基于遥感影像的大区域植被类型样本快速提取方法研究——以寒温带针叶林区域为例

[目的]利用遥感影像的宏观性,基于植被分类资料数据,依据实验区域遥感影像及衍生影像本身特点,实现大区域样本快速提取。[方法]实验参考1∶100万植被图、WESTDC中国土地覆盖图,结合实验区域2001年MODIS时序NDVI影像的非监督分类结果,利用矢、栅数据的空间特征,将实验影像非监督分类的类型信息关联为随机样点属性,依据该属性中包含的非监督分类类型数和各类型的样点比例,对比类别间样本可分离性指标、标准差变化,实现样本纯化。[结果]纯化后的植被样本与WESTDC中植被空间分布基本一致,主要植被类型空间分布精确程度为84.82%。将纯化前后的样本输入最大似然分类器,总体分类精度提高了32.52%。[结论]该采样方法适用于宏观大区域植被样本数据的快速提取。同时,节省了大区域植被类型调查消耗的人力物力资源和时间,提高了采样效率。     

基于证据理论组合多分类规则实现大区域植被遥感分类研究

[目的]利用遥感影像的时效性和宏观性特点,基于证据理论组合多分类规则的方法快速和高效地实现大区域植被遥感分类。[方法]首先,依据辨识框架的概念设计分类系统,并采用大区域样本快速采集方法提取训练样点;其次,将多个单分类规则得到的植被类型特征影像归一化处理为基本概率赋值作为表达对各类型信任程度的证据源数据,再将不同证据源的信任度信息依据证据理论组合;再次,将组合结果依据最大信任度原则确定植被类型;最后,在中国植被图与中国土地覆盖图的类型一致区域随机布点作为验证样本。[结果]各单分类器分类结果的总体精度范围为60%70%,两两规则组合分类结果的总体精度范围为70%80%,3个规则组合分类结果的总体精度达到80.84%。[结论]组合多分类规则的证据理论分类方法可以提高分类精度;参与组合的单分类器精度越高,相关证据源越多,组合分类结果精度越高。     

基于遥感影像的海岸线提取方法研究

岸线在现代海岸带管理方面有重要的作用,本文介绍了Canny算子以及对其做出改进的基于色差的自适应算子,并对两个算子的进行了比较,分析了Canny算子的缺陷以及基于色差的改进Canny自适应算子。     

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。     

基于区域生长的林区遥感图像分割方法

依据林区遥感图像的特点,利用区域生长法对高分辨率遥感图像进行分割。首先将图像看作多维矩阵结构,建立种子标记矩阵,以标记未处理的像素点作为种子,合并其周围连通像素;其次建立连续自动种子选取机制,遍历整个图像区域,将图像分割为若干区域;最后,采用最小欧氏距离方法合并较小的破碎区域,有效地解决了区域生长对种子点依赖性强,并且容易过度分割的问题。通过实地对比验证评价,分割效果较好。     

基于遥感影像的济南市植被覆盖度提取研究

指出了植被覆盖度是一个十分重要的生态气候参数,是植物群落覆盖地表状况的一个综合量化指标,研究植被覆盖度的估算及其变化,对生态系统环境变化起重要作用,也对水文、生态、全球变化等领域都具有重要意义。介绍了植被覆盖度遥感测量方法的基本理论、研究现状和发展趋势,以TM影像为数据源,利用ENVI 5.0遥感处理软件,结合地面调查数据,分析了济南市南部山区遥感影像的植被覆盖度估算结果,利用像元二分法进行了植被覆盖度的反演,为进行大面积植被覆盖度估算提供了一种有效的途径,且基本能够满足生态环境及气候变化研究的要求。     

遥感影像植被信息提取及自动区划判读方法研究

森林资源是国家重要的自然和战略资源,在维护国土生态安全中具有重要地位.但在森林督查和日常监管中发现非法使用林地和破坏森林资源等涉林违法犯罪问题屡屡发生,仅靠传统的人工目视解译方法,不仅效率低、耗时长、工作量巨大,且存在着人为漏判、误判等情况,为提高森林督查工作效率,有效减少人工差错等情况,提出了一种对于植被区域快速提取...     

面向对象的高分辨率遥感影像森林植被变化检测方法对比研究

利用面向对象分类技术,对同一区域同一数据源的高分辨率遥感影像采用了分类前比较及分类后处理两种变化检测方法进行对比分析,结果表明分类后处理的变化检测方法在现阶段的森林植被变化检测中具有较高的提取精度,可用于森林动态变化监测、自然灾害评估等工作。     

基于TM遥感影像图的鞍山市千山植被变化研究

以1993年、2001年和2006年的TM遥感影像图为信息源,基于NDVI和植被覆盖度定量模型,利用ENVI4．2、ARCGIS等软件获取了鞍山市千山风景区归一化植被指数差值变化图及覆盖度等级图,并进行了定量对比分析．结果表明：2001年与1993年相比,低覆盖与高覆盖面积均有增加,而中高覆盖地区其质量有所下降,局部生态退化．2006年与2001年相比,大部分地区高覆盖增加,质量上升,生态环境向良好方向发展．     

基于遥感影像的林地变化检测方法

森林督查是国家部署的保护森林资源的一项重要举措,但每年的判读工作需要消耗大量的人力.为提高工作效率和判读精度,尝试比较五种常见的变化检测算法,以探索利用遥感影像准确提取林地变化区域的方法.以广西壮族自治区梧州市木双镇为研究区,采用2018年和2019年两期高分二号遥感数据进行提取试验.结果表明:植被指数法、波段替换法、...     

基于卫星遥感数据空中抽样的大尺度森林资源动态监测

为监测大尺度宏观性森林资源动态变化,以SPOT5和ALOS高空间分辨率卫星遥感数据为源数据,辅以相关调查资料,在GIS支持下,采用空中抽样的方法,在遥感图像上布设样地,通过目视判读方法确定样地的土地类型、优势树种(组)等,据此计算森林面积和构造土地类型转移矩阵。根据历史调查资料分析得到森林类型单位面积蓄积量,并以此来计算各类林木蓄积量,从而实现研究区域森林面积、蓄积的动态监测。应用结果表明,在具备高空间分辨率遥感数据以及历史调查资料较丰富的情况下,该方法具有工作量小、精度高,且易于进行动态分析的特点,不但适用于大尺度宏观性森林资源监测,也适用于中尺度(如县级行政区域)的森林资源动态宏观监测。     

高光谱遥感森林叶面积指数估测方法研究

叶面积指数(LAI)是反映植物叶片数量、冠层结构变化、植物群落生命活力及其环境效应的重要参数,其定义为植株所有叶片单面面积总和与植株所占的土地面积的比值。文中总结国内外利用高光谱遥感数据估测森林叶面积指数的研究进展,并对众多的估测方法进行比较,最后分析了高光谱遥感森林叶面积指数估测研究的发展趋势。       

基于多源卫星遥感数据的森林过火区面积估算方法

森林火灾作为世界上主要自然灾害之一,严重危害森林资源,威胁人民生命财产安全,破坏自然生态环境。对森林火灾快速、准确的监测是十分重要的。森林过火面积是森林火灾最基本的描述因子,     

基于GIS的森林资源遥感调查方法研究

在试验研究的基础上 ,提出了在GIS支持下的遥感数据预处理 样地调查 前期调查信息叠合 -图象判读 -调查因子估测的技术路线 ,充分利用前期调查图面信息、小班属性数据信息进行遥感图象判读和小班调查因子估测的技术方法 ,有效地提高了判读的正判率和调查因子的估计精度 ,并产出了 1∶1万小班基本图 ,提高了调查成果的实用性     

基于遥感影像的森林资源变化检测研究

利用ENVI 5.3软件,对滇中某研究区域2015年森林资源二类调查影像和2018年森林资源监测影像进行预处理,按照统一的分类体系对两期影像进行面向对象图像分类,利用流程化动态监测工具实现变化检测.研究结果表明,面向对象的变化检测技术可以很好地区分光谱特征相似或相近的地表覆盖,一定程度上消除并克服了"同物异谱"、"同谱...     

基于遥感分层技术的平南县森林蓄积抽样调查方法研究

采用遥感数据辅助分层可解决分层抽样在大范围森林资源调查中分层面积不准确的缺点.以ALOS数据为基础,将平南县的森林资源分为A层（有林地、疏林地层）和B层（其它地类层）.在各层内机械预布设样地,比较预布样地缓冲区（角规控制检尺所能绕测到的最大范围）的SAVI值、DNN IR值及对明显地物的目视解译,确定各样地缓冲区的地类,A层样地数有578个,B层有978个.根据分层抽样各层所需样本数,在确定好地类的样地中,随机抽取各层所需样本数并调查其蓄积量.结果表明,抽样的估计精度为91.5%,全县森林蓄积量为5 900 186.7 m3.     

基于Landsat 8遥感数据的森林火灾过火面积估算

以贵州省毕节市赫章县2021年3月18日较大森林火灾为例,利用火灾前后Landsat 8遥感数据及ENVI遥感数据处理分析软件,通过图像预处理、计算归一化植被指数和燃烧面积指数等方法,提取森林火灾过火区域,计算过火面积。结果表明,利用Landsat 8数据能够较好地提取森林火灾过火区域,过火面积估算准确率达96.2%。     

高分辨率遥感图像均值调整法分割技术研究

遥感图像分割是将以像元为基础的图像转化为以对象为基础的过程,因此,遥感图像分割是遥感图像高级分析的基础.对于中、低分辨率遥感图像来说,单个像元的面积较大,且混合像元现象严重,图像分割会产生较大的误差.高分辨率遥感图像单个像元的面积较小,分割后图像上单个对象内含若干像元,便于分析和提取信息.以高分辨率遥感图像Q u ickB ird和IKONO S为研究对象,采用均值调整法对图像进行分割和精度检验.结果表明:采用均值调整法进行高分辨率遥感图像分割具有较好的效果,图像分割的速度和精度均较高.     

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。