融合变换在紫茎泽兰监测中的应用研究

应用融合变换对四川西昌地区紫茎泽兰遥感图像ASTER数据进行处理,结果表明:对ASTER三种传感器生成的三种分辨率的影像数据进行Gram-Schmidt融合处理,可以将具有较高光谱分辨率的多光谱遥感波段的空间分辨率AK30m×30m提高到15 mx15 m,增加更多的地表地物组分信息,有助于识别各种不同地物类型,同时使同一地物的光谱信息变换前后保持不变,确保了后续图像分类的可靠性.应用ENVI中时融合后的图像进行马氏距离分类,分类结果总体精度为73.6983%,Kappa系数等于0.6936.     

融合变换在紫茎泽兰遥感监测中的应用研究

应用融合变换对四川西昌地区紫茎泽兰遥感图像ASTER数据进行处理,结果表明:对ASTER三种传感器生成的三种分辨率的影像数据进行Gram-Schmidt融合处理,可以将具有较高光谱分辨率的多光谱遥感波段的空间分辨率从30m×30m提高到15m×15m,增加更多的地表地物组分信息,有助于识别各种不同地物类型,同时使同一地物的光谱信息变换前后保持不变,确保了后续图像分类的可靠性。应用ENVI中对融合后的图像进行马氏距离分类,分类结果总体精度为73.6983%,Kappa系数等于0.6936。     

东北地理所在农作物种植结构信息智能提取方法研究中取得进展

精确的农作物种植结构信息对于评估和预测粮食产量及价格十分重要,精准农业和作物管理也需要高精度农作物种植结构信息.遥感技术已发展成为农作物种植结构信息提取的主要手段,高分遥感卫星进入商业化运作为农作物分布精细制图提供了机遇.然而,高分遥感影像上农作物光谱变异性大,传统遥感分类方法较难获取高精度的农作物种植结构信息,迫切需...     

融合变换在紫茎泽兰遥感监测中的应用研究

应用融合变换对四川西昌地区紫茎泽兰遥感图像ASTER数据进行处理，结果表明：对ASTER三种传感器生成的三种分辨率的影像数据进行Gram-schmidt融合处理，可以将具有较高光谱分辨率的多光谱遥感波段的空间分辨率从30m×30m提高到15m×15m，增加更多的地表地物组分信息，有助于识别各种不同地物类型，同时使同一地物的光谱信息变换前后保持不变，确保了后续图像分类的可靠性。应用ENVI中对融合后的图像进行马氏距离分类，分类结果总体精度为73．6983％，Kappa系数等于0．6936。     

基于多源遥感数据提高山地森林识别精度——以祁连山国家公园肃南县段为例

本研究旨在探索一种基于多源遥感数据的提高山地森林识别精度的方法。以祁连山国家公园肃南县段为实验区，结合ICESat/GLAS（geoscience laser altimeter system ）星载激光雷达数据、Landsat OLI影像、Google Earth高分辨率影像、DEM数据以及样地调查数据，综合利用各数据提供的垂直结构、光谱、季相和地形特征探索基于多源遥感数据的山地森林识别精度提升方法。结果表明：1）将经过地形校正后的GLAS数据提取的垂直结构信息与光谱信息结合能够提高山区复杂地形条件下森林范围识别的精度，相比仅依据光谱特征进行分类，依据光谱及垂直结构综合特征分类时其总体分类精度提高了10.67%。2）地形信息的加入能够尽量全面的考虑到不同地形特征上各森林类型的不同光谱特征，从而提升森林类型的识别精度，且就本研究区域而言，加入坡向信息比海拔信息更能够提高森林类型的分类精度。3）多源多时相遥感影像提供的季相特征能够对不同森林类型的分类提供帮助，而不同的波段组合对分类精度几乎没有影响。 研究对探索低成本、高时效、操作方便并具有一定精度保证的山地森林识别方法具有一定的借鉴意义。     

无人机RGB影像在高寒草地狼毒入侵监测及盖度估算中的应用

有毒植物入侵对草地生态系统和生物多样性的影响日益严重,无人机遥感为毒草防治提供了快速高效的监测方法。以青藏高原危害最严重的有毒植物狼毒为研究对象,探讨基于无人机影像的高精度狼毒遥感识别及盖度估算方法。在盛花期获取典型狼毒入侵草甸的无人机RGB正射影像,结合植被指数、色彩变换和纹理滤波方法提取狼毒识别特征,通过ReliefF-VIF/Pearson二次降维筛选出6项最优特征,基于RF、SVM和ANN三种机器学习算法构建狼毒识别模型。结果表明,与原始RGB波段相比,优选特征使狼毒识别精度有效提高4%～7%。三种分类方法的分类总精度和狼毒分类精度均大于81%,基于优选特征的RF和SVM模型的分类总精度和狼毒分类精度达到91%以上,狼毒识别效果最佳。随着统计单元的增大,利用无人机RGB影像分类结果估算狼毒盖度的精度明显下降但稳定性逐渐增加,斑块尺度50～60 cm是狼毒盖度估算的最优尺度。     

遥感影像变化检测方法研究

针对遥感卫星影像数据量大,计算时间长等特点,本文以特征库为辅助,研究长时间序列遥感卫星影像变化信息检测技术,设计并实现变化检测工艺流程及系统。在感兴趣区域类别特征(分类体系)的辅助下,对不同时相变化影像矢量化文件按不同地类进行分层叠加处理,实现变化信息矢量输出。     

土地资源调查中遥感影像的分类及识别技术的应用研究

随着时代经济的快速发展以及科学技术的日新月异,高科技计算机产品逐渐广泛应用于土地资源调查中,尤其是遥感技术的应用,其极高的分辨率以及提取数据的快捷性,在土地资源调查中有着至关重要的地位。本文首先概述了遥感影像的分类,对计算机遥感图像分类识别原理进行了主要说明,进而论述土地资源调查应用遥感影像的工作流程,最后基于实例探讨分析土地资源调查中遥感影像识别技术的应用。     

高分六号卫星相对辐射校正方法分析

高分六号卫星采用的是线阵扫描传感器,其成像过程中易受到相机光学空间响应不均匀、各探元响应不同等因素的影响,导致获取的遥感影像经常具有明显的条纹或带状辐射差异现象.针对由于高分六号卫星成像特点的所带来的辐射差异现象,论文采用了辐射定标与数学统计相结合的方法,并结合高分六号卫星CCD数据进行实验分析.实验得到高分六号影像相...     

高分一号卫星影像特征及其在草地监测中的应用

为评价高分一号卫星数据的草地监测能力,在分析传感器波段设置、辐射分辨率和光谱响应系数等特征的基础上,以草地为研究对象,提取草地分布信息,计算不同植被指数,结合地面同步观测的草地光谱、地上生物量、覆盖度和叶面积指数等实测数据,通过R²和均方根误差筛选并建立最优估算模型。结果表明:波段设置与部分常用传感器保持了较好的一致性;空间分辨率的提高,增强了地物类型的识别能力,辐射分辨率的提高,增强了数据的层次性;光谱响应系数较好的涵盖了不同草地类型的光谱曲线特征;叶面积指数和生物量的最佳估算模型均为基于比值植被指数的三次多项式模型,覆盖度最佳估算模型为基于归一化植被指数的幂函数模型,并得到了较好的制图效果。     

基于超平面构建的高光谱异常目标检测方法

高光谱遥感影像具有光谱分辨率高、图谱合一的特点,影像中的地物组成也多种多样,针对图像数据中目标出现概率较小、检测概率较低等问题,本文提出了基于超平面构建的高光谱数据目标异常检测方法。它通过对高光谱数据的结构分析,构建出高维空间中的背景超平面算子,以待测像元在其正交子空间的投影值来表征异常程度的大小。通过OMIS和AVIRIS实测数据验证,并与RX算法相比较,基于超平面构建的高光谱异常检测算法能够在多种背景环境下检测出纯度高、光谱差异大的异常像元,并具有较高的检测率和较低的虚警率,因此具备了有效性和较好的实用性。     

Coastal zone land use/cover information extraction method based on RS

本文以地处莱州湾东海岸的莱州市为研究区域,以TM影像为主要信息源,在分析各类地物分类效果的基础上,结合区域特点和地物光谱特征,综合利用两期典型季相的遥感图像,并针对每一种土地利用类型确定最佳信息提取影像,提出了基于光谱、地形等多种知识的分层信息提取方法.结果表明该方法分层目标明确,分类精度和计算效率都有明显提高,且在数据分析和解译方法上表现出更大的灵活性.     

基于SPOT-5卫星影像的灌区作物识别

高分辨率卫星影像是作物精确分类和评估的重要数据源,在农作物种植规划、估产等领域具有重要的应用价值。本研究利用分辨率为2.5 m的SPOT 5影像分析张掖市盈科灌区的作物分布状况,同时分别生成分辨率为10和30 m的影像,用于尺度验证。最终得到研究区作物分类图,所用方法主要有最小距离法、马氏距离、最大似然法、光谱角制图仪（SAM）和支持向量机（SVM）。Kappa系数分析表明,最大似然法和SVM的分类效果好于其它分类器,分别为0.871 9和0.862 5,但这两种方法的统计量无明显区别;分类图精度评价表明,基于最大似然法的分类图总体精度最高,为90.6%;随像元空间尺度的增加,分类精度未产生明显变化。研究结果表明,最大似然法和SVM技术可以与SPOT 5影像结合,用于作物类型识别和作物面积估算。     

基于多时相Sentinel-2A影像的狼毒分布识别

狼毒(Stellera chamaejasme)是近年来青藏高原高寒草地的主要入侵毒杂草之一,及时高效的调查与监测可为狼毒综合防控与退化草地恢复提供重要的技术支持。本研究选取花期前与盛花期的Sentinel-2A多光谱影像,将Google Earth Engine平台去云、环境要素掩膜、特征优选和随机森林分类相结合,探讨区域尺度的狼毒遥感识别方法。结果表明,通过狼毒敏感指数计算,以及Spearman秩相关性分析与随机森林重要性排序相结合的二次降维,提取了7项狼毒分类特征并构建了4个特征组合方案。与单时相特征组合相比,多时相特征组合有效提高了狼毒识别精度,其中,基于随机森林模型的6个特征组合方案的分类总精度为84.62%,狼毒分类精度均大于80%,识别效果最佳。本研究显示,影像去云及掩膜预处理能够有效减少分类干扰信息,花期前与盛花期提取的多时相特征组合增强了狼毒群落与其他群落的影像光谱差异,在区域尺度狼毒遥感识别中具有较好的应用潜力。     

伊犁绢蒿荒漠草地退化等级的高光谱识别方法

本研究以伊犁绢蒿(Seriphidium transiliense)荒漠草地为研究对象,基于环境卫星HSI高光谱影像和群落冠层光谱,采用光谱角填图法和光谱信息散度法对草地退化等级进行识别。结果表明:以实地采集的冠层反射光谱为指导的HSI高光谱影像识别精度较差;基于HSI高光谱影像的退化等级识别结果较好,总体分类精度在76%以上,适合对伊犁绢蒿荒漠草地退化等级识别。     

高分一号卫星数据在内蒙古草原遥感监测研究中的应用前景

内蒙古天然草地资源丰富,占全国草地面积的22%,目前草原遥感研究采用的数据在精度和效率上不能完全满足内蒙古自治区草原遥感研究与大面积应用需求。介绍了高分一号卫星数据长时效、高时空分辨率、大幅宽、高效能的特点,分析了其在草地分类,面积监测,生产力监测,牧草品质监测,病虫、鼠害监测及草地生态安全业务化监测体系研究中的应用前景。     

3S技术在有蹄类动物栖息地监测中的应用

3S技术是以遥感(RS)、地理信息系统(GIS)、全球定位系统(GPS)为基础,与其他高新技术有机地整合而形成一项新的有蹄类栖息地监测综合方法。全球定位系统(GPS)数据可以显著地提高RS识别地物的能力,为GIS提供数据源。应用地理信息系统(GIS)可以对有蹄类动物栖息地的状况进行评估,自动绘制有蹄类动物的分布图等。遥感(RS)是GIS数据库的数据源。3S技术在将来的野生动物栖息地监测研究中会有更大的发展潜力。     

天山北坡草地遥感分类及其精度分析

基于遥感资料的植被类型划分能快速获得大尺度的植被覆盖变化数据。采用遥感和GIS技术,利用天山北坡典型草地2008年Landsat 5 TM遥感影像和1999年Landsat 7 ETM+全色波段数据,在对遥感影像预处理的基础上,进行了数据融合处理。根据融合影像的纹理特征进行监督分类,将研究区域的植被初步分为8种主要覆盖类型,在监督分类的基础上借助专家知识系统构建决策树,进一步将草地分为5类,包括平原荒漠、平原沙漠、低山荒漠、温性草甸和高寒草甸,最后对分类结果进行精度评价,总精度在95%以上,总Kappa系数为0.939 6,间隔9年的影像融合和决策树分类方法在研究区植被分类中具有较高的可行性。     

基于3S技术的牧区雪灾评价方法

利用NOAA卫星数据及地面气象台站观测资料,建立了积雪深度遥感反演模型;应用线性混合光谱分解原理,研究了基于像元的积雪覆盖率及积雪空间分类算法;依据草地畜牧业的特点,综合考虑了雪情、草情、畜情和气象因素的空间分布及其对草地畜牧业的危害程度,提出了2种新的基于格网单元的积雪危害指数和雪灾综合评价指数,构建了积雪危害分级与雪灾综合评价标准。通过对北疆阿勒泰牧区雪灾研究的结果表明,这2种指数和分级评价标准能准确详细地反映雪灾的时空分布特征和危害程度,对牧区雪灾的综合评价具有重要的应用价值。     

eCognition在西藏全区草原普查遥感影像信息快速提取中的应用

以西藏全区草原作为研究区域,利用eCognition软件平台,运用面向对象的多尺度分割方法,对研究区Spot、TM遥感影像进行草原类型分类。该方法综合利用了光谱、形状与纹理等特征,快速、有效地进行草原类型的信息分类提取,取得了良好的效果,总体精度达到93.69%,草原类型分类精度达到90.71%。