基于高空间分辨率影像的林业小班遥感区划系统设计与实现

小班区划是森林资源调查中最主要的任务。为了减少小班区划工作量,提高工作效率以及保证小班区划的一致性,从功能需求角度,设计了一种基于高空间分辨率遥感影像进行林业小班区划的系统,并对系统各部分功能进行较为详细的设计与说明。开发并实现了遥感数据处理、多尺度分割和面向对象分类等关键技术,借助该系统,可以实现基于高空间分辨率遥感影像进行林业小班边界的内业自动生成,小班区划精度符合林业实际生产需求。目前,该系统已在重庆和海南等地推广应用。图8表1参11     

基于高空间分辨率遥感影像的村庄绿化状况调查方法研究—— 以贵港市覃塘区山北乡为例

村庄绿化覆盖率是 《乡村振兴战略规划(2018—2022年)》 的一个主要指标.当前针对村庄绿化覆盖率调查的技术方法研究少,本文结合广西村庄绿化状况调查项目,以贵港市覃塘区山北乡为例,首次提出以村庄现有建筑物体为边界的村屯内部及其外围100m为调查范围,利用高空间分辨率卫星影像,通过面向对象的分割分类方法,快速提取调查...     

高空间分辨率遥感的单木树冠自动提取方法与应用

用高空间分辨率遥感影像对单木树冠进行自动提取和轮廓描绘,是获取森林信息的一种快速有效的方法。也是近年来林业遥感领域研究的热点。详细介绍了目前高分辨率遥感单木树冠信息自动提取的各种方法．包括局部最大值法、模板匹配法、谷地跟踪法、多尺度法、种子区域生长法、分水岭分割法、局部射线法．并对单木树冠提取在林业上的应用进行了探讨,最后结合国内外研究现状,对单木树冠自动提取的未来作了展望。参51     

基于遥感影像对嘉荫道路信息的提取

为了研究某一测区中地物的特征信息和应用,利用监督分类及其中的神经元网络算法,即BP算法,对算法原理进行阐述,同时对测区道路、土地、建筑等特征信息进行提取,并对提取出的信息进行分析。在测区中,道路网连接了测区各个区域,从而分析出测区的交通较为便利,测区各部分相互联系、测区城市较为集中、无人土地较多的结论,路网信息可以用于制作交通专题图,土地信息可以用于城市规划,建筑信息可以用于计算城市化程度。     

基于多源遥感影像的农作物分类提取

合成孔径雷达数据因其较强的纹理特征近年来被广泛应用于农作物分类的研究中.针对多光谱影像无法实现农作物的精确分类问题,本文选取鲁西南济宁市为研究区,融合了2020年4-9月的Sentinel-1 SAR数据和Sentinel-2多光谱数据作为数据源,提取光谱特征、纹理特征、双极化后向散射系数共52个特征变量,通过独立主成...     

一种应用于高分辨率遥感影像中道路提取的高效方法

道路自动提取是高效利用遥感信息的重要研究点。该研究提出了一种快速提取遥感影像中道路信息的方法,其成果可用于其他算法或辅助人工进行道路的精提取。方法将提取与矢量进行了集成,成果可以很好地与GIS进行集成。算法快速高效,所需参数少且遥感影像自身特性仅会产生轻微影响。     

基于高空间分辨率航空影像的宁波鄞州新城区城市景观格局分析

基于高空间分辨率航空影像,应用Arcgis,Fragstates软件平台,选取适合的景观格局指数定量分析浙江宁波鄞州新城区城市景观格局.结果表明:鄞州新城区景观格局主要有建筑等硬铺装地面、水域、公共绿地、生产防护绿地、农田及生态涵养绿地和道路等6种类型.建筑等硬铺装地面和道路为城市建设用地,占总面积的49.96％,破碎化最为严重;水网密集且均匀分布;道路连接性较好,形成较完整的道路体系;农田及生态涵养用地主要分布在鄞州大道以南的区域,面积较大,景观类型较为单一;公共绿地表现出较高的斑块密度和边缘密度,破碎化比较严重,景观类型复杂.各景观类型斑块大部分以小尺度斑块为主,总体比例达到71.01％.鄞州新城区景观组分较多且分布均匀,在城市化进程中形成了大量的均质景观.图1表5参.     

基于多源遥感影像的高后果区变化检测方法

近年来,随着城镇化进程的持续推进,部分管道的周边环境不断变化,相应管道的高后果区范围也随之发生变化,准确、高效地掌握环境变化数据以持续更新高后果区信息对管道企业的安全管理工作具有重要意义。由于短期内管道沿线具有自然地物变化较少、人工地物变化频率较高的特点,利用高分辨率正射影像与多光谱影像,提出一种基于多源遥感影像的高后果区变化检测方法。该方法在超像素分割基础上,以LBP-HOG融合特征和光谱梯度差方法对多源数据的变化信息进行提取。实验表明,此方法对管道周边人工地物的变化检测具有较高的准确性,可有效提高高后果区管理的工作效率。     

无人机可见光遥感影像的空间分辨率对毛竹立竹度识别精度的影响

为探究无人机可见光影像在毛竹立竹度提取方面的适用性,以福建省三明市永安市天宝岩国家级自然保护区毛竹林为研究对象,运用重采样的方式获取不同空间分辨率(0.25、0.50、0.75 m)下的可见光影像,利用面向对象多尺度分割确定各个分辨率下的最佳分割尺度,采用随机森林分类方法,对不同空间分辨率下立竹度提取精度进行了比较。结果表明：不同空间分辨率下分割尺度的选择不同,影像空间分辨率为0.25、0.50、0.75 m的最佳分割尺度分别为20、9和8,立竹度提取平均精度分别为80.97%、81.29%和77.82%,Kappa系数分别为0.806 0、0.863 3和0.817 1;图像空间分辨率为0.50 m时,总体分类精度和Kappa系数最高,因此,毛竹立竹度提取的适宜图像空间分辨率为0.5 m,最佳分割尺度为9。     

基于高空间分辨率卫星影像的新疆阿拉尔市棉花与枣树分类

【目的】 枣树和棉花是新疆地区的两大优势作物。利用高空间分辨率遥感影像对作物进行识别,更加快速、准确地获取枣树和棉花的种植面积及其分布区域,以利于相关部门政策的制定及农作物的精确管理。【方法】 本文以新疆阿拉尔市主要农作物为研究对象,运用基于像素与面向对象的遥感影像分类方法,通过比较光谱角制图（SAM）、支持向量机（SVM）、CART决策树（DTs）、随机森林（RF）这4种机器学习算法在高空间分辨率卫星影像分类中的作物识别精度,探究影像获取时期（2016-05-10、2016-09-07、2016-10-08）及面向对象的信息提取技术对作物分类精度的影响。【结果】 5月份影像（即棉花覆膜期影像）作物分类精度最高,10月份影像次之,9月份影像最差;与基于像素的作物分类方法相比,面向对象的作物分类方法可以使各时期的作物分类总体精度得到一定提高（除SAM之外）,各时期分类精度分别提高了4.83%、7.77%、7.22%,最高分类精度分别为93.52%（2016-05-10）、85.36%（2016-09-07）、88.88%（2016-10-08）,均实现了较好的作物分类效果。【结论】 5月份（棉花覆膜期）影像对棉花和枣树分类效果最好,该时期的棉花被地膜覆盖,且枣树表现出明显的植被光谱特性,两种作物生长早期呈现出差异化的光谱特征,因此棉花和枣树的遥感识别应在作物生长早期进行;面向对象的分类方法可以综合运用光谱、纹理及空间信息,特别是纹理信息的加入,可以取得比基于像素方法更高的分类精度,且提供一种高效提取田块边界的手段,对当地农田信息化管理具有重要应用价值。在棉花和枣树识别过程中,纹理特征的重要性高于光谱和空间特征,红光和绿光波段在所有波段中对棉花和枣树的识别贡献最大。     

面向对象的高分辨率影像耕地信息提取

[目的]高分辨率遥感影像是快速提取耕地信息的主要数据源.[方法]在对阿图什耕地特征分析基础上,运用面向对象的特征提取方法,利用高分辨影像QUICKBIRD,探讨光谱特征、空间特征、纹理特征、典型特征等在耕地信息提取中的最优参数选择及具体应用,分析、讨论该方法优势与缺陷.并与传统分类方法提取结果进行对比分析.[结果]总精度提高了27.06;,Kappa系数提高了0.413 6,避免了“椒盐”现象.[结论]面向对象提取信息的方法周期较短、精度较高.     

QuickBird卫星遥感数据在村屯规划中的应用

以望奎县通江镇正兰头村社会主义新农村建设总体规划为例,通过利用高分辨率卫星数据(QuickBird 0.61m)为数据源,采用人工目视解译与实地调绘相结合的方法调查土地利用现状,并进行村屯总体规划设计,及其QuickBird卫星数据在村屯规划应用中的精度验证.该研究方法可应用于城市规划、地形图更新等方面.     

基于高分辨率遥感影像的泰安市城市绿化现状分析

以山东省泰安市城市绿化为例,选用高分辨率遥感影像Quickbird,采用目视解译和计算机自动分类相结合的方法,结合城市绿地系统规划图,围绕城市公园绿地、生产绿地、居民区及单位附属绿地、道路附属绿地、其他绿地、水面等,提取泰安市建成区绿地信息并加以研究。经过统计分析,得出各类城市绿地的分布现状,并针对城市绿化存在问题给出一些建议,认为应加强公园绿地、居民区和单位附属绿地建设,提高道路绿化水平,推行立体绿化,增加生产绿地面积并且充分利用闲置土地。     

一种半自动高分辨率遥感图像屋脊线提取算法——以徐州市郊区为例

针对高分辨率遥感图像中具有人字形屋脊的一类建筑物的屋脊线提取问题,设计了一种半自动屋脊线提取方案:利用Gram-Schmit算法融合QuichBird多光谱图像与全色图像,利用决策树分类将原始图像分为屋顶向阳面、屋顶背影面和阴影3类,利用Canny边缘检测算法检测屋顶向阳面的边缘,再利用基于线基元的线段提取算法检测出屋顶向阳面边缘图中的所有直线段,最后利用屋脊线两侧的上下文信息对屋脊线进一步识别。实例应用结果表明,检测的屋脊线正确率达到94%,此方法提取屋脊线可操作性强、精度高。     

基于高分辨率影像的蔡家河流域人工林Crop Science单木提取与缺失检测

以北京市延庆区蔡家河流域人工林为研究对象,以蔡家河流域平原造林区的高分辨遥感影像为数据源,利用ENVI 5.4的Crop Science工具包分别对阔叶林和针叶试验林样区进行单木提取、缺失单木检测,并对研究结果进行精度评价和对比分析。结果表明：Crop Science对人工幼林进行单木提取效果较好,总体精度达到94%以上;缺失单木的识别受林木排列规整程度影响较大,排列越规整,提取效果越好。本研究探索了一种基于高分辨率遥感数据进行人工林地单木定位、计数及缺失单木查找的简便可行的方法,有利于林业管护人员快速获取高精度林木监测信息。     

基于遥感影像的粮棉作物自动提取技术研究

以TM遥感影像为数据源,根据研究区域粮棉作物的物候特征,研究并实践了运用监督分类和模型分类进行粮棉作物提取的方法,为农业布局规划和政府决策提供了依据。     

遥感图像分类中混合像元分解方法研究

总结了几种解决遥感图像分类中混合像元分解问题的方法,对各种方法的基本理论、应用条件和优缺点进行阐述,并对未来提高分类精度的前景进行展望,为遥感图像分类应用提供有价值的参考。     

遥感影像自动分类技术在作物提取中的应用

结合遥感在相关研究应用中的优势及特点,分析了自动分类技术在作物提取中的应用方法和思路,并讨论了该技术在作物提取工作中的应用前景。     

基于多时相GF-1遥感影像的作物分类提取

为了提高遥感影像数据对作物分类提取的精度,更多地反映作物的空间分布结构和物候差异,以黑龙江农垦赵光农场为研究对象,提出一种基于分区与决策树分层分类相结合的作物遥感分类方法,利用2014年高分一号卫星(GF-1)WFV遥感影像数据(4景)开展主要作物的识别分类提取。首先,结合实地调查与影像光谱特征信息的总体分布,将研究区分割成3个子区域(西南区、北部区和东南区);其次,基于多时相遥感影像序列,分析主要作物的反射光谱和植被指数的时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了赵光农场主要作物的空间种植信息。结果表明,2种分类方法的精度都很高,总体精度均在97.00%以上,Kappa系数均在0.900 0以上。分区分类更优于整幅图像非分区分类,总体精度达到98.10%,Kappa系数达到0.960 7;非分区分类总体精度为97.50%,Kappa系数为0.948 3。研究表明,基于分区与决策树分类法相结合的作物分类结果精度,明显优于不使用分区分类的结果。由分区与决策树分层相结合的分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。