变色立木卫星影像样本特征分析及应用

变色立木的全覆盖监测是当前松材线虫病疫情防控的重要保障手段。利用多种植被指数对松材线虫病所致的变色立木卫星遥感影像样本集进行分析。结果表明：包含蓝波段的植被指数提取变色立木的能力较差，由红、绿波段构成的植被指数提取能力较强；基于红、绿波段，用不同方式构造的植被指数提取能力有所区别，计算了由红、绿波段构成的4个植被指数：RGRI、GRRI、RGNDI和ExR，其中ExR的提取结果最佳，查全率达到81.0%，查准率达到86.2%,F1分数达到83.5%。表明红波段和绿波段蕴含丰富的变色立木信息，其构成的过红植被指数ExR可有效识别冠幅大于5 m的变色立木。     

基于无人机影像的城市绿地提取分析

本文通过无人机获取四川省北川县高分辨率影像数据,经过空三加密,正射校正等一系列预处理,利用ENVI软件分别计算研究区可见光波段差异植被指数VDVI(visible-band difference vegetation index),归一化绿红差值指数NGRDI(normalized green-red difference index)、归一化绿蓝差值指数NGBDI(normalized green-blue difference index)。采用面向对象的影像分类方式,分别提取城市绿地并进行精度评价。结果表明:3种植被指数均能较好地提取城市绿地,总体提取精度均在83%以上,其中VDVI提取效果最优,总体精度达到89.5%。因此,利用无人机遥感技术进行城市绿地的提取统计是可行的。基于VDVI统计结果,通过去除小斑块以及目视解译校正城市绿地分类结果,统计得到北川县建成区绿地面积为2.3948 km~2,城市绿化覆盖率为40.04%。     

基于多光谱遥感数据的植被信息最佳波段组合研究

信息分析对于应用遥感技术提取植被信息具有重要意义。基于遥感和GIS软件平台,采用植被光谱特征、OIF指数、信息熵、联合熵等指标,结合Landsat-TM卫星各个波段用途,可以确定植被信息提取的最佳波段组合。该组合在晋江市植被信息提取试验中取得较好的效果。     

利用航天遥感数据进行植被分类的研究

本文应用３种图像增强的方法对实验地帽儿山的ＴＭ影像进行植被信息的提取研究。结果表明,用植被指数与原始的３、５波段复合后,进行植被分类,获得了较高的分类精度。     

利用航天遥感数据进行植被分类的研究

本文应用３种图像增强的方法对实验地帽儿山的ＴＭ影像进行植被信息的提取研究。结果表明,用植被指数与原始的３、５波段复合后,进行被分类,获得了较高分类精度。     

基于机器学习的高光谱湿地植被分类研究

为实现湿地植被的精细分类和高精度制图,为湿地管理部门提供准确的决策依据,以美国加州萨克拉门托—圣华金水域的典型湿地植被为研究对象,以高光谱影像为数据源,结合野外GPS采样点,对典型湿地植被的光谱反射率作一阶导数和二阶导数处理,基于均值置信区间原理筛选特征波段,基于单因素分析法筛选能够明显区分植被类型的植被指数。联合特征波段和植被指数构建特征集,利用机器学习C5.0决策树生成知识规则并提取湿地植被信息。结果表明,基于机器学习C5.0决策树的湿地植被提取总体精度为80.09%,Kappa系数为0.792,与最大似然法比较,总体精度提升10.79%,Kappa系数提升0.105,说明基于机器学习的C5.0决策树法能够实现植被的精细分类,方法切实可行。     

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。     

植被指数在面向对象的森林植被提取中的应用

植被在红光具有强吸收和在近红外具有强反射的特点,这一遥感光谱特征被应用到植被指数中作为估算植被信息最常用的方法。该文利用归一化植被指数,采用面向对象的基于规则的分类方法来提取森林植被,将提取结果与林地一张图进行叠加分析,并进行精度评定。     

马尾松毛虫危害程度的高光谱监测方法

以受松毛虫不同危害程度的马尾松林分为研究对象,对在受到松毛虫危害时的马尾松冠层物理参数(单簇针叶体积、针叶长度、针叶中间直径)和马尾松林冠层高光谱光谱指数之间的关系进行分析,结果表明:(1)冠层的单簇针叶体积的变化可直接反应松毛虫的危害程度,单簇针叶体积越小虫害越严重,它的变化也引起了冠层光谱的各植被指数发生不同程度的变化,而其他冠层物理参数不能反应出松毛虫的危害程度。(2)从马尾松林冠层提取的高光谱遥感植被指数对虫害的不同程度的敏感性不同。增强型植被指数(EVI)、绿波段叶绿素指数(Red/Green)和归一化指标指数(NDVI)在虫害发生的中期与晚期有显著变化,但具有饱和现象,不能用来对马尾松林分受松毛虫虫害时进行早期监测;而红边波段叶绿素指数(CI_(rededge))、比值植被指数(RVI_(550))、比值植被指数(RVI_(700))、绿波段归一化植被指数(gNDVI)、差值植被指数(DVI)和结构不敏感色素指数(SPID)在虫害发生的整个时间范围内都有很明显的变化,不会达到饱和,可以在虫害发生的早期就进行监测。     

华北落叶松人工林生物量及碳储量遥感模型研究

以华北落叶松人工林为研究对象,对赛罕乌拉生态系统定位站内华北落叶松人工林生物量及碳储量进行研究。应用Landsat TM影像,提取遥感影像各波段信息及相关的植被指数。将遥感影像的波段信息、相关的植被指数分别与野外实测的样地生物量数据进行一元回归分析,建立一元回归模型,分析比较后得出由波段信息建立的一元回归模型较合理;将提取的波段信息、植被指数分别与野外实测样地生物量数据进行相关分析,然后采用逐步回归的方法进行多元回归分析,建立森林生物量多元遥感回归模型;将选择出的一元回归模型与建立的多元回归模型进行对比分析,最后得到适用于研究区森林生物量研究的最优遥感回归模型,Y=-1617.863+573.312×SAVI+32.475×TM5-35.379×TM7,进而得到碳储量遥感模型。     

基于无人机多光谱影像的松材线虫病疫区枯死树识别

为探寻最优波段组合，提高多光谱无人机（Unnamed Aerial Vehicle,UAV）对松材线虫（Bursaphelenchus xylophilus）病疫区枯死树的自动识别准确率，进而提高松材线虫病疫情监测水平，以柳州市三江侗族自治县、河池市宜州区和大化瑶族自治县、南宁市横州市及桂林市平乐县的42个疫点小班及其周边2 km内的所有松树林图斑为研究区，采用无人机采集多光谱影像，获取可见光、红光波段、绿光波段、近红外波段和红边波段影像；完成辐射校正后进行正射拼接和植被指数计算，得到3组可见光和多光谱正射影像波段组合；将各组影像分别输入卷积神经网络（Convolutional Neural Network,CNN），进行相同参数的学习和预测。将模型预测结果与人工标注结果进行对比，以识别准确率为指标，进行精度评价。结果表明，利用多光谱影像自动识别疑似松材线虫病枯死树的最高识别准确率为86.33%，比单一可见光自动识别准确率（81.25%）提高了5.08个百分点。在相同参数条件下，多光谱影像比单一可见光影像具有更准确的自动识别能力。该方法的多光谱最优波段组合为可见光影像+红光波段影像+绿...     

顾及植被季相节律的滨海湿地类型动态变化研究

基于盐城国家级珍禽自然保护区核心区2014年3个月份的Landsat 8遥感影像及其矢量数据,采用基于CART算法的决策树分类方法提取研究区芦苇、碱蓬、米草、鱼塘、浅滩、海域等湿地信息,并分析2014年植被变化情况。其中采用植被指数NDVI,RVI,DVI时间序列光谱分析曲线获得湿地植被类型窗口期,通过各植被指数、第一主成分分量、缨帽变换、原始波段(红外、近红外)、非监督分类影像等因子构建时序因子集。结果表明:1)3—12月份为植被分类窗口期,芦苇、碱蓬、米草区分度最大;2)CART算法的决策树分类方法对盐城湿地植被区分度较好,3个月份影像分类总体精度分别为99.88%,99.18%和97.61%,Kappa系数分别为0.99,0.99和0.97;3)2014年间,芦苇的面积从61.69km~2增长到63.08km2,米草从38.01km~2增加到44.78km~2,碱蓬从26.37km~2锐减到19.63km~2。     

高光谱遥感技术及其在森林监测中的应用探讨

高光谱遥感技术是指利用很窄的电磁波段从地物获取连续光谱信息的技术。高光谱影像具有超高光谱分辨率和多个波段同时对地物成像的特点,借助高光谱影像丰富的植被光谱信息,介绍其在森林火灾、森林病虫害和森林资源变化监测中的应用研究方法和现状,利用高光谱遥感图像进行森林监测的处理技术。     

应用卫星遥感影像分析厦门市地表植被变化

以厦门市地表植被变化为研究对象 ,以 1 996-2 0 0 0年为时间跨度 ,在计算机的支持下 ,利用LandsatTM卫星遥感影像数据进行处理分析 ,计算影像的植被指数并进行多波段彩色合成 ,分析地表植被变化和特征 ,提取变化分布地点及类型 ,形成专题图件 ,为厦门市森林生态网络建设提供依据。     

基于多角度融合的CHRIS数据提取湿地植被的研究

[目的]利用多角度高光谱数据,分析不同角度下东洞庭湖湿地典型植被群落的光谱特征,确定多角度信息融合的最佳方法,并对融合影像进行湿地植被类型精细识别。[方法]使用CHRIS多角度高光谱数据,针对洞庭湖湿地植被的光谱特征,研究计算窄波段NDVI的最佳波段组合和角度,评价CHRIS 0°影像与NDVI的像素级融合方法,进而对洞庭湖地区湿地植被进行提取。[结果]计算NDVI的最佳红波段和近红外波段分别位于667.6 nm和926.95 nm,对应于CHRIS数据的第24波段和第55波段;选取HSV、Brovery、Gram-Schmidt和PCA 4种融合方法进行融合,发现PCA融合图像的光谱信息丢失最少、纹理细节更丰富,信息量最大;PCA融合影像的总体精度为81.36%,比单角度影像提高7.93%,Kappa系数提高0.097 6,且苔草的漏分误差和泥蒿的错分误差得到明显改善。[结论]基于NDVI的多角度信息融合是提高湿地植被识别精度的一种有效途径,多角度信息融合丰富了地物的信息量,提高地物识别精度。     

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。     

基于普通数码照片的遥感植被指数提取与农林业应用

遥感是农林业发展的有力工具之一,但目前卫星、航空、近地和地面遥感平台及数据的使用成本较高,个人用户仍难以负担。本文探讨了如何仅使用普通数码相机为遥感成像设备,通过提取植被指数在小尺度上实现传统植被遥感的主要功能。具体包括:将数码照片作为遥感影像使用所需要进行的图像预处理工作;基于数码照片所能提取到的主要植被指数的种类、适用性及优缺点;基于这些指数所能实现的农林业遥感应用等;并展望了微型红外成像硬件和移动互联网、Web GIS、云计算技术的融合发展将为相关领域带来的变革。研究可为农林业经营者和研究者提供借鉴。     

基于Sentinel-2影像的火烧迹地快速提取方法比较研究

利用Sentinel卫星数据,特别是其中对植被敏感的红边波段与短红外波段,针对提取灾后火烧迹地研究不足的问题,选取四川省冕宁县4月20日森林火灾发生前后的Sentinel-2卫星数据,使用不同的提取方法探究识别火烧迹地的潜力,并进行对比研究。实验结果表明,决策树分类法识别火烧迹地的能力最好,提取精度最高,BAI指数次之;其余方法均受道路、房屋和裸体不同程度的影响;用红边波段替换可见光红波段的效果相比原有指数提取效果并无明显提升。研究证明在各类方法中,采用决策树分类法能快速高精度地将火烧迹地准确提取出来。     

基于K-T变换和主成分变换的植被信息提取

WorldView-2能够提供1个0.5 m全色波段和8个1.8 m分辨率的多光谱波段,为用户提供进行精确变化检测和制图的能力。本研究以深圳市植被为例,采用WorldView-2高分辨率遥感影像为数据源,进行缨帽变换及主成分分析处理,利用决策树分类模型进行提取。结果表明:WorldView-2影像经过缨帽变换及主成分分析处理后,能够明显增强影像的纹理信息,突出地物特征,并以各地物在经过缨帽变换及主成分分析处理之后的灰度值作为决策树分类的阈值,分类的总体精度、Kappa系数分别为89.26%、0.87,与以往的只利用波段的灰度值及植被指数等作为阈值相比,精度明显提高,方法也得到改善,得到了比较好的分类结果。