基于GF-2影像对恰西国家森林公园的遥感分类

【目的】 选用面向对象的监督分类法,对研究区域的天山云杉林进行遥感分类,选取一种分类效果最佳的方法,为该区域的林地资源调查、动态监测评价提供依据。【方法】 基于高分二号(GF-2)遥感影像数据,借助ESP 尺度评价工具和目视解译相结合,筛选研究区各地物最优分割尺度,利用3种不同分类方法在此基础上进行遥感分类。【结果】 研究区内的水体、道路、其他用地、林地和草地的最优分割尺度,分别为390、372、316、296、246;其次在各地物最优分割尺度下,比较最邻近分类、结合矢量数据分类和阈值分类3种方法,经过精度评估发现,3种分类方法的 Kappa 系数和总体精度值分别为0.760 7、0.782 0、0.840 6和0.814 8、0.830 5、0.876 5。【结论】 阈值分类方法优于其他2种方法,选用更为优良的阈值分类方法引入解决该地区林地资源调查是可行的。     

基于GF-1PMS影像的森林郁闭度定量估测模型研究

森林郁闭度是我国森林资源二类调查中的重要林分因子之一,为探索高分一号影像在森林郁闭度定量估测的可行性,以内蒙古自治区东北部柴河林业局为研究区,基于GF-1 PMS多光谱影像和DEM数据,以纹理特征、光谱信息和地形因子为自变量,采用k-最近邻法（k-Nearest Neighbor,k-NN）、稳健估计以及偏最小二乘法3种方法构建研究区域的森林郁闭度估测模型,辅之以二类调查小班数据和现地实测数据进行模型精度评价。结果表明:1）3种郁闭度估测方法的应用效果均能满足实际需求,这说明GF-1 PMS多光谱影像在森林郁闭度定量估测方面具有一定的潜力;2）k-NN法和稳健估计的实际应用效果明显优于偏最小二乘法,且2种模型的估测精度均>80%;3）3种郁闭度估测稳定性分析,结果显示k-NN法稳定性较好,而稳健估计法和偏最小二乘法估测模型不稳定。     

联合GF-1和GF-3影像的森林地上生物量反演

  目的  探索高分（GF）光学、合成孔径雷达（SAR）数据及其联合数据在森林地上生物量（AGB）及其组成部分反演中的可行性。  方法  以云南省昆明市宜良县小哨林区的云南松为研究对象,结合实地调查数据,以GF-1光学数据和GF-3 SAR数据作为数据源,提取光学数据常用的植被指数和纹理特征,SAR数据的各极化后向散射系数、纹理特征以及极化分解等参数,利用KNN-FIFS方法分别进行森林AGB及其分量的反演;然后采用留一交叉验证法对反演结果进行精度评价,并在此基础上绘制森林AGB及其分量空间分布图。  结果  联合GF-1和GF-3数据反演森林AGB及其分量的精度最高,R2均超过了0.710,RMSEr的值在22% ~ 27%之间,其中树叶的反演精度最优,模型的R2为0.714,RMSE为10.270 t/hm2,RMSEr为24.58%;除树叶生物量外,森林AGB和其他分量仅采用GF-1提取的特征进行反演时,精度均优于采用GF-3特征的反演结果。  结论  联合GF-1光学数据和GF-3全极化SAR可以实现一定程度的互补,提高森林AGB及其分量的反演精度,此外KNN-FIFS方法在低生物量水平的云南松纯林的AGB及其分量的反演中具有一定的鲁棒性,且KNN-FIFS优选的重要参数多为SAR和光学的纹理特征。      

基于GF-2遥感影像的葡萄大棚信息提取

随着设施农业的不断发展,快速准确获取农业大棚的空间分布和种植面积有助于农业经济增长模式调整,实现农业资源的高效利用。以2017年5月的GF-2遥感影像 为数据源,在构建最优特征空间的基础上,采用面向对象随机森林分类方法开展南方丘陵地区葡萄大棚信息提取。结果表明：①利用尺度评价工具ESP和邻域差分绝对值与标准差比RMAS结合的方法可以实现特定地物目标的最优分割尺度选择,分割效果良好;②通过Gini指数进行特征选择能减少数据冗余,提高分类精度,在优选的15个特征变量中,光谱特征占有绝对优势,其次是纹理特征和几何特征;③基于最优特征子空间的随机森林模型能有效提取葡萄大棚的分布信息,总体精度高达92.5%,F值为0.91,其面向对象的精度评价指数GTC为0.12。 结果表明,该方法对基于GF-2影像的南方丘陵区域葡萄大棚信息提取具有较大的应用潜力,并可为其他地区的农业大棚信息提取提供较好的解决思路。     

基于GF-2遥感影像的葡萄大棚信息提取

随着设施农业的不断发展,快速准确获取农业大棚的空间分布和种植面积有助于农业经济增长模式调整,实现农业资源的高效利用。以2017年5月的GF-2遥感影像 为数据源,在构建最优特征空间的基础上,采用面向对象随机森林分类方法开展南方丘陵地区葡萄大棚信息提取。结果表明：①利用尺度评价工具ESP和邻域差分绝对值与标准差比RMAS结合的方法可以实现特定地物目标的最优分割尺度选择,分割效果良好;②通过Gini指数进行特征选择能减少数据冗余,提高分类精度,在优选的15个特征变量中,光谱特征占有绝对优势,其次是纹理特征和几何特征;③基于最优特征子空间的随机森林模型能有效提取葡萄大棚的分布信息,总体精度高达92.5%,F值为0.91,其面向对象的精度评价指数GTC为0.12。 结果表明,该方法对基于GF-2影像的南方丘陵区域葡萄大棚信息提取具有较大的应用潜力,并可为其他地区的农业大棚信息提取提供较好的解决思路。     

基于面向对象方法的GF-2影像桉树林信息提取

高分2号(GF-2)是中国研制的空间分辨率最高的民用遥感卫星。为探讨GF-2遥感数据对林业资源信息的监测能力,以广西横县平朗乡桉树Eucalyptus林为研究对象,基于面向对象的图像分析方法,通过对影像多种特征的分析与提取,建立桉树林信息提取的知识规则,实现桉树林空间分布的准确提取,最终桉树林提取的用户精度和生产者精度分别达81.4%和86.4%。结果表明:利用GF-2数据基于面向对象思想的桉树林提取精度能够满足林业部门对于快速准确提取林业资源信息的生产需求。GF-2卫星因其高时空分辨率的特性可作为林业资源覆盖变化多尺度高精度检测的重要数据源。     

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GF-2遥感影像的塑料大棚提取方法对比

为实现GF-2遥感影像在农业领域的有效利用,针对GF-2遥感影像提取塑料大棚,对比分析随机森林、CART决策树及支持向量机3种分类方法的应用,以GF-2遥感影像为数据源,以内蒙古赤峰市喀喇沁旗王爷府镇为研究区,通过潜在分割误差(PSE)、分割强度(NSR)、欧氏距离(ED)3个指标确定最优分割参数组合,利用随机森林(RF)算法筛选出参与分类的最优特征子集,采用随机森林、CART决策树、支持向量机3种分类器进行了塑料大棚提取对比分析。试验结果表明:1)基于PSE、NSR和ED最优分割参数选择方法,应用于面向对象连片塑料大棚特定地物提取的研究分割效果较好;2)通过RF算法分析包含光谱、纹理、形状及相邻关系等多种特征,得出特征个数与分类精度之间呈现先逐渐增大后减小的趋势,该方法在保证分类精度的同时,可有效删除冗余与不相关特征,以提高分类器性能;3)将采用最优特征子集的3种分类器进行对比,随机森林分类效果最好,分类正确率达到89.65%,表明该方法能有效提取GF-2遥感影像连片塑料大棚,为提取设施农业的应用提供参考。     

基于GF-1影像的水稻苗情长势监测研究

为了研究GF-1影像在水稻长势监测中的可行性,利用GF-1影像对信阳市部分县区进行水稻苗情的长势监测。该过程通过样点实地采集LAI与对应的GF-1影像提取EVI建立统计关系模型,选取拟合效果最佳的指数型函数进行区域LAI的反演,并依据相应生育期LAI分类标准划分苗情长势。结果表明,研究区2013年水稻抽穗期一类苗占68.56%,二类苗占24.92%,三类苗占6.52%,2014年拔节期一类苗占69.75%,二类苗占25.95%,三类苗占4.30%,苗情分类图能够为田间管理决策提供重要参考信息。表明利用GF-1影像进行地理条件复杂的水稻分布区的长势监测能够取得良好的应用效果,但仍需要大量地面调查数据不断修正改进模型,从而提高监测准确性。     

基于机载LiDAR数据的林分平均高及郁闭度反演

以内蒙古大兴安岭森林生态系统国家野外科学观测研究站为研究区,通过2012年8月至9月获取的机载激光雷达数据与地面同步调查样地数据,构建林分平均高反演模型和林分内郁闭度反演模型。结果表明:混交林、阔叶林和针叶林的林分平均高估测精度依次为95.66%、94.11%和90.71%,林分郁闭度估测精度依次为92.73%、56.62%和85.19%。不同森林类型的林分平均高与郁闭度反演精度存在显著性差异。     

依据季相特征GF-2影像的植被分类

以国产GF-2卫星影像对北京市鹫峰国家森林公园主要植被类型进行面向对象分类,通过光谱、纹理、植被指数、季相特征属性的筛选并建立规则集,采用3种分类方法(四季时相知识规则结合CART决策树、四季时相的最邻近法、单季时相的最邻近法)进行植被类型分类。结果显示:3种分类方法的总体分类精度分别为85.6%、79.0%、60.1%。充分证明了在植被类型较复杂的区域内,利用GF-2影像多季时相特征,采用分层逐步分类法与多种分类方法相结合能够提高植被类型的分类精度,为国产高分遥感影像在森林资源监测与管理上的应用提供了技术支持。     

基于无人机可见光影像的毛竹林郁闭度估测方法

【目的】由于毛竹Phyllostachys edulis的生长特点和经营特点,使得毛竹林郁闭度在毛竹林经营中尤为重要,只有保持适宜毛竹生长的郁闭度,才能提高毛竹生产力。研究无人机可见光影像的毛竹林郁闭度估测方法,可实现实时快速获取毛竹林的郁闭度。【方法】以普通旋翼无人机可见光毛竹林影像为研究对象,基于像元的阈值分类、像元的监督分类、多尺度分割的阈值分类、多尺度分割的监督分类等4种方法,选取不同钩梢和郁闭度的样地36个,利用现有软件和MATLAB编程,对各样地的毛竹林竹冠区域进行快速提取,进而估算林分郁闭度,对比目视解译的郁闭度真值计算各方法的估算精度,利用单因素方差分析比较4种方法在不同钩梢和不同郁闭度下估算郁闭度的表现。【结果】基于像元的阈值分类、基于像元的监督分类、基于多尺度分割的阈值分类、基于多尺度分割的监督分类等4种方法的郁闭度估算总体精度依次为91.81%、92.96%、93.47%、98.86%,郁闭度估测值绝对误差依次为0.038、0.030、0.024、0.004。钩梢和郁闭度等对提取结果没有显著影响。【结论】基于多尺度分割的监督分类方法总体精度最高,估算绝对误差最小,...     

基于国产GF-1影像的川金丝猴生境评价研究

利用国产高分一号(GF-1)卫星遥感影像,综合神农架川金丝猴已有科考数据和相关研究成果,以地理信息系统为主要分析手段,选取植被类型、海拔、坡度、坡向、水源和人类干扰等作为评价因子,快速进行神农架川金丝猴秋季生境适宜性评价,首次将GF-1卫星影像应用于野生动物生境评价。评价结果表明:在不考虑人类活动影响时,川金丝猴潜在的最适宜生境和适宜生境面积分别为56.876和305.156 km2,分别占保护区面积的7.77%和41.69%;由于居民区和公路等的影响,神农架自然保护区川金丝猴实际适宜生存面积变小,实际最适宜生境和适宜生境面积分别为46.935和214.617 km2,分别占保护区总面积的6.41%和29.32%。将基于GF-1卫星遥感影像得到的川金丝猴生境适宜性评价结果,与基于Landsat8遥感影像得到的生境评价结果对比,二者评价结果符合度达91.7%,表明在野生动物生境研究领域国产GF-1卫星影像可以有效地替代国外Landsat影像,利用GF-1卫星影像进行野生动物生境评价是可行的。GF-1卫星突破了在野生动物研究领域普遍依赖国外数据的局面。GF-1卫星影像具有高空间分辨率、高时间分辨率、低成本和数据来源可靠等特点,无疑是我国野生动物生境遥感应用研究中可供选择的新的数据源。由于GF-1是我国高分辨率对地观测系统的第一颗卫星,开展GF-1数据的应用验证具有十分重要的科学意义。目前,利用GF-1开展此类研究国内外尚未见类似报道,本研究对于在林业实际业务中开展国产高分卫星遥感数据应用同样具有指导作用。      

基于WebGIS平台的森林郁闭度遥感反演信息系统研建

为满足区域森林资源结构参数特别是郁闭度信息的统一管理与处理分析需求,以福建省三明市将乐县为研究区,以Landsat 8卫星的陆地成像仪(OLI)数据、外业调查的样地数据以及ASTER GDEM的高程数据为基础,选取逐步线性回归模型、向后线性回归模型与偏最小二乘模型研究郁闭度分布情况。在此基础上,结合空间数据库技术,在Arc GIS Server for.NET(ADF)平台下开发基于B/S模式的分布式森林郁闭度反演信息系统,实现基础地理信息系统操作、数据查询、模型因子计算、森林郁闭度模型实现、数据编辑与输出等功能,为三明市将乐县森林资源结构参数数据的规格化管理与共享服务提供技术支持。     

基于LiDAR点云能量信息的樟子松郁闭度反演方法

为提高小光斑激光雷达估测针叶林郁闭度的精度,采用回归分析法建立多变量回归模型,通过对小光斑激光 雷达点云数据进行处理,分别提取3 个数量比值变量、3 个能量比值变量,并建立郁闭度单变量反演模型,接着在单 变量的基础上进行多元线性回归分析,建立郁闭度多变量反演模型,最后用剩余数据对所建立的反演模型进行精 度评价。结果表明:在郁闭度单变量反演模型中I2反演模型最好, 拟合相关性为R2 =0.818, Adj R2 =0.810, RMSE = 0.016,模型精度为P =0.978;多变量反演模型中LPI' 和I'3 组合的模型最好, 拟合相关性为R2 = 0.898, AdjR2= 0.889, RMSE =0.012,模型精度为P =0.972。由最终所得模型可知,能量比值变量模型所得结果相对数量比值变 量模型结果要好且稳定,多变量反演模型的拟合相关性及精度都比单变量模型要高。本研究所提取的参数相对较 少,且能量比值变量的提取有一定的局限性,未来研究中应提取更多的高效参数且进一步加强能量比值变量的探究。      

面向林地分类的GF-2影像融合算法评价

针对林业部门目前常用的遥感影像融合算法,探究适合于林地信息提取的GF-2影像融合算法。以GF-2卫星1 m全色/4 m多光谱分辨率平面影像为数据源,采用HSV变换(hue-saturation-value,颜色空间变换),Brovey变换(彩色标准化变换),PC变换(principle components,主成分变换),HPF变换(high-pass fusion,高通滤波变换),GS变换(gram-schmidt,正交化变换),Pansharp变换(超分辨率贝叶斯变换)等6种常用融合算法,通过目视和定量特征分析对融合效果进行评价,并结合面向对象分类方法对融合后影像进行地类信息提取和分析,探讨6种融合算法对GF-2影像在林区地类提取的适宜性。研究结果表明:基于Brovey和HSV算法的融合结果目视效果良好,清晰度与纹理增强明显;这2种融合算法影像在不同地类信息的提取上各有优势,HSV算法融合结果在不同地类的提取上效果最好,分类总精度可达85.14%,Brovey算法融合结果则在森林类型的提取上具有最高的分类总精度,为75.72%;其余4种融合算法在图像质量及其他地类提取中各有优势,具体融合算法的选取需根据应用目的和影区应用区域的实际情况而定。该研究可为林业部门提高GF-2卫星的适用性及大规模应用提供参考。     

基于GF-2影像的人工龙竹林LAI遥感估测最优尺度选择

以云南省沧源县大型丛生龙竹林为研究对象,以高分二号影像为主要信息源,结合地面32块标准地调查,采用地统计学变异函数和偏最小二乘回归模型,对区域尺度丛生龙竹LAI遥感估测最优尺度选择进行了分析。结果表明：基于变异函数分析的丛生龙竹最优尺度为6.9 m,基于PLSR模型分析的最优尺度为7 m,因此丛生龙竹的影像最优观测尺度为7 m。2种方法在空间最优尺度选择结果上接近,具有一致性,可为其他竹类参数遥感估测最优尺度的选择提供参考。     

基于无人机影像的高郁闭度杉木纯林树冠参数提取

  目的  冠幅是树冠结构的重要特征因子,直接影响树木的生产力和生命力,郁闭度是反映森林冠层结构与密度以及评价森林经营管理采伐强度的重要指标之一。利用无人机可以云下飞行,易于获取图像,精度高,低成本等优势,研究无人机影像上提取树冠参数的方法,使无人机影像提取林木树冠参数的操作系统化,实现精准高效的森林资源清查和监测。  方法  以福建将乐林场杉木人工纯林为研究对象,采用四旋翼无人机影像为数据源,基于面向对象分类的方法,将杉木纯林的树冠参数从无人机影像中提取出来。面向对象分类的方法需要先利用ESP工具选取最优分割尺度,然后根据影像的分割结果将树冠对象聚为一类,进而统计每个树冠对象栅格像素个数计算出树冠冠幅面积以及林分郁闭度。  结果  面向对象分类有效地对高郁闭度林分进行了树冠的提取。在分割尺度为70时,单木树冠分割效果最好,树冠被单独分割出来,但也存在一定的过分割以及未分割的问题,以至于部分单木的丢失。分割结束后,对分割对象进行特征空间的优化,选取适当的分类特征,最终将研究区分为树冠和林隙两类。通过统计每个对象栅格点数,计算得出的林分因子包括林分郁闭度,树冠面积。以地面实测数据作为参考,冠幅面积提取精度为0.829 1,林分郁闭度测量精度为0.973 1。  结论  研究结果表明,基于无人机高分辨率影像的树冠参数提取在高郁闭度林分同样适用,能有效提高森林资源调查的效率并且能够满足森林资源调查的精度。      

基于MODIS影像的昼夜地表温度反演研究

地表温度是研究区域地表能量平衡和资源环境变化的重要参数之一,为获取研究区的时空分布状况有重要的作用。对云南会泽县MODIS的昼夜两景影像数据进行辐射校正、定标等反演出地表温度图,通过31和32波段之间的波段运算显示出明显的地表温度空间差异和不同的地物类型;在已有的温度反演算法基础上,将地表温度数据引入到温度反演算法中,得出32波段反演的地表温度要高于31波段反演的地表温度,而且昼间两波段间的温度差要比夜间的两波段之间的温度差大,这是因为白天的可见光和近红外也存在辐射,而且白天的地表吸收温度比夜间高,辐射增大,导致白天的温差大于夜间的温差。利用地表实测温度数据与热红外遥感数据相结合,提高了研究区地表温度反演的精度,降低了反演难度。     

基于MODIS影像的昼夜地表温度反演研究

地表温度是研究区域地表能量平衡和资源环境变化的重要参数之一,为获取研究区的时空分布状况有重要的作用。对云南会泽县MODIS的昼夜两景影像数据进行辐射校正、定标等反演出地表温度图,通过31和32波段之间的波段运算显示出明显的地表温度空间差异和不同的地物类型;在已有的温度反演算法基础上,将地表温度数据引入到温度反演算法中,得出32波段反演的地表温度要高于31波段反演的地表温度,而且昼间两波段间的温度差要比夜间的两波段之间的温度差大,这是因为白天的可见光和近红外也存在辐射,而且白天的地表吸收温度比夜间高,辐射增大,导致白天的温差大于夜间的温差。利用地表实测温度数据与热红外遥感数据相结合,提高了研究区地表温度反演的精度,降低了反演难度。