最大持水量和毛管持水量显著高于桉树林（P＜0．05）。4种试验林田间持水量的差异不显著（P＞0．05）,说明4种试验林土壤保水能力基本一致。4种林分凋落物量表现为桉树林Ⅳ＞桉树林Ⅱ＞针阔混交林Ⅰ＞针阔混交林Ⅲ,桉树林凋落物最大持水量、最大拦蓄量和有效拦蓄量显著高于针阔混交林（P＜0．05）。     

基于混合像元分解的庐山及周边林地遥感图像分

由于传感器分辨率的限制以及地物的复杂多样性,混合像元普遍存在于遥感影像中,在一定程度上影响到地物提取精度。以江西省庐山及周边地区2019年4月9日的ETM+影像为例,使用线性混合模型和非线性的BP神经网络方法对图像进行混合像元分解,利用2019年5月的SPOT数据及其与ETM+影像融合的分类结果对分解结果进行验证。结果表明,非线性的BP神经网络分解精度高于线性分解精度。对比使用BP神经网络分解图像提取林地面积的精度提高了1%~5%。     

BP神经网络反演森林生物量模型研究

基于LandsatTM影像和DEM数据,尝试利用BP神经网络建立旺业甸林场森林生物量非线性遥感模型系统,通过实验筛选,最终利用增强型的BP网络进行训练仿真。模型仿真结果表明,增强型的BP神经网络具有自学习和自适应功能强、收敛速度快的特点,能够最大限度地利用先验样本。仿真检验结果的相对系数达0．8022,平均相对误差为15．7％,表明该模型预测的生物量与实际生物量一致性较好,能够达到较好的反演效果。     

Prediction of Forest Stock Volume Based on Neural Network Model

BP and RBF neural network to predict forest stock volume were studied,but the study in evaluating both networks’ application effects was not conducted.In order to find a higher forecast precision,more strong applicative method,the comprehensive analysis and evaluation on the two methods were carried out in the practical application. By the correlation analysis,crown density,shady-slope and sunny-slope,TM1,TM2,TM3,TM5, TM7,NDVI,TM,(4-3),TM4/3 were selected as input variables,and the forest volume of Miyun County as output variables,RBF and BP neural network models for forecasting the forest volume were established.And the neural network training step length,training time,prediction accuracy and the applicability model of the two methods were comprehensively analyzed.The results show that the RBF neural network model is superior to the BP neural network model.     

基于ANN的森林蓄积遥感估测研究

利用TM遥感图像光谱信息良好的综合性和现势性以及地理信息系统(GIS)强大的空间分析功能,结合人工神经网络(ANN)可优化求解非线性复杂系统的功能,对海南省抱龙林场森林蓄积进行遥感估测研究。结果表明:ANN可有效地估测森林蓄积量,研究区森林蓄积量的预测值与实际值的一致性较好,其相关系数达0.914;以遥感特征纹理(Skewness)Band2对蓄积估测的贡献率最大。     

林区TM图像噪音消除方法的比较研究

遥感图像会因成像系统和地理环境而产生噪音,这些噪音将会影响从TM图像中提取森林信息的精确性和有效性.消除噪音对图像的分类十分重要.本研究的目的是评估应用Landsat 5 TM 图像提取森林相关信息时,目前所使用的空间滤波处理方法的有效性.对低通滤波、中值滤波、均值滤波、求和滤波、增强型自适应滤波五种空间滤波方法做以检验.通过设计一系列的评估指数,分析每种噪音消除方法的平滑能力、边界保持和增强能力.基于所设计的评价指数和图片对比表明,对林区土地利用和森林类型分类而言,求和滤波（D=1）和增强型自适应滤波是消除Landsat 5 TM图像噪音的最有效的方法.     

基于TM遥感影像的森林类型分类方法比较

以吉林省汪清林业局为例,基于Landsat5-TM影像,充分利用遥感影像光谱信息,分别采用动态聚类法和组合监督分类法对该林区的森林类型进行分类,并对分类结果的精度进行比较分析.研究结果表明,利用组合监督分类的精度比动态聚类法分类的精度要高,总体分类精度高11％,其中针叶林、阔叶林、混交林和其他用地的分类精度分别高8％、11％、17％和10％.     

基于统计的遥感图像分类方法

对遥感图像分类是遥感图像信息获取的重要手段。统计分类方法在遥感图像分类中运用得很普遍,同时统计分类方法还是各种新兴分类方法的基础。文章主要研究了各种统计分类方法在遥感图像分类中的应用,在此基础上运用核密度估计Bayes分类方法、BP神经网络分类法进行分类,并与传统的统计分类方法进行比较。     

高光谱数据森林类型统计模式识别方法比较评价

在我国东北地区获取EO-1 Hyperion高光谱数据,以高空间分辨率的全色SPOT-5数据及其影像分割结果为辅助,通过外业测量获取真实可靠的森林类型空间分布数据.以这些数据为地面实状数据,对现代先进的统计模式识别方法用于森林类型识别的效果进行比较评价,总结可以有效解决有限样本条件下高光谱分类问题的基于统计模式识别的森林类型分类技术方案.评价结果表明:对高光谱数据进行降维处理,并采用更加有效的二阶统计量估计方法,进而应用将空间上下文信息和光谱信息相结合的分类算法,如ECHO,可以有效提高高光谱数据森林类型的识别精度.     

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%.