三江源区湖泊和沼泽遥感影像分类研究

为了进一步了解三江源区的湿地分布现状,尝试利用MODIS 16天合成的归一化植被指数(NDVI)数据,采用决策树分类方法对三江源区湿地的遥感影像进行了分类研究.在数据预处理时,采用中值滤波和主成分变换结合的方法有效地去除了MODIS数据的噪声;在决策树构建过程中,结合DEM数据有效地提取出湖泊;利用象元NDVI时序变化曲线规律,采用先控制曲线形状、再控制拐点阚值的方法对沼泽进行分类.通过精度验证,湖泊的分类精度达到了96.5%,总的分类精度达到了84.2%,Kappa系数为0.78.利用MODIS NDVI时间序列数据和决策树方法能够满足大范围区域湖泊和沼泽遥感影像分类要求.     

多源遥感影像土地覆盖分类结果一致性评价与集成应用

针对多源遥感影像土地覆盖分类结果一致性与分类精度改进的要求,对两组中等空间分辨率的光学影像进行土地覆盖分类,以支持向量机分类结果为基础,采用Kappa统计量、双错误测量、Q统计量、相同错误率从不同角度评价了不同分类结果的一致性。实验表明,多源遥感数据分类结果总体上常规一致性程度较好,二值先验一致性程度尚可,错误一致性程度较小;不同土地覆盖类别的一致性程度并不相同,有的类别甚至出现不一致现象。提出组合法和替换法两种策略以综合数据优点、实现多传感器数据集成应用,能够有效提高分类精度。     

1974～2007年若尔盖县湿地变化研究

选取1974～2007年期间的5期多源遥感影像数据作为数据源,在解决多源遥感影像(MSS、TM、ETM+和CBERS影像)和多时相(1月、6～9月)影像数据的遥感分类问题上,以模糊物元理论来解释多数据源和多时相数据之间的关系,设计关联函数概率转化的多源遥感数据分类物元模型,利用该模型得到了若尔盖县湿地区1974～2007年期间的地物类型分布,并进行了变化检测和概率修正算法处理,揭示了1974～2007年若尔盖县湿地变化特征.2007年,若尔盖县各类型湿地的面积占湿地总面积的比例分别为河流和湖泊1.37％、泥炭沼泽4.23％、沼泽化草甸9.91％和湿草甸6.04％.1974～2007年期间,若尔盖县的河流和湖泊、泥炭沼泽、沼泽化草甸和湿草甸的面积在减少,以旱生植物为主的中、低覆盖度草地、居民点、建筑用地和沙地面积在增加.泥炭沼泽主要向沼泽化草甸、湿草甸演替.人为因素则是在较短时间尺度上影响湿地变化的主要驱动力.不确定性问题仍是遥感分类与变化检测存在的主要问题.     

全球尺度多源土地覆被数据融合与评价研究

精确的全球及区域尺度土地覆被遥感分类数据是全球变化、陆地表层过程模拟、生态文明建设及区域可持续发展等研究的重要基础数据。本文以5套全球土地覆被数据集GLCC、UMD、GLC2000、MODIS LC、GlobCover为研究对象,结合MODIS VCF、MODIS Cropland Probability以及AVHRR CFTC数据集,设计一种基于模糊逻辑思想的证据融合方法实现上述多源土地覆被信息的决策融合,生成一套依据植物功能型分类的全球1 km土地覆被融合数据SYNLCover。结果显示,与5套源土地覆被数据集相比：① 在总体一致性精度上,SYNLCover的8个生物形态类型和12个目标类型的平均总体一致性精度最高,分别约为65.6%和59.4%,其次依次是MODIS LC、GLC2000、GLCC和GlobCover,UMD的最低,分别约为48.9%和42.6%,而且SYNLCover与5套源土地覆被数据集两两相比的总体一致性都是最好的;② 在类型一致性精度上,除灌丛类型外,SYNLCover中包括森林、草地、耕地、湿地、水体、城镇建筑和其他7种生物形态类型,以及森林类型的5种叶属性的平均一致性精度也是最高的,如其他类型的平均一致性精度可达67.73%;③ 除灌丛和湿地类型外,SYNLCover的其余6种生物形态类型的平均一致性精度均比其在5套源数据中相应的一致性精度的最大值提高了10%~15%左右;森林类型的5种叶属性的一致性精度也提高了约10%。SYNLCover分类精度的提高反映了本研究设计的多源数据融合方法的可行性和有效性。     

基于多源遥感数据的湿地植物分类和生物量反演研究进展

湿地植物是湿地生态系统的重要组成部分,是指示湿地生态系统演化的重要指标。利用遥感技术,可以在区域尺度上对湿地植物进行多时段综合观测,识别湿地植物类型,并对植物生物量进行反演,定量估算湿地生态系统资源,因此,遥感技术是评价湿地生态系统健康的重要手段。但是,利用单一种类的遥感数据源的反演,在反演精度和提取湿地植物信息的丰富度上存在缺陷,而利用多源遥感数据提取湿地植物信息的精度更高,应用前景广阔。重点从遥感数据源、多源遥感融合技术、湿地植物遥感分类方法、多源遥感数据识别湿地植物类型的应用、湿地植物生物量反演模型以及应用等方面,阐述多源遥感技术在湿地植物分类和生物量反演研究中的主要进展,讨论多源遥感技术在湿地研究中的优势和不足,展望其未来发展趋势。     

基于OLI数据的滇中地区湿地信息提取研究

以研究滇中湿地分布情况为目的,基于Landsat8 OLI遥感影像,分别采用最大似然法和决策树法提取研究区湿地信息,并从空间格局与地理学角度分析湿地分布情况及其与社会经济的相关性。结果表明:(1)采用决策树法可以有效提取湿地,其总体精度为81.10%,与最大似然法相比分类精度提高了9.19%;(2)滇中湿地呈现以库塘为主,河流和湖泊次之,水田和沼泽最少的格局,湿地分布与其形成的地貌、气候、水文等自然地理条件密切相关;(3)湿地面积与社会经济发展具有一定的相关关系,总体上4市(州)(包括昆明市、玉溪市、曲靖市和楚雄彝族自治州)湿地面积与人口、工业和地区生产总值呈正相关。     

全球土地覆盖GlobCover2009数据中的中国区域湿地数据精度评价

目前,湿地方面的全球性数据产品寥寥无几。GlobCover2009作为免费的分辨率最高的全球土地覆盖数据产品,成为研究全球性湿地的重要参考数据源之一。目前为止,还没有学者对该数据产品中湿地类型的精度做出具体评价。以目视解译的中国2008年湿地遥感制图数据为参考,从湿地面积、类型和空间一致性在不同区域的分布等方面,对GlobCover2009数据产品在中国区域内湿地相关类型产品的分类精度进行了评价。评价结果显示,GlobCover2009数据产品中,中国的湿地类型总体分类精度不高,湿地面积一致性为46%,总体精度为32%,Kappa系数为0.13;其中,沼泽湿地的制图精度(0.05%)远低于水体制图精度(53.34%),水体的用户精度达到90.18%,沼泽湿地的用户精度仅为11.76%。对于沼泽湿地分布较广泛的中国东北地区和西北地区,该数据产品的分类精度也很低,分别仅为17%和13%;造成此现象的原因,除GlobCover2009数据产品没有专门对沼泽湿地进行定义和分类外,二者使用的数据源在空间分辨率及时间上的差异也是主要原因。     

基于面向对象方法和多时相HJ-1影像的湿地遥感分类——以完达山以北三江平原为例

以中国东北地区完达山以北三江平原(下简称小三江平原)为研究对象,利用2010年多时相HJ-1A卫星和HJ-1B卫星CCD影像作为分类数据源,结合野外调查数据,应用多尺度分割算法,根据影像的丰富信息和物候、时相等特征,采用面向对象的分类方法,进行小三江平原的湿地遥感分类。结果表明,湿地二级分类的总体精度为85.45%,总体Kappa系数为0.81。小三江平原湿地主要分布在低洼地区,总面积为9084.16km2;其中,天然湿地面积为2635.09km2,人工湿地面积为6449.07km2。集中分布的水田是小三江平原最主要的景观类型;天然湿地主要分布在自然保护区、河岸附近和国界周围;其中,草本沼泽面积最大。本研究表明,面向对象的分类方法能够有效利用遥感影像提供的丰富信息,产生较高的分类精度;对于中分辨率遥感影像不同分割尺度的组合使用有利于湿地信息的提取。降雨量较多、较少月份影像的选取和物候规律的利用是提取湿地信息的关键。多时相遥感影像数据的使用,改善了洪泛湿地和森林沼泽的分类效果,尤其是水田边界的划分;同时可以提高湿地分类精度。基于面向对象的遥感方法,利用多时相的中分辨率遥感影像,能够获取较高精度的湿地分布信息,是一种成本较低且行之有效的技术手段。     

利用Landsat 8多光谱数据的湿地信息提取方法比较研究

以淮河流域蚌埠段为研究区,利用2014年3景Landsat 8多光谱数据,采用支持向量机、决策树和面向对象分类方法,对研究区中的河流、湖泊、滩地和库塘(包括水田、水库、坑塘和水渠)进行遥感分类。由于各类型湿地在Landsat 8各波段影像中的光谱特征相似度较高,不利于分类,所以,在利用影像光谱数据的同时,借助于影像数据中的空间信息和温度信息,进行分类。研究结果表明,采用面向对象分类方法提取的河流、湖泊的用户精度较高;采用决策树分类方法提取的滩地、库塘的用户精度较高;采用支持向量机分类方法提取的河流、湖泊、库塘的用户精度较高,但是在河流、湖泊的分类中出现了椒盐现象,在滩地分类中出现了错分;与另两种方法相比,面向对象分类方法提取的河流或狭长湖泊末梢信息更准确。     

基于Sentinel-2A时序数据和面向对象决策树方法的植被识别

Sentinel-2A数据具有较高的空间分辨率和时间分辨率,克服了以往时序数据难以获取或空间分辨率低的问题。该文以山西省吕梁市陈家湾流域为研究区,基于Sentinel-2A时序数据,根据归一化植被指数(NDVI)时序曲线特征和光谱特征,构建基于面向对象决策树方法的分层分类模型,成功提取了陈家湾流域的植被信息,分类总体精度达到89.7%,Kappa系数为0.87。基于面向对象决策树方法的多时相分类结果与单时相分类结果相比,可以有效改善波谱特征相近和受地形影响较大地物的区分,减少混分现象;基于Sentinel-2A时序数据和面向对象决策树分类方法能够有效提高植被分类的精度。