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、...     

多源高分辨率卫星遥感影像监测林地动态变化研究

以内蒙古大兴安岭克一河林业局、吉文林业局林地动态变化监测为目标,应用多期国产高分辨率卫星遥感数据,辅以德国Rapid Eye、法国SPOT5和SPOT6、美国TM遥感影像;叠加占用征收林地资料、伐区作业设计、林木采伐许可证、林政案件资料、森林资源二类调查以及林地保护利用规划等专题数据资料。通过目视解译与提取识别,检测林地和林木的变化情况,结果表明:卫星遥感影像对林木采伐、占地、毁林开垦和森林灾害监测效果明显。     

基于高分辨率遥感影像的森林信息提取方法综述

传统的森林资源调查需要耗费大量的人力和物力。高分辨率遥感影像由于具有亚米级的空间分辨率,给森林类型的识别和森林数量因子的测量提供了可能。目前应用高分遥感影像提取森林信息的方法越来越多,通过文献调研,分析高分辨率数据在树高、树冠、树种、郁闭度、蓄积量参数方面的提取方法和存在的问题。对基于高分数据的森林信息提取方法及研究发展趋势进行了展望。     

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。     

基于卫星影像AI判读林草火灾变化图斑实现方法

林草火灾是损失严重的自然灾害,林草防火预警监测系统能有效地对林草火灾实施预警和监测,从而达到防范于未然,将火灾消灭在萌芽状态的目的。但对于监测预警系统（包括人工上报）未发现的火灾,其灾后的评估考核等工作均受到影响。某种意义上来说,预警监测不能完整而全面地反应火灾的真实数据。分析了工作案例,介绍了方法提出的背景,详细描述了基于卫星影像AI判读林草火灾变化图斑的实现方法及灾后分析的建议与思考,对林草火灾评估、趋势预判分析及预警监测有一定指导意义。     

基于高分辨率遥感影像的森林蓄积量估测

为了快速有效获取《综合开发利用项目》项目区的森林蓄积量,利用SPOT5和Rapid Eye高分辨率遥感影像,结合野外实地调查数据,采用最小二乘回归方法构建森林蓄积量遥感估测模型,估算柬埔寨王国上丁省特许地2012年的森林蓄积量。结果表明:1利用预留独立样本对模型进行精度验证,不分类型的模型的总体预测精度可达到99.37%,分类型的模型的总体预测精度分别可达到99.57%、97.30%、99.41%、96.84%、76.25%;2不分类型建模反演得到2012年研究区的森林总蓄积量为33197465.008 m3,各类型的森林蓄积量分别为16660360.382、7124988.801、5716238.005、4016470.930、186695.185 m3。结果表明利用高分辨率遥感影像快速估测区域森林蓄积量的可行性,也为合理规划和开发利用特许地的森林资源提供参考。     

基于高分辨率遥感影像多维度特征的树种识别方法研究

以北京市西山试验林场为研究区域,利用Worldview—2影像构建各树种的光谱特征、地形特征、植被指数特征、纹理特征以及形态特征,建立关于山地森林树种识别的知识。采用基于像元和面向对象的方法进行树种识别分类。在基于像元的分类方法中,选择决策树分类和支持向量机分类;在面向对象的分类方法中,选择基于边缘检测的方法分割影像,用最近邻法分类。决策树分类的总体分类精度为65.62%,Kappa系数为0.588 9;支持向量机分类的总体分类精度为62.42%,Kappa系数为0.552 8;面向对象的分类方法总体分类精度为64.27%,Kappa系数为0.580 2。     

高分辨率遥感影像森林覆盖变化检测研究

以天绘一号和资源一号两期遥感影像为研究对象,采用面向对象多尺度分割和基于特征值阈值的方法提取采伐迹地,将研究区分成采伐迹地和非采伐迹地两类,使用分类后比较法检测森林覆盖变化。结果表明:国产的天绘一号和资源一号遥感影像有较好的内部几何一致性,正射校正后的两期影像可以达到1个像元内的校准精度。遥感变化检测的面积精度和重合率与实际变化相比较,分别为93.1%和95.0%,该方法能较好地检测出森林覆盖变化,适合于县域森林资源年度更新。     

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。     

基于多核极限学习机的遥感影像林地信息提取

高光谱遥感影像包含了大量的波段信息,能够很好地应用于地物的识别。基于单核的高光谱遥感影像极限学习机分类模型,因其实施简单、分类精度高、训练时间短,已被广泛地应用于高光谱遥感影像识别。但是核特征的选取,以及单核特征表达的单一性,限制了模型分类精度的进一步提高。为了解决此问题,受多核极限学习机(MK-ELM)思想的启发,首先使用核方法,提取了遥感影像的多核特征表达;然后利用多核极限学习机理论,同时优化极限学习机结构参数以及多核特征融合系数,获得最优的分类模型。为了说明MK-ELM的有效性,在Indian pines数据集上做了对比实验,该实验证明基于多核极限学习机遥感影像分类模型的分类精度较单核极限学习机有明显地提高,MK-ELM的分类整体精度为80.2%,Kappa系数高达78%;同时将多核极限学习机应用到芷江林场的林地信息提取,其分类精度高达89.1%,Kappa系数达86%。     

基于ArcEngine的林地二类图斑自动编号研究

在森林资源二类调查内业工作中,获取林地图斑面采取了勾绘图斑界线,然后转换为图斑面,最后利用记录属性信息的点状数据对图斑面进行赋值的方法。针对这一流程,利用GIS技术,解决了图斑属性信息记录操作步骤繁多的难题,大大缩短工作步骤,提高了效率。在VB编程环境下,采用ArcEngine组件库,提出利用鼠标图上单击进行记录二类图斑属性信息的算法,通过后台计算自动对属性信息的实施编号。     

基于高景一号遥感影像的林地信息提取

【目的】及时、准确地掌握林地信息是森林经营管理的前提,高分辨率遥感影像为林地信息精细识别提供了可能。【方法】以当阳市玉泉乡为研究区,以国产卫星高景一号（SV-1）遥感影像为数据源,提取各波段光谱信息和植被指数作为分类特征,采用特征可分性、重要性及特征间冗余度分别构建了4种特征评价准则,基于支持向量机（SVM）分类器对研究区进行林地信息提取,结合森林资源二类调查结果进行精度验证。【结果】1）评价准则中,特征重要性优于可分性,特征可分性受高度相关的特征组合（如OSAVI和NDVI等）的影响会造成分类精度的下降。2）在特征重要性和可分性的基础上结合特征间冗余度能进一步提高分类精度并有效降低特征维数,特征维数由11维降至8维,特征可分性方法和特征重要性的分类精度分别提高了4.65%和4.58%;3）根据特征重要性结合冗余度选择RGVI、EVI、B1、B3、B2、DVI、RVI、Brightness 8个特征,建立SVM线性核分类模型可以达到最优分类效果,总体分类精度高达92.49%,Kappa系数为0.908 4。【结论】SV-1遥感影像由于其高空间分辨率在林地信息精细提取中具有可行性,本研究通过建立特征评价准则筛选分类特征能进一步挖掘分类器的泛化能力,为及时、准确地获取林地信息提供技术支撑,同时也为同等高分辨率遥感卫星数据处理提供了参考。     

国产高分辨率遥感影像融合方法比较与分析

GF-1,ZY-3和ZY1 02C三种国产卫星数据为研究对象,在分析单波段信息熵的基础上,运用联合熵,最佳指数和相关系数矩阵确定3种影像数据的最佳波段组合,选择具代表性的PC、Brovey、GS、IHS和MT变换融合等五种基于像素的融合方法对影像进行融合,分析融合前后影像联合熵以及融合后各影像波段的梯度变化。研究结果表明:(1)GF-1的最佳组合为Band1、Band3及Band4,ZY-3的最佳组合为Band2、Band3及Band4,ZY-1 02C数据的最佳波段组合为Band1、Band2及Band3;(2)融合后影像中Brovey变换融合的联合熵小于融合前,其余4种融合方法联合熵均大于融合前联合熵值;(3)GF-1、ZY-3和ZY 1 02C影像数据最佳融合方法分别为GS融合、PC融合以及IHS变换融合。     

高分辨率遥感影像在土地分类中的应用研究

为提高高分辨率遥感影像的分类精度,本文提出了一种GIS、RS与目视解译集成的分类技术。它从遥感影像和GIS矢量数据一体化的角度出发,充分利用了矢量数据的图斑边界和影像分割的信息,研究表明：无论在实验结果还是在分类的机理上都证明了这种GIS与RS集成分类技术的准确率超过了传统遥感影像分类的准确率。     

高分辨率遥感影像在土地分类中的应用研究

为提高高分辨率遥感影像的分类精度,本文提出了一种GIS、RS与目视解译集成的分类技术.它从遥感影像和GIS矢量数据一体化的角度出发,充分利用了矢量数据的图斑边界和影像分割的信息,通过经研究表明:无论在实验结果还是在分类的机理上都证明了,这种GIS与RS集成的分类技术的准确率超过了传统遥感影像分类的准确率.     

利用Contour let域纹理特征在高分辨率遥感影像上提取林地边界

遥感影像森林分类识别,是国家森林资源调查的重要技术支持[1].从遥感影像上准确地识别森林边界对于森林资源调查、林业规划等图件编制实现自动化和计算机化具有重要意义[2].     

基于高分辨率遥感影像与DSM的典型地物提取

高分辨率遥感影像和数字地表模型(DSM)结合的地物信息提取,虽可以区分异物同谱中存在高度差异的地物,但相同高度的地物在DSM数据可能会因海拔高度不同而存在明显差异,降低了地物提取精度。从DSM中提取出地物高度信息(nDSM),再以nDSM结合高分辨率光学影像进行地物提取。结果表明:仅以高分辨率光学影像为数据源的方法分类效果最差,结合DSM数据的方法居中,而结合nDSM的方法最优,说明在基于光学影像和DSM数据的地物提取中,采用去除地形因素的nDSM替代DSM可以有效提高分类精度。     

基于移动窗口Fourier变换的高分辨率遥感影像森林分类研究

以2008年4月获取的浙江省杭州市临安区东部区域分辨率为0.5 m的WorldView-1全色波段影像为数据源,在移动窗口基础上进行二维Fourier变换,构建纹理特征向量,采用不同的分类方法对森林进行分类,以寻找合适的移动窗口尺寸和分类方法。移动窗口按奇数从3×3增大到43×43,共21个不同尺寸的正方形窗口,每个边长窗口产生的纹理特征均采用Fisher判别法、随机森林、支持向量机、夹角余弦和相关系数进行分类,统计分类精度。以森林分类精度为依据,5种分类方法对应的最佳窗口依次为41×41,41×41,23×23,39×39和39×39;在最佳窗口下,5种分类方法区分森林与非森林的精度均在95%以上,总分类精度大小顺序为:Fisher判别法随机森林支持向量机相关系数夹角余弦,其中Fisher判别法总精度为99.81%,Kappa系数为0.996 3。在提取森林的基础上,进一步对森林树种(组)进行分类,总精度大小顺序为:Fisher判别法随机森林支持向量机相关系数夹角余弦,其中Fisher判别法总精度为84.86%,Kappa系数为0.8149。研究结果表明,最佳窗口下Fisher判别法的分类性能优于其他4种分类方法。     

利用Google影像辅助林地年度变更遥感判读的方法

分析现有影像及Google影像的特点,使用ArcGIS软件对Google影像进行数据处理,利用处理后的Google影像辅助林地年度变更遥感判读。