应用面向对象结合多时相哨兵-2A影像特征优选的毛竹林分布信息提取

提出一种面向对象及随机森林特征优选的分类方法,为毛竹林分布信息提取提供参考。依据多时相哨兵-2A(Sentinel-2A)卫星数据提取光谱特征、植被指数及红边植被指数特征、纹理特征共69个特征;设计8种特征组合方案,方案1～5为多时相方案,其中方案1——光谱特征波段;方案2——光谱特征波段+植被指数特征+红边植被指数特征;方案3——光谱特征波段+纹理特征;方案4——光谱特征波段+植被指数特征+红边植被指数特征+纹理特征;方案5——光谱特征波段+植被指数特征+红边植被指数特征+纹理特征+特征优选;方案6、7和8为3个单时相影像分类,将其分类结果与其他多时相方案进行对比。采用随机森林算法进行特征优选的毛竹林分布信息提取。结果表明：(1)多时相Sentinel-2A数据的短波红外波段特征、红边波段特征及红边植被指数特征在分类时重要性程度高,对毛竹林分布信息提取贡献度大;(2)使用随机森林面向对象的分类方法能够有效的减少“椒盐现象”;(3)所有特征参与并由随机森林算法特征优选的方案5对毛竹林的分布信息提取效果最佳,总体精度为85.94%,Kappa系数为0.785 2,表明随机森林算法能够进行...     

基于Sentinel-2A影像的县域冬小麦种植面积遥感监测

小麦种植面积遥感监测是小麦估产的基本要素,准确而及时地提取不同灌溉类型冬小麦种植面积及其空间分布信息可为冬小麦长势监测以及产量评估提供科学依据。以山西省闻喜县冬小麦为研究对象,以Sentinel-2A影像为基础数据源,选择主成分(PCA)、红边归一化植被指数(RENDVI)、纹理特征等3个特征变量,结合实地调查样本点,采用随机森林算法,提取冬小麦种植面积,并结合数字高程模型(DEM)提取雨养区和灌溉区冬小麦种植面积。结果表明,Sentinel-2A遥感数据适合作为县域尺度冬小麦监测的数据源;主成分分析、纹理特征和RENDVI的引入可以提高单时相遥感影像对县域冬小麦分类的识别能力;随机森林算法和数字高程模型结合可以实现雨养区和灌溉区冬小麦种植面积的提取。     

融合可见光无人机与哨兵2A影像的森林火灾迹地精细化提取

以2020年4月昆明市宜良县马街镇兴隆村森林火灾为研究对象,基于无人机的R、G、B 3个波段与哨兵2A多光谱影像,分别采用格莱姆−施密特与主成分光谱锐化融合方法进行影像融合,应用6种定量评价指标分别对融合结果进行评估。基于融合影像采用随机森林算法实现对火场边界内的森林火灾迹地的提取,并与Sentinel−2A影像提取森林火灾迹地的精度进行比较;将2种影像提取的过火面积与鉴定人员通过实地调研、GPS坐标打点,并结合UAV影像手动矢量化森林火灾迹地面积进行对比分析。结果表明：UAV与Sentinel−2A融合影像与仅利用Sentinel−2A多光谱影像对森林火灾迹地提取的生产者精度分别为96.14%、95.18%,使用者精度分别为97.79%、96.57%,Kappa系数分别为0.83、0.76;融合影像与Sentinel−2A影像提取过火面积与统计面积相对误差分别为−3.5%、−6.2%。因此,利用可见光UAV与Sentinel−2A影像采用GS融合方法,基于RF算法可高精度、精细化提取森林火灾迹地,且边界细节效果刻画更加明显。本研究方法可大大提高林火司法鉴定效率,减少外业工作量及降低成本,使得矢量化更加精准,增加司法鉴定结果的科学性和客观性。     

基于多时相遥感影像的水稻种植信息提取

获取水稻种植信息对于指导水稻生产,监测作物生长及合理分配水资源具有重要意义。针对基于单时相影像提取水稻信息精度有限,以Sentinel-2A/B多时相影像为数据源,构建NDVI、EVI、NDWI和光谱特征4种时序特征数据集并设计6种试验方案,结合随机森林算法对水稻种植信息进行提取。结果表明,NDVI、EVI时序曲线可以较好反映出水稻生育期的物候特征,不同地类的光谱时序曲线和NDWI时序曲线可分离度较高,有利于提高分类精度;基于NDVI时序数据集的分类精度最低,基于光谱时序数据集的分类精度最高,总体精度达95.559 0%,Kappa系数为0.943 3,与基于NDVI的分类结果相比,总体精度、Kappa系数、水稻生产者精度和用户精度分别提高了3.530 4%、0.044 9、8.64%和3.36%,水稻与旱地的混分现象得到有效抑制。该研究为区域水稻种植信息精确提取在数据源选择、时序特征构建方面提供了一种新的思路和技术手段。     

基于Sentinel-2遥感影像的农作物分类与适宜性评价

农作物种植结构信息是作物长势监测和农业结构调整的重要参考依据,及时准确地通过土地分类和农作物适宜性评价获取农作物空间分布与适宜性种植信息对农业可持续发展意义重大.该文以河北张家口沽源县为研究对象,利用Sentinel-2多光谱数据提取的NDV,NDBI,NDWI,NDRE1,SR_re和CI_red-edge数据为特征,分别采用SVM支持向量机、决策树法、随机森林法对研究区内典型农作物进行精细化提取,探究主要作物空间分布情况,并通过对比kappa系数探讨不同方法对农作物分类的精度,选择最优分类方法.选取土壤性质、土壤侵蚀度、高程、坡度、坡向5个指标建立农作物适宜性评价体系,采用GIS层次分析法与土地适宜性分级指标对沽源县农作物适宜性进行评价.结果表明：基于随机森林分类法对研究区内8种主要农作物进行分类的精度最高,其总体准确率为65.10%, Kappa系数为0.587 1;研究区内主要农作物在空间上整体呈现出镶嵌结构;研究区内中度适宜种植当地主要农作物的用地面积最大,其次是适宜种植面积居中,不适宜种植地区的面积最小.     

多时相高分辨率遥感影像的森林可燃物分类和变化分析

目的本文针对国内外利用多时相高分辨率遥感影像进行森林可燃物分类研究匮乏的情况,探索高分辨率影像的分类方法,并研究多时相森林可燃物分类结果的差异,以及与海拔、坡度变化的关系。方法以鹫峰林场为研究区,针对鹫峰林场内植被状况及以往研究成果,主要依据植物群落、林型和燃烧特性划分可燃物类别,研究对比不同森林可燃物类型的光谱特征曲线,建立遥感图像与森林可燃物的联系。选用GF-1号5、8、10月的遥感影像为原始数据,利用EnMAP-box中的支持向量机(SVM)算法、随机森林(RF)以及基于CART的决策树分类方法进行森林可燃物分类,将可燃物类别最终划分为:针叶林、阔叶林、针阔混交林、灌木林和非林地5种类别,并分别对其特征进行描述,之后将最优分类方法应用到多时相的遥感影像中,并使用变化检测算法来确定非防火期(5—10月)森林可燃物类型之间土地面积的变化情况。同时,我们将数字高程模型(DEM)分为4类(1类(< 250 m)、2类(250~500 m)、3类((500~750 m)和4类(>750 m)),坡度分3类:缓坡(< 15°)、斜坡(15°~35°)、陡坡(>35°),并使用Jenks方法分别对海拔和坡度每个类别土地面积变化计算百分比,研究随着海拔和坡度变化,森林可燃物面积的变化规律。结果划分的5种森林可燃物类别的光谱特征具有很好区分性,SVM分类最为准确,取得惩罚参数(C)为1 000和核参数(g)为10使得SVM分类模型达到最优,其总体分类精度为91.88%,Kappa系数为0.89,精度相对RF和CART分别提高了2.72%和9.36%。非防火期内(5—11月)森林可燃物类型变化有一定的规律,针叶林、混交林属于中等稳定类别,没有显著变化,分别保持93.74%和94.87%不变。相比之下,阔叶林和灌木林发生了较大变化,分别发生14.64%和13.36%。随着海拔的增加和坡度的变化,森林可燃物类型土地面积也发生了变化,海拔500~750 m和坡度16°~35°的土地上面积变化最大,达到了20%以上。结论多时相高分辨率遥感影像的森林可燃物分类中,基于SVM分类方法能够将可燃物更好地分类,且随着时间、海拔和坡度的变化,森林可燃物面积的变化有一定的规律,5—10月阔叶林和灌木林在海拔500~750 m和坡度16°~35°变化最大。      

基于多时相遥感影像识别与分析高原主要农作物

本文基于归一化植被指数和决策树分类方法,借助多时相高分辨率遥感影像,利用青海省高原地区主要农作物的物候信息,结合地面调查和无人机测绘手段分析省内具有代表性意义的研究区的主要农作物。结果表明归一化植被指数和决策树分类方法对高原主要农作物的面积识别具有较好的可靠性。因此,基于多时相遥感影像数据分区域识别高原主要农作物,将有效解决高原地区因客观因素所造成的农作物面积提取的误差,为高原高海拔农作物面积识别与提取提供理论基础与技术指导。     

应用Sentinel-2A卫星遥感影像估测森林蓄积量

为了探讨应用Sentinel-2A遥感影像进行森林蓄积量估测的可行性,以内蒙古自治区某林业局的一类清查样地数据、二类调查小班数据、数字高程模型(DEM)以及林地数据为数据源,以遥感影像的波段灰度信息、比值波段及地形信息为自变量,采用k-近邻法(k-NN)、稳健估计及偏最小二乘估计等方法,分林型构建研究区域的森林蓄积量估测模型,从林业局、林场及小班尺度进行估测精度评价.结果表明:k-NN方法在林业局、林场和小班等3个尺度中的估测精度分别达到了97％、93.2％和83.6％,均表现出良好的估测效果;稳健估计法在3个尺度中的估测精度分别为89.3％、72.4％、69.3％;偏最小二估计法在3个尺度中的估测精度分别为85.7％、75.8％、71.7％.k-NN方法估测效果明显优于稳健估计方和偏最小二估计法,因此,Sentinel-2A遥感影像能够有效应用于森林蓄积量估测.     

多时相Landsat遥感影像相对辐射归一化方法的性能比较

多时相遥感影像的辐射归一化操作是进行土地覆盖变化检测和图像拼接之前不可缺少的步骤,本研究基于2013年7月10日和2016年3月28日覆盖南京的Landsat 8 OLI数据,以2016年影像作为参考影像,采用基于分布的直方图匹配法和顺序转换法,与基于像元的多元变化检测法和随机森林法对影像实施相对辐射归一化操作。采用信息熵、边缘强度、空间频率、峰值信噪比、交互信息量5个客观评价指标对不同相对辐射归一化方法的性能进行了评价。结果表明：4种归一化方法处理后通过目视能看出影像空间信息保留很完整,没有破坏地物的光谱特征,再结合5个评价分析比较得出顺序转化法的归一化效果最优。研究结论可为多时相遥感影像的协同利用提供参考。     

基于动态时间规整算法的时间序列遥感影像树种分类

时间序列影像能够反映植被的物候信息,有助于大幅度提高植被聚类精度,尤其对于单时相影像上生长特性相似的树种效果尤其明显。动态时间规整算法(DTW)能够解决不等长时间序列的匹配问题,且能够抵抗噪声造成的时间序列中出现的异常值,从而取得更好的相似特征匹配效果。基于6时间序列GF-1影像数据,分别采用DTW和欧式距离(ED)进行时间序列的相似性度量,然后将DTW距离和ED距离运用到K-Means算法中,完成对图像树种的聚类。结果表明:基于DTW-K Means的时间序列遥感影像分类方法能够适用于树种分类,总精度为92.21%,Kappa系数为0.90,均高于ED-K Means方法。     

基于高光谱影像的树种分类

应用环境与灾害监测预报小卫星(HJ-1A)的超光谱成像仪(HSI)高光谱影像,对大兴安岭地区塔河林区进行树种分类。HSI数据经过去条带和大气校正预处理,获取准确的树种光谱信息,分别采用波谱角填图法和线性波谱分离法进行树种分类。结果表明:在树种识别中,基于线性波谱分离的方法较基于波谱角填图法要优越,线性波谱分离方法的总体精度为72.0%,Kappa系数为0.600;波谱角填图法的总体精度为62.5%,Kappa系数为0.459。     

基于高光谱遥感数据的森林优势树种组识别1）

本文利用HJ－1A星HSI2级产品数据对大兴安岭塔河地区的森林优势树种组进行识别研究。通过对影像数据进行一阶微分变换、对数变换、对数变换后的导数变换、二阶微分变换、三阶微分变换以后,分别对原始数据和5种变换后数据进行MNF（最小噪声分离变换）变换。用SVM（支持向量机）分类器分别对6种数据监督分类后,进行精度的验证及评价。结果表明：影像数据经过5种变换后,分类总精度均高于未经变换的原始数据,精度提高幅度为1．5％～4．8％,二阶微分变换分类精度最高（精度为89．5％,Kappa系数为0．802）;二阶微分变换下的4个优势树种组各自的制图精度和用户精度均高于其他变换方法,平均精度分别为90．4％和90．7％,总平均精度为90．5％。     

吉林蛟河主要树种叶片光谱分类

运用实验室测量的阔叶红松林的叶片光谱数据,对吉林蛟河实验区的主要树种(红松、白桦、白牛槭、春榆、裂叶榆、蒙古栎、青楷槭、色木槭和紫椴等)的叶片进行分类研究。结果表明:实验室测量叶片光谱数据,针阔树种分类精度达到100%;所有树种分类精度为80%~100%。运用波段响应函数分别模拟多光谱传感器GEOEYE-1、RAPIDEYE和WORDVIEW2的光谱,可以有效区分针阔树种,分类精度为71.6%~100.0%;所有树种分类精度为47.3%~74.0%。     

运用Sentinel-2遥感影像数据估测森林蓄积量

针对传统森林资源调查工作量大、时效性低的问题,开发具有较好普适性的森林蓄积量估测模型,以期为森林资源管理决策提供科学依据.以淳安县、临海市为研究区,运用2017年研究区Sentinel-2遥感数据、森林资源二类调查数据和数字高程模型数据,采用最小绝对收缩和选择算子(Lasso)特征选择方法,构建K最近邻算法(K-NN)、梯度提升迭代决策树(GBDT)、极端梯度提升(XGBoost)、梯度增强集成分类器(CatBoost)4种模型和基于单模型的堆叠法(Stacking)融合模型,通过10折交叉验证法检验模型精度,分析特征变量对于模型性能指标的影响.结果 表明:(1)在淳安、临海两地的森林蓄积量估测中,CatBoost模型在4种单模型中综合表现最优,具有较好的普适性;(2)特征变量的加入极大提升了模型的决定系数(R2),且均方误差、平均绝对误差和平均百分比误差等性能指标也显著优化;(3)融合模型的平均百分比误差最低为20.24％,较单模型有所提升.Lasso特征选择方法结合Stacking融合模型可以准确地估测森林蓄积量,具有较强实用性.     

六盘山及其外缘区水源涵养林树种选择与培育调查

通过对宁夏六盘山自然保护区及外缘区水源涵养林营造情况、树种配置、生长状况等调查,总结了在造林树种选择与配置方面的成功经验,分析了存在的问题,并结合大六盘生态经济圈建设,提出在水源涵养林营造方面树种的选择重点及培育发展应采取的措施。     

长春市园林绿化树种的选择

通过对长春市不同绿地类型园林绿化树种的普查,结合长春市的气候、土壤等立地条件,并参考长春市园林绿化的历史资料,明确了长春市现已栽培的园林绿化树种为211种,其中常绿树17种,落叶树194种;乔木106种,灌木95种,藤本10种。确定了长春市园林绿化的基调树种和骨干树种,并提出了长春市可引栽的一些乡土树种。     

基于多时相 Sentinel-2 卫星数据的农作物分类研究

【目的】探究研究区农作物分类最佳时相;结合遥感指数探究一种有效的多时相分类方法,提取主要农作物种植分布情况。【方法】基于多时相Sentinel-2卫星数据,采用支持向量机的分类方法对不同时相进行分类,对比分类精度;融合时间序列的NDVI、MNDWI指数之后采用支持向量机的方法进行分类,之后分别利用MNDWI和CI指数结合决策树的分类方法提取水域和田埂。【结果】7月份的分类效果最好,总体精度达到91.05%,Kappa系数达到0.8518;通过时相数据不同组合的分类精度比较,采用3—10月NDVI数据叠加后分类的效果较好,总体精度达到92.25%,Kappa系数达到0.8736;对比3种不同分类方法,以支持向量机的分类结果精度最高,总体精度达到94.19%,Kappa系数达到0.9024。【结论】7月份是研究区农作物分类的最佳时相;多时相分类精度明显高于单景数据分类;结合多时相NDVI、MNDWI、CI 3种遥感指数进行分类可以有效提取研究区主要农作物的种植分布情况。     

新疆昌吉市主要园林绿化树种的调查、分析与评价

通过实地调查和资料查询等方法,得知昌吉市目前绿化树种有30科55属124种,对昌吉市园林树木生长类型的比例、生长势、来源、适应性、彩叶树种应用状况进行调查、分析和评价,并根据调查结果对昌吉市园林绿化树种的选择、规划提出合理建议。