基于Sentinel-2影像的火烧迹地快速提取方法比较研究

利用Sentinel卫星数据,特别是其中对植被敏感的红边波段与短红外波段,针对提取灾后火烧迹地研究不足的问题,选取四川省冕宁县4月20日森林火灾发生前后的Sentinel-2卫星数据,使用不同的提取方法探究识别火烧迹地的潜力,并进行对比研究。实验结果表明,决策树分类法识别火烧迹地的能力最好,提取精度最高,BAI指数次之;其余方法均受道路、房屋和裸体不同程度的影响;用红边波段替换可见光红波段的效果相比原有指数提取效果并无明显提升。研究证明在各类方法中,采用决策树分类法能快速高精度地将火烧迹地准确提取出来。     

基于规则面向对象分类法的贵州省山区火烧迹地提取

基于国产高分一号卫星宽幅（WFV）影像,对贵州省复杂地形山区火烧迹地的光谱特征、形状特征、纹理特征等进行了分析,建立了火烧迹地提取规则,完成了研究区基于规则面向对象的火烧迹地提取。利用高分二号卫星1 m分辨率影像对提取结果进行精度验证。结果表明,基于规则面向对象分类法的GF1WFV火烧迹地提取总体精度为92.67%,总Kappa系数为0.89,能较好地完成研究区的火烧迹地分类提取,分类质量达到极好水平,为贵州省山区火烧迹地提取提供了一定的参考和理论依据。     

基于高分一号数据的PROSAIL模型叶面积指数反演

使用PROSPECT-5与4SAIL相结合的PROSAIL模型,以高分一号卫星数据为基础数据,进行叶面积指数反演。由于实验区受冰雹灾害影响,玉米长势不一,因此通过对健康叶片和枯黄叶片的实测光谱进行线性混合,模拟不同长势玉米叶片的实际光谱。将混合系数和LAI划分成若干等级,使用PROSAIL模型建立叶片生理参数、叶面积指数和高分一号4个波段反射率值的查找表。研究结果表明,叶面积指数反演的平均精度为60.59%,并且反演叶面积指数与实测叶面积指数具有线性回归关系。     

高分一号卫星数据影像校正及融合算法在林业监测中的研究

指出了高分一号卫星是中国高分辨率对地观测系统的首发星。从林业行业森林调查应用出发,针对国产GF-1卫星数据的特点,从国产GF-1影像数据基本特征、正射校正与配准、波段组合影像融合算法比较精度评价等一系列流程进行了研究。研究结果表明:GF-1影像数据校正时,控制点选择为95-105区间数量最为合适;经过Pansharp、PCA、 HIS融合方法定性与定量分析,Pansharp融合算法相对较优。研究为国产卫星数据的行业推广应用奠定理论基础。     

基于GIS平台和无人机航拍技术的火烧迹地分析

以广东省某地最近(2021年1月18日)发生的山火为参考案例,本文利用GIS平台和无人机航拍技术来分析森林火灾对植被破坏程度的影响因素,从而掌握当地森林火险的规律.影响因子包括气象因子、地形因子以及人为因素.     

火烧迹地形成数量的模型研究

采用抽样调查方法,调查县域火烧迹地数量,研究林业用地中火烧迹地面积比例与针叶林面积比例、针阔混交林面积比例之间的相关规律,建立火烧迹地回归模型.根据研究结果,提出减少森林火灾、减少火烧迹地的对策.     

基于EVI的大兴安岭火烧迹地植被恢复特征研究

[目的]选取Landsat数据源,基于dNBR和EVI指数开展火烧迹地识别和植被恢复特征研究.[方法]以1987年大兴安岭北部林区根河林业局金林林场森林火灾为研究背景,在地类划分的基础上,以dN-BR为基础数据,采用K-means方法识别并提取火烧迹地,并进行轻、中、重火烈度等级划分;基于火烧迹地的EVI(增强型植被指...     

基于无人机遥感的森林火烧迹地面积调查应用

森林火烧迹地面积的传统调查方法存在劳动强度大、效率低、数据可靠性不高等问题。为解 决上述问题,研究设计了无人机荷载多光谱传感器对森林火烧迹地面积进行调查的方法,并利用野外实 验对该方法进行了初步验证。结果表明该调查技术可快速准确获取较大范围的森林火灾火烧迹地面积, 精度可达94.44%,提高了火烧迹地调查的效率。     

无人机影像红边波段K-L变换火烧迹地提取方法

基于2020年5月9日云南省安宁市青云街道森林火灾多光谱无人机多波段高分辨率影像,分别采用最大似然法监督分类和第3主成分分析阈值法进行火烧迹地提取,并进行精度验证分析。结果表明,融合红边波段后的图像用2种方法提取火烧迹地的效果均优于普通Red图像,而第3主成分分析法的效果好于监督分类,融合红边波段且采用第3主成分分析的图像更适合于火烧迹地的提取。     

火烧迹地次生林天然更新株数模型的建立

作者根据火烧迹地天然更新情况,通过数量化方法的计算,对白桦、杨树两种树种建立天然更新株数模型进行了详细叙述。     

基于高分二号多光谱数据的树种识别方法

树种识别一直是困扰遥感研究的一个难点,而国产高分二号识别地物和树种具有巨大潜力。选取四川省甘孜州道孚县为研究区,利用高分二号4m多光谱遥感影像,并结合该县的森林资源二类调查结果数据,分别采用最大似然法和支持向量机方法,对利用高分二号数据在树种识别应用中的可能性进行探讨。研究结果表明:所采用的两种方法识别出研究区域主要树种的精度都高于80%,其中:采用最大似然法分类精度为81.79%,支持向量机方法分类精度为86.75%。在先验知识的支持下,利用高分二号多光谱影像也可用于树种识别研究中。     

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.     

基于XGBoost的高分二号影像树种识别

树种分布是森林资源监测的一个重要指标,也是遥感影像在森林资源监测应用中的难点之一。基于国产高分二号卫星影像数据、森林资源二类调查数据、DEM数据,结合光谱、纹理、指数及地形因子等多种特征,比较支持向量机、随机森林和XGBoost等3种分类算法,根据分类精度选择最优算法(即XGBoost)进行特征筛选,对龙泉市的阔叶树、马尾松、杉木和毛竹等4种主要优势树种进行分类。结果表明:采用XGBoost分类模型的分类总精度为83.88%,Kappa系数0.78,较支持向量机和随机森林分类方法有明显提高。经特征选择后,虽未明显提高树种分类精度,但可以减少特征的冗余,为小样本数据下特征的选取降维提供了一定的参考。     

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。     

基于树冠因子的林木竞争指数研究

[目的]以湖南省黄丰桥国有林场杉木纯林为研究对象,进行树木竞争指数的研究,基于Hegyi简单竞争指数的形式,提出包含反映树冠特征因子的树冠竞争指数。[方法]将树冠竞争指数和Hegyi简单竞争指数分别与胸径增长量进行相关分析。[结果]Kendall's tau-b系数、Spearman's rho系数和相关系数R²均显示树冠竞争指数与林木生长量的相关性高于Hegyi简单竞争指数。[结论]该结果表明树冠竞争指数与林木生长量有更强的相关性,可以更好地体现树冠在树木生长中的作用,能作为模拟林分生长量的依据。     

基于Landsat 8遥感数据的森林火灾过火面积估算

以贵州省毕节市赫章县2021年3月18日较大森林火灾为例,利用火灾前后Landsat 8遥感数据及ENVI遥感数据处理分析软件,通过图像预处理、计算归一化植被指数和燃烧面积指数等方法,提取森林火灾过火区域,计算过火面积。结果表明,利用Landsat 8数据能够较好地提取森林火灾过火区域,过火面积估算准确率达96.2%。     

提高动态树木图像分割处理速度的方法

针对智能对靶喷雾技术领域中动态树木图像分割处理速度的提高方法进行研究.对整个系统程序设计进行调整,采用四叉树的数据结构进行图像存储,并将基于相对色彩因子的图像处理算法应用在系统中,根据光线强弱自动调节图像分割阈值,提高了识别率;在此基础上减少了系统处理树木图像的时间.通过试验验证系统的运行情况,将图像分割处理的速度提高到小于0.1 s·f-1,进一步提升智能对靶喷雾的实时性.     

林业司法鉴定中林地林木数量鉴定方法的探讨

林业司法鉴定中往往遇到林木被采伐、地表被开挖而需要鉴定采伐林木和开挖林地数量的情况．利用时相性好、高分辨率的卫星影像资料或森林资源档案，采取恢复性调查的方法，可为司法机关提供证据确凿的鉴定意见．分别对林业司法鉴定中鉴定材料的获得与分析、林地面积及林木数量的鉴定方法进行了阐述，并就林地属性鉴定的难点以及所采用数表的准确性和适用性等问题进行了讨论．     

面向对象CART决策树方法的湿地遥感分类

目的 以北京地区为例,对大区域多类型湿地信息提取方法进行研究。 方法 采用面向对象多尺度分割算法及光谱差异分割算法分割Landsat8 OLI遥感影像,辅助Google Earth高清影像及2015年人工解译结果,使用分层抽样法随机产生训练样本与验证样本;综合运用光谱、形状、纹理特征及拓扑关系,构建CART决策树模型提取研究区湿地信息;与最大似然法、面向对象最邻近方法的分类结果进行对比。 结果 利用面向对象CART决策树方法,分类结果的总精度为88.05%,Kappa系数为0.844,相较于面向对象最邻近方法,总体精度、Kappa系数相差不大,但针对部分湿地类型,如河流、沼泽湿地,精度提高了10% 20%;比使用最大似然分类法的总精度高近30%,Kappa系数提高0.355。 结论 对于湿地分布广泛、类型及数量较多的地区,面向对象CART决策树方法分类结果较好,是一种快速、有效的分类方法。