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TM影像的森林地表温度遥感反演

选取海南三亚市的一个典型区域为研究对象,以Landsat TM影像数据进行林地地表温度遥感反演,分析不同森林类型的地表温度差异,以及地表温度与NDVI之间的关系。结果表明:研究区不同森林类型的地表温度有着显著差异;有林地平均地表温度比无林地低0.7℃;天然林平均地表温度比人工林低2.2℃,天然林在缓解城市热岛效应比人工林更具优势;人工林按优势树种平均地表温度由高到低的顺序为芒果龙眼槟榔橡胶桉树;地表温度和NDVI之间存在高度负相关,相关系数为-0.76。     

高分辨率多光谱遥感影像森林类型分类深度U-net优化方法

[目的]使用深度学习全卷积神经网络U-net的自动特征提取,有效地改善遥感目标识别及地物分类的效果。[方法]以内蒙古自治区赤峰市旺业甸林场为研究区,主要数据源包括GF-2多光谱数据、ZY-3 DOM数据、ZY-3 DEM数据、小班数据以及外业实地调查数据等。借鉴前人对FCN-8s模型的优化思路,基于Unet网络模型,在模型训练过程中通过在原始波段的基础上加入标准归一化植被指数(NDVI)构建网络,并增加条件随机场后处理过程,得到最终的分类结果。[结果]表明:(1)优化后的U-net模型的总体分类精度达84.89%,Kappa系数为0.82,分别高于未加入标准归一化植被指数特征的U-net模型以及未使用条件随机场进行后处理的U-net模型的分类精度;(2)优化后的U-net模型与使用相同策略的FCN-8s,支持向量机和随机森林的分类结果相比,提高了8.04%～12.54%,分类精度大幅度提高。[结论]通过少量调整相关的遥感特征以及使用条件随机场后处理方法可改善U-net模型的分类效果,适用于基于U-net的森林类型高分辨率多光谱遥感影像分类。     

森林经营类型的分类与制表

文中从经营的角度出发,根据有限行政区域、地域分异、多级序、科学性和生产实用性等原则,并考虑到树种差异、自然条件、社会经济条件、经营目的和水平对经营区域进行分类,特经营类型和措施类型的划分条件、基本特征、有关技术措施及定性定量归集成表,形成经营类型表。并给出一个实例说明。     

专家系统对SAR图像进行了森林类型分类的应用方法研究

本文利用专家系统开发工具－ＯＰＳ８３语言初步建立了对ＳＡＲ数据图象进行森林类型分类的专家系统，通过对在山东实验区获取数据的运行，探讨专家系统对ＳＡＲ图像进行森林类型分类中的应用方法。     

TM片遥感判读宜川县森林立地类型初报

本文介绍了应用遥感技术进行存林立地条件分类的研究及编制立地图的原则和依据,划分了宜川县森林立地类型区和类型组,并对立地类型划分的主导因子(坡向、坡度、土壤、地貌等)进行了遥感判读分析,并简单叙述了编图的方法。     

一种遥感混合分类算法及其在森林分类中的应用

基于监督分类和非监督分类方法相结合的混合分类方法在森林非森林的识别方面有很好的识别效果，探讨了一种遥感混合分类算法(Iterative Guided Spectral Class Rejection)。首先对IGSCR的算法理论进行了阐述，然后利用IGSCR分类算法对同一地区多时相遥感影像进行复合的影像进行森林分类实验。通过与最大似然法的对比实验表明，IGSCR分类方法将非监督分类方法所具有的自动对具有相同光谱特征类别进行集群的能力，辅助于训练样本的获取，可以有效降低因人工判断类别光谱纯度不准确而引起的类别样本光谱混杂问题，因此能在一定程度上提高分类精度，改善分类效果。     

用MSS和TM资料进行森林分类结果比较

很多研究人员曾研究试验过用陆地卫星多光谱扫描仪(以下简称MSS)的影像来进行森林分类,而利用其光谱特性区分具有优势树种的森林植被类型的研究则较少,其精度一般较低。因此研究人员把他们的注意力转向陆地卫星专题绘图仪(以下简称TM)的资料,该资料具有较高的空间分辩率、光谱和辐射度特胜。利用模拟TM反射频带时,其总分类精度达84％,对针叶树种和落叶树种进行分类时,其精度为     

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。     

专家系统对SAR图像进行森林类型分类的应用方法研究

本文利用专家系统开发工具－ＯＰＳ８３语言初步建立了对ＳＡＲ数据图象进行森林类型分类的专家系统，通过对在山东实验区获取数据的运行，探讨专家系统对ＳＡＲ图像进行森林类型分类中的应用方法。     

应用微机对TM图像进行森林资源分类的研究

遵义地区地形破碎,地貌很复杂,同谱异物、同物异谱现象较严重,地类界限不明显,而且只有一景单时相(质量7分)的TM数据,在微机上以计算机分类对遵义地区进行森林资源遥感图像分类。通过研究波段的选择、样地参数测算、图像的光谱特征、训练样地的选择和分类方法的选择,提出了可实际应用的技术方法,并全部由微机实现,得出了定量结果和分色图件。     

基于 TM 影像的土地覆盖分类比较研究

以云南省文山壮族苗族自治州麻栗坡县2005年T M影像为试验数据,利用最大似然分类（M LC ）、支持向量机（SVM ）以及随机森林（RF）3种分类方法进行了土地覆盖遥感分类研究。从分类精度、样本数量对分类器的影响、模型复杂度、分类速度等几个方面进行了比较分析。结果表明：随机森林分类法最优,而经典方法之一的最大似然分类法最稳定。所得出的结论对在类似的应用中如何选择合适的分类方法具有一定的参考价值。     

基于空间仿真的仙居县森林碳分布估算

以浙江省仙居县为研究区,基于2008年森林资源二类调查样地(清查样地)数据和 Landsat TM 影像,用序列高斯协同仿真方法模拟全县森林碳储量及其分布。在此基础上,用总体估计值一致性( OEC)、仿真变动系数均值( ACV)和相对均方根误差( RRMSE)指标分析仿真精度;用设置于清查样地周围的临时样地(验证样地)数据与 LandsatTM 数据进行森林碳序列高斯块协同仿真,分析清查样地的空间代表性和森林碳分布空间仿真的尺度上推方法。结果表明：仙居县2008年森林总碳储量仿真估计值为2667878 Mg,大部分分布在南部和北部山区,中部东西向条带状低海拔区域分布较少;区域碳密度仿真估计值为0～65.66 Mg·hm －2,无论是全部样地还是减少一半样地,仿真结果总体均值均在抽样估计置信区间以内;基于清查样地与基于加密的验证样地森林碳仿真结果表明30 m ×30 m水平样地位置碳密度相关系数达0.95,以清查样地为中心1 km ×1 km 块的碳密度相关系数为0.85,说明1 km ×1 km样地仍具有较好的代表性,块仿真效果满意;以(1－RRMSE)/n定义成本效益,则使用一半样地得到的成本效益优于使用全部样地的结果,用此指标有望找到满足给定精度的最经济的样地数量。     

生态公益林经营类型划分体系研究概述

通过回顾近年来国内外有关生态公益林经营类型划分体系研究,归纳总结了生态公益林经营类型体系研究的指导思想、划分原则、划分理论依据以及划分方法,指出了以往研究存在的不足之处,并根据生态公益林经营类型研究现状和发展趋势,提出了今后研究应重点关注的几个方面。     

基于3S技术的天保区植被变化监测方法研究

以甘肃省清水县天然林保护区植被时空变化为研究对象,以2期Landsat TM遥感影像为主要信息源,以植被面积和植被覆盖度为监测指标,采用最大似然方法进行监督分类获得土地利用分类图和植被面积,采用NDVI像元二分法获得植被覆盖度图。利用空间分析和统计分析方法将土地利用分类图和植被覆盖度图进行空间叠加分析,揭示研究区1996—2004年间土地利用和植被覆盖度的数量变化和空间变化特征,并对天保区与非天保区以及不同天保区内部的差异进行对比分析。研究结果表明：1996年—2004年间甘肃省清水县天然林保护区森林面积和植被覆盖度得到了明显改善,且天保区优于非天保区; 不同类型天保区植被变化状况有差异,3种类型天然林保护区中以重点生态保护区植被改善状况最为显著。     

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)。     

地理信息系统支持下的森林分类区划界定

以武冈林场2003年森林资源调查资料为数据源,结合武冈林场的地形地势与区位特征,利用ArcInfo强大的空间分析与数据管理功能,按照森林的功能类型及森林区划技术标准,将武冈林场的森林资源划分为商品林和生态公益林2个类型,在此基础上,二级区划分为4个林种,三级区划分为9个林种;其次按公益林事权等级,划分了国家级公益林3 966.1 hm2、省级1 003.0 hm2、市级342.8 hm2.实现了森林分类区划界定的自动化、可视化及图形化;为森林分类经营提供了科学依据.     

基于TM数据的森林植物碳储量估测方法研究

以广东省第六次森林资源连续清查样地数据为基础，根据TM数据及其非线性组合的光谱信息，结合地学信息及林分信息，建立了森林植物碳储量估测的多元线性回归方程及神经网络模型。分析结果表明，神经网络模型的估测精度高于回归模型估测精度，但用它们估测落实到样地的森林植物碳储量误差仍然较大，还不能满足样地调查精度的要求。     

面向对象遥感图像森林分类研究进展

介绍面向对象森林分类的背景,综述森林分类的理论和方法,概述面向对象遥感图像森林分类研究进展,分析其目前尚存在着影像自动识别困难、图像阴影去除困难、优势树种识别困难及分类精度偏低等问题,并展望了发展趋势。