基于随机森林的大姚县TM遥感影像分类研究

随机森林(Random Forest)是一种组合多棵决策树分类器的新的分类算法。以楚雄州大姚县为例,采用Landsat-TM数据,通过最大似然、支持向量机、随机森林3种分类器进行分类对比研究。结果表明,支持向量机和随机森林的分类精度明显优于最大似然法,两者分类精度相差不大;在分类时间上,最大似然法明显比随机森林和支持向量机快,支持向量机最慢。综合分析,随机森林算法表现更优,它在保证分类精度的前提下,也能保证一定的时间效率,更适宜实际生产应用。     

基于MERSI数据的山西森林覆盖监测

利用FY3-3A/MERSI可见光和近红外波段数据合成得到假彩色卫星数字图像,结合区域土地利用、植被类型及森林资源分布等数字化图件,在对图像进行目视解译及多波段数据非监督分类基础上,将地物覆盖划分为林地、冬小麦、水体和裸地4种类型;采用4种监督分类方法(最大似然分类法、平行算法、最小距离法和马氏距离法)进行地物分类;在分析分类结果可行基础上,依据区域森林覆盖数字化图件对林地分类结果进行精度评估,确定研究区域林地空间分布结果.结果表明:4种监督分类方法中,最大似然分类法分类结果的精度最高,达到85%,其次是最小距离和马氏距离法,平行算法的结果较差.可见,利用MERSI数据采用监督分类和非监督分类相结合的方法提取的山西省森林资源分布结果精度较高,符合实际情况,可作为区域宏观森林资源分布监测的有效手段.     

基于遥感技术的森林可燃物类型划分

应用监督分类法中的最大似然法(Maximum Likelihood Classification)以及遥感图像对塔河林业局森林可燃物类型划分的结果为:针叶林、阔叶林、针阔混交林、空地等几种类型,并绘制了可燃物类型分布图,经分类精度检验,总体分类精度为83.00%,KAPPA系数为0.769。同时,对不同可燃物类型的特点进行了分析。     

基于TM数据的遥感分类方法对比研究

以香格里拉县2009年Landsat5～TM遥感影像为实验数据,利用最大似然法（MLC）以及最小距离法两种方法进行了遥感分类方法研究,主要从分类精度方面对两种方法进行了对比分析,结果表明：最大似然法分类结果明显优于最小距离法,但作为传统的分类方法,二种方法分类精度都不够高。     

基于SVM方法的长白山森林植被信息提取的研究

本文以Landsat TM影像数据为基础,采用基于支持向量机分类方法对长白山地区大荒沟林场进行森林植被信息提取,并与传统的最大似然法分类进行对比。结果表明,基于支持向量机方法的森林信息提取精度,Kappa值分别为0.981 0、0.971 6、0.975 3,均超过了最大似然法(MLC)的提取精度和Kappa值0.963 4。该方法有很好的操作性和实用性,准确度满足了林业规划设计的基础数据材料精度要求。     

基于高分一号影像光谱指数识别火烧迹地的决策树方法

森林火灾发生后,为及时、准确地掌握森林受灾情况,利用高分一号卫星(GF-1)16m宽幅影像各波段反射率信息,结合计算的归一化植被指数(NDVI)、过火区识别指数(BAI)、阴影植被指数(SVI)、归一化差异水体指数(NDWI)和全球环境监测指数(GEMI)等5种光谱指数,构建森林火烧迹地识别决策树模型(CART);在选取的研究区对该模型方法进行验证,并与最大似然监督分类法和非监督分类(ISODATA)方法所得到的结果精度进行了对比分析,结果表明:采用基于CART模型的决策树方法对火烧迹地识别结果精度较最大似然法总体分类精度提高了4.38%,Kappa系数提高了0.102 4,制图精度提高了14.96%,用户精度提高了8.50%;而采用ISODATA方法识别的火烧迹地的总体精度和Kappa系数都较低,制图精度和用户精度都没有达到1%。     

基于Landsat遥感影像的杨树信息提取方法分析

该文使用近10 a 4个时相的江苏全省Landsat遥感影像,在数据预处理的基础上提取归一化植被指数、比值植被指数、土壤调节植被指数、增强型植被指数、大气阻抗植被指数等5种植被指数,并进行主成分分析。运用最大似然法、随机森林法和光谱角填图法进行分类,结合小班数据,对各方法的分类结果进行精度评价。评价结果表明,光谱角填图分类法在杨树信息提取时精度更高,对杨树的区分精度也达到42.67%。     

湿地覆被的几种遥感监督分类方法比较——以江苏盐城湿地珍禽国家级自然保护区核心区为例

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,分别使用遥感监督分类常用的最大似然、最小距离和马氏距离3种分类方法对两期影像进行图像分类。通过比较分类结果可以发现:在地表覆被较为简单的沿海湿地,最大似然分类要优于其他2种分类方法。     

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。     

基于BP神经网络的森林植被遥感分类研究

如何解决多类别图像的识别并满足一定的精度,是遥感图像研究中的一个关键问题,具有十分重要的意义。本文使用Landsat7ETM+遥感数据和森林资源分布图等地理辅助数据,用BP神经网络方法对森林植被进行了分类,并与最大似然法的分类结果进行精度比较分析。结果表明地理辅助数据参与的BP神经网络用于森林植被遥感图像分类其效果是较好的,是一种有效的图像分类方法。     

Identification of selected internal wood characteristics in computed tomography images of black spruce: a comparison study

The feasibility of identifying internal wood characteristics in computed tomography (CT) images of black spruce was investigated using two promising classifiers: the maximum likelihood classifier (MLC) and the back propagation (BP) artificial neural network (ANN) classifier. Nine image features including one spectral feature (gray level values), a distance feature, and seven textural features were employed to develop the classifiers. The selected internal wood characteristics to be identified included heartwood, sapwood, bark, and knots. Twenty cross-sectional CT images of a black spruce log were randomly selected to develop the two classifiers. The results suggest that both classifiers produced high classification accuracy. Compared with the MLC classifier (80.9% overall accuracy), the BP ANN classifier had better classification performance (97.6% overall accuracy). Moreover, statistical analysis reveals that the heartwood of the black spruce log used in this study is the easiest to identify by either classifier compared with the other three log features. The results also suggest that the separability of one wood characteristic from the other wood characteristics in black spruce CT images is mainly related to moisture content.     

Estimation of premature forests in Georgia (USA) using U.S. Forest Service FIA data and Landsat imagery

We used geographic information system applications and statistical analyses to classify young, premature forest areas in southeastern Georgia using combined data from Landsat TM 5 satellite imagery and ground inventory data. We defined premature stands as forests with trees up to 15 years old. We estimated the premature forest areas using three methods: maximum likelihood classification (MLC), regression analysis, and k-nearest neighbor (kNN) modeling. Overall accuracy (OA) of classifying the premature forest using MLC was 82% and the Kappa coefficient of agreement was 0.63, which was the highest among the methods that we have tested. The kNN approach ranked second in accuracy with OA of 61% and a Kappa coefficient of agreement of 0.22. Regression analysis yielded an OA of 57% and a Kappa coefficient of 0.14. We conclude that Landsat imagery can be effectively used for estimating premature forest areas in combination with image processing classifiers such as MLC.     

季风常绿阔叶林植被恢复过程中土壤理化性质动态

以植被不同恢复阶段的普洱季风常绿阔叶林林地土壤为研究对象,分析了土壤理化性质随植被恢复的动态变化。结果表明:土壤容重随恢复时间的延长呈现降低的趋势,而土壤孔隙度和水分含量则随恢复时间的延长缓慢增大。土壤有机质和全N含量在恢复15年及原始林中最高,全P含量为恢复30年最低,原始林最高,全K含量则是恢复40年样地中最高。不同恢复阶段样地中,原始林中速效N含量最高,恢复15年样地中速效P含量最高,恢复40年样地中速效K含量最高。所有恢复阶段间pH值均无显著性差异,而阳离子交换量由高到低依次为恢复15年>原始林>恢复40年>恢复30年。土壤理化性质相关性分析显示,土壤容重与土壤全N、土壤全P、速效N、有机质具有显著相关性,而土壤孔隙度则仅与土壤pH值具有显著相关性,土壤水分含量则与土壤全N、速效N、阳离子交换量具有显著相关性。     

基于GF-2号影像的森林优势树种分类

利用遥感数据开展森林资源优势树种的分类对森林资源的监测、森林可持续经营及生物多样性研究具有重要意义。研究针对复杂地形区域的破碎化森林,采用高分二号(GF-2)的多光谱影像作为基础数据进行森林优势树种的精细分类。本文以地形复杂、森林破碎化的湖北省竹山县九华山林场为研究对象,采用面向对象分类方法对树种进行精细分类,比较支持向量法、最近邻法(KNN)和随机森林(RF)三种不同分类算法的分类效果。在尺度阈值为30、合并阈值为95时分割的基础上,利用SVM、KNN和RF分类结果和分类精度差异较大。分类精度最高的是SVM分类方法,总体精度为68.52%,Kappa系数为0.62;其次为随机森林分类法,总体精度为60.29%,Kappa系数为0.54;KNN分类方法精度最低,总体精度为59.41%,Kappa系数为0.53。GF-2号数据能满足树种分类基本需求,在复杂地形和景观破碎化地区用支持向量机进行树种的分类精度更高,但仍存在一定的局限性。     

基于RS和GIS的木兰县植被盖度定量研究

以木兰县1989年和2011年两景Landsat TM遥感影像为主要数据,基于RS和GIS技术,在定量反演归一化植被指数（NDVI）的基础上,获取植被盖度等级图并进行动态分析。研究结果表明：近22年来NDVI在0.2～0.3面积增加的最多,为141.41km^2,在0.4～0.5减少的最多,为340.29 km^2,低盖度植被区域面积增加的最多,高盖度植被区域面积减少的最多。该研究成果对深入了解该区生态环境质量变化具有重要的意义。     

山西中条山野生攀援观赏树木资源调查研究

采用线路调查法对中条山野生观赏树木资源进行了实地调查。调查结果表明,中条山有野生观赏树木63科128属380种(包括亚种、变种、变型),其中攀援树木有16科22属52种(包括变种)。文中还对攀援树木的生长习性、攀援方式、观赏性状、园林用途等进行了分类和总体评价,以期加强乡土树种的开发利用,丰富园林树木种类。       

Comparison of moisture distribution along radial direction in a log cross section of heartwood and mixed sapwood and heartwood during radio-frequency/vacuum drying

The purpose of this study was to compare the distribution of moisture contents (MCs) along the radial direction during radio-frequency/vacuum (RF/V) drying of log cross sections of heartwood (HLC) where sapwood was removed from a green log cross section and log cross section of mixed sapwood and heartwood (MLC) prepared with debarked logs of Japanese larch (Larix leptolepis) and locust (Robinia pseudoacacia). For Japanese larch, an even distribution of MC was observed over the entire cross section in HLC not only at the initial stage of drying but also up to the completion of drying. Furthermore, the moisture gradient between the outermost slice and the adjacent inner slice was more gradual compared with that in MLC. For locust, the moisture gradient between the outermost slice and the adjacent inner slice became severe as drying progressed. It decreased after reaching the maximum during the middle stage of drying but continued until the late stage of drying. Furthermore, despite the fact that the average initial MC of mixed slice within MLC was higher compared with that in heartwood slice, this trend reversed immediately after drying started. It was suggested that the possibility of formation of border checking would be high during drying the MLC, since it would be so complicate that the sapwood and heartwood reach fiber saturation point together because of differences in their green MCs and permeability between them.     

基于Landsat 8影像的西双版纳森林覆盖信息提取研究

以Landsat 8影像为数据源,在综合分析典型地物光谱、纹理和空间分布等特征的基础上,利用归一化湿度指数(NDMI)、纹理、地形等多源数据,构建了基于决策树规则的西双版纳森林覆盖信息提取模型。验证结果表明,该模型的总体精度达99.08%,与传统的监督分类相比(96.08%)提高了3个百分点。