基于地质统计学影像纹理的草地植被群落空间结构分析

【目的】基于地质统计学影像纹理,定量分析草地植被群落空间结构的变异规律,为草地生态系统的恢复与重建提供依据。【方法】从科尔沁草原地区奈曼县57个退牧还草区域中遴选出25个有代表性的样地,应用地质统计学方法,计算10种典型植被群落的试验变异函数并拟合到球状模型,用变程和基台值来表达植被群落的空间结构特征,然后将从影像中计算得到的变异函数模型参数与样地植被群落空间结构特征对应起来,反演植被群落的空间结构,分析样地植被群落的空间分布规律。【结果】在分析的25个样地植被群落中,大多数种群的空间相关性和变异强度均较大;根据变异函数值、变程推断得到的样地优势物种与实际调查结果吻合率达到95％。【结论】应用地质统计学影像纹理研究草地植被群落空间结构特征的方法可行,该方法能较准确地从影像上直接推断优势物种并分析种群空间结构的变异规律,极大地减少了人工调查的投入。     

基于对象的CHRIS遥感图像森林类型分类方法研究

高光谱遥感森林类型分类中采用传统基于像素分类方法精度较低,本文通过高光谱遥感影像的特征,采用面向对象的最近邻监督分类方法对高光谱CHRIS影像进行分类实验,首先对影像进行多尺度分割,然后将分割对象信息、形状特征及上下文联系等特征构成特征空间进行最近邻监督分类,并与传统的基于像素的最大似然分类方法进行比较分析,结果表明,面向对象的最近邻法能够较好的识别森林类型,总精度为89.06%,kappa系数为0.82,而最大似然法分类精度为85.75%,kappa系数为0.79.其分类精度明显高于最大似然法,这表明该方法适合高光谱遥感影像分类,为今后的高光谱遥感森林类型分类能够起到技术参考和理论依据.     

荒漠公益林中典型灌木树种光谱特征研究

应用地面高光谱仪测定古尔班通古特沙漠中梭梭和柽柳的冠层光谱,结合遥感影像分析比较了两种灌木树种的光谱响应曲线差异。结果表明:不论是沙土还是盐碱土,柽柳在近红外波段内反射率均高于梭梭,并根据这一规律性总结出了基于光谱特征的梭梭和柽柳的识别模型,最后对不同树种的光谱响应机制进行了探讨。     

基于决策树的无人机高光谱遥感影像地物分类研究

高光谱影像由于其波段众多,传统的多光谱图像的信息提取方法不适合高光谱影像的处理。利用无人机搭载美国Headwall公司的最新纳米级高光谱成像光谱仪,采集广东省广州市增城区某处的高光谱影像,提取光谱数据,分析不同地物间光谱曲线特征和差异,采用决策树进行地物分类。结果表明:根据无人机高光谱数据中不同地物之间光谱特征曲线的差异,建立分类树,不仅可以大大减少分类处理的工作量,且分类效果良好,准确度高。     

桉树叶片光合色素含量高光谱估算模型

色素在植物的生理生态过程中非常重要,利用高光谱数据,揭示光谱反射率上特征波段与光合色素含量间的关系将有助于理解光合色素光谱反射特征的规律,同时为利用高光谱遥感技术快速无损监测植物叶片光合色素提供了技术支持.利用野外采集的桉树叶片样本,在实验室内测定了叶片的高光谱反射率及对应的叶绿素、类胡萝卜素含量.利用光谱分析技术和统计学方法对光谱数据进行处理分析,提取了光谱特征参量,并建立叶绿素、类胡萝卜素含量与光谱特征参量间的估算模型.通过精度检验,研究结果表明以(SDr-SDb)/(SDr+SDb)为变量建立的指数模型估算效果最佳.     

多源异构大米品质等级非线性高光谱信息耦合识别模型研究

通过构建有效耦合多源异构高光谱波谱信息和影像信息模型来定性和定量划分大米品质等级。首先提取大米高光谱感兴趣区域中全部像素点上的光谱反射率特征值和最优分辨率配置下多尺度滤波器输出的大米高光谱影像特征,通过异构特征无纲量化函数消除异质波谱特征和影像特征量纲影响,在高维Hilbert空间中构建有效耦合机制,消除大米非线性高光谱多源品质等级信息异构特性的影响,在高维耦合空间中根据样本之间的度量对多源异构大米高光谱非线性特征品质等级信息进行分类。结果表明,多源异构大米非线性高光谱品质等级信息耦合识别模型获得84. 5%的训练精度和82. 2%的测试精度,提出多源异构大米品质等级非线性高光谱信息耦合识别模性能优于传统的直接利用单源特征信息分类模型。表明提出模型可被用于更精确地确定大米品质等级。     

基于Hyperion数据的耕地土壤有机质含量遥感反演

为了探究耕地土壤有机质含量与卫星影像光谱间的关系,确定土壤有机质的光谱特征,构建土壤有机质含量反演模型.利用Hyperion高光谱卫星影像和福建省三明市80个土壤调查样点分析数据,对土壤有机质与光谱指数相关性进行了分析;在提取特征光谱指数的基础上,分别基于敏感波段和特征指数建立线性模型和多元逐步回归模型.结果表明:土壤有机质含量在Hyperion高光谱782.95~813.48 nm波段具有良好的响应能力;反射率的一阶导数所建立的模型拟合效果最优,其R2为0.777,RMSE为5.31,验证模型有机质实测值与预测值的R2为0.809,表明它能够用于区域有机质含量的快速测定.     

基于高光谱遥感的农作物分类研究进展

【目的】农作物类型识别是农作物面积、长势监测与产量预测的重要前提。及时、准确地获取农作物类型、空间分布以及种植面积对制定农业政策、促进社会经济发展和保障国家粮食安全具有重要意义。近年来,高光谱遥感凭借光谱分辨率高、光谱信息丰富等优点,已广泛应用于农作物制图中。【方法】文章归纳了高光谱遥感应用于农作物分类的研究进展,总结了国内外农作物分类常用的高光谱数据源,并分析了各种数据源的适用范围。梳理了农作物高光谱遥感分类方法,讨论了各种分类方法的优缺点。【结果】现有农作物高光谱遥感分类研究存在一些不足:(1)机载高光谱影像光谱分辨率高,但影像监测面积小,不适合大区域农作物面积提取研究;(2)星载高光谱影像监测面积较大,但空间分辨率较低,某些农作物面积提取实际应用中精度较低;(3)由于缺乏对农作物高光谱特征的研究,导致分类算法机理性不足,普适性较差。【结论】农作物高光谱遥感分类未来研究方向是:(1)丰富高光谱遥感监测的农作物类型;(2)提高高光谱影像的空间分辨率,实现农作物种植结构复杂、地块破碎地区的农作物分类研究;(3)进一步研究利用高光谱遥感进行农作物分类的机理和多源数据融合的方法。     

植被重金属污染检测模型研究

利用高光谱遥感技术代替传统方法检测重金属污染,具有效率高、费用低、检测范围广等优点.但是高光谱影像的空间分辨率较低,为了提高精度需要提取影像的端元.鉴于纯净像元指数（Pixel Purity Index,PPI）法耗时长的缺点,提出一种基于高斯分布的波谱曲线概率法用于高光谱影像端元提取,并结合重金属胁迫下植被波谱响应变化建立了高光谱遥感影像的植被重金属污染检测模型.经过试验研究及分析,发现波谱曲线概率法端元提取的效果和精度与PPI相近,但是时间消耗明显减少.因此,建立的植被重金属污染检测模型可以用于高光谱遥感图像,具有一定的价值.     

基于无人机高光谱长势指标的冬小麦长势监测

本文以冬小麦为主要研究对象,获取其不同生育期的无人机高光谱影像,并根据其高光谱数据建立光谱指数,利用多元线性回归等分析方法建立冬小麦各种生育期的GMI反演模型,在无人机高光谱影像中应用最佳模型得到冬小麦最终的长势监测图,以期为相关人员提供参考。     

无人机多光谱遥感的山原红壤主要养分含量的反演研究

通过分析土壤的主要养分含量与无人机遥感影像之间的关系,对于遥感在农业生产中的应用有重要意义.选取了昆明市云南农业大学后山试验田为研究区域,用无人机挂载多光谱相机获取研究区多光谱遥感影像.采集0～20 cm的土壤样本,并检测了土壤的理化性质及主要养分含量.通过多光谱影像不同光谱反射率及合成指数值对土壤主要养分含量进行相关...     

基于ERDAS IMAGINE软件的快鸟影像融合研究

该文采用PCA变换与IHS变换对快鸟的多光谱、全色影像进行融合处理.图像的处理全过程均在ERDASIMAGINE 8.5中完成.影像的统计特征评价均值、标准差在ERDAS IMAGINE 8.5中完成,熵、联合熵的计算应用Matlab编程完成.经计算两种变换后影像的联合熵均大于原图像,其中以PCA融合处理后的联合熵(15.865)最大.各波段的均值、标准差也与原多光谱影像相近,因此该试验中PCA变换最佳,不但保留了多光谱的特性,还融进了全色波段的高分辨率特征.     

基于无人机高光谱不同高度的地物快速识别研究

[目的]探究不同高度下地物的光谱特征变化以及不同时期、不同高度下地物的有效快速识别方法。[方法]以2016年8月7日200 m高空高光谱影像和2016年9月25日100、200、300 m高空高光谱影像共4景影像为研究对象,研究不同高度下地物的高光谱特征变化以及不同时期、不同高度下地物的分类精度。[结果]不同高度下,植被的光谱反射率差异显著,随着高度的升高,植被特有的特征如"绿峰"降低、"红谷"升高、"红边位置"出现"红移",在近红外范围内,光谱反射率降低;综合考虑人工参与程度、处理时间和分类精度等方面,基于ISODATA法可实现不同时期、不同高度下地物的快速识别研究。[结论]该研究结果为利用无人机高光谱遥感在其他领域的应用奠定了基础。     

基于递归纹理特征消除的WorldView-2树种分类

利用遥感影像识别树种是一个尚未解决的科学难题,传统方法在高分辨率影像树种分类中存在着诸多不适宜问题。本文通过提取WorldView-2影像的纹理特征构造高维数据,利用递归特征消除降低数据维数,逐步解除最大似然分类的休斯现象,并将有代表性的纹理特征集合与光谱特征结合,对树种进行分类。结果显示:在递归消除8个纹理特征后,最大似然的休斯现象达到了很好的规避;在结合光谱特征后,分类的总体精度达到了86.39%,Kappa系数达到了0.8410,比基于光谱特征的总体精度和Kappa系数高12.32%和0.1436。研究表明,在高维数据中通过递归特征消除规避最大似然分类的休斯现象,充分结合影像纹理与光谱信息对树种分类可以取得更为理想的结果。      

结合多尺度纹理特征的高光谱影像面向对象树种分类

目的基于机载高光谱影像的分类研究中，利用不同尺度纹理特征与面向对象分类相结合的方法在树种分类的研究中应用较少，并且相关研究主要针对单一树种识别而不考虑多种树种，因此对于复杂林分中的树种识别能力有待进一步研究。本研究拟探究不同尺度纹理特征结合面向对象的分类技术在树种精细分类中的应用效果。方法利用机载高光谱数据进行面向对象的树种精细分类。根据研究区内地表类型情况，采用分层分类的方法区分非林地、其他林地与有林地，对有林地进行树种的精细分类。从机载高光谱图像中提取特征变量，包括独立主成分分析ICA变换光谱特征以及空间纹理特征，分析各树种的光谱反射率及所适合的纹理尺度，依据不同尺度纹理特征进行分层分类，比较不同特征利用支持向量机SVM分类的树种分类结果。结果结合单一尺度纹理特征的分类结果总体精度为87.11%，Kappa系数为0.846；结合不同尺度纹理特征的分类总体精度为89.13%，Kappa系数为0.87，相比于仅利用光谱特征的分类精度分别提升了4.03%和6.05%。说明在面向对象的分类中，纹理特征的加入对于提升树种分类的精度具有显著效果。结合不同尺度纹理特征的树种分类精度要高于单一尺度纹理特征的分类精度，尤其在其他阔叶树种和马尾松树种的分类中，制图精度较单一纹理尺度分别提高了5.48%和6.12%。结论利用不同尺度的纹理特征分类比单一尺度纹理特征分类更具优势，提高了纹理特征在树种分类中的贡献率；综合利用机载高光谱影像的光谱特征和不同尺度纹理特征的面向对象分类方法，使得树种识别更为精细和准确。该方法对于复杂林分树种的分类是有效的，能够满足机载高光谱影像树种精细识别的应用需求。      

水体叶绿素遥感反演中的多尺度分析

水体遥感影像提取污染物信息普遍存在着尺度效应问题,选择合适的空间分辨率影像能够准确地表征水域污染的空间分布状况.充分利用水体空间尺度信息,研究水色遥感的尺度问题,有利于提升湖泊水体遥感反演模型的应用能力.以巢湖水域HJ-lA卫星HSI高光谱和CCD多光谱遥感数据为例,以Matlab为平台,采用基于离散小波多尺度变换分析方法,生成多光谱尺度和空间尺度影像,然后利用水体污染物的定量遥感反演方法,获取湖面水体叶绿素多尺度空间分布浓度,并利用水面同步实测数据对反演结果进行验证.通过结果比较,确定100 m分辨率的HSI高光谱数据为较优分析空间尺度.     

面向对象的高分辨率影像耕地信息提取

[目的]高分辨率遥感影像是快速提取耕地信息的主要数据源.[方法]在对阿图什耕地特征分析基础上,运用面向对象的特征提取方法,利用高分辨影像QUICKBIRD,探讨光谱特征、空间特征、纹理特征、典型特征等在耕地信息提取中的最优参数选择及具体应用,分析、讨论该方法优势与缺陷.并与传统分类方法提取结果进行对比分析.[结果]总精度提高了27.06;,Kappa系数提高了0.413 6,避免了“椒盐”现象.[结论]面向对象提取信息的方法周期较短、精度较高.     

ETM+多光谱遥感影像彩色合成最佳波段选择研究--以顺德区土地遥感图制作为例

随着计算机和遥感技术的不断发展,遥感图像解译方法也不断发展,但目视判读仍然是遥感图像解译中最重要的一种方法.如何从ETM+多光谱影像中选择出3个最佳波段并彩色合成成为遥感图像处理是一个重要的研究课题.首先分析了ETM+多光谱影像的波段特征及常见的波段组合;然后综合运用单波段的亮度差、均值、标准差、信息熵等统计特征方法,波段间相关系数矩阵方法,最佳指数法,联合熵法,典型地物光谱特征曲线法相结合分析顺德区ETM+多光谱影像,并从中选择出最佳波段组合;最后反复测试了6种赋色方案,最终的试验结果表明:对于顺德区这种典型的珠江三角洲河口平原地区的土地,利用遥感制图,ETM+遥感影像的543(RGB)波段组合为最佳目视解译波段组合.     

C5.0决策树Hyperion影像森林类型精细分类方法

以吉林省白河林业局为中心研究区,利用星载高光谱Hyperion数据并结合其他辅助数据,综合利用影像光谱特征、纹理特征、地形特征、典型地类和主要森林类型外业调查样本数据,探究针对C5.0决策树算法的高光谱影像土地覆盖类型多层次信息提取与森林类型识别的有效方法。在分析典型地物光谱特征的基础上,优选8种纹理特征,引入主成分分量及与主要森林类型空间分布相关的敏感地形因子,采用分层分类的策略,根据光谱特征将地类划分层次,在层次间建立基于C5.0决策树算法的决策树模型,对研究区的地类进行细分。为便于对比,以相同的策略采用支持向量机（SVM）分类器进行分类。最后,结合野外采集样本并参考高分辨率影像,采用分层随机抽样的独立检验样本对森林类型精细识别结果进行精度验证。结果表明:C5.0决策树算法可综合利用高光谱影像的光谱、纹理及其他辅助数据,自动寻找出区分各类别的最佳特征变量及分割阈值,运算速度快,占用内存较小且无需人为参与,其分类精度达到优势树种级别,总体分类精度达81.9%,Kappa系数0.709 8。     

基于递归纹理特征消除的WorldView-2树种分类

利用遥感影像识别树种是一个尚未解决的科学难题,传统方法在高分辨率影像树种分类中存在着诸多不适宜问题。本文通过提取WorldView-2影像的纹理特征构造高维数据,利用递归特征消除降低数据维数,逐步解除最大似然分类的休斯现象,并将有代表性的纹理特征集合与光谱特征结合,对树种进行分类。结果显示:在递归消除8个纹理特征后,最大似然的休斯现象达到了很好的规避;在结合光谱特征后,分类的总体精度达到了86.39%,Kappa系数达到了0.841 0,比基于光谱特征的总体精度和Kappa系数高12.32%和0.143 6。研究表明,在高维数据中通过递归特征消除规避最大似然分类的休斯现象,充分结合影像纹理与光谱信息对树种分类可以取得更为理想的结果。