基于面向对象分类法的农田识别提取

【目的】利用中低分辨率遥感影像,精确获取县域尺度的农田分类结果,提供一定的方法参考。【方法】兹以中等分辨率的Landsat8 OLI遥感影像数据为数据源,采用面向对象的CART决策树分类法,对垫江县的农田进行了识别与提取,并与基于像元提取的最大似然法分类结果进行精度对比。【结果】(1)与最大似然分类法相比,CART决策树分类法的精度更高,总体精度和Kappa系数分别达到88.8%和0.85,对于旱地和水田的制图精度高达90%以上;(2)在分割尺度的确定上,使用eCognition软件中的ESP工具能快速的确定最优分割尺度,提升了效率和科学性;(3)县域尺度上,面向对象分类法对中等分辨率影像数据进行遥感提取也具有一定的适用性。【结论】基于Landsat8 OLI遥感数据的面向对象分类法能够实现县域尺度低成本高精度农田分类的需要,也为缓解精度和成本、空间分辨率和提取方法的矛盾提供了一定的参考。     

基于无人机LiDAR的天然林与人工林林隙提取

为研究主动遥感进行森林地物分类和林隙提取的效果,分别在天然林和人工林中比较了无人机激光雷达(Li DAR)数据的阈值法、逐像元法和面向对象法3种方法的分类精度和适用性。选取天然林(黑龙江省哈尔滨市帽儿山林场)和人工林(内蒙古自治区赤峰市旺业甸林场)两处试验区,应用阈值法、逐像元法和面向对象法3种方法,对两个试验区采集的无人机Li DAR数据进行林隙、非林隙、其他类型划分。研究结果表明,面向对象法在天然林和人工林试验区中的分类精度和Kappa系数均最高,天然林为82. 43%、0. 73,人工林为91. 74%、0. 88;逐像元法次之,天然林为76. 62%、0. 64,人工林为78. 68%、0. 68;阈值法的分类精度和Kappa系数差异较大,在天然林中的精度极低,为50. 54%、0. 27,人工林的精度较高,为79. 12%、0. 69。面向对象法和逐像元法在天然林和人工林普遍适用,均可以达到理想的分类精度和Kappa系数。阈值法在天然林的精度较低,更适合于人工林的分类,即林分高度趋于一致,且建筑、道路等其他类型干扰较少的区域。天然林的最佳分类方法为面向对象法,人工林的最佳分类方法为阈值法。     

基于LiDAR和DOM数据的薇甘菊自动识别与分布预测

薇甘菊攀援能力强,生长速度快,对生态环境和生物多样性造成了严重威胁。卫星遥感数据是薇甘菊识别和预测的主要数据源,但现有的数据存在分辨率低、过境时间长和云层遮挡等方面的局限性,对薇甘菊识别和预测的精度较低,为此,提出了一种结合机载激光数据(LiDAR)和航摄多光谱数据(DOM)的薇甘菊爆发区域自动识别及入侵概率预测方法。采用面向对象的多尺度分割方法对研究区内薇甘菊爆发点进行自动识别,并利用林场内冠层高度模型、植被覆盖度、坡度、坡向等数据,采用Logistic回归方法对薇甘菊入侵分布概率进行预测。结果表明：面向对象的多尺度分割方法能较好地提取研究区内薇甘菊爆发区域,识别精度较好,错分率为4.66%,漏检率为0.41%;Logistic回归模型对薇甘菊的入侵分布概率有较好的预测效果,准确率为88.46%。该方法可实现大范围内薇甘菊的精确识别及预测,可服务于薇甘菊的综合防控与监测,为薇甘菊的入侵监测提供有力支撑。     

基于无人机遥感的高潜水位采煤沉陷湿地植被分类

为了掌握采煤沉陷湿地植被的类别和空间分布,促进矿区土地利用、管理和修复,以山东省济宁市东滩煤矿3304工作面为研究区,以无人机多光谱影像为数据源,分别采用面向对象的分类方法和监督分类方法对研究区湿地植被进行分类。基于优选的面向对象尺度分割参数,确定分类规则后构建面向对象分类模型,对湿地植被进行分类,生成植被分布图。同时,利用野外获取的322个采样点进行精度验证。结果表明:与基于像元的监督分类方法相比,面向对象分类方法显著提高了影像分类精度。监督分类方法总体精度为44. 3%,Kappa系数为0. 4;面向对象分类方法总体精度达到84. 2%,Kappa系数为0. 8。该研究为采煤沉陷区湿地调查与开采沉陷影响下地表植被空间分布规律研究提供了方法与基础数据。     

最优分割尺度支持下高分遥感影像水土资源信息分类

为提升水土资源信息分类精度,以无人机航拍获取的高分辨率影像为实验对象,提出了最优分割尺度和决策树支持下的对象级影像分类方法。首先,根据影像内部的同质性和异质性,建立了分割质量函数,通过该函数获取了最优分割尺度;然后,提出了基于光谱信息和面积信息的最优分割尺度评价模型对分割结果进行评价;最后,引入决策树规则机制,完成了水土资源信息分类,并与最大似然法分类结果进行对比。研究结果表明:所建立的分割质量函数能准确获取最优分割尺度,有效避免了人工分割带来的主观性,所提方法分类总体精度为86.78%,最大似然分类方法总体精度为77.59%,在分类精度上有较大提升。     

基于FNEA最优分割尺度下的塔里木河流域湿地提取研究

采用分形网络演变技术(FNEA)和eCognition处理平台,结合RapidEye高分辨率多光谱影像遥感影像,对新疆维吾尔自治区内塔里木河流域湿地提取进行研究。塔里木河流域影像覆盖面积较大,信息量丰富,本研究对影像数据进行主成分分析(PCA)处理,采用多尺度分割方法结合ESP分割尺度评价工具获取不同湿地类型最优分割尺度的参数。在FNEA分割结果上根据各湿地类型的光谱、纹理、空间关系分层分类,建立由易到难的分类规则集。结果证明,PCA可以去除影像冗余信息,其第一分量(PC1)与第二分量(PC2)均值可作为湿地提取的主要特征。基于FNEA的多尺度分类法可快速解决研究区内湿地分割尺度问题,准确完成信息的自动识别和提取,总体分类精度达到了87.7%,Kappa系数达到0.842。     

黄土丘陵沟壑区遥感影像信息面向对象分类方法提取

探索了基于面向对象分类方法提取黄土丘陵沟壑区高分辨率遥感影像土地信息的途径。以燕沟典型小流域为例,基于ALOS的多光谱、全色立体影像并辅以数字高程模型DEM和NDVI数据,进行面向对象的多尺度分割,利用阈值逐次提取与该区生态系统恢复、农业生产和生活实际密切相关的灌丛、林地、草地、耕地、果园、居住地和水体共7种土地利用类型,得到的分类精度为77.73%。     

基于多源遥感数据的输电线走廊树种分类

针对目前树冠提取中受背景影响和易出现过度分割的问题,首先,采用可见光差异植被指数和双边滤波对传统的单木树冠分割方法进行了改进;然后,以单木树冠为对象提取多维特征,并利用XGBoost算法进行特征重要性排序和特征选择;最后,使用随机森林、支持向量机、人工神经网络3种非参数分类器,设计了12种分类方案,进行了单木树种分类和精度评价。结果表明,改进的单木分割方法可以有效提高树冠提取精度,得到的树冠分割精度在80%以上;将Li DAR数据和航空正射影像相结合,采用XGBoost算法进行特征选择后,使用ANN分类器的分类方案精度最高,总体精度为86.19%,说明多源数据协同作用和特征选择可以提高树种分类精度,在单木尺度上ANN分类器对现有树种类型的分类能力最强。     

基于Sentinel-2影像的三亚西玳瑁岛珊瑚礁信息提取研究

本文基于Sentinel-2数据,以三亚珊瑚礁保护区的西玳瑁岛为研究区域,提出面向对象的珊瑚礁信息提取方法,通过大量实验得出西玳瑁岛珊瑚礁区域的最优分割尺度,并结合最近邻分类方法来对珊瑚礁信息的提取。结果表明,Sentinel-2数据对西玳瑁珊瑚礁信息起到很好的提取效果,珊瑚礁信息提取的总体精度达到了93.3,Kappa系数达到89.6%,为珊瑚礁信息提取提供方法,也为三亚珊瑚礁保护区的珊瑚礁监测和管理者提供数据支持。     

基于优化地貌特征和纹理信息的黄土高原沟缘线提取方法

沟缘线是黄土高原地区的典型特征线,其提取结果是构建地表空间分布式水土流失过程模型的基础。本文提出了基于优化地貌特征和纹理信息的面向对象沟缘线自动提取方法,即通过构建适宜的地形因子和纹理信息,利用地物的几何结构、地形纹理和相邻像元差异性的关系,采用面向对象多尺度分割技术,基于决策树分类的方法提取沟缘线。选取沟缘线发育典型的黄土高原地区,以1∶10 000的DEM为数据源,确定了最优的分割参数和分类特征。相对于人工识别的沟缘线,该方法提取的结果在4个像元缓冲范围内为90%,绝对误差均值为2～3个像元,最大误差为4～6个像元。通过与基于坡面形态特征及汇水过程特点的提取算法进行对比,可知该方法克服了传统从形态特征出发的自动提取结果出现大量噪声的缺陷,提高了沟缘线提取精度,位置准确性增强,为黄土高原大范围宏观地貌分异研究提供了有效的方法和途径。     

基于LiDAR数据与光谱影像融合的单木提取方法

针对现有的机载数据单木分割方法对林型的普适度不高,尤其在高郁闭度阔叶林地带提取精度偏低的问题,选用海南省海口市热带阔叶林地带的光谱影像和LiDAR数据,先采用基于距离阈值的单木分割方法,利用高分光谱影像分割得到的树冠边缘,对初始探测树顶点进行位置约束。获得单木顶点的精确定位后,采用基于种子点的单木分割方法分割,完成了阔叶林的单木提取。结果显示,与已有的基于单木间相对间距单木分割方法相比,本研究通过选取最佳分割尺度结合光谱影像进行精确定位,改善了原有单一尺度分割方法导致的过分割现象,将单木识别精确率由0.67提升至0.92。该方法在使用遥感对森林单木进行分割工作中,可以更好地识别单木,对不同林型适用度较高,可以为后续的单木信息提取工作提供数据基础。     

基于多目标遗传随机森林特征选择的面向对象湿地分类

以多时相Landsat8影像和SRTM DEM为数据源,对南瓮河流域进行了面向对象湿地分类。为削弱高维特征集对分类精度的影响,提出一种多目标遗传随机森林组合式特征选择算法(MOGARF)进行特征集优化。利用Relief F算法对完整特征集进行特征初选,再以基于随机森林的封装式多目标遗传算法进一步提取优化特征集。将所得特征集结合随机森林分类法提取湿地信息。并将结果分别与基于完整特征集和仅采用Relief F算法及Boruta算法提取的优化特征集的3种随机森林分类结果对比。试验结果表明,采用MOGARF算法特征选择后,特征维度降低至原来的10%,且分类精度最高,总体精度为92.61%,比其他分类方案提高0.35%~1.94%,Kappa系数为0.907 5,袋外误差为7.77%,比其他分类方案降低0.91%~1.48%。利用MOGARF特征选择的随机森林分类法是湿地分类的有效方法。     

基于LiDAR的亚热带次生林林窗对幼树更新影响分析

以湖南亚热带次生林为研究对象,利用多时相机载激光雷达(Light detection and ranging,Li DAR)和野外调查数据对林窗及幼树进行监测,分析比较林窗对幼树密度分布和树高生长变化的影响。结果表明,林窗大小和位置对幼树密度分布都有显著影响,喜光树种幼树主要集中在小林窗的中心区或大林窗的过渡区,在大林窗中密度最大(647株/hm2),耐荫树种幼树主要集中在林窗的边缘区,在中等林窗中密度最大(941株/hm~2)。林窗大小对幼树树高生长有显著影响,喜光树种和耐荫树种幼树分别在大林窗和中等林窗中树高生长量最大(69.3 cm/a、57.7 cm/a),喜光树种幼树在中心区的树高生长量明显大于其他位置,耐荫树种幼树的树高生长量在位置上的差异不显著。线性混合模型分析显示林窗大小是促进幼树树高生长的最主要因素,幼树树高生长变化在不同林窗中呈聚集性。从幼树密度树高生长情况来看,50~150 m~2林窗较适合促进亚热带次生林的群落演替。     

长白落叶松单木参数与生物量机载LiDAR估测

采用黑龙江长白山地区长白落叶松人工林LiDAR数据和野外调查补充样地数据,利用树冠高层模型和三维点云分割相结合的方法实现单木识别,选择逐步回归分析法进行单木参数和生物量估算。结果表明：机载LiDAR估测的长白落叶松单木参数与实测数据具有较好的相关性,单木树高、冠幅、胸径和地上生物量的R2分别为0.8732、0.6335、0.7903和0.7992;平均拟合精度分别为88.34%、83.46%、85.11%和86.19%;幼龄林、中龄林、近熟林和成熟林的单木平均生物量分别为25.12、94.08、117.74、279.33kg。     

LiDAR传感器及技术在农业场景的应用进展综述

农业传感器是实现农业现代化发展的关键支撑技术,先进成熟的工业传感器向农业领域拓展应用有效补充了农业传感器的体量。LiDAR传感器由于其较强的抗干扰能力,在复杂多变的农业场景中应用越来越广泛、深入。首先,介绍LiDAR传感器的性能特点,工作原理与分类,市场应用与新技术;然后,基于国内外大量相关研究,系统介绍LiDAR传感器及技术在森林参数测量、果树靶标几何特征探测、作物几何表型特征检测、农业车辆自主导航定位以及农药雾滴飘移检测这5个农业场景的应用进展;同时,针对农业场景中探测对象的特殊性,讨论分析LiDAR传感器及技术在上述5类农业场景应用中的发展趋势;最后,展望LiDAR新技术在农业场景应用中的发展方向,即通过集成自动化采集系统装备与数据智能分析方法进一步提升LiDAR数据精准性、全面性、丰富性和实时性。     

基于机载CCD和ALS伪波形数据的山区地表分类研究

为利用机载激光雷达(Airborne Li DAR scanning,ALS)、结合高空间分辨率影像进行土地利用分类,提出一种利用统计高程分布曲线生成的ALS伪波形,结合点云强度信息和CCD影像RGB 3波段数据对山区复杂地表进行分类的方法,并验证了该方法对山区复杂地形下典型地物的分类精度。通过安徽黄山地区研究区数据分类结果与相同区域基于光学图像的Globe Land30全球分类产品的对比,验证了该分类方法的可行性和适用性。利用伪波形结合强度信息和RGB信息生成的分类特征曲线,采用神经网络分类方法(ANN)将研究区内地物分为农田、森林、水体、村庄4类。结果表明,研究区分类总体精度达到95. 22%,Kappa系数0. 919 2,较同一区域、同等分辨率的光学数据分类产品(总体精度79. 56%,Kappa系数0. 661 8)精度显著提高。