基于CART决策树技术的林业地类遥感影像分类研究

以LandsatTM遥感影像为研究数据源,利用CART决策树算法,结合光谱信息和纹理信息进行林业地类的分类,并把获得的结果与传统的最大似然法分类进行比较,结果表明：在卫星影像的整体分类精度上,决策树分类技术要优于最大似然法。相对于最大似然分类,决策树的树状分类结构对数据特征空间分布不需要预先假设某种参数化密度分布,所以...     

面向对象CART决策树方法的湿地遥感分类

[目的]以北京地区为例,对大区域多类型湿地信息提取方法进行研究。[方法]采用面向对象多尺度分割算法及光谱差异分割算法分割Landsat8 OLI遥感影像,辅助Google Earth高清影像及2015年人工解译结果,使用分层抽样法随机产生训练样本与验证样本;综合运用光谱、形状、纹理特征及拓扑关系,构建CART决策树模型提取研究区湿地信息;与最大似然法、面向对象最邻近方法的分类结果进行对比。[结果]利用面向对象CART决策树方法,分类结果的总精度为88.05%,Kappa系数为0.844,相较于面向对象最邻近方法,总体精度、Kappa系数相差不大,但针对部分湿地类型,如河流、沼泽湿地,精度提高了10%～20%;比使用最大似然分类法的总精度高近30%,Kappa系数提高0.355。[结论]对于湿地分布广泛、类型及数量较多的地区,面向对象CART决策树方法分类结果较好,是一种快速、有效的分类方法。     

基于遥感影像和二类调查数据的林地类型分类方法对比研究——以广西凭祥市为例

基于Landsat 8 OLI遥感影像和森林资源二类调查数据,对有林地、灌木林地、未成林地和非林地等林地类型,分别采用最大似然、神经网络、支持向量机和决策树分类方法进行分类,验证分类精度,并对分类效果进行对比评价。结果表明:支持向量机分类方法表现最好,分类精度为78.7%,Kappa系数为0.76;其次为神经网络和决策树分类方法,分类精度分别为76.8%和72.5%,Kappa系数分别为0.72和0.68;最大似然法表现最差,分类精度为44.9%,Kappa系数为0.39。研究结果可为森林资源信息的快速提取提供理论依据。     

基于GF-1卫星东洞庭湖湿地类型信息提取

以我国自主发射的第一颗高分辨率卫星(GF-1卫星)的影像为数据源,在东洞庭湖开展湿地信息提取。结合国家湿地遥感分类系统和高分影像数据的可解译性,建立了东洞庭湖湿地类型遥感分类系统,包括湖泊、河流、泥滩地、林地、芦苇、苔草、辣蓼+泥蒿7种湿地类型。利用最佳指数和联合熵2个指标确定最佳波段组合方式为4(R)3(G)2(B),并在遥感图像进行预处理的基础上,采用面向对象的决策树进行分类,结果表明:基于面向对象决策树遥感分类方法比最大似然法分类的精度高,总分类精度达85.41%,Kappa系数为0.822 5,并且各类信息的提取精度均有所提高,其中湖泊、芦苇、林地的精度较高。     

三江源自然保护区土地利用遥感分类方法研究

以三江源区域索加曲麻河自然保护区为例,基于TM影像进行数据变换和波段运算后获取的特征指数,采用决策树方法,探讨了高寒区域土地利用遥感分类方法。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区域土地利用/土地覆盖类型进行遥感分类,较传统的最大似然法监督分类总体精度提高15.48%,总体kappa系数提高0.174 1;滩地、沼泽、高覆盖度草地、低覆盖度草地、裸岩石砾地等地类的用户精度提高较大,分别提高28.13%,25.00%,17.86%,17.86%和12.50%。低、中、高3种覆盖度草地,裸岩石砾地的生产者精度也有较大幅度的提升。表明基于指数的决策树分类方法是高寒区域土地利用遥感分类的一种有效手段。     

湿地覆被的几种遥感监督分类方法比较——以江苏盐城湿地珍禽国家级自然保护区核心区为例

基于江苏盐城湿地珍禽国家级自然保护区核心区2002年LANDSAT影像数据和2010年ALOS影像数据,分别使用遥感监督分类常用的最大似然、最小距离和马氏距离3种分类方法对两期影像进行图像分类。通过比较分类结果可以发现:在地表覆被较为简单的沿海湿地,最大似然分类要优于其他2种分类方法。     

基于SVM方法的长白山森林植被信息提取的研究

本文以Landsat TM影像数据为基础,采用基于支持向量机分类方法对长白山地区大荒沟林场进行森林植被信息提取,并与传统的最大似然法分类进行对比。结果表明,基于支持向量机方法的森林信息提取精度,Kappa值分别为0.981 0、0.971 6、0.975 3,均超过了最大似然法(MLC)的提取精度和Kappa值0.963 4。该方法有很好的操作性和实用性,准确度满足了林业规划设计的基础数据材料精度要求。     

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。     

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SPOT5影像的森林资源信息提取技术研究

森林资源调查所使用的遥感影像分辨率不断提高,遥感影像分类技术随之发展成熟,这为森林资源信息的提取,提供了较好的数据资源及技术基础。根据SPOT5遥感的高分辨率特征以及多光谱特征,利用神经网络工具提取森林资源特征,然后进行森林资源的自动提取。将自动提取的结果,结合其他小班区划条件人工进行修改,最终使数据达到资源调查所需要的精度。     

基于Worldview-2八波段影像改进指数的湿地类型分类研究

采用Worldview-2八波段影像作为数据源,选取东洞庭湖湿地核心区域作为研究区,进行了Worldview-2八波段特征分析、构建改进遥感指数、采用改进遥感指数阈值分层分类的策略对湿地区域进行信息提取。研究结果表明,基于Worldview-2八波段影像改进指数的湿地类型分类总精度达到了92.24%,Kappa系数为0.902,比原始遥感指数的分类精度提高了8.18%,特别是对草滩地和泥滩地的区分有了较大的提高,是有效、准确提取湿地类型的技术方法。     

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%.     

面向对象技术在城市绿地信息提取中的应用

以乌鲁木齐市为例,采用高分辨率卫星QuickBird数据为主要信息源,应用面向对象的多尺度分割技术,对城市绿地信息的提取方法进行了研究。利用专题层分割影像,结合成员隶属度函数,实现城市绿地信息的自动提取。研究表明使用该方法提取信息速度快、准确率高、成本低,可以实现城市绿地信息的快速而准确的提取。     

盐城丹顶鹤保护区核心区土地覆被信息提取及其动态变化分析

基于江苏盐城湿地珍禽国家级自然保护区核心区2002年LANDSAT影像数据和2010年ALOS影像数据，分别对两期遥感影像进行图像分类比较、图像差值运算、提取影像植被指数，进行图像差值运算等处理，提取保护区核心区地类和植被覆被的相关信息及其动态变化情况，为保护区核心区进一步加强管理与保护提供科学依据。研究结果表明，保护区核心区的人为干扰较小，境内的原生湿地保存完整，生态系统基本实现自我更新，这种情况对于丹顶鹤的保护非常有利。     

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。     

基于高分辨率遥感影像与DSM的典型地物提取

高分辨率遥感影像和数字地表模型(DSM)结合的地物信息提取,虽可以区分异物同谱中存在高度差异的地物,但相同高度的地物在DSM数据可能会因海拔高度不同而存在明显差异,降低了地物提取精度。从DSM中提取出地物高度信息(nDSM),再以nDSM结合高分辨率光学影像进行地物提取。结果表明:仅以高分辨率光学影像为数据源的方法分类效果最差,结合DSM数据的方法居中,而结合nDSM的方法最优,说明在基于光学影像和DSM数据的地物提取中,采用去除地形因素的nDSM替代DSM可以有效提高分类精度。     

高光谱遥感在植被特征识别研究中的应用

总结了高光谱遥感在植被物种识别、结构特征分析、理化信息提取等主要领域的应用研究现状; 分析了高光谱遥感在植被特征识别中所涉及的光谱特征优化、混合光谱分解、图像分类识别等关键性技术环节的最新进展; 剖析了目前研究中存在的主要问题, 并对今后的发展态势进行了展望。     

基于面向对象的高分辨率影像的森林植被变化信息提取研究

如何利用遥感技术获取森林植被变化信息是遥感应用的重要领域之一。基于ALOS高空间分辨率的遥感影像数据,研究利用面向对象的分类方法,对影像进行多尺度分割,通过隶属度函数,提取森林植被变化信息,并实地验证变化结果。研究表明:利用面向对象的方法对ALOS遥感影像进行森林植被变化信息的提取,个数精度达到80.85%,面积精度达到84.90%。此研究为森林植被变化信息的提取提供了又一有效的方法。     

小尺度样方植被覆盖度信息提取方法的探索

笔者在传统照像法的基础上,探索性地用数码相机在小尺度样方内拍摄不同分辨率的数码像片,用图像处理软件Photoshop提取植被覆盖度信息,在遥感软件ENVI下用非监督分类的方法对提取结果进行再分类。同时,在原像片的基础上构建验证样本,并对植被覆盖度提取精度进行了评价。结果表明,Photoshop提取不同分辨率的植被覆盖度信息精度较高,总体精度80％以上,Kappa系数在0．6以上,利用Photoshop软件对植被覆盖度信息提取是一种可行的方法。