基于回归决策树和ASTER卫星影像的城市森林研究

城市森林已成为城市生态环境研究和城市规划的热点问题之一。介绍了一种运用遥感影像分析城市森林的方法。分析过程分为两大内容：①运用回归决策树模型和ASTER影像分析城市森林丰度,即根据分类训练区内ASTER影像的光谱与实际森林丰度之间的对应关系,建立回归决策树模型,然后用该模型计算整个研究区域内各像元的森林丰度。②运用CITYgreen模型分析该地区城市森林生态功能,即运用CITYgreen模型,估算研究区域内城市森林的覆盖率、碳储量和清除空气污染物的能力,以及在清除空气污染物方面的生态价值。以北京市通州新城为研究区域,根据估算得出,该地区森林覆盖面积约为11．62km^2,碳储量约为12．36万t,清除污染物总量为267．1t·a^-1。讨论了该方法的优缺点以及需要改进的方面。图2表1参12     

基于FLAASH模型的ASTER卫星影像大气校正

主要介绍了FLAASH大气校正模型的主要原理及算法,并运用FLAASH大气校正模型对泸沽湖地区的ASTER卫星影像进行大气校正,对校正前后的影像进行对比分析。研究表明,ASTER卫星影像经过FLAASH大气校正后,较好地消除了大气影响。     

基于ASTER影像数据源的龙川江LUCC景观格局特点分析

以高级星载热发射反照辐射计(ASTER)影像作为数据源,以龙川江流域作为研究对象,在遥感和GIS技术的支持下,采用GIS和景观生态学相结合的办法,对龙川江流域土地利用/覆被景观空间格局特点进行分析.结果表明,龙川江流域植被覆盖率较高,林地和灌草丛面积合计占研究区总面积的86.27%,但除灌草丛连通性较强外,各景观类型斑块小而分布零散,景观破碎化程度大,阻碍了整个生态系统的正常的物质和能量流动,生态环境需要改善.     

沟道松散堆积物形成泥石流的水动力条件分析及其数学模型

以泥沙运动和泥石流形成的理论力学为基础,重点论证了固相松散堆积物构成准泥石流体的条件,进行了相应的起动需水量模拟实验.通过准泥石流体屈服方程的建立,做出了武都地区泥石流沟道中准泥石流体起动数学模型,为该地区预报泥石流灾害发生发展提供了一定的科学依据.     

基于TM影像的广西沿海红树林遥感识别研究

由于红树林所处的地理环境,利用传统方法对其进行实地调查是很困难的。遥感技术的发展为红树林湿地研究提供了新的方法和强有力的技术支持。该文以landsat TM影像为基础对广西沿海地区红树林进行识别,分别应用最大似然法和决策树法,发现基于缨帽变换的决策树方法精度更高,能准确的提取出红树林信息。     

基于无人机RGB影像的苗期油菜识别

无人机可见光遥感具有经济成本低、起降方式灵活等优点,在监测苗期油菜缺苗和植株数量方面具有较好的应用前景。采用大疆Phantom 4 Pro V2.0四旋翼无人机获取油菜种植区的可见光影像,设置1个实验区和4个验证区,对比分析土壤、油菜苗、杂草等地物目标红（R）、绿（G）、蓝（B）波段的DN值,根据各波段DN值的正态分布特性和比值关系构建绿蓝红差异指数（green-blue-red difference index, GBRDI）。利用GBRDI对油菜种植区可见光影像进行计算,绘制不同地物的直方图,将其交点作为图像分割阈值对油菜苗植株进行提取,并与常见的过绿指数（excess green, ExG）、差异植被指数（visible-band difference vegetation index, VDVI）、归一化绿蓝差异指数 （normalized green-bule difference index, NGBDI）的提取结果进行对比。结果表明：相较于ExG、VDVI、NGBDI,GBRDI从杂草等背景地物中提取油菜苗效果更好,精度92.93%,完整性83.63%;在4个杂草长势复杂的验证区,GBRDI指数提取油菜苗的精度和完整性均比VDVI、ExG、NGBDI更高;GBRDI能快速准确地提取油菜苗,分离杂草和土壤等背景地物,可为油菜精细化耕作提供技术参考。     

基于无人机多光谱影像的地物识别

【目的】利用2018年5和6月获取的无人机多光谱影像对北京市大兴试验基地的部分农田进行地物类型提取研究。【方法】确定感兴趣地物种类,对影像进行时相与光谱特征分析,然后确定归一化植被指数NDVI、归一化绿蓝差异指数NGBDI、修正型比值植被指数MSR和红边波段反射率可以作为最优分类特征,通过基于光谱变量阈值分割的决策树分类法,实现地物分类,并提取种植面积,选取基于目视解译的地面调查数据进行方法验证。【结果】基于时相与光谱特征的决策树分类方法有较好效果,该方法用于小麦、果树和大棚的提取,误差值分别为10.68%、6.06%和16.48%,面积提取误差在17%以内,对无人机多光谱遥感影像进行地物识别具有一定的适用性。【结论】无人机低成本、高效率的优势为农田信息及时获取提供参考。     

基于高分辨率遥感影像的农村房屋自动化识别

[目的]为了改善遥感影像分类算法对"同谱异物"的农村房屋与乡村道路的区分能力,提高房屋识别的空间平滑性与自动检测精度,为后续的农村宅基地遥感监测提供技术支撑.[方法]文章基于光谱-空间核函数集成支持向量机(光谱-空间核SVM)算法框架,发展了一种适于高分辨率遥感影像的农村房屋自动化识别方法.首先,对高分辨率遥感影像进行...     

基于高分一号宽幅时序影像的冬小麦分布识别研究

及时、准确地获取农作物空间分布范围和面积数据,对于制定农业政策和指导农业生产具有重要的参考意义。以河南省中牟县为研究区,利用国产高分一号时序影像开展冬小麦提取研究,利用冬小麦物候特征,结合先验知识和高分影像,提取了2018年夏收冬小麦的空间分布范围。结果表明,结合冬小麦物候信息和时序影像建立冬小麦提取模型,可以快速准确获取冬小麦的种植范围,总体精度达到90.1%,为县域冬小麦的快速提取提供方法参考。     

WorldView-2影像的红叶松树识别研究

危险性林业有害生物每年都会造成大面积的严重的森林灾害发生,给国民经济和林业生态环境带来了巨大损失,及时对其发生发展情况进行监测具有重要意义。本文旨在探讨利用高空间分辨率遥感影像识别红叶松树的可行性,从而为单株木灾害监测与防治提供一种快速有效的技术途径。采用WorldView-2多光谱数据,基于二次型分类器,研究了红叶松树的识别方法。通过Fisher线性判别分析发现,WorldView-2的红、绿、蓝3个波段蕴含着丰富的红叶松树信息。据此,基于全部8个波段和红、绿、蓝3个波段分别进行了分类,分类精度基本相同。结果表明,仅利用红、绿、蓝3个波段也可以完成红叶松树的识别,从而有效地实现了数据降维,更为我国“高分二号”数据的应用开辟了新领域。由于林相条件的差异性和复杂性,遥感数据分辨率的选择对于单木灾害的识别非常重要,研究发现,2 m分辨率多光谱遥感数据非常适合红叶松树的提取,且从数据时相上来说,最好选取6—9月份的遥感影像,以减少其他变色植被的干扰,提高监测精度和工作效率。      

基于高光谱影像的舟曲曲瓦沟树种识别

正确识别舟曲地区沟内森林树种是进行植被保护的基础,也为准确计算泥石流发生的降雨阈值提供参考.利用HYPERION高光谱影像,采用基于纯净像元指数（PPI）的端元提取方法,提取了6类端元,用波谱特征拟合方法（SFF）、波谱角分类（SAM）方法和二进制编码方法（BE）识别出核桃、矮灌木、橡树、刺柏、冷杉和灌木蒿.同时利用基于最小噪声分离（MNF）的最小能量约束法（CEM）分离出各自的分布范围.     

基于高分二号卫星影像的粤北地区香芋遥感识别研究

【目的】高分辨率遥感影像为农作物监测提供高精度的支撑,香芋作为粤北地区的特色作物,是国家地理标志产品,对其监测有助于加强管控和调控。【方法】选择香芋关键物候期的高分二号卫星遥感影像,提取归一化植被指数、归一化差异水体指数、纹理信息,构建融合多特征光谱纹理影像,比较多种组合影像,采用支持向量机作为分类器,对香芋的识别精度进行分析。【结果】融合多特征光谱纹理影像的香芋识别精度最高,总体精度达到96.04%,对香芋的识别精度达到95.30%,比多光谱影像分类精度分别提高5%和6.8%,是多光谱全色融合影像分类精度提升幅度的2倍,且各类地物边界轮廓清晰,图像平滑,细碎图斑很少。【结论】高分二号影像是识别粤北地区香芋的理想数据源,分类精度较高,能够满足农作物监测的需求,能为制定病虫害防治措施,调节种植结构提供支持。     

基于ASTER GDEM数据的山西地形起伏度分析研究

以30m分辨率ASTER GDEM数据为基础,在GIS系统的支持下,首先利用邻域分析法,在不同大小邻域窗口下(2×2,3×3,4×4,…,35×35,40×40,45×45,50×50,55×55,60×60)对山西地形起伏度进行提取,然后运用均值变点分析法计算最佳计算单元,并完成山西地形起伏度分级图的绘制,最后对地形起伏度特征进行分析。结果表明:17×17网格大小(0.260 1km~2)为山西地形起伏度提取的最佳计算单元,山西地形起伏度以小起伏为主。均值变点分析法是确定最佳计算单元的一种较为理想的方法。     

基于SRTM DEM和ASTER GDEM的辽河流域河网提取研究

以SRTM DEM数据和ASTER GDEM作为基本的地形数据,借助Arc Hydro Tools扩展模块,研究基于地表径流漫流模型的数字河网水系提取方法,并对提取结果对比分析。研究显示,通过引入河网密度参数来确定集水面积阈值,提取结果与1∶25万地形图各级河网拟合程度较好,可运用于辽河流域山洪灾害风险评估模型的实际运行中。     

基于SRTM DEM和ASTER GDEM的辽河流域河网提取研究

以SRTMDEM数据和ASTER GDEM作为基本的地形数据,借助Arc Hydro Tools扩展模块,研究基于地表径流漫流模型的数字河网水系提取方法,并对提取结果对比分析。研究显示,通过引入河网密度参数来确定集水面积阈值,提取结果与1∶25万地形图各级河网拟合程度较好,可运用于辽河流域山洪灾害风险评估模型的实际运行中。     

基于高分影像的黄河源青海片区退化草地识别

为明确黄河源青海片区草地退化状况,基于遥感信息技术对黄河源青海片区退化草地进行识别。结果表明：黄河源青海片区植被覆盖草地总面积96 489.84 km²,有温性荒漠类、沼泽类、高寒草甸类、低地草甸类、山地草甸类、温性草原类、温性草原化荒漠类、高寒草原类等8个类型。提出黑土型、砾石型和岩石型“黑土滩”概念,并以植被覆盖度<70%作为退化草地识别标准,黄河源青海片区黑土型“黑土滩”退化高寒草地14 239.47 km²,占草地总面积的14.76%;砾石型、岩石型“黑土滩”面积分别为2 445.37 km²和376.07 km²,分别占2.53%和0.39%;沙化草地5 739.75 km²,占5.95%;重度沙化草地面积1 516.35 km²,占1.57%。退化草地总体分类精度为98.93%,Kappa系数为0.977 2。     

基于无人机遥感影像的裸岩识别及早期石漠化评价

石漠化是造成喀斯特地区生态环境退化和社会经济落后的主要因素之一.石漠化现状及其空间分布的调查与评价是治理石漠化的前提.基于卫星遥感技术的石漠化调查评价方法,因受传感器性能及自然环境的限制,信息提取精度较低,适用于裸岩呈大面积连片分布的石漠化地区.无人机遥感技术为石漠化调查评价提供了新的途径,由于所获图像分辨率高,特别适用于裸岩呈小面积破碎化分布的早期石漠化地区.以重庆市北碚区槽上地区局部为研究区,基于无人机可见光影像,利用面向对象图像分析方法识别提取破碎化裸岩并完成早期石漠化调查评价.采用多尺度分割法来分割影像,先确定最优分割尺度,然后创建具有层次结构的地物对象.利用不同层次地物的光谱与形状特征建立对应的地物分类规则.将地物自动分类结果与目视解译数据比较,对基于规则的对象分类方法进行精度评价.统计研究区所提取裸岩的面积,根据所占比例,对石漠化程度进行评价.结果表明,采用面向对象的规则分类方法对试验区无人机高分辨率影像地物类型分类的总体精度为88.6%, Kappa系数为0.86;裸岩所占面积为21.2%,石漠化程度评价为微度.     

基于无人机多光谱影像的荒漠草原典型物种识别

【目的】准确获取草原植物物种空间分布信息是草原生态系统生物多样性监测、群落重构与生态功能维持的重要基础。及时准确获取植物物种空间分布可以为草原植物物种信息提取提供有效技术手段。【方法】文章以无人机多光谱影像为基础,分别在像元尺度和对象尺度上开展了荒漠草原典型物种的信息提取方法研究。像元尺度上先定义样本计算样本可分离性,在选择不同分类器进行分类。而对象尺度上首先进行遥感影像尺度分割研究,选出最佳分割尺度。在此基础上,提取最优特征变量,并采用阈值分类法提取植被信息。【结果】高分辨率无人机多光谱数据能够为荒漠草原物种信息提取提供有效数据基础。面向对象影像分析技术的表现最好,总体精度85.16%,Kappa系数0.71,其中短花针茅的制图精度和用户精度分别为97.6%和86%;其次是支持向量机机器学习算法,其总体精度80.40%,Kappa系数0.70,短花针茅的制图精度和用户精度分别为90.08%和76.46%;而传统最大似然分类法的识别精度较低,总体精度为74.68%,Kappa系数0.64,短花针茅的制图精度和用户精度分别为72.40和81.96。【结论】无人机多光谱数据对于集中连片分布...