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。     

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。     

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。     

基于高分辨率遥感影像的林地变化图斑检测方法研究

运用eCognition软件的阈值条件分类方法,基于高分辨率遥感影像(高分二号)对研究区域的林地变化图斑进行检测,其关键技术包括影像多尺度分割、影像分类、图斑合并、导出林地变化图斑等4个环节。研究结果表明,该方法可以快速及时地获取林地变化图斑,能有效运用在贵州省森林保护"六个严禁"工作中,并可为森林资源遥感动态监测提供技术支撑。     

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.     

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。     

基于高分辨率遥感影像的土壤水力侵蚀监测与评价

以重庆市巴南区惠民街道晓春村凉水社为研究区,依据《土壤侵蚀分类分级标准》,利用谷歌卫星影像和数字高程模型,基于影像特征及野外调查,构建了土地利用及植被盖度解译标志,提取其相应信息并编辑入库;利用GIS空间叠加分析技术,对土壤侵蚀强度等级的空间分布规律进行了评价;分析了土壤侵蚀机制,并提出了土壤侵蚀防治措施与对策。     

基于遥感的塞罕坝机械林场树种分类研究

随着遥感应用的不断推广,各应用领域对遥感图象的监督分类结果的精度要求越来越高。在监督分类中有两个非常关键的问题:一是训练样本选取;二是分类器选择。本论文应用监督分类中的不同分类器对塞罕坝机械林场进行树种分类,对其结果进行分析比较,选择合适的分类器提高分类精度。     

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。     

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。     

基于时间序列遥感影像及DTW算法的塞罕坝林场树种识别研究

森林树种的识别和分布是森林资源监测的重要内容,是森林生态规划的基础。以塞罕坝机械林场为研究区域,利用14个时相的哨兵2号遥感影像组成时间序列数据,构建红、绿、蓝、近红外四基础波段特征时间序列和包括归一化植被指数(Normalized differential vegetation index,NDVI)在内的五特征时间序列,对这2个多特征时间序列分别采用动态时间规整(Dynamic time warping,DTW)算法计算的距离作为相似性度量标准,然后利用K均值算法完成研究区域树种聚类,并对树种识别精度分别进行评价。研究结果显示,NDVI特征时间序列非常有效体现植被的物候信息,加入NDVI特征时间序列的五特征时间序列运用DTW-K均值方法可以达到现实中树种分类调查精度的需求,总体分类的精度为88.58%,Kappa系数为0.84;落叶松分布最为广泛,面积达到35 892.23 hm~2,分类精度为94.14%,多集中分布于研究区域北部和东南部;桦树次之,面积为18 376.24 hm~2,其分类精度为76.30%,东部地区桦树分布明显高于西部地区;樟子松、云杉和柞树的分布面积较少,分别为8 749.30 hm~2、1 217.08 hm~2和3 814.40 hm~2,分类精度分别为83.82%、69.88%、72.22%。     

基于多特征的高分辨率影像松材线虫病树识别

为了提高松材线虫病树的监测效率,减少其对林业生产造成的损失,利用在高分辨率遥感影像上提取松材线虫病树的光谱特征、空间特征等多特征,然后进行Relief特征选择算法,提取的合适特征为归一化植被指数NDVI(Normalized Vegetation Index)、差值植被指数DVI(Difference Vegetati...     

基于高分辨率遥感林分树高的估算研究

该文以QuickBird影像为例,提出了一种通过高分辨率遥感影像上树影投影模型估算树高的方法。首先分析了太阳高度角、方位角以及卫星高度角、方位角对立木阴影成像的影响。然后进一步研究并建立了在一定卫星高度角、方位角的条件下,以坡度、坡向、太阳高度角、方位角为影响因子的山地立木阴影在高分辨率影像上的树高估算模型。最后利用森林资源调查数据证明了此方法的有效性。     

基于高分辨率影像的农村承包地调查研究

遥感影像地物信息丰富,这使得直接通过影像获取地块信息成为可能,因此借助高分辨率遥感影像数据,利用人机交互方式进行农村承包地利用状况调查的实践。介绍了应用高分辨率遥感影像数据获取农村承包地地块面积、地类和权属名称等信息的基本技术流程和方法,结论表明利用高分辨率遥感影像进行农村土地利用状况调查取得丁较好的效果,证明该方法具有较强的实用性。     

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。     

基于遥感影像的森林资源变化检测研究

利用ENVI 5.3软件,对滇中某研究区域2015年森林资源二类调查影像和2018年森林资源监测影像进行预处理,按照统一的分类体系对两期影像进行面向对象图像分类,利用流程化动态监测工具实现变化检测.研究结果表明,面向对象的变化检测技术可以很好地区分光谱特征相似或相近的地表覆盖,一定程度上消除并克服了"同物异谱"、"同谱...     

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].