竹林遥感信息提取方法比较研究

以TM多光谱遥感影像为数据源,应用erdas软件提供的非监督分类、最大似然分类和子象元分类3种方法,对中国竹乡福建省顺昌县典型地物进行了分类和精度评价,研究结果表明,3种方法总体精度分别为：69.67%,78.00%,82.67%;Kappa系数分别为：63.6%,73.6%,79.2%。子像元分类法的总体精度和竹林识别精度均高于其他两种传统的分类方法,其竹林用户分类精度达80%,是进行竹林信息提取较为理想的方法。     

基于TM数据耕地面积提取方法研究

粮食作物的播种面积、产量等信息是国家制定粮食政策和经济计划的重要依据。以昔阳县为研究区域,主要应用TM数据,结合研究区土地利用现状图,基于光谱信息,提取了耕地和非耕地信息,最后利用最大似然法监督分类得出耕地面积为29242.1 hm2,分类结果精度达到93.3%。     

基于U-Net 的甘蔗提取方法

【目的】基于深度学习的分类方法是使用高分辨率遥感影像快速提取作物种植空间信息的新方法。【方法】以云南省陇川县甘蔗种植园为研究区,收集空间分辨率为0.5 m的Google Earth开放影像进行数据预处理,建立样本数据集,构建U-Net神经网络模型,训练模型参数;使用U-Net模型提取甘蔗种植空间信息,通过地面样方数据验证甘蔗提取精度。【结果】(1)基于深度学习方法的甘蔗分类总体精度和Kappa系数分别为92.76%和0.848 0,面积总精度为94.41%;平坝区、丘陵区分类精度存在差异,总精度和Kappa系数分别为97.10%、0.922 1和88.42%、0.767 3;(2)受部分地物RGB影像特征与甘蔗相似的影响,分类结果存在错分现象。【结论】基于U-Net神经网络模型的方法可用于高分辨率影像的甘蔗提取,更准确的分类精度还有待进一步研究和验证。     

从TM遥感图像中提取最佳立地信息方法研究

在分析TM原始波段图像信息特征的基础上,提出了原始图像合成方案,即在可见光组(TM1、2、3),近红外波段(TM4)和中红外光组(TM5、7)中各取一波段合成图像,可获满意的效果。提取最佳立地信息的方法是:单波段直方图均衡化或线性扩展、多波段主成分变换。处理后的合成方案为:直方图均衡化的TM5、2和突出植被信息的第二主成分图像组成最佳方案。处理前后的合成方案相比,后者图像色彩鲜艳,色调明快,地物类型边界清晰,立地信息判读效果甚佳。     

基于知识规则的马尾松林遥感信息提取技术研究

由于遥感信息提取精度的限制,使得遥感技术在林业领域的应用受到了制约.为了提高林业遥感信息提取精度,该文对遥感信息提取的3个关键技术环节即训练样区的选取、分类特征波段的选择及分类器的训练进行了研究,建立了基于知识规则的信息提取方法和流程. 应用该方法,以浙江省富阳市为研究区,进行了马尾松林信息提取,精度达到了80.5%,比最大似然法提高了近20%. 实例研究表明,该信息提取方法较为有效,尤其是在树种信息提取方面具有一定的研究和应用潜力,同时也为浙江地区应用遥感技术研究虫害提供了一定的技术支持.      

基于BP神经网络的竹林遥感监测研究

竹林信息提取对利用遥感技术估算竹林碳储量至关重要,高精度地提取竹林信息将有利于降低碳储量估算误差。借助Matlab神经网络模块．采用BP神经网络（back propagation neural network）对ETM＋（enhanced themativ mapper plus）遥感影像提取竹林信息,得到了较高的精度,生产精度和用户精度分别为84．04％和98．75％;同时比较了Levenberg-Marquardt BP算法函数（Trainlm）、自适应学习率BP的梯度递减函数（Traingda）和梯度下降动量BP算法函数（Traingdm）等3种训练函数在分类中的差异。分析表明,Traingda算法函数分类精度最高,而Trainlm算法函数的训练时间最短。     

基于RapidEye数据的塔里木河上游天然胡杨林区典型地物遥感信息提取研究

胡杨是塔里木河流域荒漠河岸林的建群树种,在胡杨林区进行植被监测,对塔里木河流域生态环境恢复与重建有着极其重要的作用。本研究利用RapidEye影像及地面调查数据对研究区地物特征信息进行了提取,并分析了胡杨林区地物的光谱特征,结果如下:建立了胡杨林区主要地物(胡杨、柽柳、河流、沟渠、裸地、居民地和其它植被)的遥感解译标志,对典型地物在影像上能相互区分的原因进行了解释,同时提取了RapidEye波段的典型地物光谱曲线和面积信息,分析了植被空间分布的特点及规律。为塔里木河流域的植被监测提供一种新的监测手段。     

基于TM遥感信息和产量形成过程的水稻估产模型

基于遥感信息获取的瞬时性与广域性,结合水稻产量形成的生理生态过程及其与气候环境的相互关系,建立了较为简化的水稻估产模型。通过组件化的设计方法实现了遥感信息和估产模型的耦合,即利用抽穗期遥感影像反演的叶面积指数和生物量及时替换水稻估产模型对应参数变量,进而实现对水稻产量形成的估测。对模型检验的结果显示,水稻产量的预测值与实测值较为一致,预测水稻产量的RMSE为610.47 kg/hm2,表明利用水稻估产模型可以对不同年份、不同区域的水稻产量形成情况进行监测预报。     

荒漠化地区土地覆被光谱特征与遥感信息提取方法研究

为了提高地物识别的正确性,探讨荒漠化土地类型自动分类的有效途径,克服异物同谱和同物异谱现象。以陕西省榆林市榆阳区为例,利用Landsat 5卫星的TM数据,探讨了荒漠化土地覆盖信息的提取方法。在对不同土地覆被类型光谱特征进行系统分析的基础上,根据归一化指数(NDVI)和差值指数(TM5-TM4)及TM3、TM5、TM7波段的光谱值,提出了分层信息提取方案,利用该方案分步提取地表覆被信息。结果表明,此方法简单、实用,是地物遥感信息提取的有效途径。     

基于MODIS时间序列数据的竹林地上生物量估算

  目的  基于浙江省中分辨率成像光谱仪(MODIS)时间序列数据,对浙江省竹林地上生物量进行估算,为竹林碳汇遥感监测提供参考。  方法  以MODIS叶面积指数(LAI)、增强型植被指数(EVI)和比值指数(RVI)时间序列数据为变量,利用随机森林模型筛选变量,采用支持向量回归(SVR)模型估算研究区竹林地上生物量。  结果  随机森林模型共筛选出43个对竹林地上生物量影响最大的变量;基于43个变量,采用radial核函数构建的SVR模型预测能力最强,模型训练精度和测试精度分别为0.76和0.72,均方根误差分别为5.15和8.03 Mg·hm?2。浙江省全省竹林地上生物量均值为7.85 Mg·hm?2,总地上生物量为3.31×107 Mg;浙江省竹林地上生物量在各市具有明显的差异性,其中,湖州市、杭州市、金华市、绍兴市和宁波市的竹林地上生物量均值均大于全省均值,湖州市竹林地上生物量均值最大,为13.56 Mg·hm?2,舟山市地上生物量均值最小,为5.72 Mg·hm?2。  结论  耦合了MODIS LAI、EVI、RVI时间序列数据的SVR模型可实现浙江省竹林地上生物量较高精度的估算。图3表1参31     

基于Landsat TM数据的长白山西部NPP估算

[目的]对1999和2001年长白山西部NPP进行估算。[方法]基于Landsat TM数据,运用遥感模型,对长白山西部1999和2001年同一时相的植被进行NPP估算。[结果]1999年,长白山西部NPP最大值是134.408 3 t(DW)/(hm2·a),最小值是7.885 2t(DW)/(hm2·a);2001年,NPP最大值是86.372 3 t(DW)/(hm2·a),最小值是17.566 3 t(DW)/(hm2·a)。长白山西部NPP的最大值主要集中在图们市、延吉市、龙井市、和龙市山区。1999年的NPP分布范围明显比2001年大,同时,1999年的NPP值普遍比2001年高。[结论]大尺度陆地生态系统NPP的测定研究需要加强。     

基于TM遥感影像的南京市水体信息提取

以南京市TM遥感影像为例,利用HOT最优云监测变换方法对遥感影像进行薄云的去除,然后通过分析典型地物在不同波段的光谱特征,引入多波段组合（TM2＋TM3）/（TM4＋TM5）并辅以单波段（TM5）阈值的方法对南京市的水体信息进行了提取。     

利用Landsat 5 TM数据对南京土地覆盖分类的研究

为了更好地研究南京市人类活动与生态环境的相互作用,利用1988年7月5日和2006年5月4日两个时相的Landsat 5 TM遥感数据,基于ENVI软件平台,用相对配准校正方法将1988年的影像校正到2006年的影像水平上,对两期影像分别做最大似然分类,提取土地覆盖变化信息,并辅以地面调查,对其城镇变化进行动态监测并分析其扩展的原因.结果表明:1988 ～2006年南京市城镇面积增长的速度很快,城镇动态扩展表现为近郊城市化、远郊近郊化和农村郊区化;新增城镇用地主要是对耕地的侵占和对乡村用地的合并,并且挤压山体、林地和水体.与常规的地面测量与调查相比,利用Landsat 5 TM数据进行土地覆盖研究不仅缩短了研究周期,而且提高了精度.     

基于MODIS遥感数据的呼伦贝尔土地荒漠化信息提取

[目的]基于MODIS遥感数据,对呼伦贝尔地区土地荒漠化信息进行提取。[方法]基于空间分辨率为1 km的MODIS遥感数据,选取可以反映不同荒漠化特征的5个指标进行反演,并采用决策树分类方法对呼伦贝尔地区土地荒漠化信息进行提取。[结果]呼伦贝尔地区土地荒漠化面积为33 862 km2,占全区总面积的20.36%,且主要以沙质荒漠化为主;通过野外验证及高分辨率解译数据采点验证,此评价方法总体精度达89%以上。[结论]使用文中评价方法进行荒漠化监测,不仅能够对大尺度的荒漠化地区进行监测,而且具有较好的评价效果。     

基于MODIS遥感数据的呼伦贝尔土地荒漠化信息提取(英文)

[目的]基于MODIS遥感数据,对呼伦贝尔地区土地荒漠化信息进行提取。[方法]基于空间分辨率为1km的MODIS遥感数据,选取可以反映不同荒漠化特征的5个指标进行反演,并采用决策树分类方法对呼伦贝尔地区土地荒漠化信息进行提取。[结果]呼伦贝尔地区土地荒漠化面积为33862km2,占全区总面积的20.36%,且主要以沙质荒漠化为主;通过野外验证及高分辨率解译数据采点验证,此评价方法总体精度达89%以上。[结论]使用文中评价方法进行荒漠化监测,不仅能够对大尺度的荒漠化地区进行监测,而且具有较好的评价效果。     

基于多尺度分形特征的遥感影像水体信息提取研究

以密云水库为例,提出一种基于多尺度分形特征的ETM＋遥感影像提取水体信息的新方法。首先利用双层地毯法计算像元的分形信号,并对其进行水体信息特征分析;其次选用下分形第4尺度进行水体信息提取,利用水体指数提取结果进行精度评价,提取精度为98.12%。该方法可以快速有效地提取水体信息,为以后水体的相关研究提供参考方法。     

昆明市植被覆盖变化特征分析——基于Landsat遥感影像数据

以昆明市主城区及呈贡新区为研究区域,其于1992年Landsat 5 TM、2001年Landsat 7 ETM+、2014年Landsat 8遥感影像数据,运用归一化植被指数(NDVI)和植被覆盖度遥感定量模型,在ENVI 5.1、ArcGIS10.1软件的支持下,提取3个时相的植被覆盖度等级,定量分析了该地区的植被覆盖度变化情况.结果表明,昆明市主城区及呈贡新区植被覆盖等级以高植被覆盖为主;1992 ～ 2014年植被覆盖以高→中等、高→中高为主要转换类型;植被覆盖等级与环境、农业、城市建设政策息息相关.     

宜黄地区TM影像的毛竹提取模型研究

选取2000年9月23日的江西省宜黄地区TM影像作为研究区,通过对TM影像的6个波段进行分析,发现了毛竹与其他地物的光谱差异性。然后建立监督分类模板,对分类模板进行评价。根据地物样本反射值的不同,建立了一种毛竹自动提取模型。并且对自动提取的毛竹结果进行了评价,结果令人满意。