基于GF-2影像的面向对象植被信息提取研究

基于GF-2遥感影像,通过面向对象方法对长株潭城市群生态绿心区内具有代表性的区域进行植被信息提取,利用专业分割软件对遥感影像进行多尺度分割,采用ESP工具定量获取多尺度分割参数,最后通过隶属度函数对遥感影像分类进行植被信息提取,并进行精度评价。结果表明:采用面向对象的方法,从高空间分辨率遥感影像中挖掘出能提取植被的光谱、纹理、形状等特征,能实现植被信息的快速提取,提取总体精度达85.33%。     

基于语义相关的面向对象林地信息提取

基于地物间的语义相关关系,结合面向对象的影像分析技术,提出了适用于高分辨率影像的林地信息提取方法,包括影像分割和林地信息提取2大步骤;并以福州市2003年6月成像的IKONOS卫星影像数据为例进行了林地信息提取实验。结果表明:①通过模糊和最近邻2种分类技术分别完成植被、林地信息的提取,提高了提取过程的合理性;②以面向对象的方式进行信息提取,不仅能避免细节信息的干扰,还能利用影像的纹理信息,这相当于对影像数据进行了优化,提取结果的精度和完整性均得到了提高。     

基于遥感技术的植被分类研究现状与发展趋势

综述了国内外基于遥感技术进行植被分类的研究现状, 并提出植被分类的发展趋势:(1)从单时相、单源遥感分类向多时相、多源信息融合发展; (2)从单一分类方法向复合分类方法发展; (3)从“硬”分类向“软”分类方向发展; (4)从基于像元分类向混合像元分解分类和面向对象分类方向发展; (5)从传统分类向智能分类方向发展。     

面向对象分类方法的镇西厂乡地类信息提取分析

传统影像解译方法在高分影像信息提取逐渐失去优势,而面向对象分类方法的信息提取能利用高分影像的纹理、光谱等空间信息,使其成为影像信息提取研究的热点。基于高分辨率航片对实验区域贵州省镇西厂地区使用eCognition软件进行面向对象分类方法的信息提取方案分析,重点讨论了航片的多尺度分割,分割最优尺度的确定,分类特征描述与应用、并进行分类精度评价等。同时,还使用ENVI软件基于像元的地类提取,对比两者分类结果与精度,面向对象的最邻近方法信息提取总体精度为89%,Kappa系数为87%,而面向像元的最大似然信息提取总体精度为78%,Kappa系数为75%,面向对象的信息提取结果更加接近人工目视解译,对高分影像的信息提取具有更好的优势。     

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。     

基于高分辨率遥感影像的植被分类方法比较

以新疆库车市东部绿洲-荒漠过渡带为研究对象,利用GF-2号遥感影像为主要数据源,在野外调查的基础上,采用基于像元的监督分类和分层次多尺度分割的面向对象分类方法对研究区植被信息进行准确识别。结果表明:1)监督分类与面向对象的分类结果大体一致,两者的总体分类精度均可达到94%以上,Kappa系数大于0.93,都体现出了较高的分类精度;2)与监督分类相比,面向对象的分类方法在总体分类精度上提升了3.79%,Kappa系数提高了0.032,具有更好的分类效果和分类精度。通过确定最优尺度分割,面向对象的分类方法可更为准确地提取研究区植被信息,为合理评价区域土地荒漠化状况提供科学依据。     

基于多光谱遥感数据的植被信息最佳波段组合研究

信息分析对于应用遥感技术提取植被信息具有重要意义。基于遥感和GIS软件平台,采用植被光谱特征、OIF指数、信息熵、联合熵等指标,结合Landsat-TM卫星各个波段用途,可以确定植被信息提取的最佳波段组合。该组合在晋江市植被信息提取试验中取得较好的效果。     

自然保护区遥感信息提取技术研究进展

遥感技术在自然保护区监测、规划和保护研究中起到越来越重要的作用,受到国内外学者的广泛关注。文中对自然保护区冰川遥感解译、湿地信息提取、植被信息提取及景观格局变化分析技术进行了总结归纳,分析各技术应用的优缺点,并讨论了遥感技术在自然保护区应用中存在的问题。     

基于决策树分类方法的城市绿化分析——以兖州地区Hyperion遥感影像为例

以兖州实验区为例,探讨了利用决策树方法进行城市高光谱遥感绿化分析的流程和方法;分析了试验区典型地物的波谱特性;总结了常用反射率反演方法,并根据具体情况选择FLAASH模型进行了实验;试验区研究表明,决策树分类方法在高光谱遥感影像信息提取中具有可行性.这种基于高光谱的精细信息提取方法,可以提高不同植被类型的高光谱图像分类识别精度,为城市绿化分析提供参考依据.     

橡胶林信息提取技术研究综述

橡胶林种植面积扩张与天然林保护之间的矛盾日益突出,利用遥感技术快速监测橡胶林分布及其动态变化,已成为热带天然林保护和土地利用规划决策的重要技术手段。通过查阅文献,对橡胶林遥感提取技术和龄组识别方法的研究现状进行了分析评价。橡胶林信息提取技术主要有监督分类、SAM-SID混合分类技术、面向对象决策树分类、模糊数学分类和基于训练样本的最近距离法等。介绍了橡胶林的龄组判别方法,包括依据时间节点和基于NDVI阈值的橡胶林龄组判别以及基于Landsat时间序列橡胶林林龄重构模型等方法,为林龄判断研究提供思路。     

高光谱遥感在植被特征识别研究中的应用

总结了高光谱遥感在植被物种识别、结构特征分析、理化信息提取等主要领域的应用研究现状; 分析了高光谱遥感在植被特征识别中所涉及的光谱特征优化、混合光谱分解、图像分类识别等关键性技术环节的最新进展; 剖析了目前研究中存在的主要问题, 并对今后的发展态势进行了展望。     

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。     

遥感技术在红树林湿地研究中的应用述评

红树林为自然分布于热带和亚热带海岸潮间带的木本植物群落,是淤泥质海滩上特有的植被类型,也是重要的海岸湿地资源,作为独特的海陆边缘生态系统在维持海岸生态平衡中起着特殊的作用.遥感技术的发展为红树林湿地研究提供了新的方法和强有力的技术支持.文章论述了遥感技术在红树林生态监测中的应用,包括遥感数据源的选择.红树林湿地区域研究、类内区分和类外区分以及红树林湿地遥感分类方法,精度对比情况以及遥感技术在红树林湿地动态变化与管理中的应用.指出目前存在的红树林湿地原始影像数据的选取、遥感分类精度以及红树林湿地遥感分类方法选择等问题.提出了未来发展动向.     

面向三江保护区植被类型识别的最佳波段组合研究

目的 针对高分六号影像数据面向植被类型、特别是湿地植被信息识别的最佳波段组合进行研究,为高分六号数据在湿地资源监测中的进一步应用提供参考。 方法 以三江国家级自然保护区为对象,基于高分六号影像数据,结合当地植被特点,开展保护区植被类型识别中的最佳波段组合研究。从影像信息特征、最佳指数因子以及光谱特征曲线和地物可分性角度进行综合分析,获取基于GF6/WFV数据的三江保护区植被类型识别的最佳波段组合。同时,通过对比实验,利用支持向量机分类方法,对样区的植被类型进行信息提取,证实了结果的可靠性。 结果 波段组合4（R）-5（G）-1（B）识别植被类型精度最高。总体精度为89.15%,Kappa系数为0.8463。 结论 波段组合4（R）-5（G）-1（B）为三江保护区植被类型识别的最佳波段组合。本研究可为东北地区湿地保护区的退耕还湿工程监测提供参考。     

基于面向对象方法和SPOT5的丘陵山区林地分类研究

采用4种面向对象分类方法 (最邻近法、隶属度函数法、决策树和支持向量机),利用SPOT5影像对湖南省会同县部分地区进行林地类型提取。结合研究区林地类型,将分类提取6种林地类型、6种非林地类型,并相应地构建分类层次结构。通过比较4种面向对象方法的分类结果,发现最邻近法擅长提取对象特征相近的地物类型,更适合于丘陵地区的林地信息提取。其在南方丘陵山区进行林地信息提取精度显著高于其他3种方法,其总体分类精度可达76.12%(分12类),Kappa系数为0.73(分12类)。     

基于资源3号卫星的面向对象地类信息提取方法研究

面向对象分类方法可以充分利用遥感影像的光谱和空间信息,是一种适合于高分辨遥感影像的分类方法。以2012年资源3号卫星高分辨率遥感影像(ZY-3)为数据源,对基于面向对象与最大似然监督分类的地类信息提取方法进行了对比分析。面向对象分析方法中采用改进后的局部方差法确定并选取不同地类类型的最优分割尺度,并采用多尺度层次的方法提取不同地类类型信息。结果表明:根据改进后的局部方差法确定的针叶林、阔叶林、针阔混交林地类类型的最优分割尺度为105;农田地类的最优分割尺度为105,水域、建筑类型的最优分割尺度为65。基于面向对象技术的地类信息提取方法其总体精度达到90.3%,Kappa系数为0.82;最大似然法其总体精度为77.6%,Kappa系数为0.71;基于面向对象方法的总体精度提高了12.7%,Kappa系数提高了11%。表明了基于面向对象分析方法的地类信息提取在国产高分辨率影像上的适用性。同时,论文的研究也为森林资源调查中地类信息的遥感提取进行了有益的尝试。     

基于遥感影像的昆明中心城区绿地信息提取

以昆明中心城区遥感影像为研究数据,采用基于面向对象分类的研究方法,按照监督分类的思想,将地物分为城市绿地、林地、裸地、水体、建筑和道路6种类型,运用支持向量机的分类器对绿地信息进行提取,并根据总体分类精度和kappa系数的大小对分类结果进行验证,结果表明:城市绿地信息提取精度良好,符合城市绿地调查的精度标准,认为此种绿地信息提取方法值得推广运用。     

一种基于概率神经网络的城市用地高分辨率影像信息提取方法

以国产高分辨率遥感影像为主要数据源,在建立城市用地类型体系的基础上,构建了一套结合面向对象的多尺度分割方法和概率神经网络模型优势的城市用地信息提取方法。对唐山市路南区实例验证表明,本研究提出的城市用地信息提取方法和分类结果能够有效地提取包括城市裸地、建筑用地、水体、绿地、道路等城市用地类型,总体分类精度达86%,kappa系数达0.78。     

基于FCN与面向对象的滨海湿地植被分类

【目的】提出一种基于全卷积神经网络(FCN)与面向对象的滨海湿地植被分类方法,以提高滨海湿地植被监测效果。【方法】以浙江慈溪部分杭州湾滨海湿地为研究区,基于高分辨率Quick Bird影像,采用FCN与面向对象相结合的方法监测滨海湿地植被:1)融合Quick Bird影像的多光谱数据和全色数据提高影像空间分辨率,运用目视判读制作标签图,以100×100窗口选取样本后进行翻转、旋转等操作,获得训练样本4 904对、测试样本544对,采用FCN对样本完成训练后得到相应的模型参数用于整幅影像,获得全图分类结果; 2)对原始影像进行多尺度分割,利用平均全局评分指数法确定最优分割尺度为170,以最优分割结果对FCN分类结果进行边界约束,得到最终分类结果并制作滨海湿地植被分类图; 3)基于混淆矩阵对仅采用FCN处理的结果影像及采用FCN与面向对象相结合处理的结果影像进行精度评价。【结果】1)采用FCN处理的影像分类总体精度达94.39%,典型滨海湿地植被精度均在85%以上,但分类结果存在少量椒盐现象,分类误差产生的主要原因是滨海湿地下垫面背景复杂,不同植被类型空间分布杂乱; 2)将面向对象与FCN相结合处理的结果影像可消除椒盐现象,总体精度达97.56%,典型滨海湿地植被精度均在90%以上。【结论】基于FCN的滨海湿地植被分类方法能够有效从高分辨率影像中提取典型滨海湿地植被信息,在此基础上结合面向对象的多尺度分割方法可有效消除椒盐现象,弥补基于像元分类的缺陷,优化滨海湿地植被分类结果,在滨海湿地植被监测方面值得推广和运用。     

基于ALOS遥感影像植被分类方法的比较研究

以云南省宜良县ALOS影像为基础数据,利用最大似然法、支持向量机方法和面向对象的支持向量机方法对ALOS影像进行植被分类研究。实验结果:最大似然法分类精度为79.33%,支持向量机方法分类精度为82.25%,面向对象的支持向量机分类方法精度为86.13%,面向对象的支持向量机分类方法取得较好的分类效果。研究结果可为中高分辨率遥感影像分类研究提供参考。