基于混合像元分解植被类型提取——以塔河地区为例

以塔河地区的HSI高光谱遥感数据为基础,结合相关的统计学知识,利用非监督分类法和混合像元分解法分别提取森林植被类型,并对其进行精度检验。得出非监督分类总体精度为70. 78%,混合像元分类的精度为76. 87%。结果表明混合像元分解定量解算植被类型是更有效的方法。     

基于NDVI分割与面向对象的东洞庭湖湿地植被信息提取技术

针对东洞庭湖湿地植被的分布现状,为提高湿地植被信息提取的精度和效率,应用高分辨率的SPOT-5影像数据,在完成图像预处理的基础上,将NDVI应用到多尺度分割中,结合基于隶属度函数和阈值的面向对象的分类方法对东洞庭湖湿地植被信息进行提取;与此同时,以相同分类方法对未辅以NDVI分割的图像进行植被提取,并与最大似然监督分类法提取的结果进行对比.结果显示,辅以NDVI分割的面向对象信息提取的总分类精度达到了87.69％,Kappa系数达到0.86;未辅以NDVI的总分类精度为82.69％,Kappa系数为0.80;最大似然监督分类总分类精度71.92％,Kappa系数0.67;其总分类精度分别提高了5.00％、15.77％,Kappa系数分别提高了0.06、0.19.可见,该方法可以有效提高湿地植被的提取精度,为湿地植被资源进一步的监测和保护奠定了基础.     

绿地信息遥感提取方法分析——以芜湖市为例

以芜湖市为例,选用2007年成像的TM影像数据,采用阈值分类与整体—局部多尺度迭代模型相结合的方法,对该地区绿地信息进行提取,并与监督分类方法、阈值分类法提取的精度进行比较。结果表明,阈值分类与整体—局部多尺度迭代模型相结合的方法明显高于监督分类法和阈值分类法,在适宜阈值取165时,其用户精度和生产精度分别达84.21%和87.89%。     

三维及相关辅助信息在提高图像分类精度中的研究

该文对应用高程、坡向及土壤等辅助信息提高分类精度进行了研究 .在GIS支持下 ,运用GIS的空间分析技术综合研究高程、坡向等辅助信息与植被类型的内在关系 ,运用模糊数学的基本原理将这种内在关系量化 ,形成可以反映植被与辅助信息间规律的模糊矩阵 ,综合应用所得到的模糊矩阵通过后分类法来修正无监、有监分类得到的初分类图像 .该研究以贺兰山中段汝箕沟一带为研究对象 ,成功地应用该方法得到了研究区的植被分类图像 .研究表明 ,三维及相关辅助信息可以有效地提高遥感图像的分类精度     

三维及相关辅助信息在提高图像分类精度中的研究

该文对应用高程、坡向及土壤等辅助信息提高分类精度进行了研究.在GIS支持下，运用GIS的空间分析技术综合研究高程、坡向等辅助信息与植被类型的内在关系,运用模糊数学的基本原理将这种内在关系量化,形成可以反映植被与辅助信息间规律的模糊矩阵，综合应用所得到的模糊矩阵通过后分类法来修正无监、有监分类得到的初分类图像.该研究以贺兰山中段汝箕沟一带为研究对象，成功地应用该方法得到了研究区的植被分类图像.研究表明，三维及相关辅助信息可以有效地提高遥感图像的分类精度.     

高光谱遥感影像分类方法综述

该文简述了高光谱遥感影像分类的策略,主要有监督分类与非监督分类,基于分类判据的实现策略划分,硬分类和软分类,基于像素的分类和基于对象的分类,单分类器和多分类器集成。并简单介绍了一些分类方法,包括监督分类法(最小距离分类法、最大似然分类法和平行多面体分类法)、基于光谱相似性度量的分类方法、人工神经网络分类法、支持向量机分类、决策树分类、面向对象分类和非监督分类。     

面向对象方法在Quick Bird影像分类中的应用研究

选取Quick Bird影像,以目视判读法作为精读评价的参考标准,对基于像元值的监督分类和非监督分类法、面向对象分类法进行了分析比较。结果表明,使用面向对象方法能显著提高Quick Bird影像分类精度。     

森林可燃物的遥感分类研究进展

阐述了森林可燃物的分类类型,指出遥感图像是通过亮度值或像素值的高低差异及空间变化表示不同地物差异的,提出了遥感分类常用方法有非监督分类与监督分类法,基于知识的决策树分类法,BP神经网络分类法。文章同时对国内外森林可燃物遥感分类的研究现状做了综述,并展望了森林可燃物遥感分类的发展趋势。     

基于Sentinel-2A影像的矿区土地利用信息提取方法

为研究中高分辨率遥感影像大范围精确提取矿区土地利用信息的技术方法,选取山东省兖州市兴隆庄煤矿作为研究区,针对遥感影像的光谱特征,采用监督分类和归一化指数计算相结合的方式进行矿区土地利用信息提取试验。结果表明,选择融合后Sentinel-2A卫星影像的四个高分辨率波段可应用于土地利用的精确识别;根据地物光谱特征,最大似然监督分类法提取建设用地、裸地效果较好,可作为精确提取两种地类的方法;结合归一化植被指数运算和归一化水体指数运算提取植被、水体信息可明显提高总体分类精度,提取精度可达93.54%,进而可利用该分类结果精确高效地识别和测算矿区土地利用类型及其分布特征,为矿区土地整治、村庄搬迁等提供依据。     

基于随机森林模型的陆地卫星-8遥感影像森林植被分类

以黑龙江省漠河县为研究区域,采用陆地卫星-8遥感影像为数据源,结合影像的光谱信息和数字高程模型辅助数据,分别采用最大似然分类法(MLC)和随机森林模型法(RFM)对研究区森林植被进行分类,并分析和评价光谱特征变量对模型的重要性、2种分类方法对森林植被类型分类的适用性。结果表明:随机森林分类方法的总体分类精度为81.65%、卡帕(Kappa)系数为0.812。与传统的MLC方法相比,RFM法均提高了3种森林类型的生产者精度和使用者精度,其中针阔混交林精度提高最多。通过分析特征变量的重要性,发现高程、归一化植被指数、红光波段、近红外波段、短波红外波段对模型分类精度有较重要的影响。说明随机森林模型方法结合多源信息是森林植被类型遥感分类的一种有效手段。     

叠加分类及其在冀太行山区土地利用类型遥感解译中的应用

计算机遥感解译方法主要包括监督分类和非监督分类2种，但两者均具有一定局限性。为了更精确地获取土地利用类型信息，在分别采用监督分类与非监督分类的基础上，提出了叠加分类的遥感解译方法。此方法的关键在于，叠加分类时对叠加图像进行部分重新编码，即只对监督分类与非监督分类中的典型地物进行重新编码，这样会使监督分类图与非监督分类图进行较为充分的叠加，叠加后再进行重新编码，以保证良好的分类效果。以河北省太行山区为对象进行了案例研究，对监督分类、非监督分类和叠加分类进行了比较分析。研究结果表明，叠加分类效果最好，具有操作简单，人为影响较小，精度较高等优点。图3表3参17     

喀斯特石漠化地区遥感影像的决策树分类——以贵州省黔南州长顺县凯佐乡为例

喀斯待石漠化是在自然和人为因素相互作用下土地退化的现象.石漠化地区的遥感影像分类以往采用的是监督分类和非监督分类,但它们单纯地利用像元的亮度特征,分类精度低,往往不能满足实际的应用需要.决策树分类是一种新的遥感影像分类技术.以凯佐乡为研究对象,使用了ASTER影像数据、DEM和岩性数据,通过提取归一化植被指数、比值植被指数、地形坡度等数据建立分类规则,构建决策树.在ENVI软件支持下,获得了研究区的决策树分类影像.通过计算影像分类精度和Kappa系数.得到了以下结论：运用决策树分类法对石漠化地区遥感影像进行分类,可取得较理想的分类效果;实现了石漠化信息的自动化提取;若采用的遥感影像波段更多,DEM分辨率更高并减少数据处理中的误差将能够进一步提高分类精度.     

退化草地封育恢复的监测方法研究

[目的]为封育恢复退化草地提供参考。[方法]对锡林浩特市2000和2007年遥感影像进行预处理,采用OIF指数法,选出最佳波段组合,通过非监督分类与监督分类相结合的方法提取草地围栏信息。通过实地调查对提取结果进行精度评价,构建综合监测评价模型,对退化草地的封育恢复进行评价与监测。[结果]建立了草地退化围栏封育综合评价公式：围栏评价指数=SH.f（S）f（H）f（D）f（J）。可用于研究围栏内外的草地退化现状和程度。围栏防护后,改善草地退化状况。锡林浩特市2007、2000年的草围栏面积为1 787.725 9828、01.046 230 km2。围栏封育评价结果表明1号样点属于轻度退化,而111、2号样点都属于严重退化。[结论]围栏评价指数可以更好地反映草地退化程度及围栏内外的差异。     

基于相邻轨道图像的冬小麦面积提取及长势分析

冬小麦是我国北方主要农作物之一,及时掌握冬小麦面积信息及长势情况,能够快速地为农业生产管理者以及财政部门提供决策依据,有利于小麦增产、提高农民收入。本文以山东省滨州、东营市为研究区,通过主成分分析、监督及非监督分类结合的方法提取ETM+遥感影像的冬小麦信息,以SPSS聚类分析法估测滨州市冬小麦长势,用距离加权法构建相邻轨道图像的植被长势分级模型并估测东营市的冬小麦长势。结果显示：小麦提取平均精度约为93.79%,冬小麦分布呈现“西多东少,南多北少”的特征,一般小麦分布较多的地区长势也较好。基于重叠区距离加权法构建的植被长势分级模型,能够在一定程度上消除相邻轨道遥感图像的时间差异,实现大区域的植被长势分析。     

基于TM遥感影像的鄱阳湖湿地分类研究

对覆盖鄱阳湖湿地的LandsatTM遥感影像进行了计算机自动分类技术方法的实验研究,采用了先对遥感影像数据进行非监督分类,在非监督分类的基础上进行人工解译,确定其类别属性,然后将人工解译后的非监督分类的分类属性表经过光谱聚类处理转化成适用于监督分类的分类模板文件,再执行监督分类的方法,有效地提高了湿地遥感影像分类的精度。     

利用ENVI软件卫星遥感耕地信息自动提取技术研究

利用美国陆地卫星的TM图像资料 ,对山东省桓台县和垦利县TM图像资料进行计算机几何校正和不同的增强处理 ,以分类和非监督分类两种方法提取耕地信息。桓台县两种方法都取得较好的结果 ;垦利县由于地处滨海盐渍土地区 ,光谱差异性小 ,因而非监督分类的结果优于监督分类的结果     

基于GF-4号卫星影像东洞庭湖湿地植被类型监测能力比较研究

以GF-4号卫星数据为数据源,以东洞庭湖区域为研究区域,在区内选择芦苇、苔草、泥蒿+辣蓼3类典型植被类型,每类选取30个样本区,与数据、物候等尽量接近的Landsat 8商业卫星进行对比,采用同样的训练样本,相同的信息提取方法,包括监督分类最大似然法和非监督ISO分类方法进行湿地植被类型信息提取,比较湿地植被分类结果,可以发现GF-4影像色彩丰富,类内过渡较为稳定,可以对主要湿地植被类型进行识别。     

遥感影像土地覆被分类研究进展

传统的遥感影像土地覆被分类技术主要有监督分类和非监督分类,随着遥感探测技术和计算机技术的不断发展,遥感分类技术得到了长足发展。在传统遥感分类技术的基础上,结合当今遥感影像分类技术领域内的一些新进展和应用,对土地覆被分类技术做出较为全面的阐述。     

基于水稻特征波段的决策树分类研究

以滁州市为例,结合水稻物候的特征波段,选用反映水稻物候期时相的TM数据,并基于多特征波段,构建CART决策树分类提取水稻种植面积。结果表明,植被指数、湿度因子、绿度因子、纹理特征等多特征参与CART决策树分类能够提高总体精度。基于光谱信息、植被指数和纹理特征的决策树分类的总精度比以最大似然法进行的监督分类方法提高了6.942 1百分点,Kappa系数提高了0.110 4。合理选用作物物候期数据及其遥感影像的特征波段能够有效降低分类误差,为地形复杂地区获取作物种植面积提新的方法。     

基于最优波段组合的土地利用/覆盖遥感信息提取研究

以渭河下游河流沿线区域为研究区,通过对2002年ETM+影像的各波段光谱特征、相关系数矩阵、最佳指数OIF、修正植被指数RNDVI、主成分变换进行分析后,认为第一主成分分量PC1、RNDVI和Band4为最优波段组合。利用非监督的ISODATA和监督分类相结合的方法对研究区进行土地利用/覆盖分类后,得到的总体分类精度为90.098 7%,Kappa系数为0.884 5,说明该研究方法获得的分类精度较高,步骤简便且实用性强,能极大地提取遥感分类信息。