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%。     

激光雷达和高光谱遥感技术在树种识别中的应用

快速准确识别树种是研究和保护森林资源的基础,通过遥感技术进行树种识别已成为森林调查重要手段之一。激光雷达数据可以提供森林垂直结构的信息,而高光谱遥感数据可以提供树木详细的光谱信息,因此联合激光雷达和高光谱数据能够提高树种分类精度。文中阐述了激光雷达和高光谱遥感在森林树种识别中的研究现状,总结了单一遥感源进行树种识别的优缺点,介绍了联合激光雷达和高光谱遥感数据的树种识别方法,最后从数据平台、数据提取、数据融合及识别模型等4个方面探讨了当前树种识别研究中面临的问题以及未来的研究方向,旨在为提高树种识别精度提供参考。     

基于多特征的高分辨率影像松材线虫病树识别

为了提高松材线虫病树的监测效率,减少其对林业生产造成的损失,利用在高分辨率遥感影像上提取松材线虫病树的光谱特征、空间特征等多特征,然后进行Relief特征选择算法,提取的合适特征为归一化植被指数NDVI(Normalized Vegetation Index)、差值植被指数DVI(Difference Vegetation Index)、OHTA颜色模型作为病树与非病树的光谱特征,对目标影像进行自动筛选,得到疑似病树像元。运用DBscan空间聚类算法对疑似病树像元进行聚类,并以周围一定范围内有一定数量的健康树像元为空间分布参考,对拍摄地点30°1′N/111°43′E附近、分辨率为0.1 m的3幅高分辨率遥感影像筛选病树。自动筛选耗时分别是人工筛选的43.99%、51.08%和46.62%,相对于人工筛选的数量准确度分别为79.37%、77.85%和82.56%。结果表明:采用光谱特征与空间特征相结合的方法在高分辨率遥感影像上识别松材线虫病树识别效率更高。     

高光谱遥感获取伐区调查数据的应用综述

首先论述了高光谱遥感在获取森林调查数据方面的优势;随后总结了国内外关于高光谱技术在树种识别、龄级分类、郁闭度调查及森林健康监测等方面的应用,并同时列举出高光谱遥感应用于林业上的主要处理技术;最后对高光谱遥感在我国林业上的应用现状进行了分析与展望。     

基于多特征提取与注意力机制深度学习的高分辨率影像松材线虫病树识别

为了提高松材线虫病树的监测效率,减少其对林业生产造成的损失,提出一种基于多特征提取与注意力机制深度学习的高分辨率影像松材线虫病树识别方法.该方法首先在高分辨率遥感影像上提取松材线虫病树的光谱特征、空间特征等多特征,然后进行Relief特征选择算法,取特征权重前8个特征进行病树识别,发现选择差值植被指数DVI(diffe...     

基于CART决策树方法的遥感影像分类

以云南省香格里拉县为研究区域,构建一种基于CART遥感影像的决策树分类方法.对遥感影像采用主成分提取、植被信息提取、纹理信息提取等方法,并结合试验区主要地物类型训练样本,采用Landsat 5 TM影像数据、DEM数据以及遥感处理软件ENVI为平台进行影像分类,并将结果与最大似然分类结果作比较.结果表明,基于CART遥感影像决策树分类精度优于最大似然分类,有较好的分类效果.     

Modeling forest aboveground biomass by combining spectrum, textures and topographic features

Many textural measures have been developed and used for improving land cover classification accuracy, but they rarely examined the role of textures in improving the performance of forest aboveground biomass estimations. The relationship between texture and biomass is poorly understood. In this paper, SPOT5 HRG datasets were ortho-rectified and atmospherically calibrated. Then the transform of spectral features is introduced, and the extraction of textural measures based on the Gray Level Co-occurrence Matrix is also implemented in accordance with four different directions (0°, 45°, 90° and 135°) and various moving window sizes, ranging from 3 × 3 to 51 × 51. Thus, a variety of textures were generated. Combined with derived topographic features, the forest aboveground biomass estimation models for five predominant forest types in the scenic spot of the Mausoleum of Sun Yat-Sen, Nanjing, are identified and constructed, and the estimation accuracies exhibited by these models are also validated and evaluated respectively. The results indicate that: 1) Most textures are weakly correlated with forest biomass, but minority textural measures such as ME, CR and VA play a significantly effective and critical role in estimating forest biomass; 2) The textures of coniferous forest appear preferable to those of broad-leaved forest and mixed forest in representing the spatial configurations of forests; and 3) Among the topographic features including slope, aspect and elevation, aspect has the lowest correlation with the biomass of a forest in this study. __________ Translated from Remote Sensing Information, 2006, 6: 6–9 [译自: 遥感信息]     

土地沙化遥感信息提取技术研究进展

对土地沙化遥感信息提取技术做了总结归纳, 主要包括传统的沙化信息提取技术和基于新算法的沙化信息提取技术。其中, 传统的沙化信息提取技术包括监督与非监督分类法及目视解译法; 基于新算法的沙化信息提取技术包括神经网络法、决策树法、纹理特征提取法、混合像元分解法、植被指数法和多源信息复合法。最后分析了目前土地沙化信息提取技术中存在的问题及发展前景。     

Influence of using texture information in remote sensed data on the accuracy of forest type classification at different levels of spatial resolution

We evaluated the influence of texture information from remote sensed data on the accuracy of forest type classification at different spatial resolutions. We used 4-m spatial resolution imagery to create five different sets of imagery with lower spatial resolutions down to 30 m. We classified forest type using spectral information alone, texture information alone, and spectral and texture information combined at each spatial resolution, and compared the classification accuracy at each resolution. The classification and regression tree method was used for classification. The accuracy of all three tests decreased slightly with lower spatial resolution. The accuracy with the combined data was generally higher than with either the spectral or texture information alone. At most resolutions, the lowest accuracy was with texture information alone. However, there was no clear difference in accuracy between the combined data and spectral data alone at 25- and 30-m spatial resolution. These results indicate that adding texture information to spatial information improves the accuracy of forest type classification from very high resolution (4-m spatial resolution) to medium resolution imagery (20-m spatial resolution), but this accuracy improvement does not appear to hold for relatively coarse resolution imagery (25- to 30-m spatial resolution).     

面向对象技术在城市绿地信息提取中的应用

以乌鲁木齐市为例,采用高分辨率卫星QuickBird数据为主要信息源,应用面向对象的多尺度分割技术,对城市绿地信息的提取方法进行了研究。利用专题层分割影像,结合成员隶属度函数,实现城市绿地信息的自动提取。研究表明使用该方法提取信息速度快、准确率高、成本低,可以实现城市绿地信息的快速而准确的提取。     

基于TM影像纹理与光谱特征的红树林生物量估算

为研究红树林生物量的遥感估算方法,提取了广西和海南红树林TM遥感影像的光谱及纹理特征,结合地面调查所得126个样地生物量数据,进行多元逐步回归分析。结果表明,建立的生物量估算模型通过相关检验,可以高效、快速地进行红树林生物量的估测。     

结合Landsat 8与PALSAR-2影像的龙南县针叶林蓄积量遥感估测研究

林分蓄积量估测是林业遥感的重要研究领域,由于云雾天气和光谱饱和现象等因素限制了光学遥感影像估测林分蓄积量的精度。合成孔径雷达(SAR)具有穿透性强、受云雾影响小等特点,弥补了光学遥感的不足。以江西省龙南县的针叶林为研究对象,结合Landsat 8与PALSAR-2双极化SAR影像数据,在遥感数据预处理基础上,提取了光谱信息、植被指数、纹理信息和后向散射系数等共245个遥感因子。基于Pearson相关系数法和多元逐步回归法,筛选出65个遥感因子参与林分蓄积量估测。以林分郁闭度作为分层因子,分别采用线性、KNN、支持向量机(SVM)、多重感知机(MLP)和随机森林(RF)5种模型估测林分蓄积量,并对估测结果进行精度检验。实验结果表明:1)相比单独使用Landsat 8的光谱和纹理信息,基于郁闭度分级并融合PALSAR-2的后向散射信息明显提高了蓄积量的反演精度;2)对于低郁闭度林分,线性模型精度最高(rRMSE=21.16%),中郁闭度林分,多重感知机模型估测效果最好(rRMSE=30.61%),高郁闭度林分,多重感知机模型估测效果最好(rRMSE=27.53%)。在结合PALSAR-2的后向散射系数的基础上,郁闭度分层能有效改善中高蓄积量区域的反演精度。     

基于高分二号遥感数据的森林自然度等级划分

以地面样点为基础的森林自然度评价方法很难获得区域范围森林自然度等级,针对该问题,提出了利用高分遥感卫星影像数据,划分区域范围森林自然度等级的方法。以湖北竹山县九华山林场为试验区域,在选取研究区典型样地的基础上,结合高分二号(GF-2)遥感影像数据的特点,从GF-2影像上提取遥感光谱、纹理等特征并结合地形特征,采用随机森林算法在大尺度范围对九华山林场森林自然度等级进行分类研究。结果发现:以GF-2数据为基础提取的植被指数、光谱、纹理等特征与地形特征结合,采用随机森林算法可较好地划分森林自然度等级,总体分类精度高达93.97%,Kappa系数为0.91。对森林自然度等级影响最重要的6个特征因子为高程、坡向、坡度、纹理均值、光谱主成分变化分量和归一化植被指数(NDVI)。结果表明,基于遥感影像提取的特征和地形特征结合进行森林自然度等级划分的研究方法具有可行性,为大面积区域的森林自然度等级划分奠定基础。     

城市林业中高光谱遥感技术应用现状与展望

高光谱遥感技术现已成为林业遥感研究的前沿技术之一,在林业定量监测及分析方面具有很大的潜力,同时也为森林经营与管理提供了一种更为科学和实用的新技术手段。文章主要从森林树种高光谱的分类与识别、森林树种主要生化参数模型估算、森林监测与高光谱遥感技术3个方面,总结归纳了高光谱遥感在林业上的主要研究现状,并对高光谱遥感技术在林业研究中的应用前景作了展望。     

基于ASD与Hyperion高光谱数据的主要针叶树种分类研究

以云南省香格里拉市为研究区,对ASD光谱仪实测的4种针叶树种光谱数据采用包络线去除法、光谱一阶微分法和光谱二阶微分法3种波段选择方法得到Hyperion高光谱影像数据的分类特征波段,采用最大似然法、支持向量机2种分类方法对所选的特征波段开展树种识别分类,对原始影像采用光谱角填图分类方法作对比实验。结果表明,基于ASD数据的光谱一阶波段选择方案的支持向量机分类方法精度最高,总体分类精度为81.95%,Kappa系数为0.725 1。采用ASD实测光谱数据能有效指导Hyperion进行树种分类,基于数据尺度和换算方式,一阶微分更适合特征波段选择;与传统的数理统计分类方法和光谱特征分类方法相比,基于机器学习的方法如支持向量机等在高光谱遥感分类中具有更大的应用潜力。     

甘肃民勤县荒漠化区未利用地的遥感分类研究

以荒漠化土地典型分布区甘肃省民勤县为研究对象,以30 m的Landsat TM5与TM7遥感影像为主要数据源,在分析不同典型地物光谱特征的基础上,建立基于专家知识的决策树分类模型,利用该模型对荒漠化区的戈壁、沙地、沙漠、风蚀劣地等未利用土地进行细分,总体分类精度达到87.06%。决策树分类法总体效果较好,为荒漠化区土地管理以及再利用提供了技术支撑。     

Spatial partitioning of biomass and diversity in a lowland Bolivian forest: Linking field and remote sensing measurements

Large-scale inventories of forest biomass and structure are necessary for both understanding carbon dynamics and conserving biodiversity. High-resolution satellite imagery is starting to enable structural analysis of tropical forests over large areas, but we lack an understanding of how tropical forest biomass links to remote sensing. We quantified the spatial distribution of biomass and tree species diversity over 4 ha in a Bolivian lowland moist tropical forest, and then linked our field measurements to high-resolution Quickbird satellite imagery. Our field measurements showed that emergent and canopy dominant trees, being those directly visible from nadir remote sensors, comprised the highest diversity of tree species, represented 86% of all tree species found in our study plots, and contained the majority of forest biomass. Emergent trees obscured 1–15 trees with trunk diameters (at 1.3 m, diameter at breast height (DBH)) ≥20 cm, thus hiding 30–50% of forest biomass from nadir viewing. Allometric equations were developed to link remotely visible crown features to stand parameters, showing that the maximum tree crown length explains 50–70% of the individual tree biomass. We then developed correction equations to derive aboveground forest biomass, basal area, and tree density from tree crowns visible to nadir satellites. We applied an automated tree crown delineation procedure to a high-resolution panchromatic Quickbird image of our study area, which showed promise for identification of forest biomass at community scales, but which also highlighted the difficulties of remotely sensing forest structure at the individual tree level.     

基于ALOS数据的巨尾桉蓄积量遥感估测——以广西平南县为例

蓄积量是森林资源监测的一项重要指标,蓄积量遥感估测一直是林业遥感研究的重要内容。本文采用ALOS数据为遥感信息源,以广西自治区平南县优势树种巨尾桉为研究对象,分析选取影响巨尾按蓄积量估测主要的遥感信息和地理信息因子,结合郁闭度实地调查因子,建立了巨尾桉蓄积量估测模型,模型精度达91．18％。     

激光雷达技术及其在林业上的应用

激光雷达是近年来国际上发展十分迅速的主动遥感技术,在森林参数的定量测量和反演上取得了成功的应用。激光雷达具有与被动光学遥感不同的成像机理,对植被空间结构和地形的探测能力很强,特别是对森林高度的探测能力,具有其他遥感数据无法比拟的优势。介绍激光雷达遥感的基本原理、大光斑和小光斑激光雷达系统的特点,对它们在林业上的应用现状进行评述,重点分析激光雷达反演森林参数的方法,对激光雷达的林业应用前景进行分析和展望。     

遥感技术在森林树种多样性监测中的应用研究进展

树种多样性的快速、有效监测能够促进生物多样性保护与研究以及森林可持续管理。遥感技术正逐渐成为森林生物多样性大面积快速监测的新兴手段,为树种多样性空间格局信息的快速提取提供了有力保证。以数据源为线索,文中系统阐述了近年来多光谱遥感、高光谱遥感、激光雷达、微波遥感及多源遥感协同方法在树种多样性监测中的应用研究现状,并从数据源、数据平台、遥感异质性指数、数据时间特征和监测模型5个方面讨论了森林生物多样性遥感监测研究的发展趋势,旨在为生物多样性遥感监测研究提供有益启示。