基于GF-1影像的玉米识别方法研究

本研究选取新疆昌吉市为研究区,以基于GF-1影像的作物分类与玉米识别为目的,利用2015年的5景高空间和高时间分辨率的GF-1遥感影像,经对影像进行掩膜处理后,分别利用最大似然法、马氏距离法、最小距离法、平行六面体法、神经网络法和支持向量机法对昌吉市的作物进行分类与玉米识别。结果表明,昌吉市玉米识别的最佳方法为最大似然法,最佳月份为8月,总体分类精度为98.48%,Kappa系数可达到0.98,制图精度与用户精度分别为99.93%和97.72%。     

基于高分二号数据的小麦快速识别与精度分析

针对目前高分二号(GF-2)卫星遥感数据在农业领域应用较少,尤其是在农作物识别方面应用缺乏的现象,以GF-2 4 m多光谱遥感影像为数据源,在河南省北部小麦主要种植区域濮阳县,采用监督分类方法(包括支持向量机、人工神经网络和最大似然法)进行小麦种植空间分布信息的快速提取和精度分析。结果表明,3种分类方法对小麦的识别结果非常相似,生产者精度均在96%以上,以支持向量机法最高;用户精度均在98%以上,以最大似然法最高; Kappa系数三者比较接近,均在0. 80以上;总体精度均在82%以上,以最大似然法最高,达85. 15%;错分误差在2%以下,漏分误差在3%左右,对地物的识别误差总体以最大似然法最低,尤其对小麦、水体、光伏电站的识别精度非常高。综合考虑,在采用GF-2进行小麦识别时,建议采用最大似然法。     

Landsat-8与GF-1遥感影像土地利用数据提取比较——以咸宁市为例

针对Landsat-8 OLI和GF-1 WFV传感器参数的特点,选择支持向量机(SVM)分类方法分别对咸宁市同一时段的Landsat-8遥感影像和GF-1遥感影像进行土地利用分类研究。结果表明,Landsat-8在耕地与林地、水域与裸地可分离性方面高于GF-1,提取的林地面积占比和耕地面积占比更接近于真实值;Landsat-8和GF-1的分类总精度分别为85.76%和88.38%,Kappa系数分别为0.807 1和0.820 4,说明GF-1的分类效果好于Landsat-8;GF-1具有较高的分辨率优势,对分布零散的地物识别效果优于Landsat-8。     

基于中分辨率影像湿地离散水体提取研究——以新疆阿勒泰科克苏湿地为例

首先利用Landsat8 OLI和GF-1 WFV卫星的多光谱影像分别对新疆阿勒泰科克苏湿地的离散水体进行支持向量机模型分类和最大似然模型分类,以选出最佳的分类模型;然后对Landsat8 OLI和GF-1 WFV影像分别提取灰度共生矩阵纹理特征、Getis指数特征和Moran’I指数特征,并与其对应的多光谱影像进行组合得到包括原始多光谱影像在内的7种组合特征集,利用选出的最佳分类模型对特征集进行离散水体提取,对其精度检验结果进行对比。结果表明,对Landsat8 OLI和GF-1 WFV卫星的多光谱影像同时引入Getis指数特征和灰度共生矩阵纹理特征能够明显提高分类精度,Landsat8 OLI影像Kappa系数从0.815 7提高到0.922 3,总体精度从94.25%提高到97.50%;GF-1 WFV影像的Kappa系数从0.832 6提高到0.932 4,总体精度从94.75%提高到98.25%。综合可知,Getis指数和灰度共生矩阵同时作为新的特征波段引入到多光谱影像上,对于离散水体信息提取具有积极效果。     

基于中分辨率影像湿地离散水体提取研究——以新疆阿勒泰科克苏湿地为例

首先利用Landsat8 OLI和GF-1 WFV卫星的多光谱影像分别对新疆阿勒泰科克苏湿地的离散水体进行支持向量机模型分类和最大似然模型分类，以选出最佳的分类模型；然后对Landsat8 OLI和GF-1 WFV影像分别提取灰度共生矩阵纹理特征、Getis指数特征和Moran’I指数特征，并与其对应的多光谱影像进行组合得到包括原始多光谱影像在内的7种组合特征集，利用选出的最佳分类模型对特征集进行离散水体提取，对其精度检验结果进行对比。结果表明，对Landsat8 OLI和GF-1 WFV卫星的多光谱影像同时引入Getis指数特征和灰度共生矩阵纹理特征能够明显提高分类精度，Landsat8 OLI影像Kappa系数从0.815 7提高到0.922 3,总体精度从94.25%提高到97.50%;GF-1 WFV影像的Kappa系数从0.832 6提高到0.932 4,总体精度从94.75%提高到98.25%。综合可知，Getis指数和灰度共生矩阵同时作为新的特征波段引入到多光谱影像上，对于离散水体信息提取具有积极效果。     

基于多源遥感特征融合与卷积神经网络(CNN)的丘陵地区水稻识别

为探究卷积神经网络(CNN)算法和多源遥感优选特征数据融合对丘陵地区水稻种植区的识别效果和适用性,以江西省上高县为研究区,利用Sentinel-2与GF-1遥感影像数据,对研究区晚稻种植区域进行识别。选取影像波段特征、植被指数、纹理特征及地形特征等分类特征,用分离阈值法(SEaTH)筛选出对各类别分离度较大的特征变量。基于Sentinel-2优选特征数据、GF-1优选特征数据、Sentinel-2与GF-1优选特征融合数据,使用CNN分类算法进行晚稻识别,同时用支持向量机(SVM)、最大似然法(MLC)分类算法进行对比。结果表明,Sentinel-2与GF-1优选特征融合数据在CNN分类算法下对水稻的识别效果最好,总体精度、Kappa系数分别为96.19%、0.93,结合野外调查数据进行验证,实际验证精度达94.69%。由研究结果可知,Sentinel-2与GF-1优选特征融合数据在CNN分类算法下对丘陵地区水稻识别具有较好的效果和适用性,是丘陵地区水稻遥感识别的有效手段。     

基于Fisher判别的层次分类法的森林遥感影像分类

通过Fisher判别法得到的混淆矩阵计算分类评价指标构建层次分类树模型,提出了一种基于Fisher判别的遥感影像森林地类层次分类法。利用杭州市部分地区的森林资源清查样地数据和Landsat8遥感影像数据进行试验,并与最大似然分类、支持向量机和随机森林分类的结果进行比较。结果表明:基于Fisher判别的层次分类法总分类精度为79.45%,比最大似然分类、支持向量机和随机森林分别高了12.33%、21.00%和10.50%,kappa系数为0.756 8,比最大似然法、支持向量机和随机森林分别高了0.145 5、0.256 4和0.126 4;基于Fisher判别分析方法的层次分类法模型中,层次分类树的节点依次是建设用地—水体—农地—竹林—阔叶林—针叶林—针阔混交林;基于Fisher判别的层次分类法中一个模型只能分出一个类别。     

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。     

基于Sentinel-2时序多特征的植被分类

植被分类是研究森林资源状况和动态变化规律的基础,利用遥感手段可以更加快速、准确地识别植被类型。以位于内蒙古赤峰市喀喇沁旗西南部的旺业甸实验林场为研究对象进行植被分类。采用分层分类的思想,首先根据植被物候特征选取植被生长旺盛时期的影像,计算归一化植被指数（normalized difference vegetation index,NDVI）并设定合适的阈值将研究区内的植被提取出来,剩余部分归为非植被。然后选取NDVI时间序列、最佳时相的Sentinel-2数据中10个波段的光谱反射率特征和主成分分析前3个分量的纹理特征作为分类特征,利用支持向量机分类器将研究区内的植被类型分为耕地、草地、常绿针叶林、落叶针叶林和落叶阔叶林五大类,并将分类结果与最大似然法、NDVI时序+光谱特征的分类结果进行对比分析。NDVI时序+光谱特征+纹理特征的多特征植被分类总体精度达87.64%,Kappa系数为0.85,分别比最大似然法和结合NDVI时序+光谱特征的分类总体精度提高了15.73%和14.61%,Kappa系数提高了0.20和0.18。其中常绿针叶林和耕地的分类结果与实地调查情况高度一致,分类精度分别达到95.65%和92.31%。从而得出:①基于多特征的分类方法有助于提高分类精度;②NDVI时序特征对于植被的区分具有很大帮助;③采用分层分类的思想,首先将研究区内的植被提取出来,可以排除非植被因素的干扰,有效提高植被类型的分类精度。     

基于多时相影像植被指数变化特征的作物遥感分类

高分一号GF1/WFV遥感影像具有较高的时间和空间分辨率,利用多时相影像开展农作物分类调查具有明显优势。以安徽省颍上县为研究区域,利用2017年5月至9月共6景多时相GF-1/WFV卫星遥感影像数据对主要农作物的分类识别提取。首先,通过分析研究区主要农作物的典型植被指数NDVI、EVI和WDRVI时序变化特征,明析了不同作物在各时相对不同VI的响应特征;其次,基于作物在不同时相的敏感VI变化响应,构建了决策树分层分类模型,成功提取了研究区玉米、水稻、大豆和甘薯四种主要作物种植空间分布情况。结果表明:总体精度达到90.9%,Kappa系数为0.895。同时,采用最大似然法、支持向量机对研究区作物进行分类,通过分类效果对比发现,最大似然法最差,支持向量机次之,决策树分类方法最佳。研究表明:利用多时相时间序列的遥感影像数据,结合作物植被指数特征,采用决策树分类方法可以有效提高作物分类的精度。     

基于TM数据提取竹林遥感信息的方法

利用LandSat5-TM对竹林遥感信息提取方法进行了研究:将归一化植被指数NDVI、结构效应指数CVI、综合效应指数MVI以及主成分变换的前3个分量PCA1、PCA2、PCA3与TM数据的6个波段(除第六波段)合成一个具有12波段的新数据;在最佳波段组合的基础上,结合地形图、土地利用图和野外调查数据,采用光谱特征模型、支持向量机、光谱角填图以及最大似然法对竹林信息进行了提取。研究表明:叶冠结构指数、综合指数、主成分变换等新波段对竹林信息提取很有帮助;与支持向量机、光谱角填图和最大似然法3种监督分类方法相比,基于光谱特征模型的竹林遥感信息提取方法具有一定的适应性,在保证竹林分类精度的同时,其他植被类型的分类精度也能得到满意的结果。     

高分六号遥感数据在有林地识别中的应用

精准农业观测卫星-高分六号卫星(GF6)增加了4个特殊波段,更加有效地反映了植被特有的光谱特性,为植被应用研究提供更为详细的地物光谱信息。为了分析GF6数据在植被识别能力上的优越性,比较了GF6号新增波段(红边1、红边2、黄边、紫边波段)和高分数据传统波段对有林地识别精度的影响。结果表明:GF6新增波段对有林地快速识别的精度达到97.67%,Kappa系数为0.95,比GF数据4波段对有林地的识别精度提高了3.35%,Kappa系数提高了0.08。CART自适应特征和阈值选择决策树算法比人工决策树分类算法对有林地识别精度有显著增加,精度由88.81%提高到97.67%,Kappa系数由0.78提高到0.95。GF6数据新增特殊波段结合CART自适应特征和阈值决策树算法对有林地具有快速优越的识别能力。     

基于猫群算法的高光谱图像森林类型识别1）

以吉林省汪清林业局为研究区，通过猫群位置寻优的过程对阔叶林、针叶林和混交林进行聚类分析。结果表明：森林类型区分精度达到83．5％，Kappa系数0．793，与传统高光谱聚类方法相比，能较好的识别森林类型。     

5种主要森林类型涵养水源能力比较研究

从林冠层、凋落物层及土壤层3个生态作用层次对三峡库区莲峡河小流域5种主要森林类型的涵养水源功能进行了定量研究 结果表明: 林内透雨量、树干径流量与降雨量、降雨强度呈二元线性关系; 林冠截留量与降雨量呈幂函数关系 林冠截留率为16 34%~27 43%, 平均为22 15%, 依次为针阔混交林>马尾松林>针叶混交林>柏木林; 凋落物储量为10 52~21 90t·hm-2, 平均为17 61t·hm-2, 依次为针阔混交林>马尾松林>柏木林>针叶混交林>灌木林; 凋落物最大持水量为2 66~4 19mm, 平均为3 48mm, 依次为柏木林>针叶混交林>针阔混交林>马尾松林>灌木林; 土壤层非毛管蓄水量为34 68~ 44 16 mm, 平均为40 35mm,依次为柏木林>针阔混交林>针叶混交林>马尾松林>灌木林; 各种森林生态系统能够截留的降雨量总量为377 6~494 6t·hm-2, 平均为446 56t·hm-2, 柏木林的涵养水源功能最好, 针阔混交林、针叶混交林、马尾松林次之, 灌木林最小     

Leaf chlorophyll content retrieval of wheat by simulated RapidEye,Sentinel-2 and EnMAP data

Leaf chlorophyll content(LCC) is an important physiological indicator of the actual health status of individual plants. An accurate estimation of LCC can therefore provide valuable information for precision field management. Red-edge information from hyperspectral data has been widely used to estimate crop LCC. However, after the advent of red-edge bands in satellite imagery, no systematic evaluation of the performance of satellite data has been conducted. Toward this end, we analyze herein the performance of winter wheat LCC retrieval of currant and forthcoming satellites(RapidEye, Sentinel-2 and EnMAP) and their new red-edge bands by using partial least squares regression(PLSR) and a vegetation-indexbased approach. These satellite spectral data were obtained by resampling ground-measured hyperspectral data under various field conditions and according to specific spectral response functions and spectral resolution. The results showed: 1) This study confirmed that RapidEye, Sentinel-2 and EnMAP data are suitable for winter wheat LCC retrieval. For the PLSR approach, Sentinel-2 data provided more accurate estimates of LCC(R2=0.755, 0.844, 0.805 for 2002, 2010, and 2002+2010) than do RapidEye data(R2=0.689, 0.710, 0.707 for 2002, 2010, and 2002+2010) and EnMAP data(R2=0.735, 0.867, 0.771 for 2002, 2010, and 2002+2010). For index-based approaches, the MERIS terrestrial chlorophyll index, which is a vegetation index with two red-edge bands, was the most sensitive and robust index for LCC for both the Sentinel-2 and EnMAP data(R2≥0.628), and the indices(NDRE1, SRRE1 and CIRE1) with a single red-edge band were the most sensitive and robust indices for the RapidEye data(R2≥0.420); 2) According to the analysis of the effect of the wavelength and number of used red-edge spectral bands on LCC retrieval, the short-wavelength red-edge bands(from 699 to 734 nm) provided more accurate predictions when using the PLSR approach, whereas the long-wavelength red-edge bands(740 to 783 nm) gave more accurate predictions when using the vegetation indice(VI) approach. In addition, the prediction accuracy of RapidEye, Sentinel-2 and EnMAP data was improved gradually because of more number of red-edge bands and higher spectral resolution; VI regression models that contain a single or multiple red-edge bands provided more accurate predictions of LCC than those without red-edge bands, but for normalized difference vegetation index(NDVI)-, simple ratio(SR)-and chlorophyll index(CI)-like index, two red-edge bands index didn't significantly improve the predictive accuracy of LCC than those indices with a single red-edge band. Although satellite data with higher spectral resolution and a greater number of red-edge bands marginally improve the accuracy of estimates of crop LCC, the level of this improvement remains insufficient because of higher spectral resolution, which results in a worse signal-to-noise ratio. The results of this study are helpful to accurately monitor LCC of winter wheat in large-area and provide some valuable advice for design of red-edge spectral bands of satellite sensor in future.     

多时相高分辨率遥感影像的森林可燃物分类和变化分析

目的本文针对国内外利用多时相高分辨率遥感影像进行森林可燃物分类研究匮乏的情况,探索高分辨率影像的分类方法,并研究多时相森林可燃物分类结果的差异,以及与海拔、坡度变化的关系。方法以鹫峰林场为研究区,针对鹫峰林场内植被状况及以往研究成果,主要依据植物群落、林型和燃烧特性划分可燃物类别,研究对比不同森林可燃物类型的光谱特征曲线,建立遥感图像与森林可燃物的联系。选用GF-1号5、8、10月的遥感影像为原始数据,利用EnMAP-box中的支持向量机(SVM)算法、随机森林(RF)以及基于CART的决策树分类方法进行森林可燃物分类,将可燃物类别最终划分为:针叶林、阔叶林、针阔混交林、灌木林和非林地5种类别,并分别对其特征进行描述,之后将最优分类方法应用到多时相的遥感影像中,并使用变化检测算法来确定非防火期(5—10月)森林可燃物类型之间土地面积的变化情况。同时,我们将数字高程模型(DEM)分为4类(1类(< 250 m)、2类(250~500 m)、3类((500~750 m)和4类(>750 m)),坡度分3类:缓坡(< 15°)、斜坡(15°~35°)、陡坡(>35°),并使用Jenks方法分别对海拔和坡度每个类别土地面积变化计算百分比,研究随着海拔和坡度变化,森林可燃物面积的变化规律。结果划分的5种森林可燃物类别的光谱特征具有很好区分性,SVM分类最为准确,取得惩罚参数(C)为1 000和核参数(g)为10使得SVM分类模型达到最优,其总体分类精度为91.88%,Kappa系数为0.89,精度相对RF和CART分别提高了2.72%和9.36%。非防火期内(5—11月)森林可燃物类型变化有一定的规律,针叶林、混交林属于中等稳定类别,没有显著变化,分别保持93.74%和94.87%不变。相比之下,阔叶林和灌木林发生了较大变化,分别发生14.64%和13.36%。随着海拔的增加和坡度的变化,森林可燃物类型土地面积也发生了变化,海拔500~750 m和坡度16°~35°的土地上面积变化最大,达到了20%以上。结论多时相高分辨率遥感影像的森林可燃物分类中,基于SVM分类方法能够将可燃物更好地分类,且随着时间、海拔和坡度的变化,森林可燃物面积的变化有一定的规律,5—10月阔叶林和灌木林在海拔500~750 m和坡度16°~35°变化最大。      

基于森林调查分类的天山北坡森林景观特征分析

[目的]干旱区山区森林景观具有显著的空间异质分布特性,景观中特征的不同梯度分布,制约着景观的各种生态过程.将景观生态学方法引入到森林资源定量分析及科学评价,可为森林资源调查提供一种新的分析评价工具.[方法]在森林资源规划设计调查土地分类的基础上,运用景观生态学原理,采用景观指数法,通过ArcGIS和Fragstats软件对天山北坡沙湾林场7种景观类型的格局进行分析.所使用的景观格局指标包括平均斑块面积、平均斑块周长、斑块密度、边缘密度、景观形状指数、聚集度、海拔、坡度、坡向等.[结果]沙湾林场景观类型丰富度较低,且各景观类型拥有的斑块数分布很不均匀.从面积来看,以未利用地面积最大,为林场森林景观的基质;针叶林景观、国家特别规定灌木林景观是沙湾林场的主要森林景观类型,是沙湾林场森林资源的重要组成部分,其景观面积分别占13.95;、8.71;;并且受地形因子影响,各类型景观分布很不均匀.[结论]景观生态学可以在森林资源规划设计调查土地分类的基础上根据森林、林地和林木资源的种类、数量、质量与分布,为综合分析与评价森林资源与经营管理现状提供有效分析方法.     

基于支持向量机的TM遥感影像土地利用/覆盖类型监测

基于TM遥感数据和林业二调数据,对云南省宜良县北古城镇进行土地监测和土地利用分类,利用ArcGIS和ENVI软件对原始影像数据进行裁剪,运用支持向量机(SVM)监督分类方法,将研究区的土地利用类型分为农地、建筑用地、水域、针叶林、裸地6个类别,并且达到一定的分类精度,以图像的形式直观地展示研究区的土地覆盖类型,并以林业二调数据为ROI(感兴趣区域)来验证分类精度。在此基础上,指出了研究区土地利用中存在的问题和生态结构的变化,并提出了调整对策。     

基于MODIS影像的决策树森林类型分类研究

基于MODIS 影像的多种特征信息,以吉林省汪清林业局为例,结合该地区的地形分布,在空间维上分析影像的纹理特征信息和地形指标信息,时间维上分析植被的生长规律和地表温度信息,统计分析植被的特征信息差异,利用决策树方法对该林区的森林类型进行分类,并对分类结果进行精度评价。结果表明,总体分类精度为87.80%,卡帕系数为0.851 0,其中,针叶林、阔叶林、混交林、和其他用地的分类精度均达到80%以上。在分类决策中,时间和空间上的多种数据特征信息的加入,可有效地提高植被类型的分类精度。该结果有助于更好的了解植被在时间和空间上的分布情况,为大区域尺度的森林动态信息监测提供更好的依据。