基于面向对象的资源3号遥感影像森林分类研究

森林类型识别技术是遥感分类中的重点和难点,采用面向对象的遥感影像分类方法是实现森林类型分类的新方法。资源3号遥感影像可为森林类型提取提供新方向。以资源3号遥感影像作为基础研究数据,采用面向对象的分类方法,选择分形网络演化法进行多尺度分层分割,并结合典型地物的光谱特征、纹理特征、几何特征以及植被指数,构建了适用于森林类型提取的决策树模型,并与分割尺度不同的支持向量机分类方法进行比较分析。结果表明:多层分割的决策树分类方法分类精度高于单层分割的支持向量机分类方法,分类精度分别提高了6.1%和12.5%。说明建立多层分割的决策树分类方法适用于森林类型的分类研究。     

基于对象的CHRIS遥感图像森林类型分类方法研究

高光谱遥感森林类型分类中采用传统基于像素分类方法精度较低,本文通过高光谱遥感影像的特征,采用面向对象的最近邻监督分类方法对高光谱CHRIS影像进行分类实验,首先对影像进行多尺度分割,然后将分割对象信息、形状特征及上下文联系等特征构成特征空间进行最近邻监督分类,并与传统的基于像素的最大似然分类方法进行比较分析,结果表明,面向对象的最近邻法能够较好的识别森林类型,总精度为89.06%,kappa系数为0.82,而最大似然法分类精度为85.75%,kappa系数为0.79.其分类精度明显高于最大似然法,这表明该方法适合高光谱遥感影像分类,为今后的高光谱遥感森林类型分类能够起到技术参考和理论依据.     

基于小波变换和随机森林的森林类型分类研究

以黑龙江省凉水国家级自然保护区为研究区,采用“高分一号”卫星提供的多光谱影像作为遥感数据源,通过对遥感影像进行小波变换处理,之后选择植被指数、纹理特征、地形因子作为分类特征,利用随机森林算法对该地区森林类型进行分类。结果表明,遥感图像在进行小波变换后,基于随机森林算法的森林类型分类精度为91.68%,Kappa系数为0.90,较未进行小波变换时的分类精度提高10.67%。总体来看,结合小波变换的随机森林分类方法可以获得比较高的分类精度。为森林类型分类提供一种新的思路,且为提高森林类型分类精度提供一种参考方法。     

森林可燃物的遥感分类研究进展

阐述了森林可燃物的分类类型,指出遥感图像是通过亮度值或像素值的高低差异及空间变化表示不同地物差异的,提出了遥感分类常用方法有非监督分类与监督分类法,基于知识的决策树分类法,BP神经网络分类法。文章同时对国内外森林可燃物遥感分类的研究现状做了综述,并展望了森林可燃物遥感分类的发展趋势。     

高光谱林业遥感分类研究进展

为了深入了解高光谱分类领域的研究现状,基于Web of Science数据库和CNKI数据库,检索了关于高光谱遥感分类的相关文献,并对文献的分布情况和研究方法等进行了归纳和分析.结果表明,关于高光谱分类的文献发布数量总体呈上升趋势,其中美国的文献发布量最多,热带森林类型受关注最多.采用最多的分类方法有最大似然法、支持向量机、随机森林、光谱角度制图和判别分析5种,5种方法各有优缺点,分类精度都较高,分类敏感波段大多在可见光、近红外和短波红外等波段.该研究可为高光谱林业遥感分类领域森林类型和分析方法的进一步研究提供参考.     

基于ETM影像的森林覆盖率统计分析——以林芝市巴宜区为例

以西藏自治区林芝市巴宜区2005年ETM遥感影像为基础,利用"3S"技术,借助于ERDAS 9.2和ArcGIS 10.5软件,结合野外调查研究,对研究区的森林覆盖率进行统计分析,并与该地区地貌类型图、土地利用类型图的分类结果进行比较分析。研究了ETM遥感影像应用于巴宜区森林覆盖统计监测的最佳波段组合和融合处理技术,采用监督分类的方法提取森林覆盖信息,并对分类结果与相应研究区的土地利用类型相比较。结果表明,监督分类校正结果显示2005年巴宜区的森林覆盖率约为42.61%,监督分类对林地统计结果与土地利用类型图统计结果相比较,两者仅相差3.83百分点,分类精度达89.27%。利用遥感技术及地理信息系技术对森林资源的统计分析,可为森林信息化建设提供技术支持。     

基于遥感技术的森林树种识别研究进展

基于遥感手段的森林类型/树种（组）的精准识别是森林参数提取和计算的前提,是林业遥感领域的研究前沿,可为宏观尺度快速获取森林资源信息提供重要途径。对多源遥感数据在森林树种识别中的应用研究进行总结分析发现,当前基于遥感数据的树种识别已成为林业遥感的研究热点。利用卫星遥感数据和近地低空遥感数据结合随机森林、支持向量机等分类方法进行树种识别已相对成熟。近年来,无人机技术不断发展,以其灵活性强的特点在林业中有较强的应用潜力,在计算机技术、数字图像处理技术和机器学习领域不断发展成熟背景下,低空遥感数据结合深度学习技术应用于森林树种的精确识别是值得深入研究的科学问题。     

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。     

遥感混和分类算法及其在森林分类中的应用

本文主要通过和传统分类方法相比较,来阐述了一个遥感混和分类算法(Iterative Guided Spectral Class Rejection)的主要实现原理和方法以及该方法在森林非森林的识别方面的优势.然后通过利用该分类算法,对同一地区多时相遥感影像进行复合的影像森林分类实验,以及通过与最大似然法的对比实验,来说明该算法载森林分类中的应用和优势:提高分类精度,改善分类效果.     

森林植被遥感监测影像最佳分辨率选择

遥感影像分辨率的高低直接影响着森林植被监测的精度、成本和效率,故选择适合森林植被监测的影像最佳分辨率具有重要的应用价值。针对森林植被监测影像最佳分辨率选择方法及结果缺乏的问题,从林业实际应用出发,提出了基于1个步长的变异函数分析空间变异并综合考虑监测精度、成本和效率来确定森林植被监测影像最佳分辨率方法。基于最新的国产高分二号（GF-2）全色影像,利用1个步长的变异函数对湖南常宁洋泉镇林区3种典型分布类型森林植被进行拟合分析,初步确定适合森林植被监测的影像最低分辨率。然后对重采样形成的不同尺度多光谱影像分别进行监督分类,并对结果进行定量定性分析,结合影像成本和数据处理时间,找到适合不同类型森林植被监测的影像最佳分辨率。研究表明:不同分布类型的森林植被,适合遥感监测的影像最佳分辨率不同:①小冠幅森林植被3.2 m;②大冠幅森林植被16.0 m;③混合冠幅森林植被8.0 m。该森林植被遥感监测影像最佳分辨率确定方法和结果可为其他区域森林植被遥感监测影像最佳分辨率确定提供借鉴。     

基于RS和GIS帽儿山林场森林立地分类及质量评价

基于2004年帽儿山森林资源二类调查资料及同步获取的遥感影像图作为数据源,通过对帽儿山实验林场的土壤类型、高程、坡度等各因子的定性和定量分析,利用RS的信息获取技术和GIS信息处理技术建立各分类因子的专题数据库和图形数据库。利用Arcview/Arcgis软件对各分类主导因子及辅助因子的专题图叠置分析,编制了帽儿山林场森林立地类型分布图,并对立地分类结果给予评价。帽儿山实验林场森林立地类型划分包括18类,其中低山缓坡暗棕壤占全部林场面积的67%,丘陵急坡暗棕壤占17%,丘陵缓坡暗棕壤占8%,低山急坡暗棕壤占4%,其它各立地类型所占比例均小于2%。实验林场的立地质量以Ⅱ、Ⅲ地位级为主,表明整个林场整体立地质量处于中等偏好水平。森林立地类型分类及立地质量评价,对了解帽儿山实验林场经营范围内的立地条件,提高造林和经营水平,充分发挥林地生产潜力具有重要意义。     

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。      

高分辨率遥感影像林地类型精细识别

以内蒙古自治区根河市根河生态站为研究区,探讨在大面积复杂林区、具有红边波段卫星数据支持下,高空间分辨率遥感影像林地类型精细分类方法。以2016年7月的RapidEye遥感影像和2017年的GF-1PMS遥感影像为主要数据源,综合利用影像的光谱特征、纹理特征与根河森林资源小班数据等辅助信息,以及2016年林地类型外业调查样本数据,分别对2种数据源采用传统的监督分类方法[最大似然法（MLC）和支持向量机法（SVM）]和基于IDL语言的ImageSVM和ImageRF分类方法进行林地类型精细识别。最后以外业调查数据和根河森林资源小班数据作为检验样本对分类结果进行精度验证,通过建立混淆矩阵对分类结果进行评价。结果表明:①ImageRF和ImageSVM等2种分类方法对林地类型信息提取精度较高。在RapidEye影像中,针叶林、阔叶林、灌木林等8种地物类型总体分类精度分别为90.26%和90.02%,Kappa系数均大于0.88。ImageSVM和ImageRF分类结果中,灌木林、针叶林和阔叶林制图精度和用户精度均高于支持向量机法和最大似然法;相对于支持向量机法和最大似然法,ImageSVM法总体分类精度分别提高了6.18%和7.06%,Kappa系数分别提高了0.07和0.08;ImageRF法总体分类精度分别提高了5.93%和6.82%,Kappa系数分别提高了0.07和0.08,能确保森林资源调查成果的精细化、准确性、高效性。②在林地类型精细识别中,携带红边波段信息的RapidEye影像比无红边波段信息的GF-1影像具有更好的识别精度和可分性。研究证明,ImageSVM和ImageRF分类方法是有效的林地类型信息精细识别方法,具有精度高和可信度高的优势,是进行复杂山区林地类型精细分类的有效手段,可满足森林资源调查、变化监测、数字更新等林业应用需求。     

C5.0决策树Hyperion影像森林类型精细分类方法

以吉林省白河林业局为中心研究区,利用星载高光谱Hyperion数据并结合其他辅助数据,综合利用影像光谱特征、纹理特征、地形特征、典型地类和主要森林类型外业调查样本数据,探究针对C5.0决策树算法的高光谱影像土地覆盖类型多层次信息提取与森林类型识别的有效方法。在分析典型地物光谱特征的基础上,优选8种纹理特征,引入主成分分量及与主要森林类型空间分布相关的敏感地形因子,采用分层分类的策略,根据光谱特征将地类划分层次,在层次间建立基于C5.0决策树算法的决策树模型,对研究区的地类进行细分。为便于对比,以相同的策略采用支持向量机（SVM）分类器进行分类。最后,结合野外采集样本并参考高分辨率影像,采用分层随机抽样的独立检验样本对森林类型精细识别结果进行精度验证。结果表明:C5.0决策树算法可综合利用高光谱影像的光谱、纹理及其他辅助数据,自动寻找出区分各类别的最佳特征变量及分割阈值,运算速度快,占用内存较小且无需人为参与,其分类精度达到优势树种级别,总体分类精度达81.9%,Kappa系数0.709 8。     

基于中巴资源卫星数据的森林郁闭度估测研究

森林资源分布具有辽阔性、复杂性、通达性差等特点,而遥感技术具有宏观、动态、便捷、可周期重复和成本低等优点,成为研究森林资源状况的理想手段。目前,在森林遥感应用中,多源遥感数据的提供能力越来越强。但由于遥感信息的综合性、复杂性,遥感信息处理技术相对落后。基于不同区域、不同季相和不同背景特征的森林遥感分类技术远未成熟。利用中巴资源卫星遥感数据,经过图像处理(包括图像的校正、图像的增强和图像的分类等),获取样地的灰度值,结合少量地面实测样地资料,通过线性回归建立森林郁闭度的数学模型,并进行检验以确保估测的精度,为林业生产和建设提供依据。     

遥感图像分类中混合像元分解方法研究

总结了几种解决遥感图像分类中混合像元分解问题的方法,对各种方法的基本理论、应用条件和优缺点进行阐述,并对未来提高分类精度的前景进行展望,为遥感图像分类应用提供有价值的参考。     

森林火灾遥感探测技术研究进展

森林火灾是陆地生态系统重要的自然干扰之一,也是森林面临的主要自然灾害。多源遥感技术在森林火灾探测中应用,使得森林火灾的早期探测与实时监测成为可能,遥感技术已成为森林火灾监测和防控的重要手段。本研究综述了遥感技术在森林火灾相关研究方面的应用进展,从灾前、灾时、灾后3个阶段,分析了遥感技术和方法在森林可燃物调查及载量评估、火场态势监测、火险等级预测预报、火烧迹地识别、火后森林受害评估以及植被修复等方面的应用,总结了现有研究方法中存在的问题,展望了未来森林火灾探测技术的发展方向。多源多尺度遥感探测技术如将无人机、雷达、航空遥感与航天遥感等互相结合,多方位进行森林火前火后监测,为火险等级预报、森林火灾防控、火后森林结构和功能的恢复提供依据。