基于多特征优选的无人机可见光遥感林分类型分类

【目的】以无人机可见光遥感影像为数据源实现竹林、针叶林和阔叶林的分类识别,扩展无人机可见光遥感数据在森林资源调查中的应用范围。【方法】利用无人机获取仅包含红、绿、蓝3个波段光谱信息的航拍影像,经预处理生成空间分辨率为0.1 m的数字正射影像图(DOM)和数字表面模型(DSM),从DSM和DOM中提取包括高度特征、光谱特征、常见的可见光植被指数、HSV颜色分量、HSV颜色分量基础上提取的纹理特征以及扩展的形态学多属性剖面(EMAPs) 6类特征;采用递归特征消除随机森林算法(RF_RFE)优选特征子集,根据不同类型特征和优选特征子集设置8组试验,使用随机森林分类器(RFC)进行林分类型分类,运用目视解译获得的地面真实影像建立混淆矩阵评价分类结果。【结果】1)单独利用光谱特征进行林分类型分类效果不理想,总体精度为65.68%,Kappa系数为0.53;以光谱特征为基础单独引入其他特征进行林分类型分类,除植被指数外,其他特征均可提高总体分类精度; 2)采用递归特征消除随机森林算法优选出11个特征,包括5个EMAPs特征、3个HSV纹理特征、1个高度特征、1个植被指数和1个HSV颜色分量,11个特征组合获得8组试验中最高分类精度,总体精度为81.05%,Kappa系数为0.73; 3)将多特征优选方法应用于不同分辨率的可见光无人机影像上均取得较好分类结果,其中分辨率为0.3 m时分类精度最高,总体精度为82.46%,Kappa系数为0.75。【结论】递归特征消除随机森林算法综合多类型特征中最有利于林分类型分类的特征,从而提高分类精度,研究结果可为无人机可见光遥感数据在森林资源调查中林分类型信息的提取提供参考。     

基于高分一号影像光谱指数识别火烧迹地的决策树方法

森林火灾发生后,为及时、准确地掌握森林受灾情况,利用高分一号卫星(GF-1)16m宽幅影像各波段反射率信息,结合计算的归一化植被指数(NDVI)、过火区识别指数(BAI)、阴影植被指数(SVI)、归一化差异水体指数(NDWI)和全球环境监测指数(GEMI)等5种光谱指数,构建森林火烧迹地识别决策树模型(CART);在选取的研究区对该模型方法进行验证,并与最大似然监督分类法和非监督分类(ISODATA)方法所得到的结果精度进行了对比分析,结果表明:采用基于CART模型的决策树方法对火烧迹地识别结果精度较最大似然法总体分类精度提高了4.38%,Kappa系数提高了0.102 4,制图精度提高了14.96%,用户精度提高了8.50%;而采用ISODATA方法识别的火烧迹地的总体精度和Kappa系数都较低,制图精度和用户精度都没有达到1%。     

基于遥感的乌鲁木齐市绿地资源信息提取技术研究

城市绿地是城市生态系统中的一个子系统,可以综合调节城市生态环境。本文基于遥感信息,对乌鲁木齐市绿地格局进行研究和探讨,对城市绿地专题信息进行提取。主要通过计算TM影像及各主成分分量和归一化植被指数NDVI的相关系数来进行波段组合,提高遥感影像的目视解译精度和分类精度,然后与其他资料对比研究,可以发现该方法对于城市绿地信息提取能取得较好结果。研究表明乌鲁木齐市城市绿地存在面积较少,分布状况不均匀。     

云阴影区机载高光谱影像森林树种分类

[目的]使用窄波段植被指数、纹理信息等特征对影像进行分类,探究植被指数和纹理信息对于云阴影下树种分类的潜力。[方法]使用经过大气校正后的高光谱影像进行窄波段植被指数的计算、纹理分析以及主成分分析,并对计算的结果进行波段组合。用于计算纹理信息的波段通过最佳指示因子进行选择,选取的波段数为31(0.67 nm),51(0.86 nm),55(0.89 nm) 3个波段。结合高分辨率的航空相片进行训练样本的选择,采用Support Vector Machine(SVM)方法对经过大气校正后的反射率影像和重组后的特征影像分别进行分类,使用样地实测的树种信息对分类结果进行验证,使用总体精度和Kappa系数作为分类精度的评价指标。[结果]相对于直接使用反射率影像进行分类,使用窄波段植被指数以及纹理信息可以显著地提高云阴影下地物的分类精度,其分类精度和Kappa系数分别为90.4%和0.88,比直接使用反射率影像的分类精度和Kappa系数分别提高了18%和0.2。[结论]使用重新组合后的影像进行树种分类比直接使用反射率影像进行分类,其分类精度更高,说明窄波段植被指数与纹理特征可以提高云阴影区树种分类的精度。使用波段重组后的影像对云阴影下地物分类,其对于单个地物的分类精度也有明显的提高。     

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。     

基于QUEST决策树的火烧迹地自动提取

以研究大尺度范围内森林火灾面积提取的可行性为目的。本文以昆明市为研究区,分别提取2005年和2006年两期Landsat TM影像的植被指数、水体指数、火烧迹地指数、纹理特征等,并选取适于大尺度范围的最佳特征波段;利用特征融合后的影像构建决策树,实现大尺度范围内火烧迹地的自动提取。研究表明,QUEST算法的分类总体精度达84.5%,在3种分类方法中精度最高;采用QUEST算法的决策树分类提取"3·29"火烧迹地面积占实际的97.9%,但大尺度范围内火烧迹地提取效果并不理想,仍需人工剔除提取产生的较小的斑块;最后用2015年"3·02"的火烧迹地验证了QUEST决策树方法的具有一定的普适性。该模式对大尺度范围内森林火灾面积统计的具有重要应用价值。     

基于GF-1遥感影像湿地变化信息检测算法分析

湿地遥感变化信息检测并识别一直是遥感动态监测的一个技术难点。以东洞庭湖为研究区,2期GF-1遥感影像为研究对象,在数据预处理的基础上,将研究区分为芦苇、苔草、辣蓼与泥蒿、水体、泥滩地等6种类型。研究引进了NDVI植被指数波段与第一主分量波段(PC1)对传统的图像差值算法进行改进,提取出两期影像的变化信息,并与支持向量机的多时相影像分类后检测算法相比较。结果表明:(1)研究区遥感影像经过大气校正和图像配准等预处理之后,GF-1遥感影像变化检测的最佳波段组合为RGB=432;(2)利用支持向量机分类器对两期遥感影像进行分类时,样本选择的可分离度均在1.9~2.0之间,分类结果的总体精度为85.34%,Kappa系数为0.8,满足分类后比较算法提取变化信息的要求;(3)引进NDVI与第一主分量区分变化信息,并采用直方图积累区间确定变化阈值,信息增加的变化阈值设置为0.3,信息减少的变化阈值设置为0.2,Smooth Kernel Size设置为3,Aggregation Min Size设置为30,优化结果最佳。利用2期GF-1遥感影像提取湿地变化信息,分类后比较算法与改进后图像差值算法,图像差值法快速、直接提取变化信息,检测精度为89.6%,Kappa系数为0.9,且不受分类精度与分类样本一致性的限制,明显优于传统分类比较算法,是一种高效可行的方法。     

VDVI与AKAZE结合的无人机森林影像匹配方法

[目的]无人机森林航摄影像的主体内容为颜色较单一的林冠,其纹理重复率高,而且存在非刚体性变换等导致影像的匹配难度高于普通测绘无人机航摄影像.如果直接采用普通特征算法进行影像匹配时,经常出现提取的特征点数量少、误匹配率高、特征点分布不均匀等问题.本研究探索了一种可见光植被指数(VDVI)与AKAZE结合的无人机森林影像匹...     

基于高光谱影像融合的湿地植被类型信息提取技术研究

对-36°和0°的多角度高光谱CHRIS遥感影像数据进行植被指数计算及影像融合,提出归一化植被指数(NDVI)与高光谱影像融合后,采用波谱角填图(SAM)的方法提取湿地植被类型信息。该方法首先对-36°影像进行NDVI植被指数计算,然后与0°影像融合,再采用SAM方法提取湿地植被类型。结果显示,利用该方法对青海省隆宝滩湿地植被类型的提取精度可达到92.23％;而利用SAM方法对0°影像直接进行湿地植被类型提取,其精度只有66%。由此可见,利用不同角度信息影像融合的方法,大大提高了高光谱影像进行湿地植被类型信息提取的精度,为湿地植被类型信息提取又提供了一个有效可行的方法。     

基于Landsat遥感影像的杨树信息提取方法分析

该文使用近10 a 4个时相的江苏全省Landsat遥感影像,在数据预处理的基础上提取归一化植被指数、比值植被指数、土壤调节植被指数、增强型植被指数、大气阻抗植被指数等5种植被指数,并进行主成分分析。运用最大似然法、随机森林法和光谱角填图法进行分类,结合小班数据,对各方法的分类结果进行精度评价。评价结果表明,光谱角填图分类法在杨树信息提取时精度更高,对杨树的区分精度也达到42.67%。     

神木市植被NDVI动态变化及时空格局分析

【目的】归一化植被指数(normalized difference vegetation index,NDVI)可以指示植被生长和覆盖状况,探究其长时间序列时空动态变化特征规律,对明确区域植被生态变化情况具有重要意义。【方法】利用谷歌地球引擎(google earth engine,GEE)云平台获取植被生长季(7—9月)长时间序列Landsat影像并构建NDVI指数。通过变异系数、Sen+Mann-Kendall趋势分析、未来趋势变化分析和空间自相关性计算,分析2000—2020年神木市NDVI时空变化特征及空间格局,并提取NDVI不同聚集区面积结合植被生长季累计降水量和平均气温进行分析。【结果】2000—2020年神木市NDVI显著增加,增速为1.25%·a^-1;NDVI增加区域、稳定不变区域和退化区域分别占总面积的97.8%、0.4%和1.8%,退化区域主要分布在矿区和城市聚集区;NDVI变异系数主要集中在0.3～0.5之间,整体波动比较剧烈,变异程度呈现“东南高、西北较低”的空间格局;全区NDVI平均Hurst指数0.69,持续显著增加面积占比93.7%,...     

基于NDVI再分类的城市绿地信息提取——以江苏省徐州市为例

以徐州市为例,分析对比各种城市绿地提取方法的准确度和可行性,结果表明:对遥感影像进行归一化植指数后,通过无监分类提取绿地信息的方法,是一种准确而快速的城市绿地监测方法.     

基于时间序列遥感影像及DTW算法的塞罕坝林场树种识别研究

森林树种的识别和分布是森林资源监测的重要内容,是森林生态规划的基础。以塞罕坝机械林场为研究区域,利用14个时相的哨兵2号遥感影像组成时间序列数据,构建红、绿、蓝、近红外四基础波段特征时间序列和包括归一化植被指数(Normalized differential vegetation index,NDVI)在内的五特征时间序列,对这2个多特征时间序列分别采用动态时间规整(Dynamic time warping,DTW)算法计算的距离作为相似性度量标准,然后利用K均值算法完成研究区域树种聚类,并对树种识别精度分别进行评价。研究结果显示,NDVI特征时间序列非常有效体现植被的物候信息,加入NDVI特征时间序列的五特征时间序列运用DTW-K均值方法可以达到现实中树种分类调查精度的需求,总体分类的精度为88.58%,Kappa系数为0.84;落叶松分布最为广泛,面积达到35 892.23 hm~2,分类精度为94.14%,多集中分布于研究区域北部和东南部;桦树次之,面积为18 376.24 hm~2,其分类精度为76.30%,东部地区桦树分布明显高于西部地区;樟子松、云杉和柞树的分布面积较少,分别为8 749.30 hm~2、1 217.08 hm~2和3 814.40 hm~2,分类精度分别为83.82%、69.88%、72.22%。     

基于Landsat影像的土地覆盖变化信息提取方法研究——以贵阳市为例

基于贵阳市中部地区2017年和2019年Landsat8 OIL地表反射率数据,采用图像差值法、归一化植被指数差值法、主成分分析差值法3种方法进行土地覆盖变化信息的提取.精度评价结果表明:主成分分析差值法虽然漏检率高于归一化植被指数差值法,但正检率和错检率均明显优于其他2种方法,是3种方法中更适合该研究区提取土地覆盖变...     

多源数据林地类型的精细分类方法

【目的】探讨复杂中山区域、多源数据支持下,高空间分辨率遥感影像林地类型层次化精细分类方法,以促进高分辨率遥感数据在森林资源调查与监测方面的深入应用。【方法】以嘉陵江上游甘肃省小陇山林业实验局百花林场为研究区,以SPOT5和高分一号(GF-1)遥感影像为主要数据源,综合利用影像光谱特征、植被指数特征、纹理特征与时相特征、地形特征、森林资源"二类调查"成果数据与林相图等辅助信息,及典型地类与主要森林类型外业调查样本数据,发展针对暖温带典型天然次生林区、复杂山区地形条件下高空间分辨率遥感影像林地类型多层次信息提取与森林类型精细识别的有效方法。在分析不同时相影像光谱特征的基础上,构建并优选归一化植被指数(NDVI)、比值植被指数(RVI)、比值短波红外指数(RSI)、差值植被指数(DVI)4种植被指数特征和均值(ME)、同质性(HOM)、非相似性(DIS)、信息熵(ENT)、角二阶距(ASM)、相对峰值(RK)6种纹理特征,引入与主要森林类型空间分布相关的DEM高程值、坡度、坡向3个敏感地形因子,利用不同林地类型时相动态特征和辅助信息特征,在不同层次影像上分别采用适于该层待分信息类别的阈值法、支持向量机(SVM)、多分类器组合(MCC)、人工神经网络(ANN)分类方法,将各层分类结果合并获得整个研究区林地类型精细分类图。最后,采用分层随机抽样的独立检验样本对分类结果中7类林地类型进行精度验证,并对5类主要森林类型精细识别结果进行面积统计,与"二类调查"及影像解译结果各类型面积统计值进行对比分析,进一步从整体上检验分类方法的有效性和分类结果的可信度。【结果】本文所发展的分类方法对林地类型信息提取精度较高,有林地、其他林地、苗圃地等7类林地类型总体分类精度达92.28%,总Kappa系数为0.899 6;油松林、华山松林、日本落叶松林、栎类落叶阔叶林、其他落叶阔叶混交林5类主要森林类型面积统计结果的平均相对精度为92.4%。【结论】多源数据支持下的多层次林地类型精细分类方法是一种有效的林地类型信息精准监测方法,具有精度高和可信度高的优势,且森林类型精细识别详细程度达到优势树种(组)级别,是解决复杂山区林地类型精细分类与森林类型精细识别的一种有效手段,可满足森林资源调查、变化监测、数字更新等林业应用需求。     

基于高光谱遥感卫星时序序列玉米种植面积的提取

为了提高玉米种植面积的提取,使用2019年玉米收获前后的卫星影像数据,建立了归一化植被指数时间序列,增强图像信息,结合实测点数据选择分类样本,采用最小距离、最大似然法、神经网络、支持向量机4种方法对合成归一化植被指数图像进行了分类提取.提取结果表明:最大似然法分类精度最高,其次是支持向量机、最小距离、神经网络,与202...     

大气校正前后植被指数与森林蓄积量关系研究

利用FIAASH对中山陵风景区的ETM+影像进行大气校正,然后利用ETM+原始DN值、大气表观反射率、地面反射率计算归一化植被指数,并分别建立不同方法计算的归一化植被指数与单位蓄积量的函数关系。研究结果表明,地面反射率计算的归一化植被指数更能反映地面植被覆盖的真实情况,同蓄积量有更强的相关关系。     

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GEE平台广西桉树快速提取研究

为进一步提高基于遥感影像森林(人工林)植被信息提取的工作效率,基于Google Earth Engine(GEE)平台,以Landsat8 OIL影像为实验数据,利用监督分类、支持向量机、最大熵模型、随机森林以及根据试验区实际构建的决策树分类方法对试验区桉树人工林种植面积进行提取,并对各方法进行了比较,在此基础上利用决策树法提取了广西地区桉树种植面积,并利用无人机影像与Google Earth Pro历史影像对实验结果进行了验证。实验过程及结果表明:利用GEE平台可以高效快速地提取遥感植被信息。在以上5种方法中,决策树分类方法取得最好的效果,其试验区桉树提取总体精度与Kappa系数分别达到0.82,0.85;同时,利用决策树提取的广西桉树种植面积与统计资料的面积统计结果具有较好的一致性。说明构建的决策树分类方法对大区域、复杂山区植被覆盖信息的快速提取具有参考意义。     

基于GEE的滇池水体面积时空变化特征及相关驱动因素

水体是生态系统的重要组成部分，滇池作为云南省昆明市最大的淡水湖，对生态系统的平衡、对城市的可持续发展有着重要影响。本文以滇池为研究对象，基于GEE(Google Earth Engine)云平台，选取Landsat遥感影像，综合改进归一化差异水体指数(modified normalized difference water index,MNDWI)，使用大津二值算法提取滇池水体面积，探讨了2013—2021年滇池水域九年间的面积变化趋势。结果表明：2013—2021年，滇池水域面积年度性变化总体趋势不大，大多数年份的季节性面积变化明显；选取36幅中3幅影像，研究了季度性OA指数与Kappa系数，OA指数均在98%以上，表明精度较高。经调查发现，滇池水体的时空变化与诸多因素有关：（1）降雨量。受自然条件旱季、雨季（雨季：4月至9月，旱季：10月至次年3月）分化的影响，滇池水体的变化呈现出明显的季节变化；（2）平均气温。在夏季，阳光充足，日照时间长，日照时间的长短与水域面积呈现负相关关系，水蒸发量大，与冬季的稳定性形成鲜明的对比。