基于Sentinel-2影像的火烧迹地快速提取方法比较研究

利用Sentinel卫星数据,特别是其中对植被敏感的红边波段与短红外波段,针对提取灾后火烧迹地研究不足的问题,选取四川省冕宁县4月20日森林火灾发生前后的Sentinel-2卫星数据,使用不同的提取方法探究识别火烧迹地的潜力,并进行对比研究。实验结果表明,决策树分类法识别火烧迹地的能力最好,提取精度最高,BAI指数次之;其余方法均受道路、房屋和裸体不同程度的影响;用红边波段替换可见光红波段的效果相比原有指数提取效果并无明显提升。研究证明在各类方法中,采用决策树分类法能快速高精度地将火烧迹地准确提取出来。     

基于Sentinel-2数据的塞罕坝机械林场落叶松人工林提取

塞罕坝机械林场是我国大型国有林场,落叶松是林场森林经营管理的主体,快速准确提取落叶松人工林分布对林场的经营和管理具有重要意义。基于传统单机模式下的遥感影像分类耗时长、效率低下,随着地理信息大数据、云计算时代的到来,Google Earth Engine(GEE)作为地理空间分析平台的先行者,为遥感影像分类带来新的机遇。基于GEE平台,使用Sentinel-2数据实现塞罕坝机械林场主要树种遥感影像分类。通过对塞罕坝机械林场2019年全年309景Sentinel-2影像数据预处理,计算比值植被指数、纹理特征、地形特征,并对各特征进行优选,构建多特征分类数据集。以此为基础,比较最小距离法、决策树和随机森林分类器下的分类精度。结果表明,GEE相较于单机影像分类模式具有显著的优势;最小距离、决策树和随机森林分类器下的分类精度分别为80%,83%和92%,随机森林分类器更适合复杂的遥感分类任务。     

基于机器学习森林生物量反演的哨兵数据精度对比

选取美国弗吉尼亚州东南部和北卡罗来纳州东北部的迪斯默尔沼泽作为研究区,基于Sentinel-1雷达数据和Sentinel-2光学数据,在对影像特征因子提取的基础上,采用随机森林构建生物量反演模型,对比分析了森林地上生物量反演精度。结果表明：基于Sentinel-2影像的随机森林模型的R²、RMSE分别为：0.707、39.521 t/hm²;基于Sentinel-1影像的随机森林模型R²、RMSE分别为：0.601、38.536 t/hm²。从整体来看,不同的变量参与到模型建模最终导致的精度各不相同,基于Sentinel-2影像建模的精度总体上高于基于Sentinel-1影像建模的精度。     

基于Sentinel-2B的油松冠层可燃物含水率反演研究

森林火灾的发生与植被冠层可燃物含水率的大小有着密切联系。利用高精度、大尺度、高效率的遥感影像反演获取植被冠层可燃物含水率对于有效防治森林火灾具有重要意义。油松由于其自身理化性质成为引发森林火灾的主要树种之一,以张家口崇礼区的油松为研究对象,基于Sentinel-2B遥感影像和油松含水率实测数据,建立了多个油松冠层可燃物含水率反演模型：一元线性回归模型、一元非线性回归模型和多元非线性回归模型,并利用决定系数(R²)和均方根误差(RMSE)进行模型精度评价。结果表明,非线性模型总体上要优于线性模型;通过多个自变量因子建立的多元非线性模型能够更好地反映油松冠层可燃物含水率情况,模型反演精度更高,可以为植被冠层可燃物含水率反演模型方法选择提供一定的理论依据。     

基于CART决策树方法的遥感影像分类

以云南省香格里拉县为研究区域,构建一种基于CART遥感影像的决策树分类方法.对遥感影像采用主成分提取、植被信息提取、纹理信息提取等方法,并结合试验区主要地物类型训练样本,采用Landsat 5 TM影像数据、DEM数据以及遥感处理软件ENVI为平台进行影像分类,并将结果与最大似然分类结果作比较.结果表明,基于CART遥感影像决策树分类精度优于最大似然分类,有较好的分类效果.     

基于U-Net模型的多时相Sentinel-2A/B影像林分类型分类

目的 基于多时相Sentinel-2A/B影像,探究深度学习模型在森林植被上的分类效果。 方法 以黑龙江省孟家岗林场为研究区,以多时相Sentinel-2A/B影像、数字高程模型（DEM）为数据源,通过各森林类别的JM距离,确定最佳单一时相。同时,构建多时相植被指数及红边指数特征（DVI、mNDVI、CIred-edge、NDre1）。采用支持向量机和优化的U-Net模型分别对单一时相 + DEM和单一时相 + DEM + 多时相植被指数两种方案进行分类实验。 结果 （1）在单一时相 + DEM基础上,加入多时相植被指数后,U-Net模型精度为77.87%,比单一时相 + DEM精度高6.67%;（2）U-Net模型的总体精度明显优于支持向量机,并且分类效果更好。同时,深度学习U-Net模型能够避免“椒盐”现象,分类结果更细腻。 结论 基于多时相Sentinel-2A/B影像,构建植被指数及红边指数时序特征,同时采用U-Net模型在一定程度上能够提高林分类型分类精度。     

基于多源遥感数据的森林蓄积量估测研究——以北方孟家岗林场为例

以北方孟家岗林场的落叶松人工林为研究对象,引入遥感技术作为一种更高效、适用于大区域的遥感监测方法,利用Sentinel-1和Sentinel-2遥感数据,提取光谱特征、纹理特征、植被指数和后向散射系数等特征指标,基于Pearson相关系数和距离相关系数这两种特征选择方式,结合KNN、SVR和RF等3种机器学习模型,开展了6种人工林蓄积量估测方案的对比。研究表明：遥感数据源对模型的估测精度影响最大;以单一Sentinel-1数据作为来源的模型估测精度最低,而基于Sentinel-1和Sentinel-2综合数据的估测模型精度最高,其中RF回归模型结合DC特征重要性评价方案获得了最佳的蓄积量估测结果,R_RMSE和R²分别为22.94%和0.59。利用特征选择的方式结合多源遥感数据可以有效提升模型精度和泛化能力,得到更优的人工林蓄积量估测结果,为森林资源的保护、管理和可持续利用提供科学依据。     

基于自动阈值决策树分类的桉树提取研究

在连年种植桉树的区域选取了不同龄期及其生长特性的样本点形成桉树样本集,并以Landsat 8为数据源进行样本集NDVI等8种指数的统计规律性分析,构建了一种基于指数分布规律性的自动阈值决策树分类方法,通过GEE平台将该方法应用于研究区的桉树林分类中,试验表明:1)2013—2019连年种植桉树样本集的多种指数变化具有明显的规律,各种指数每隔3年出现一次极小值,符合桉树的种植-砍伐周期性;2)与随机森林算法分类结果相比,自动阈值决策树的分类结果精度提高了约4%,平均分类总体精度达到0.88,平均kappa系数达到0.83;3)利用谷歌历史影像对自动阈值决策树分类结果进行验证,桉树分布区域重合率达到88.4%。以上结论均表明本文提出的自动阈值决策树分类法能有效实现桉树信息提取。     

一种改良的黑木耳多糖提取方法

探索一种黑木耳多糖提取方法。方法:采用黑木耳粉用不同的提取剂对黑木耳进行提取。经浸提、过滤浓缩及除蛋白,最后所得沉淀经硫酸-苯酸法证实均为黑木耳多糖。结果:用稀NaOH溶液作提取剂的多糖含量比蒸馏水作提取剂的多糖含量高。结论:采用稀碱液浸提后不但能节省时间而且能减少原材料及试剂的消耗,且提取的多糖含量高。     

基于决策树的高寒湿地类型遥感分类方法研究

以索加-曲麻河区域为例,探讨了三江源区域高寒湿地遥感分类方法。利用TM 影像数据和DEM及缨帽变换后的亮度、绿度、湿度,以及归一化水体指数(NDWI)等复合识别指标,构建决策树模型,对研究区不同地类进行区分。然后通过与传统的最大似然法监督分类所得到的结果进行对比,结果表明:利用基于指数的决策树分类方法对高寒湿地类型进行分类,较传统的最大似然法监督分类总体精度提高12.05%;总体kappa系数提高0.140 7; 对于河流、湖泊、沼泽、滩地等湿地类型,生产者精度和用户精度分别提高了6.06%, 6.25%; 0.12%, 3.13%; 6.99%, 25.00%;6.12%, 28.13%, 比监督分类均有明显的提高。证明基于指数的决策树分类方法是高寒区域湿地遥感分类的一种有效手段。     

基于案例推理的植被提取方法研究

针对基于案例推理在植被提取方面的研究较少的现状,为实现高分辨率遥感影像植被高精度提取,重点研究了基于案例推理的植被提取方法。详细阐述了基于案例推理系统的构成,重点论述了案例表示中的特征选择和案例检索过程中的相似度算法及特征属性权重优化方法。根据理论研究,成功开发了植被提取案例推理系统,并基于窗口匹配方法进行改进,植被提取精度可达到91%。结果表明：基于案例推理的植被提取方法可实现高分辨率遥感影像植被高精度提取。     

一种榛树DNA的快速提取方法

在CTAB法的基础上,以榛树休眠芽为材料,使用组织研磨棒快速研磨代替液氮研磨,使用极低毒性的PVP(聚乙烯吡咯烷酮)代替高毒的β-巯基乙醇,建立了适于榛树基因组DNA快新方法。经检测验证,该方法具有快速、低毒、准确的特点。     

一种适合杨树RNA提取的方法

本试验为三种杨树材料建立了一种杨树RNA提取的方法。本方法具有充分抑制材料中的多酚褐化,提高RNA产率;最大限度地去除多糖及次生代谢物质,避免与RNA共沉淀;去除蛋白质和DNA污染;提取时间短,质量高等特点。通过本方法提取的RNA OD260/OD280值在1.9~2.0之间,能够完全满足后续实验的要求,如体外翻译、cDNA文库构建、基因芯片和DDRT-PCR等。     

一种有效的蚜虫基因组DNA提取方法

蚜虫属于同翅目(Homoptera)蚜总科(Aphidoidea)和球蚜总科(Adelgoidea),世界上已知种类为4 000多种[1],我国已报道的种类1 000余种[2]。蚜虫大多数是害虫,它们刺吸植物汁液,直接影响植物生长,同时间接传播病毒病害,造成农业上的损失,如棉蚜(Aphis gossypiiG lover)、麦长管蚜(Macrosiphum avenae(Fabricius))等;少数种类如五倍子蚜(Schlechtendalia chinensis(Bell))是重要的资源昆虫,具有较高的经济价值[3]。蚜虫身体微小,形态变异大,生活习性复杂,并具有多型多态现象,研究它较为困难,尤其是在分类和鉴定、近缘种的识别等方面,传统的研…     

基于影像分割的树木特征点提取方法研究

树木处于复杂的自然环境中,加之其本身的不规则性,使得影响树木影像检测和识别质量的参数难以确定.采用一种基于集群聚类的方法对树木影像进行影像分割,在聚类中心的定义方式上不是简单地以各类的灰度重心作为聚类中心,而是采用了一种最大—最小距离法进行聚类中心的动态选择.在聚类过程中除了合并过程还加入了类别分裂处理,对每一次迭代过程中标准差最大的类别分裂成新类,并将新类中的像元重新加入到距离判别过程中,成功地将树木从背景影像中分离出来.在此基础上选择合适的特征提取算法,分别对原始影像和分割结果进行特征点的提取,对提取结果进行比较,得到了更好的特征点提取结果,为后续的树木影像匹配等研究工作提供可靠的数据基元.     

一种从榛子叶芽提取DNA的方法

以榛子叶芽为试材,用略有改进的CTAB法提取基因组RDNA。提取的DNA纯度和完整性都较好,电泳条带清晰,DNA无降解,OD260／OD280。值介于1．8-1．9,分子量接近23Kb,与叶片提取的DNA相比,RAPD扩增条带一致。该方法可以直接用于榛子RAPD分析中的DNA提取。     

苦楝素提取方法的比较研究

对比研究了从苦楝树皮中提取苦楝素的几种方法,通过实验,得出了不同提取方法的最佳条件。超临界CO2萃取在萃取温度45℃、压力20MPa、夹带剂为60%乙醇的情况下萃取2h,苦楝素的萃取率为0.850%;微波辅助提取法,以60%乙醇为溶剂,料液比为1∶9(g∶mL,下同),微波功率340W,辐射时间40s×3次,苦楝素的提取率为0.693%;超声波提取法,以60%乙醇为溶剂,料液比为1∶9,超声波作用时间为30min,超声波功率为200W,苦楝素的提取率为0.715%。将上述3种提取方法与传统的有机溶剂提取法进行详细的比较,结果表明:对于苦楝素提取,超声波提取法最好。     

一种快捷有效的提取树木RNA方法

通过无水乙醇对材料的预处理,在保证RNA基本质量的同时,在一定程度上降低成本、简化步骤和缩短时间,对于较难提取RNA的植物如红松、樟子松、黑皮油松和白桦等,该方法均具有较好效果。