面向对象的SPOT5图像森林分类

为改善SPOTS图像森林分类精度,采用面向对象的图像分析方法,对图像分割、对象特征提取与筛选、多分类器分类与结合进行探索,采用大尺度分割-基于规则的分类-基于分类的分割-分区控制-底层分类-逐层向上合并的技术路线,试验了最小距离、马氏距离、Bayes、模糊分类和支持向量机5个分类器.结果表明:在森林分布破碎、类型和种类多样、结构复杂的南方人工林区,总体分类精度最高的Bayes分类器,对以龄组为基础包含22个类型的第3级分类的总体精度达到了79.38%,以树种为基础包含15个类型的第2级分类的总体精度达到了81.82%,以森林类型为基础包含9个类型的第1级分类的总体精度达到了86.33%.在景观复杂地区的森林分层分类中,由底层分类开始、逐层向上合并的方法,效果比由顶层分类开始、逐层往下分类的方法更好.ETM+作为辅助数据,较大程度地提高了SPOT5图像的分类精度,但ETM+图像不能实质性参与分割过程,只能用于提取对象特征,否则会导致对象同质性差、特征变异,降低分类精度.     

SPOT 5 图像融合算法研究

对SPOT 5 图像光谱特征进行分析,与同类别的图像特点进行对比,对常用的融合方法得到的图像特点进行分析,说明其优劣势.以BROVEY算法为基础,对SPOT 5 图像假彩色融合进行试验,分析基本算法的特点及图像效果.针对植被层次不丰富、山区阴影呈蓝色的不足,提出了2种改进的融合算法,并对其原理进行说明,对融合后图像的特点作了客观分析.     

基于SPOT5遥感影像的珲春林业局森林分类研究

利用SPOT5卫星图像对研究区森林类型进行计算机分类,总体精度普遍不高,并且许多森林地类或林分类型的生产者精度和用户精度均比较低,林分类型与检验样本都存在较大偏差。在四种分类方法中,马氏分类法精度最高,总体精度达到57.13%,Kappa系数0.5208。     

基于ENVI4.5的SPOT5图像自动配准

图像配准技术是图像数据处理中非常关键的技术之一,其精度直接会影响后期数据分析、处理。通过ENVI 4.5自动配准工具对同一传感器下同一场景不同时相的SPOT 5图像进行配准。结果显示,经过适当的参数设置,可以达到较高精度要求(1个像元左右),能满足图像的后期处理(如图像融合、镶嵌等)。     

林地小班边界及地形因子计算机自动提取研究及应用进展

林地小班(简称小班)是森林资源规划设计调查、统计和经营管理的基本单位。小班调查是林业重要的基础性工作,小班边界和地形因子是小班调查的重要内容,快速、准确地获取小班边界和地形因子,对编制森林经营方案、指导林业生产具有重要作用。通过梳理基于遥感影像、数字高程模型(DEM)、遥感影像结合DEM的小班边界计算机自动提取方法和基于DEM的小班海拔、坡度、坡向、坡位等地形因子计算机自动提取方法的研究与应用现状,指出目前存在的问题,提出了今后研究的建议。     

基于ArcGIS Modelbuilder的小班边界自动化平滑及工作流模型构建

基于ArcGIS的模型构建器(ArcGIS Modelbuilder)的功能,通过分析小班边界平滑的流程,构建起工作流模型,从而实现对小班边界进行自动批量化的平滑处理;以崇左市2016年林地变更小班数据(256 254小班)进行验证该方法比传统手工平滑的处理效率提高了约4.3倍,且随着处理数据量的增加,效率会进一步提高,本方法也可应用于森林资源二类调查和使用林地项目小班边界的平滑处理。     

利用ETM和SPOT5数据融合进行平江县森林资源调查

以ETM多光谱数据和SPOT5全色数据融合的图像为对象，利用遥感图像和地面调查相结合的方法对湖南省平江县森林资源进行调查，既能节约成本，又能提高调查精度，为遥感技术应用于森林资源规划设计调查探索经验。     

SPOT5卫星影像中提取森林土壤因子方法的研究

针对在采用SPOT5卫星影像进行森林资源调查后,森林土壤因子不能通过直接判读取得的问题,通过利用森林资源遥感调查和林业专业调查数据进行逐层分析研究,提出了在遥感调查中各小班森林土壤因子的自动提取方法。用该方法提取的因子与现地调查因子作对比验证,土壤亚类的一致率达到95%,土层厚度的一致率89%。     

小班界线计算机自动提取的初步研究

传统的勾绘小班的方法是“对坡勾绘” ,这一方法会耗费大量的人力、物力和时间。本研究从卫星TM数据入手 ,采用数字图像处理技术对原始数据进行有利于植被信息提取的变换、图像分类、异形图斑去除及矢量线的跟踪 ,实现小班界线的计算机自动提取 ,为实施人工地面调查提供一份基础底图 ,从而降低调查人员的劳动强度     

基于SPOT5遥感影像的样地判读

利用SPOT5卫星遥感资料在沾益县大坡乡进行了森林资源二类调查试点。共布设目视判读样地7711个、野外实测样地290个,其总体抽样精度为87 29%。介绍了工作方法,分析了判读结果和存在问题,提出了今后工作的思路。     

基于SPOT 5卫星遥感数据的林相图更新系统的研建

介绍了基于SPOT 5卫星遥感数据的林相图更新系统的总体设计,在此基础上阐述了研建本系统的关键技术以及系统所具有的主要功能,最后总结了该系统还存在的问题。     

SPOT5卫星遥感影像解译方法

山西省森林资源二类调查首次大规模、全方位应用"3S"技术,并采用法国最新的高分辨率SPOT 5卫星影像数据。作者就在二类调查中如何对SPOT 5影像进行解译,如何建立解译标志提出一些可行的方法。     

SPOT5遥感影像在林业二类调查中的应用

采用ERDAS IMAGINE图像处理软件,对青海省互助县境内的北山林场的SPOT5遥感影像进行处理,包括原始数据导入、正射纠正、影像融合、波段组合、影像增强等处理过程以及数字正射影像图(DOM)的制作。探讨SPOT5遥感影像在林业二类调查中的应用处理方法及SPOT5影像的应用前景。经现地验证,以SPOT5遥感卫星影像为底图,通过人机交互目视解译方法区划判读小班能满足林业二类调查的需要,该影像数据能作为1∶10000专题图制作的基础数据。     

基于机载激光雷达冠层高度模型的小班区划

目的 探究如何有效利用机载激光雷达冠层高度模型（CHM）自动区划小班,提高小班区划工作效率。 方法 在高光谱影像树种信息的辅助下,使用机载激光雷达数据生成的CHM进行两种空间尺度的分割和优化来自动区划小班。先对1 m空间分辨率CHM数据进行过分割,再对降尺度处理并平滑后的5 m空间分辨率CHM数据进行欠分割,结合两种尺度分割结果并优化得到最终区划结果。将自动区划结果与人工区划小班、数字正射影像（DOM）屏幕勾绘小班以及主伐作业小班为三类参考小班对比,采用最终测量精度（UMA）准则的圆度（RO）,紧致度（CO）,形状指数（SI）,最小包络圆短半径（RE）,椭圆度（EF）和形状因子（P2A）8个指标,及自动区划小班与参考小班的交并比（IOU）指标,定量评价自动区划小班边界勾绘的准确程度。并利用样地实测数据和CHM数据计算自动区划结果平均胸径、平均树高和冠层平均高的可解释性方差,验证自动区划结果的内部一致性和外部差异性精度。 结果 自动区划结果与参考小班的UMA形状、面积等特征较接近,与人工区划小班最相近。自动区划小班与人工区划、屏幕勾绘、主伐作业小班交并比大于70%的比例分别为46%,37%,43%,交并比大于50%的比例分别为61%,54%,55%。自动区划结果平均胸径可解释性方差为97%,平均树高可解释性方差为98%,和人工区划小班相同,说明其内部一致性高且和相邻小班差异大。冠层平均高可解释性方差为84.81%,比人工区划小班提高了1.77%。 结论 利用两种空间尺度的CHM与高光谱树种分类图的分割和优化方法自动区划的小班在内部一致性及边界的精准度方面有明显优势,更符合小班边界处林木的分布情况,小班边界准确,且工作效率高,有助于森林的精细化管理。     

基于星站差分GPS及DEM的林区SPOT5数据正射校正

通过星站差分GPS采集高精度的地面控制点(GCP),结合林区1∶1万DEM数据和SPOT5物理模型对SPOT5数据进行正射校正。结果表明,采用该方法校正所有GCP总体中误差为1.337个像元,能够满足林业资源调查规划设计的要求。     

SPOT5卫星遥感信息在森林资源调查中的应用现状与解决思路

介绍利用SPOT5卫星遥感在云南省森林资源调查中的应用情况,总结所取得的成果经验。分析存在的包括对遥感的内涵认识不足、特殊地类不易分辨、树种组成难判读、蓄积量不能直接判读、龄组和郁闭度判读因子粗放等问题,提出了解决问题的思路和建议。     

基于小班信息GIS更新的森林资源动态监测研究

结合动态监测技术及林业生产调查探讨开展森林资源动态监测的可行性,并进行了森林资源动态监测体系的设计.建设森林资源动态监测体系涉及到2个关键技术,即小班信息更新技术与更新验证调查技术.结合吉林省和龙市二类调查与历年森林经营措施资源,完成了2个林场小班信息的更新.     

SPOT5卫星遥感数据在森林资源监测工作中的应用研究

利用SPOT5卫星遥感数据进行森林资源监测已在河南省全面展开,本文结合SPOT5卫星遥感数据的特点,研究了影像数据的正射纠正、融合、裁减、分幅出图等处理方法,通过在森林资源“二类”调查工作中的应用实践,探讨了SPOT5卫星数据在森林资源监测、图件编绘等方面的可行性和优越性。