最大似然识别绿化树种休斯现象规避

最大似然在高维、多源数据分类中易发生休斯现象,其卓越的分类性能不能充分展现。通过提取WorldView-2影像前3主成分的24个纹理特征,构造高维数据,以树种分类为例,提出了利用递归特征消除筛选重要纹理特征,降低数据维数,实现最大似然休斯现象规避的方法。结果表明:在消除5个纹理特征后,最大似然的休斯现象基本得到解除,在消除8个纹理特征后,休斯现象达到了最大解除;休斯现象解除后树种分类的最高总体精度为81.166 4%,Kappa系数为0.779 9,总体精度和Kappa较基于光谱特征的高7.095 1%和0.082 5。递归特征消除可避开、克服最大似然分类中的休斯现象,可使最大似然分类器在高维数据中充分展现其分类性能。     

基于单时相MODIS数据的土地覆盖三种分类方法对比研究

以甘肃省为试验区,基于单时相MODIS数据,主要利用其可见光多波段光谱信息,分别使用最大似然法、BP神经网络算法以及基于See 5.0数据挖掘的决策树分类方法对土地覆盖进行了自动分类研究,结果验证表明:决策树分类性能最优,总分类精度达到82.13%,神经网络算法次之,总分类精度为77.60%,最大似然法最差,总分类精度为73.93%;加入boosting技术的See 5.0数据挖掘决策树方法能够快速地进行决策树的建立且能很好地提高较难识别地物类型的分类精度。     

BP神经网络的沙漠化土地信息提取研究

以塔克拉玛干沙漠南缘策勒绿洲为例,探讨了基于主成分融合的沙漠化信息的提取方法.由于Landsat-7 ETM 的全色波段与多光谱波段有相同成像条件,影像获取时间一致,两种不同分辨率的数据可以不经配准而实现高精度融合.首先,对Landsat-7ETM 的全色图像与多光谱图像进行主成分融合处理,再利用BP神经网络模型,以相同的训练样本分别对融合前后的影像进行分类,在此基础上进行沙漠化信息的提取.结果表明:主成分变换融合图像的光谱信息保持性、信息量以及空间分解力都较高,且分类精度比Landsat-7ETM 多光谱图像有较大提高,是监测沙漠化土地变化的有效手段.     

基于GEE的翁牛特旗土地沙漠化遥感监测

基于谷歌地球引擎(Google Earth Engine,GEE)，通过提取归一化植被指数(Normalized Difference Vegetation Index,NDVI)和地表反照率(Albedo)两个参量，构建NDVI-Albedo特征空间，对翁牛特旗1991—2015年沙漠化进行监测，并利用地理探测器结合自然和人为因子分析翁牛特旗沙漠化驱动因子及其影响力。结果表明：(1)翁牛特旗土地沙漠化经历了先发展后逆转的演变进程。1991—2000年为发展期，沙漠化土地总面积增加了2130.29 km²;2000—2015年为逆转期，沙漠化土地总面积减少了3364.61 km²。(2)翁牛特旗沙漠化严重的区域主要是分布在中东部以及北部的西辽河平原地区，而西南区域的冀北辽西山地大部分区域沙漠化程度较轻。(3)自然因子和人为因子共同驱动翁牛特旗沙漠化演变过程。地形和沙源是翁牛特旗沙漠化土地空间分布格局形成的主要原因；翁牛特旗1991—2000年沙漠化发展是在自然条件不利的背景下人口增加所带来的环境压力造成的结果，而2000—2015年沙漠化逆转...     

沙质荒漠化土地评价指标体系研究

本研究根据我国沙质荒漠化 (亦称沙漠化 )土地现状评价与监测工作的需求 ,在实地调查的基础上 ,依据地表形态、植被、土壤三大特征 9项指标 (裸沙占地百分比、地表结皮、植被盖度、植被生物量、土壤有机质、全氮量、速效磷、速效钾、土壤物理粘粒含量 ) ,应用多元回归方法筛选评价指标 ,采用多因素综合指标分级数量化法建立了地方、区域、国家 3种尺度的沙质荒漠化土地现状监测评价指标体系。经三个不同气候区野外实地验证 ,结果表明 ,地方、区域、国家 3种评价尺度的判对率分别为 81 .0 3%、84.48%、89.66%。该指标体系具有实用性、可操作性、准确性高、简便易行、便于推广等特点 ,适用于我国各层次的沙漠化土地监测与评价 ,并有利于与国际接轨     

基于无人机多光谱影像的完熟期玉米倒伏信息提取

以吉林省梨树县的玉米试验田为研究区，按受灾后完熟期玉米的状态将研究区分为倒伏、半倒伏和未倒伏3种类型。基于无人机采集的多光谱影像提取15种光谱指数和8种纹理特征，采用面向对象法、最大似然法和多元Logistic回归模型进行玉米倒伏信息的提取；而后通过目视方法选取400个样本点进行玉米倒伏信息提取结果的精度验证。结果表明：面向对象法精度最高，对玉米3种倒伏状态信息识别的总体精度为88.13%,Kappa系数为0.83。研究用于区分倒伏与未倒伏玉米的最佳光谱指数是归一化差异植被指数，对区分倒伏与半倒伏、半倒伏与未倒伏玉米贡献最大的特征均为对比度纹理特征。研究表明基于无人机多光谱影像的面向对象方法在对田块尺度玉米倒伏信息的精准识别中具有较大潜力。     

基于地面高光谱数据的油茶炭疽病病情指数反演

使用FieldSpec HandHeldTM地物光谱仪采集不同发病程度的油茶冠层光谱数据,并实地调查油茶炭疽病病情指数,将光谱数据进行一阶微分与滑动平均滤波相结合的预处理,提取与病情指数相关性较高的敏感波段,并采用主成分分析法(principal component analysis,PCA)对敏感波段的光谱数据进行降维,分别以敏感波段和PCA降维处理后的敏感波段作为输入变量建立了病情指数的BP神经网络反演模型.两种建模方法建立的BP神经网络模型计算出的预测值与观测值之间的决定系数(R2)均达99％以上.精度检验证明,以PCA降维所得到的前10个主成分作为输入变量建立的10-7-1三层BP神经网络模型预测精度更高,模型计算出的预测值与观测值之间的决定系数(R2)和均方根误差(RMSE)分别为0.998 6和0.814 8.该研究表明,利用地面高光谱数据结合主成分分析和BP神经网络算法反演油茶炭疽病病情指数是一种有效的方法.     

基于地面高光谱遥感的降香黄檀黑痣病病情指数反演

利用美国Spectra Vista Corporation(以下均用简称SVC)HR-1024i非成像高光谱仪采集不同病情程度的降香黄檀冠层光谱数据,并结合地面同步调查获得的降香黄檀黑痣病病情指数数据,对光谱数据进行重叠校正(scan matching/overlap correction)和白光板反射率校正(white plate reflectance correction)。采用主成分分析法(PCA法)对与降香黄檀黑痣病病情指数相关性较高的敏感波段进行降维。利用53个训练集,将敏感波段和PCA法处理后的敏感波段分别作为输入变量,训练降香黄檀黑痣病的BP神经网络。两种输入变量建立的神经网络计算出的预测值与实际值之间的决定系数(R2)均达到99%。利用27个验证集做进一步精度检验,结果表明,通过这两种输入变量训练的BP神经网络,得到的预测值与实际值之间的决定系数(R2)分别为0.951 9和0.706 0,均方根误差(RMSE)分别为5.998 0和12.919 3。直接以敏感波段作为变量输入和PCA法处理后的敏感波段作为变量输入训练BP神经网络是一种有效的方法,其中,直接以敏感波段作为变量输入精度更高。     

新疆阜康荒地土壤有机质高光谱特征及其反演模型研究

针对干旱区荒地土壤贫瘠且有机质含量少,难以快速、准确测定的问题,以阜康中部荒地土壤为研究对象,对64个样点野外光谱进行测定和室内土壤样品农化分析,在原始反射率(R)基础上,利用ENVI5.1软件提取光谱反射率一阶微分(R')、倒数的对数(lg(1/A))、倒数的对数一阶微分(lg(1/A)')、去包络线(CR)等4种光谱反射率,分析了5种光谱反射率的变换形式与土壤有机质含量的相关性,基于全波段(450～2 350 nm)和显著性波段(相关系数通过P=0.01水平检验),利用偏最小二乘法回归(PLSR)建立土壤有机质含量的高光谱预测模型。结果表明:(1)对不同有机质含量的土壤光谱去包络线后,光谱曲线吸收特征差异更加显著,且土壤有机质含量越多,土壤光谱反射率越低。(2)土壤反射率经过数学变换后提高了与有机质含量的相关系数。(3)在全波段的PLSR中,CR、R'和lg(1/R)'模型的RPD均大于2.0,表明预测能力极好。其中以CR的预测精度最为突出,其模型R2和RMSE分别为0.79、4.12,RPD为2.18。在显著性波段的PLSR中,虽然R'和CR的模型RPD均大于2.0,可以准确预测有机质含量,但CR的R2,RPD更高;基于全波段PLSR模型精度均略优于显著性波段,但其使用数据量大,增加了计算量。同时,其CR模型的RPD仅比显著性波段模型的高0.03。因此,选择显著性波段CR模型作为估测该荒地土壤有机质含量的模型更为简洁、科学、可行。     

基于垂直植被指数的东北黑土区玉米LAI反演模型研究

本文旨在探讨以不同波段组合垂直植被指数所建立的高光谱模型对玉米叶面积指数(Leaf Area Index,LAI)的反演精度。在不同水肥耦合作用条件下,实测玉米冠层的高光谱反射率与叶面积指数数据以及裸土的高光谱反射率数据,在高光谱红光波段(631~760 nm)与近红外波段(760~1050 nm)逐波段构建土壤线,并在此基础上构建垂直植被指数(Perpendicolar Vegetation Index,PVI),找出与LAI具有最佳相关性波段组合PVI,建立玉米LAI估算模型。结果显示,采样波段间隔越窄,反演精度越高,在采样波段间隔1.4 nm的PVI(R677,R918)反演2004年的玉米LAI模型中,最佳回归方程是指数函数,精度达91.1%,标准差为0.1997,RMSE=0.0399,通过了0.01极显著验证。采用高光谱数据构建的PVI植被指数对玉米LAI的估算可以取得较高的精度。     

基于SPA-MLR方法的土壤含水量光谱预测模型研究

以人工调配的不同含水量土壤的高光谱数据为基础,运用11种常规的变换方法对原始光谱反射率进行变换,使用连续投影算法(SPA)提取特征波段,然后建立多元线性回归(MLR)模型,并对不同模型进行评价比较,旨在选择监测土壤含水量的最佳高光谱模型,实现土壤含水量高光谱监测。结果表明,随着土壤含水量的增加光谱反射率先升高后降低;使用SPA提取的特征波段为3~5个,且不同变换处理后提取的特征波段存在差异。利用特征波段建立MLR回归模型,表明原始光谱经一定数学变换处理可以提高土壤含水量高光谱监测精度,其中对数的一阶微分变换处理(T_8)后建立的SPA-MLR模型监测精度最高,其校正模型表现为R~2=0.957,RMSE=2.16,RPD=4.74,验证模型表现为R~2=0.903,RMSE=3.41,RPD=2.95。故基于反射率对数一阶微分变换处理所建立的SPA-MLR模型可以更好地实现土壤含水量的高光谱监测。     

基于MODIS数据的毛乌素沙地土壤水分模型的建立

采用MODIS数据,根据水的吸收率曲线提出使用MODIS影像数据的第6波段和第7波段的反射率来监测土壤湿度,并与温度植被旱情指数(Temperature Vegetation Dryness Index,TVDI)进行对比。通过在毛乌素沙地沙漠化地区准同步实地验证,表明MODIS第7波段的反射率与地表土壤湿度之间有较好的负线性相关关系,并建立了回归方程。分析结果表明使用MODIS数据第7波段的反射率可以大面积对沙漠化地区土壤湿度进行监测。     

基于TM影像的半干旱区土地利用信息提取——以山西省定襄县为例

为了更准确提取半干旱区的土地利用信息,以山西省定襄县为研究区,利用Landsat TM影像,在主成分分析(PCA)的基础上,结合归一化植被指数(NDVI)和纹理信息,构建支持向量机(SVM)分类模型,提取研究区的土地利用信息。结果表明:与最大似然法和单纯依靠纹理特征SVM分类方法相比较,基于NDVI和纹理特征的SVM分类法的分类精度有了显著提高,分类总精度达到了84.50%,Kappa系数为0.8113。研究表明,该方法对半干旱区的土地利用信息提取较为理想。     

正蓝旗沙漠化草地分布格局及2002年-2011年动态变化的遥感监测

沙漠化草地分布格局及其动态监测是北方重要生态功能区防风固沙功能基线评估的基础数据。为开展防风固沙功能基线评估,以正蓝旗为典型研究区,地面调查与遥感解译相结合,以2002年和2011年TM影像为信息源,建立目视解译标志,利用ERDAS的图像和数据处理功能,获得正蓝旗2002-2011年草地沙漠化动态变化图,计算不同程度沙漠化草地之间的转换面积。探讨了北方防风固沙重要区近10年的沙漠化草地分布格局及动态变化。结果表明:(1)2011年正蓝旗沙漠化草地总面积为5246.62km2,其中轻度沙漠化草地面积所占比例最大,为49.15%,沙漠化草地主要分布在北部地区。(2)2002-2011年间,正蓝旗沙漠化草地面积减少了16.05%。(3)沙漠化逆转面积是沙漠化发展面积的1.5倍,草原沙漠化趋势得到了一定程度的逆转,但仍有20.1%的地区沙漠化程度加重。沙漠化发展的动态趋势是整体逆转,局部扩张。     

谈沙漠化兼谈古风成砂

1977年内罗毕沙漠化会议以后,Desertification的概念引入我国。参加那次会议的朱震达先生多次论及“沙漠化”的概念,简单地概括为“在干旱、半干旱(包含部分半湿润)地区,脆弱的生态条件下,由于人为过度的经济活动,破坏生态平衡,使原非沙漠地区出现了以风沙活动为主要特征的类似沙质荒漠环境的退化”[1]。对这个概念的定义有一些人提出了异议,并提出了自己的见解[2][3]。与此同时与沙漠化密切相关的“古风成砂”滥用起来,所以我们有必要将“古风成砂”的概念一并进行讨论。     

基于连续小波变换的干旱胁迫下玉米冠层叶绿素密度估测

测定了玉米各生育时期干旱胁迫下冠层叶绿素密度及冠层光谱数据,利用原始光谱反射率与冠层叶绿素密度进行相关性分析,采用常用植被指数、波段自由组合、连续小波变换构建玉米冠层叶绿素密度估测模型,并用决定系数(R2)、均方根误差(RMSE)进行精度检验.结果表明:冠层叶绿素密度在抽雄期相较于正常对照,轻度、中度、重度干旱胁迫处理...     

科尔沁沙地典型沙丘植被光谱特征数据的匹配

地物光谱数据是多因素共同作用的结果,可能会出现“同物异谱”或“异物同谱”现象。以科尔沁沙地典型沙丘-草甸相间区域为研究区,以野外实测沙丘植被光谱数据为基础,利用最小距离法、光谱相似角度、光谱相关系数和光谱信息散度4种光谱匹配算法,对去噪后植物光谱特征数据进行匹配分析,发现最小距离法可以区分出本区沙丘典型植被。在此基础上,对光谱导数进行匹配分析,发现光谱相似角度和光谱相关系数识别效果增强明显,二阶导数光谱特征匹配度甚至出现了多个负值。最后选取TM1、TM2、TM3和TM4波段植被光谱数据做同样处理,证实TM2、TM4波段能够提高识别精度;同时,基于统计学基础分析单波段基础信息,发现单波段所包含信息量依次为TM1> TM4>TM2>TM3,综合考虑TM1波段内各植被光谱反射率特征曲线重叠严重和单波段植被光谱特征匹配度结果,认为TM4波段为该地区植被物种识别的首选波段。     

近50a西北干旱区气候变化趋势及对荒漠化的影响

西北干旱区干旱少雨,生态环境脆弱,土地荒漠化严重。本文根据近1951-2000年的逐月平均气温和月降水量资料研究了我国西北干旱区气候变化趋势,并结合近年来西北干旱区地表径流量变化,分析其对准噶尔盆地、塔里木盆地、河西走廊和柴达木盆地土地荒漠化影响。研究结果表明:(1)近50a西北干旱区气温都升高,变暖最显著的是北疆和柴达木盆地。降水量有增加趋势,其中南疆降水量增加趋势最大。北疆蒸发量有减少趋势外,其他区蒸发量都在增加,尤其南疆蒸发量增加趋势最大。(2)近50a来由于气候变暖,使蒸发量增大,塔克拉马干沙漠、河西走廊沙漠区和柴达木沙漠区的干旱危害加剧,这必然导致沙漠化的易发和其进程的加速。北疆气温升高,降水量增加,而蒸发量减少,有利于古尔班通古特沙漠区沙漠化进程的减缓。(3)气候变化和地表径流量变化有利于准噶尔盆地和塔里木盆地的土地荒漠化逆转,而使河西走廊和柴达木盆地的土地荒漠化发展迅速。     

SEBS模型在塔克拉玛干沙漠地区地表能量通量估算中的应用

利用SEBS(Surface Energy Balance System)模型,对塔克拉玛干沙漠及周边地区的地表能量通量进行模拟估算。通过修正适合于塔克拉玛干沙漠地表的参数化方案,结合该地区的MODIS遥感数据,将同期同化气象资料输入模型中,模拟出该地区的地表净辐射、地表土壤热通量、感热通量和潜热通量的空间分布。与塔克拉玛干沙漠大气环境观测试验站的实测数据对比,得出:1)SEBS模型在塔克拉玛干沙漠地区具有适用性;2)模型反演的沙漠腹地净辐射约为350W/m~2,感热通量在200W/m~2左右,潜热通量在±20W/m~2之间,其结果均与塔中站实测资料吻合较好。因此利用参数修正后的SEBS模型估计塔克拉玛干沙漠地区能量平衡各分量具有一定精度,可满足区域地表能量通量的计算要求。     

2001—2014年博斯腾湖流域地表温度时空分异特征及归因

以3S技术为支持，在MODIS地表温度产品精度验证的基础上，采用空间分析、统计和趋势分析法，探讨了博斯腾湖流域2001—2014年不同土地利用类型下地表温度的差异性变化特征，辨析了地表温度的时空分异特征及归因。结果表明：(1) MODIS LST产品在博斯腾湖流域的精度（平均R²=0.96）总体上满足要求，可用于地表温度的时空分布研究。(2) 流域内平均地表温度的年际波动较大，以2002、2007年和2013年尤为突出，分别超出多年平均值0.45℃、0.59℃和0.29℃；年内地表温度呈单峰型分布，季节性变化明显，地表温度高值主要集中在3—8月，最高值出现在7月。(3) 地表温度空间格局呈东南高于西北的变化趋势，尤其在植被覆盖度低的区域地表温度较大；土地利用覆被类型影响着地表温度的时空分布状况，各种土地覆盖类型的年均地表温度排序依次为沙漠>裸土>旱地>稀疏草地>湖泊>草原>草本沼泽>草甸。(4) 博斯腾湖流域地表温度变化趋势呈严重减少、轻微减少、基本不变、轻微增加和显著增加的区域面积分别占5%、13%、39%、36%和7%，以基本不变和轻微增加为主。地表温度的时空变化不仅受大尺度气候变化的影响，还主要受土地类型性质等差异的影响，二者共同作用构成了不同地理区域及景观的温度场格局，绿色植被对区域地表温度的时空分布具有重要的调节作用。