黄土高原防护林区土地利用遥感分类方法研究*

利用陆地卫星５号ＴＭ数据，对位于黄土高原防护林区的山西省隰县进行了大面积（１４００ｋｍ２）的土地利用的计算机自动分类研究。提出了在地形破碎的黄土高原防护林区做遥感图像自动分类的方法和步骤，即把无监分类和有监分类有机结合的混合分类方法，提高了分类精度。本方法为在实践中有效地利用遥感数据提供了一条新途径。     

基于高空间分辨率遥感数据建立典型地物分类数据库

典型地物数据库是通过计算机自动分类来识别地物信息的。然而传统的以中低空间分辨率遥感数据建立的典型地物数据库由于同物异谱,同谱异物,单一指标信息等原因无法很好地区分相近目标。因此本文利用WorldView数据为典型地物影像建立数据库,可以加大遥感影像中的信息量,同时拟采用非监督分类、聚类分析的方法,以及多种指标信息对地物进行分类(如纹理信息、光谱信息等),可显著地提高识别精度,有助于更加快速、精确的识别地物类型,从而实现对地物的分类,增强遥感图像的识别,提高最终的地物分类精度以及此实验的分类效率与工作效率的提高,有着十分重要的现实意义。     

山东省卫星遥感影像森林资源分布图的试制

该项研究使用PC计算机,对山东省陆地14景美国陆地卫星ETM^ 影像进行了数字镶嵌,并进行了林地计算机自动分类的尝试,制作出了山东省卫星遥感影像森林资源分布图。     

电子计算机对林地进行无监督自动分类的试验初报

<正> 一、引言利用陆地卫星数据通过电子计算机进行自动识别分类的判读技术,也称为数字图象分析。这种方法由于能够直接地利用卫星扫描器记录在电子计算机兼容磁带上的数据,从而充分地发掘了遥感信息的潜在能力。此外,使用     

利用卫星多光谱扫描资料进行森林资源调查应用的研究——乔山林区利用计算机分析陆地卫星数据分类系统的探讨

应用航天遥感技术进行森林资源调查的首要任务,是在遥感图象上对地物进行认识和分类,而选择最佳分类系统可以提高分类效率和精度。因此,选择分类系统这一环节,在整个遥感应用中占有重要的位置。一、信息源的预处理信息源的预处理,是利用中国林业科学研究院 FELIXC-512计算机,以及用于森林资源调查的卫星数字图象计算机处理软件系统——CAFIPS(原名 PDCS 系统),在陆地卫星(LANDSAT—2、1978年8月1日、137—35幅)计算机兼容磁带(MSS     

利用航天遥感资料进行森林资源调查的研究

本文着重阐述了研究应用陆地卫星 MSS 数据进行森林调查的技术流程,评价调查精度并比较外业工作量和生产成本。实验研究表明,利用陆地卫星多光谱扫描数据的计算机分析,可以计算林区各类土地面积和森林蓄积量,绘制森林分布图和蓄积量分布图。同时具有效率高、成本低和节省地面工作量的优点。在我国北方林区,特别是交通不便、尚未开发的林区有应用潜力。     

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。     

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。     

快鸟数据在退耕还林中应用方法的研究

利用高分辨率快鸟数据对退耕地进行监测,依据规划图,在GIS系统中,进行逐个图班的退耕地块检查,获取退耕地块的面积,地块类型,未造林面积等数据。识别退耕地的新造幼龄林,用NDVI的植被增强方法对退耕地进行增强,以提高幼龄林的识别率。最后用基于ISODATA判定规则的非监督分类方法对退耕地进行分类,得到试验区各地类的面积及所占百分比。分类结果表明,地垄的边界,树冠,树坑等地物信息均能提取出来。     

木材树种计算机视觉识别技术发展与应用

我国是全球林产品生产、贸易和消费第一大国,因此受到国际社会的广泛关注。在木材和木制品贸易流通环节经常出现以假乱真、以次充好的现象,为国际履约执法和林产品产业监管带来严峻挑战。基于木材解剖的传统木材树种识别方法,一般只能识别木材到"属"或"类"。近年来发展的DNA条形码、近红外光谱等木材树种识别新技术虽然可以实现木材"种"的识别,但难以在口岸、现场等多场景下对大批量样本进行自动精准识别。随着计算机技术的快速发展,计算机视觉识别技术可以从不同类别图像中提取关键特征,从而对图像进行分类,为木材树种分类带来新的途径。笔者首先介绍了基于图像采集、特征提取和树种分类的传统木材树种计算机视觉识别技术研究概况,然后从图像数据集构建、模型构建训练与测试以及系统开发等应用等方面介绍了基于深度学习的木材树种计算机视觉识别技术研究应用现状,并结合国内外研究进展对基于深度学习的计算机视觉识别技术在木材树种识别领域的应用进行了展望和提出建议,以期为木材树种自动精准识别研究提供新的思路。     

利用卫星遥感数据自动编制森林分布图

<正> 一、引言自从1972年资源卫星(陆地卫星)首次发射以来,首先试验了利用目视判读,手工编制森林分布图。其中包括黑白影象地图和光学彩色合成影象地图。相继又进行计算机数字图象处理,使分类精度、制图质量都有相应的提高。但是计算机处理,早期的试验其适用程度仍是不够理想的。随着不断地探索,在许多方面都     

东洞庭湖湿地遥感动态监测研究

应用陆地卫星TM资料和遥感图像处理Erdas8.7软件,以监督分类、人机交互等方法提取东洞庭湖湿地各种类土地类型的面积及分布信息.采用图像复合分类监测、分类结果叠加监测和信息复合人机交互目视提取等方法研究了东洞庭湖1987-2004年湖区各种覆被类型的面积及其空间分布的动态变化.结果显示,1987-2004年东洞庭湖湿地在人工和自然状态下的植被演替和泥沙沉积的影响下湖面不断萎缩,引起区域性不同程度的湿地退化.     

基于MERSI数据的山西森林覆盖监测

利用FY3-3A/MERSI可见光和近红外波段数据合成得到假彩色卫星数字图像,结合区域土地利用、植被类型及森林资源分布等数字化图件,在对图像进行目视解译及多波段数据非监督分类基础上,将地物覆盖划分为林地、冬小麦、水体和裸地4种类型;采用4种监督分类方法(最大似然分类法、平行算法、最小距离法和马氏距离法)进行地物分类;在分析分类结果可行基础上,依据区域森林覆盖数字化图件对林地分类结果进行精度评估,确定研究区域林地空间分布结果.结果表明:4种监督分类方法中,最大似然分类法分类结果的精度最高,达到85%,其次是最小距离和马氏距离法,平行算法的结果较差.可见,利用MERSI数据采用监督分类和非监督分类相结合的方法提取的山西省森林资源分布结果精度较高,符合实际情况,可作为区域宏观森林资源分布监测的有效手段.     

遥感数据在可更新资源样地调查中的应用

<正> 一、引言现代遥感技术与并行发展的数字计算技术的结合,为地球资源制图与评价提供了许多新的可能性。例如有效的陆地卫星数据,使大面积土地制图在时间花费和方法上得以革新。微机既可以通过分析气象卫星数据对大面积农作物进行现状评价,也可以借助于陆地卫星或数据数字地图资料进行土地利用的局部分析。     

海南岛湿地遥感编图研究

TM数据在土地资源调查和分类工作中具有相当的适用性,但由于其有限的光谱解析和几何分辨率．使普遍存在的“同物异谱”和“同谱异物”问题常常难以获得令人满意的解决。加之自然界复杂的地形、地貌与地质体,常常造成分类结果的精度大打折扣。譬如说水体,它包括海洋、湖泊、河流、水库,海洋又包括不同程度的深海,浅海和不同水色的海,湖泊又包括淡水湖．咸水湖、季节湖、泻湖等等．而常用的计算机监督分类或非监督分类则不可能分出如此众多的种类来。因而传统的目视解译仍然是遥感工作中最基础．最根本的方法之一．至少目前TM数据的解析能力和计算机软件,还不能代替这一原始的传统的而且是较为精确的方法。现就常用计算机遥感分类条件下,辅助于地理、地质及植物物候特征等大量目视解译工作对海南岛湿地资源调查和分类进行一次尝试。     

一种新的针叶材自动识别方法

提出通过横切面显微图像对针叶材树种进行计算机识别的方法。该方法通过提取图像的PCA特征,生成特征树,然后采用SVM对样本进行分类。使用8种针叶材,每种12个样本,并采用留一交叉验证,对图像的分割方法、最近邻与SVM分类算法和不同范数距离下的识别效果进行试验。结果表明通过部分木材微观的纹理结构进行木材识别的可能性。     

基于ALOS数据的遥感植被分类研究

以广西平南县的植被覆盖为研究对象,以ALOS为遥感数据源,并对其进行了数据处理,运用信息量、相关系数及OIF方法,分析数据的波段特征;采用决策树分类算法,根据各种植被光谱特征建立知识库,提出基于光谱信息的植被分类方法,并将其与传统的监督分类方法进行了比较。结果表明:基于光谱特征的植被遥感信息提取方法分类总体精度显著提高,Kappa系数达到0.877;采用Landsat—5 TM遥感影像对该方法进行推广,分类总体精度为86.09%,Kappa系数为0.83。结果表明该分类方法能有效地对植被进行分类与识别,并对不同数据源的植被分类有一定的普适性,为实现植被的自动化提取提供了理论依据和方法。     

植被信息提取技术研究进展

植被信息提取是采用遥感技术实现植被的数字识别和动态监测,是遥感技术的重要应用之一。经过查阅相关文献,回顾了国内外对于植被信息提取的几种方法,对监督分类、面向对象分类、决策树分类、光谱角及光谱信息散度混合法、模糊数学分类、人工神经网络法和面向对象的最邻近分类等方法各自的优势和存在的问题进行了分析,展望了未来植被信息提取遥感技术,为未来提高植被信息精确识别提供新的研究思路。     

森林面积方法研究

本文通过对遥感图像的处理和光谱特征信息的分析,应用ETM 影像数据和地面调查数据,研究了遥感数据处理技术在植被信息提取中的应用,尝试对高山峡谷区的森林资源调查提出较为完善的计算机图像处理技术和自动分类方法。对道孚县台站林场和麻孜林场地类的分类结果表明:运用TM453波段融合能够达到较好的图像增强效果;运用无监督分类方法提取森林面积能达到较高的分类精度;NDVI比RVI更能突出植被信息和消除山体阴影的影响。     

增强林业活力,发展林业产业

一、科技是生产力,采用新技术新工艺就是解放生产力.革新林业调查技术,提高林业调查的质量和效率是当务之急.1972年美国发射了地球资源卫星(后改称为陆地卫星),世界各国相继采用了该卫星的图像,对图像进行目视或计算机解译,对图像中的森林进行区划分类和估测蓄积量,并绘制各种图面资料.从美国的许多学者对各个时期的营造林、森调和木材生产的总结性报导中可知美国已相当普遍的利用卫星遥感资料:1、1976、8 Darrel L.Williams总结了利用陆地卫星数据资料对南方松林进行分层.2、1979年美国宇航局和亨伯特大学利用陆地卫星资料进行森林区划和调查.3、1982年Hutchinson,1984年Satterwaite et Al,1985年Fox et Al,1990年Walsh et Al等人著