应用卫星影像数据自动提取川西地区森林面积方法研究

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。     

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。     

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。     

基于ALOS数据的遥感植被分类研究

以广西平南县的植被覆盖为研究对象,以ALOS为遥感数据源,并对其进行了数据处理,运用信息量、相关系数及OIF方法,分析数据的波段特征;采用决策树分类算法,根据各种植被光谱特征建立知识库,提出基于光谱信息的植被分类方法,并将其与传统的监督分类方法进行了比较。结果表明:基于光谱特征的植被遥感信息提取方法分类总体精度显著提高,Kappa系数达到0.877;采用Landsat—5 TM遥感影像对该方法进行推广,分类总体精度为86.09%,Kappa系数为0.83。结果表明该分类方法能有效地对植被进行分类与识别,并对不同数据源的植被分类有一定的普适性,为实现植被的自动化提取提供了理论依据和方法。     

土壤遥感

<正> 《土壤遥感》(或土壤遥测信息的机械处理)是美国普都大学遥感应用实验室和国际土壤学会的土壤信息组与遥感应用组1980年在普都大学召开的讨论会文献汇编。主要内容是遥测信息的自动处理和在农业、林业及植被分类和调查中的应用及八十年代遥感技术和信息处理的发展趋势和在可预见时间内在技术和应用方面的突破。书内分六章86个专题,其内容     

卫星遥感照片在森林调查中的应用

卫星遥感照片在林业方面主要用于森林资源调查、植被分类、土地利用调查、森林火灾、病虫害和森林动态监测。遥感图像主要采用中分辩率多谱段卫星遥感数据。遥感数据的获取应选择在植被生长季节，一般云量小于5%。在遥感图像成图时，一般要叠加10×15的经纬网;1km×1km网以及区划界线;并对以判读为主体的森林植被图像进行增强处理。 卫星遥感照片具有摄影范围大，迅速反映动态变化、资料收集方便、影像信息多和成图迅速、成本低等优点。因此，广泛应用于森林调查工作中。 1 利用卫星遥感照片，目视编制土地利用图 利用最新的卫片和相关资…     

基于遥感云服务平台的植被指数计算

利用遥感技术能快速、大面积、长时间地探测地表情况,遥感技术的发展与应用产生海量的遥感数据,对数据的处理及运用提出新的挑战.遥感云服务能很好地解决海量遥感数据处理及运用问题.GEE是目前应用最为广泛的遥感云服务平台,文中基于GEE对遥感数据收集、处理及植被覆盖指数计算进行探究,详细阐述其计算过程,并以云南省通海县为例,基...     

基于GF-1和TM数据的金河林业局天然林保护成效评估研究

[目的]利用遥感影像的特点,将地表覆盖类型和植被覆盖度作为天然林保护成效评估的研究指标,提出一种评估天然林保护成效的方法。[方法]首先,分析GF-1遥感影像特点,结合TM影像特点,研究针对GF-1遥感影像的处理和分析技术;其次,选择评估天然林保护成效评估的指标;再次,选取内蒙古金河林业局作为试验区,对试验区的地表覆盖类型变化、植被覆盖度变化进行分析,结合现地调查数据进行验证,从而评估天然林保护成效。[结果]基于采用分类后比较法能够有效检测出地表覆盖类型变化,经验证检测精度能够达到90%以上;归一化植被指数结合像元二分模型能够用于复杂地表植被覆盖度的反演,经野外实测数据验证精度可达到83%。[结论]根据地表覆盖类型变化监测和植被覆盖度变化监测结果,金河林业局天然林保护工程实施以来实现了森林资源由过度消耗向恢复性增长转变。     

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。     

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。     

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.     

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。     

基于遥感技术的退耕还林监测研究——以甘肃省清水县为例

利用1∶5万地形图的DRG(数字栅格图),采用二次多项式法和双线性内插法;对TM图像进行几何校正处理。以TM432为最佳波段组合。在ERDAS遥感数字图像处理系统支持下,对清水县1997年和2008年两期的归一化差异植被指数(NDVI)进行了统计计算,并获得了其植被指数分布图、植被指数差值图及统计表。结果表明:2008年的植被指数相对1979年有了很大程度的提高,植被指数大于0以上的面积增加了13.4%。全县60%土地的NDVI值都有不同程度的增加。     

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.     

盐城丹顶鹤保护区核心区土地覆被信息提取及其动态变化分析

基于江苏盐城湿地珍禽国家级自然保护区核心区2002年LANDSAT影像数据和2010年ALOS影像数据，分别对两期遥感影像进行图像分类比较、图像差值运算、提取影像植被指数，进行图像差值运算等处理，提取保护区核心区地类和植被覆被的相关信息及其动态变化情况，为保护区核心区进一步加强管理与保护提供科学依据。研究结果表明，保护区核心区的人为干扰较小，境内的原生湿地保存完整，生态系统基本实现自我更新，这种情况对于丹顶鹤的保护非常有利。     

专家系统在森林遥感图象分类中的应用

传统的林业遥感图像计算机分类方法,多作为目视判读的一种辅助手段,对数字图像数据本身进行分类。在这种分类过程中,各种辅助数据及林学家、图像判读员的经验和知识一直未能得到直接充分有效的利用。通过建立专家系统可将上述各种辅助数据和专家知识直接加入计算机分类的过程,以达到在一定程度上取代目视判读的目的。本文讨论了一个小型林业遥感图像分类专家系统的总体设计、数据库设计、信息综合、推理方法以及用此系统对一TM图像进行实际分类的初步结果。     

梵净山国家级自然保护区植被分布与黔金丝猴生境选择

以2004年6月份的SPOT 5 遥感影像为基础,结合野外调查数据,运用ERDAS软件对梵净山自然保护区的植被进行遥感解译,分辨出7种植被类型。然后应用ARCGIS软件进行数据合成,获得保护区各植被类型的分布范围及其他相关信息。对黔金丝猴在各种植被类型中的出现频率进行统计,结果指出中山常绿、落叶阔叶混交林和低山常绿阔叶林是黔金丝猴主要选择的植被类型。这一结果可为梵净山自然保护区的规划、管理和黔金丝猴的保护提供科学依据。     

基于TM影像和统计分析的林分参数估测研究

林业研究中的主要兴趣点之一在于通过经验或半经验模型建立林分参数与遥感影像数据间的相互关系来估测林分参数.基于覆盖美国佛罗里达州东北Duval县的遥感数据和两块样地清查数据,论文探讨了所选林分参数与TM影像光谱DN值间的相关性.相关性分析结果表明,单波段或植被指数对林分参数的解释能力低于50%,为此构建了林分参数与影像多波段间多元回归模型来估测林分参数.预测结果通过另一组数据验证,除林分密度外,其它参数估测可信度达75%以上.论文最后探讨了预测模型不足和需改进的地方,并指出该研究有助于更好地理解影像光谱值和林分参数间的关系.图1表2参9.     

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。     

Estimation of forest parameters based on TM imagery and statistical analysis

One of the primary forestry research interests lies in estimating forest stand parameters by applying empirical or semi-empirical model to establish the relationship between the forest stand parameters and remote sensing data. Using remote sensing image and the inventory data from 2 compartments in northeast Florida, U.S.A., this paper explored the correlation between forest stand parameters and Landsat TM spectral digital number （DN） value. Results showed that less than 50% of the total variance could be explained by linear regression models with only either a single band or such vegetation indices as vegetation index （VI） or normalized difference vegetation index （NDVI） as predicators. In consequence, multi-linear regression models which synthesized more predicators were introduced to estimate forest parameters. Regression results were tested in terms of the other group of data, and verification showed a better capability of explaining over 75% variance except for forest density. The weakness and further improvement of prediction models were also discussed in the article. This paper is expected to provide a better understanding of the relationship between TM spectral and forest characteristics