Landsat8时间序列影像支持下的农田防护林提取方法研究

【目的】农田防护林空间分布是三北防护林生态工程监测的重要内容之一。传统的人工调查方式获取农田防护林费时耗力,效率较低,遥感技术可以弥补传统人工调查的不足。现有农田防护林空间分布研究中,基于单期高分辨率遥感影像可以较好提取植被信息,但是不能很好的解决影像中一些地类存在的同谱异物和同物异谱现象。利用中等分辨率遥感影像进行农田防护林信息提取也仅限于利用光谱信息、形状指数等进行决策树分类,且精度受限。鉴于此,依托中低分辨率遥感影像的农田防护林提取方法有待研究。【方法】选择甘肃省张掖市甘州区为研究区,选取2017年4个季度9期Landsat8 OLI时间序列数据为农田防护林信息提取的数据源,在进行辐射定标和大气校正的基础上,基于分层分类的思想,融入植被物候特征、水体和植被指数,利用时间序列遥感影像以及多特征分类指标,逐步提取并掩膜研究区内其他地物,最终实现农田防护林的提取。利用野外样点调查结果和甘州区土地利用数据库对信息提取结果进行精度评价。【结果】该方法分类总体精度为85.93%,kappa系数为0.79,其中野外调查记录的33个农田防护林样点中29个被正确提取,精度达到87.8%。【结论】时间序列遥感数据能有效提取植被的物候参数。基于多时序、多特征分层分类方法能有效提取农田防护林的空间分布信息,降低了同谱异物和同物异谱现象对农田防护林信息提取的干扰。说明利用时间序列遥感影像结合多种特征分类指标的分层分类方法开展甘州区的农田防护林提取是可行的。     

基于高空间分辨率遥感数据建立典型地物分类数据库

典型地物数据库是通过计算机自动分类来识别地物信息的。然而传统的以中低空间分辨率遥感数据建立的典型地物数据库由于同物异谱,同谱异物,单一指标信息等原因无法很好地区分相近目标。因此本文利用WorldView数据为典型地物影像建立数据库,可以加大遥感影像中的信息量,同时拟采用非监督分类、聚类分析的方法,以及多种指标信息对地物进行分类(如纹理信息、光谱信息等),可显著地提高识别精度,有助于更加快速、精确的识别地物类型,从而实现对地物的分类,增强遥感图像的识别,提高最终的地物分类精度以及此实验的分类效率与工作效率的提高,有着十分重要的现实意义。     

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。     

资源3号卫星影像的植被信息提取

资源3号卫星(ZY-3)是我国2012年发射成功的第一颗自主民用高分辨率立体测绘卫星。在对ZY-3卫星数据精细处理基础上,分析了典型地物的光谱特征和纹理特征,构建了适合植被信息提取的ZY-3决策树模型,将研究区地类分为针叶林、阔叶林、灌木林、竹林、耕地、建设用地、裸露地、水体和其他地类共9种地类,开展植被信息提取和精度检验。结果表明:(1)ZY-3比较适合于森林植被信息的提取,特别是针叶林和阔叶林;(2)ZY-3数据的总体分类效果较好,精度达到了91.96%,Kappa系数0.902 9,说明根据影像的光谱特征和纹理特征,采用决策树算法选择合适的阈值提取植被信息是可行的。     

基于遥感影像的昆明中心城区绿地信息提取

以昆明中心城区遥感影像为研究数据,采用基于面向对象分类的研究方法,按照监督分类的思想,将地物分为城市绿地、林地、裸地、水体、建筑和道路6种类型,运用支持向量机的分类器对绿地信息进行提取,并根据总体分类精度和kappa系数的大小对分类结果进行验证,结果表明:城市绿地信息提取精度良好,符合城市绿地调查的精度标准,认为此种绿地信息提取方法值得推广运用。     

基于决策树分类方法的城市绿化分析——以兖州地区Hyperion遥感影像为例

以兖州实验区为例,探讨了利用决策树方法进行城市高光谱遥感绿化分析的流程和方法;分析了试验区典型地物的波谱特性;总结了常用反射率反演方法,并根据具体情况选择FLAASH模型进行了实验;试验区研究表明,决策树分类方法在高光谱遥感影像信息提取中具有可行性.这种基于高光谱的精细信息提取方法,可以提高不同植被类型的高光谱图像分类识别精度,为城市绿化分析提供参考依据.     

基于landsat8影像的植被信息提取最佳波段组合研究 ——以浙江省龙泉市为例

以龙泉市为例,运用最佳指数OIF法,同时结合Landsat 8各个波段的统计信息和相关系数、地物光谱特征曲线及各波段主要用途进行综合分析,探讨了Landsat 8影像用于植被信息提取时的最佳波段组合的选择。结果显示:256波段组合信息量最为丰富,为植被信息提取的最佳波段组合。     

应用遥感影像叠加地形图方法进行森林资源调查

高分辨率卫星遥感影像以其分辨率高、多光谱的特点,被广泛应用到资源环境调查、规划与动态监测,地图制图与更新等领域。影像存在阴影和判读过程中同物异谱、同谱异物现象,影响林业区划调查精度。文章论述了在沈阳市东陵区应用遥感影像叠加地形图区划林业小班的试验,结果表明,该方法节约经费,提高了调绘精度,小班求积均接近于实测值。     

基于遥感影像的森林资源变化检测研究

利用ENVI 5.3软件,对滇中某研究区域2015年森林资源二类调查影像和2018年森林资源监测影像进行预处理,按照统一的分类体系对两期影像进行面向对象图像分类,利用流程化动态监测工具实现变化检测.研究结果表明,面向对象的变化检测技术可以很好地区分光谱特征相似或相近的地表覆盖,一定程度上消除并克服了"同物异谱"、"同谱...     

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。     

株洲主要地类波谱特征研究

地物波谱是指地物反射电磁波能力的大小 ,不同地物具有不同的反射波谱值 .将株洲地区的地类粗略地划分为水、裸露地、居民点和植被 4大类 ,利用遥感图像处理软件 ERMAPPER6.1,在对航空和航天遥感信息源进行处理的基础上 ,对各地类的波谱值和波谱特性进行了详细研究 .结果表明 :相似地类具有相近的波谱分布 ,不同地类具有不同的波谱分布 ;同一地类因信息源、地理位置和时相不同而具有不同的波谱值 ,其分布表现为一个域 ,不同地类的域值差异较大 ;不同地类的波谱值严重交叉 .这说明地物同波谱特征值之间不是简单的一一对应关系 ,而是一种复杂的映射关系     

基于小波模极大值的木材近红外光谱去噪

将光谱一阶导数与小波变换相结合,对杉木木材近红外光谱数据进行预处理,采用db3小波对光谱数据进行4尺度分解,在各分解尺度上根据信号和噪声的不同传播特性.保留信号的模极大值,去除噪声的模极大值.结果表明:光谱导数 小波变换模极大值能够有效消除光谱噪声和各种因素干扰,并很好保留了光谱信号特征,使光谱信噪比有了较大提高.     

A simulation model for economic analysis of timber/forage production alternatives in rocky mountain aspen stands

A simulation model was developed to analyze possibilities for timber and forage joint production in Rocky Mountain aspen stands. Given harvest possibilities from timber yield tables and information concerning site characteristics, the model calculates the physical production levels for timber and forage, and then uses these figures to make an economic analysis based on present net worth and financial maturity criteria. The model was applied to different sets of sites, harvest possibilities, and costs and revenues. The results indicated that the optimal joint production strategy varies with the economic criterion, the discount rate and harvest strategy.     

植被遥感研究的新思路--走出传统光谱理论应用的误区

对遥感中沿用几十年的植被光谱理论提出质疑,阐述了传统植被遥感中存在的误区,提出新的观点及研究思路。第一次提出干旱植被指数(LDVI)和综合植被指数(IVI)的概念,探讨了干旱地区草原植被的信息提取及定量分析方法。     

结合图像纹理特征的森林郁闭度遥感估测

在光谱等传统特征的基础上,结合遥感图像的纹理特征估测郁闭度:首先基于面向地块的方法计算图像的灰度共生矩阵纹理特征,然后用主成分方法分析相关性并降维,最后将图像纹理特征和光谱地形等特征一起作为自变量引入到郁闭度估测的逐步回归模型中。结果表明:结合图像纹理特征的方法比传统的只基于光谱或地形特征的方法在估测精度上有较大提高,判别系数R珔2从0.737提高到0.805,估测精度从81.03%提高到84.32%。     

多源荧光光谱数据融合下的淡水浮游植物分类识别方法

淡水浮游植物分类识别过程中,主要采用单一的荧光光谱数据进行特征提取,所得特征信息较 为片面,分类识别结果的F1 分数偏低。为此,以多源荧光光谱数据融合为前提,提出一种新型淡水浮 游植物分类识别方法。采用局部线性嵌入算法对多源荧光光谱数据进行降维处理,再通过小波分解 算法提取光谱特征信息。运用独立成分分析算法标记出有效的特征信息,依托于多源荧光光谱数据融 合原理结合有效特征得到全面的光谱特征信息。将光谱特征输入可解决多分类问题的支持向量机模型, 生成淡水浮游植物分类识别结果。实验结果显示,在噪声比例为40%时,文中设计的分类识别方法的分 类识别结果F1 分数依旧为0.95,与其他两种方法相比提高了14.74%和18.95%,分类结果更加准确。     

应用于城市森林监测的WorldView-1与GeoEye-1融合效果评价研究

采用Brovey、HIS、PanSharpen、Gram-Schmid、PCA、Wavelet等融合方法对World-View全色与Geoeye-1多光谱影像进行融合处理,在传统的光谱还原、纹理清晰度指标的基础上,引入植被权重的改进相似度定量评价法,其以人眼的视觉特性为出发点,侧重于图像的结构信息和光谱与纹理的均衡度,并着重考虑林业遥感尤其城市森林资源监测应用中对突出植被信息的要求,利用MatLab构建评价程式,通过对G_MMSIM及常规指标的综合比对分析,认为此法与目视判读较为接近,可以在评价实践中予以应用,同时,得到PCA和Gram-Schmid效果最优,PanSharpen稍差的评价结果。     

Light spectral composition in a tropical forest: measurements and model

I present a simple model that simulates vertical variations in the light spectrum within a forest canopy. The model considers only the vertical, downward transmission of light. The light in each canopy level was assumed to consist of non-intercepted radiation and radiation intercepted within the level and transmitted. The spectrum of non-intercepted light in each canopy level is the same as that of incident light above the canopy (input parameter), whereas the spectrum of transmitted light depends on leaf area index (LAI) and the mean transmission spectrum of leaves. The model was tested in a forest and provided adequate predictions of measured values. Stronger deviations were produced in the near infrared (NIR) waveband in lower canopy levels. Multiple regression between LAI, as the dependent variable, and spectral characteristics (Blue, Green, Red and NIR intensities) had an r(2) of 0.926. As a complement to other methods, I suggest light spectrum analysis as a non-destructive technique for estimating LAI in forest canopies.