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。     

基于代表性种群模拟的海南热带山地雨林空间分布特征

该文以群落代表性种群空间分布信息为切入点,利用Max Ent模型拟合种群适宜生境,再结合Arc GIS平台完成海南热带山地雨林的空间分布数据获取,尝试探索一种快速、准确、大面积获取植被分布数据的方法。结果表明：不同代表性种群适宜生境模型拟合精度均高于0.98,拟合结果可靠性高,海拔和温度是种群分布的主要环境影响因素;热带山地雨林空间分布范围预测结果良好,通过比较霸王岭、鹦哥岭、尖峰岭、吊罗山等地区的山地雨林分布特征,明确了海南热带雨林国家公园内山地雨林总面积约612.68 km2,分布海拔区间为600m～1480m。该文在植被分类和空间分布范围获取方面做了一些新的尝试,期望可为森林植被的精确分类、快速获取以及保护修复工作提供参考。     

浅析城市植被信息遥感监测在实践中的应用

城市植被(城市绿地),不仅是城市的净化器,具有生态功能,同时也有着重要的社会功能。随着经济增长和社会发展,城市植被的规划、建设、评价、监测和管理越来越受到重视。利用遥感技术获取植被信息成为快速、客观、准确的城市生态监测、评价、规划和管理的重要手段。以样本城市遥感数字图像分类过程着手,应用NDVI分类法、监督分类法、非监督分类法、NDVI与波段组合法来提取植被信息,并做了植被的变化检测。通过实际比对,得出了具有应用意义的分析结论,对城市植被信息遥感监测分析在实践中的应用提供了有力支撑。     

植被分类系统与方法综述

植被分类是植被研究的重要组成部分,亦是植被研究中最复杂的问题之一。植被分类研究能够为制定与保护和合理利用植被相关的法律法规及措施提供科学依据。本文详细介绍了植被分类的历史,以及植被分类的各种原则和系统及其应用情况。揭示出植被分类的原则从单一性向综合性,分类方法从外貌分类向数量分类的发展趋势。     

大田县仙亭山森林公园景区植物配置规划初探

介绍大田县仙亭山森林公园景区植物应用规划,论述了景区植物应用规划设计要点,即在保护和利用现有森林植被基础上,突出景区特色要求,综合点、线、面设计提高景区景观质量,同时令不同景区植物具有统一性、差异性和协调性。     

基于改进转换分离度特征选择规则的土地覆盖分类比较

【目的】提出一种考虑样本概率的可分离距离与波段相关系数结合的特征选择方法,以提高土地覆盖分类的正确率。【方法】以中亚热带区域的福建省将乐县为研究区,从Landsat-8 OLI影像中获取植被指数和纹理特征,利用改进方法和传统方法选择出最佳特征,通过比较最佳特征参与下植被类别的可分离值,判别2种方法在特征选择时的准确度;采用支持向量机分类方法(SVM)分别对原始光谱和改进方法选择的最佳特征进行分类,探索最佳植被指数和纹理特征在提高地区土地覆盖分类中的作用。【结果】改进可分离性判据在避免选择冗余波段的同时,能准确选择出具有更高区分度的特征;对于植被指数和纹理特征,单一特征均不能使植被类别可分性达到最大,而2个特征组合可明显提高植被类别的可分性;比值植被指数及小窗口的反差、协方差和二阶矩纹理特征比同窗口其他纹理对提高研究区植被分类精度具有更重要的价值;植被指数加入原始光谱并没有明显提高研究区的整体分类精度,而纹理特征与原始光谱结合对提高植被分类精度相当有价值,最佳植被指数、最佳纹理特征和原始光谱结合可取得最佳分类结果,整体分类精度提高7.41%,Kappa系数(OKA)提高8.5%。【结论】基于改进转换分离度特征选择规则的土地覆盖分类方法能平衡所有类别间的可分性,较好避免选择相互冗余的特征,从而保证选择出具有较高的多类别可分性且冗余较小的特征,提高类别分类的正确率。     

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GF-2影像的面向对象植被信息提取研究

基于GF-2遥感影像,通过面向对象方法对长株潭城市群生态绿心区内具有代表性的区域进行植被信息提取,利用专业分割软件对遥感影像进行多尺度分割,采用ESP工具定量获取多尺度分割参数,最后通过隶属度函数对遥感影像分类进行植被信息提取,并进行精度评价。结果表明:采用面向对象的方法,从高空间分辨率遥感影像中挖掘出能提取植被的光谱、纹理、形状等特征,能实现植被信息的快速提取,提取总体精度达85.33%。     

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。     

基于DeeplabV3+的无人机遥感影像识别

针对无人机植被覆盖航拍影像分类精度不高、工程量大的问题,开发适用于无人机植被覆盖影像识别、具有较高准确性的语义分割模型,以提高植被分类精度.通过无人机航拍获取研究区影像,对获取到的图像进行标注,建立图像数据集,构建随机森林、SegNet、U-Net及DeeplabV3+模型,对DeeplabV3+模型进行改进,将主干网...     

北京市森林可燃物分类研究

利用北京市土地利用图和Landsat TM影像,采用监督分类方法对可燃物进行分类,获得可燃物分类图,并对各类可燃物的特征进行详细描述.结果表明:可燃物可分6类,即O- 1草地(中低盖度)、O- 2草地(高盖度)、S- 1灌丛、S- 2幼林、C- 1针叶林、M- 1针阔混交林和B- 1阔叶林.由于TM卫星影像分辨率的限制,很难分别出林分垂直结构的差异.这一分类结果,可以满足森林火险等级预报的需要,但对于火行为预报,还需要根据林分燃烧性、林分垂直结构及可燃物分布状态进一步分类.对当前的可燃物分类方法与制图途径以及未来的发展趋势进行讨论.     

广州市主城区绿地信息提取及其动态变化分析

基于广州市主城区2004年、2008年及2012年SP5影像数据,应用遥感分类技术中的监督分类、非监督分类以及先提取植被技术再非监督分类的方法提取广州市主城区的绿地信息,将提取的结果与森林资源二类调查档案更新资料进行比较,找出最优的分类提取方法;应用最优的绿地信息提取方法,提取广州市主城区2004年、2008年及2012年绿地信息并分析其动态变化过程。研究结果表明:1)通过先提取研究区影像植被指数然后作非监督分类的方法可以快速而准确地提取出城市绿地信息,这是一种可行的城市绿地监测手段。2)从2004—2012年,广州市主城区绿地面积明显减少,特别是在2004—2008年减幅较大,2008—2012年趋于平缓。     

森林资源信息的提取和制图方法研究

随着社会经济的发展,传统的森林资源信息调查方法因存在许多局限性而难以满足现代林业发展的需要。RS、GIS技术的发展与应用,一方面可以弥补传统调查方法的不足;另一方面作为一项新技术手段,在森林资源监测、野生动物调查、植被调查、病虫害预报、林火信息管理、林业专题图编制和森林经营管理等方面将发挥重要的作用。森林资源信息的提取和制图依赖于大量空间数据的有效处理,本文探讨了ARC/INFO7.0.1和ARCVIEW3.0地理信息系统在森林资源信息提取、分析及制图等方面的技术方法。     

Vegetation inventory of a temperate biosphere reserve in China by image fusion of landsat TM and SPOT HRV

Vegetation cover types on Changbai Mountain, a natural biosphere reserve (2,000 km²) in northeast China, were derived by using multisensor satellite imagery fused with Landsat TM and SPOT HRV-XS. DEM data were used for improving classification accuracy. Cover types were classified into 20 groups. Bands 4 and 5 of Landsat TM image acquired on July 18, 1997, and band 1 of SPOT HRV-XS image acquired on Oct. 19, 1992, were fused to a false color image, and maximum likelihood supervised classification was performed. Data fusion showed high accuracy of identification, compared to individual images. The overall accuracy of classification of individual images by SPOT HRV-XS reached 56%, and TM 66%, while the fused data set provided accuracy of about 78%, which was raised to 81% after recoding by using DEM. There were five vegetation zones on the mountain, from the base to the peak: hardwood forest zone, mixed forest zone, conifer forest zone, birch forest zone, and tundra zone. Spruce-fir dominated conifer forest was the most prevalent (nearly 50%) vegetation type, followed by Korean pine and mixed forest (17%) and larch forest (5%). HRV image taken in leaf-off season is useful for discriminating forest from non-forest, and evergreen forest from hardwood forest, while the summer image (TM) provides detailed information on the difference in similar vegetation types, like hardwood forest with different compositions.     

森林面积方法研究

本文通过对遥感图像的处理和光谱特征信息的分析,应用ETM 影像数据和地面调查数据,研究了遥感数据处理技术在植被信息提取中的应用,尝试对高山峡谷区的森林资源调查提出较为完善的计算机图像处理技术和自动分类方法。对道孚县台站林场和麻孜林场地类的分类结果表明:运用TM453波段融合能够达到较好的图像增强效果;运用无监督分类方法提取森林面积能达到较高的分类精度;NDVI比RVI更能突出植被信息和消除山体阴影的影响。     

Forest fuel mapping and evaluation of LANDFIRE fuel maps in Boulder County,Colorado, USA

A key challenge in modern wildfire mitigation and forest management is accurate mapping of forest fuels in order to determine spatial fire hazard, plan mitigation efforts, and manage active fires. This study quantified forest fuels of the montane zone of Boulder County, CO, USA in an effort to aid wildfire mitigation planning and provide a metric by which LANDFIRE national fuel maps may be compared. Using data from 196 randomly stratified field plots, pre-existing vegetation maps, and derived variables, predictive classification and regression tree models were created for four fuel parameters necessary for spatial fire simulation with FARSITE (surface fuel model, canopy bulk density, canopy base height, and stand height). These predictive models accounted for 56–62% of the variability in forest fuels and produced fuel maps that predicted 91.4% and 88.2% of the burned area of two historic fires simulated in the FARSITE model. Simulations of areas burned based on LANDFIRE national fuel maps were less accurate, burning 77.7% and 40.3% of the historic fire areas. Our results indicate that fuel mapping efforts that utilize local area information and biotic as well as abiotic predictors will more accurately simulate fire spread rates and reflect the inherent variability of forested environments than do current LANDFIRE data products.     

森林植被遥感分类研究进展与对策

遥感分类是遥感应用中的主要问题之一,分类的精度直接影响遥感数据的应用水平和实用价值。本文概述了遥感分类的方法,综述了森林植被遥感分类研究的国内外进展,在此基础上分析了森林植被遥感分类存在的问题,提出了发展对策,指出基于知识的人工智能技术和高光谱技术是森林植被遥感分类未来的发展趋势。     

Forest fire risk zone mapping from satellite images and GIS for Baihe Forestry Bureau, Jilin, China

A forest fire can be a real ecological disaster regardless of whether it is caused by natural forces or human activities, it is possible to map forest fire risk zones to minimize the frequency of fires, avert damage, etc. A method integrating remote sensing and GIS was developed and applied to forest fire risk zone mapping for Baihe forestry bureau in this paper. Satellite images were interpreted and classified to generate vegetation type layer and land use layers （roads, settlements and farmlands）. Topographic layers （slope, aspect and altitude） were derived from DEM. The thematic and topographic information was analyzed by using ARC/INFO GIS software. Forest fire risk zones were delineated by assigning subjective weights to the classes of all the layers （vegetation type, slope, aspect, altitude and distance from r3ads, farmlands and settlements） according to their sensitivity to fire or their fire-inducing capability. Five categories of forest fire risk ranging from very high to very low were derived automatically. The mapping result of the study area was found to be in strong agreement with actual fire-affected sites.     

基于GIS和RS的广州市森林植被分类研究

首先对森林植被类型分类方法的研究概况进行了综述，提出采用植被指数进行植被分类，根据广州市中心城区植被冠层反射率数据，通过对多种植被指数的计算和分析，得出植被指数和植被类型的关系。进而对TM影像数据处理。得出广州市中心城区森林植被分类情况。