无人机遥感在红树林资源调查中的应用

低空无人机（UAV,Unmanned Aerial Vehicles）遥感系统具有数据采集灵活、低成本且可快速获取超高分辨率影像的特色,是传统航空遥感和卫星遥感的重要补充。以广东省和广西壮族自治区交界处的英罗港港湾两侧为研究区域,将无人机遥感系统用于红树林资源的遥感调查,通过无人机航拍获取高分辨率影像,并且使用拼接的影像和目视解译方法提取红树林空间分布信息,进一步选择典型研究样地,采用面向对象的最近邻分类方法对红树林树种类型进行分类研究,并对比综述了无人机遥感和常规航空航天遥感技术对红树林资源调查监测的优缺点,无人机遥感系统非常适用于红树林资源调查。通过2 h 30 min的3架次无人机航飞工作,获取了研究区域25.29 km²的无人机影像,基于无人机影像和面向对象遥感分类方法提取的红树林空间分布信息精度超过了90%。未来无人机遥感系统将可成为调查和监测红树林资源的重要技术手段,可为相关管理部门对红树林资源的保护、管理、开发等方面的工作提供基础信息和技术支持。     

基于无人机遥感的黄河下游河南段河滩地植物群落多样性研究

周期性的农业活动和水沙变化已经显著改变了黄河下游河滩地的植物群落结构,快速、准确地获取河滩地的植物群落多样性信息,可以为黄河流域生态保护和恢复提供参考依据。以位于河南省新乡市原阳县朱贵村南部的黄河下游河滩地的植物群落为研究对象,采用最大似然、人工神经网络、面向对象和随机森林分类方法,利用无人机多光谱遥感影像数据,对河滩地上的植物进行分类,计算出各种植物的相对盖度、相对频度、重要值和植物群落的Simpson多样性指数、Shannon-Wiener多样性指数。研究结果表明,利用无人机多光谱遥感影像数据,可以较为准确地获取黄河下游河滩地上无遮盖植物的物种信息,优选的遥感分类方法是人工神经网络分类方法,其分类结果的总体分类精度和Kappa系数分别为61.42%和0.52;其对河滩地上植物物种的分类结果与实地调查结果基本一致。无人机多光谱遥感方法是研究湿地中植物群落多样性的有效方法。     

基于Sentinel遥感数据的红树林信息提取研究——以广西茅尾海为例

基于2018年的Sentinel-1雷达影像和Sentinel-2光学影像数据,采用面向对象技术获取影像的光谱、几何、纹理、自定义特征和多极化后向散射系数5个种类的90个特征变量,基于随机森林算法进行特征选择,并构建多种特征组合方案,利用随机森林分类器对保护区内的地物进行识别并提取红树林信息。结果表明:多特征耦合优化模式的分类效果最好,总体精度为89.60%,Kappa系数为0.8756,其中,红树林的制图精度与用户精度分别为96.39%、97.56%;识别出的茅尾海红树林面积为19.2km2,占整个研究区的2.67%。该研究揭示了Sentinel-1和Sentinel-2数据在红树林监测中的应用潜力。     

基于WorldView-2卫星影像的红树物种种群识别方法研究

为了准确地识别红树林中的各种红树物种种群分布区,以广东湛江红树林国家级自然保护区核心区的高桥红树林区为研究区,采用决策树算法、随机森林算法、自适应提升算法、梯度提升决策树算法、极端梯度提升算法和轻量级梯度提升机算法,利用WorldView-2卫星的高分辨率影像数据,构建影像的原始光谱波段、原始光谱波段+植被指数、原始光谱波段+植被指数+纹理特征3种特征组合数据集,识别研究区红树林中的各种红树物种种群分布区,分析各种算法在红树物种识别中的适用性。研究结果表明,5种集成学习算法的分类结果都优于决策树算法,其中,轻量级梯度提升机算法分类结果的分类精度最高,基于WorldView-2影像的8个原始光谱波段+12种植被指数+28种纹理特征,轻量级梯度提升机算法分类结果的总体分类精度值为93.15%,其分配不一致性值为5.07%,数量不一致性值为1.78%;极端梯度提升算法和随机森林算法在红树物种识别中也具有良好的适用性。WorldView-2卫星影像是对红树林中各种红树物种进行遥感分类的理想数据源,其纹理特征能显著提高分类精度,轻量级梯度提升机算法在红树物种识别中具有很大的应用潜力。     

耦合像素坐标的遥感图像分类实验北大核心CSCD

地理距离越相近的空间单元其相似性越高,但传统遥感影像分类常忽略像素空间坐标信息的重要性。该文提出一种将传统空谱信息与像素坐标耦合的遥感影像分类方法,为避免数据过拟合现象,采用随机森林模型对特征进行重要性评估,选取具有代表性的特征。利用不同分辨率的卫星与航空遥感影像数据,基于随机森林、支持向量机和人工神经网络3种模型对该方法进行验证,结果显示:相比传统仅使用光谱和纹理信息,耦合像素坐标信息的遥感影像分类可在一定程度上关注全局地理空间位置信息,利用地理单元越相近则性质越相似规律,提高遥感影像分类效果,在不同样本量、不同模型下的分类精度均有所提升。     

基于无人机影像的无瓣海桑单木提取与地上生物量估算

无瓣海桑(Sonneratia apetala)是中国红树林恢复种植最早引进的优质红树树种,其生产力在红树林群落中处于较高水平,具有显著的高生物量和能量积累。然而,由于红树林群落冠层密集、结构复杂,精确描绘无瓣海桑的单木树冠存在极大挑战性。传统的卫星遥感侧重于区域或更大尺度监测需求,而新兴的低空无人机遥感在更精细尺度的红树林生态监测中具有显著优势。以广东省珠海市淇澳岛红树林自然保护区为研究区,利用消费级无人机影像生成的冠层高度模型(Canopy Height Model, CHM)和种子区域生长(Seed Region Growing, SRG)算法进行无瓣海桑单木树冠提取,并建立基于地面调查数据获取的树高和胸径两者之间的回归关系,以优化无瓣海桑地上生物量异速生长方程,进而实现研究区单木尺度的无瓣海桑地上生物量估算。结果表明：基于无人机影像可以有效提取无瓣海桑单木树冠,其提取精度达到67%;验证了树高和胸径之间较高的相关性,提出了基于树高的无瓣海桑地上生物量异速生长方程;研究区无瓣海桑平均地上生物量的范围为2.99～247.24 t/hm²,平均值为92.14 t...     

遥感影像分类与地学知识发现的集成研究

遥感与地学之间存在着数据与知识上巨大的互补性。本文通过地面类型数据将遥感影像分类与地学知识发现结合起来:用遥感数据驱动发现地学知识,用地学知识解释、确认、检验遥感分类结果,并使用统计值和分布谱来定量化表达地学知识,形成一体化的遥感地学分类系统。     

基于Google Earth Engine的1986—2018年广东红树林年际变化遥感分析

以广东沿海红树林为研究对象，结合谷歌地球引擎（GEE）云计算平台，以1986—2018年32期3 359景Landsat系列卫星遥感影像为数据源，采用随机森林（RF）方法提取1986—2018年广东省红树林面积，比较全省沿海城市红树林年际时空变化特征，并从景观斑块角度分析广东省红树林斑块演变特征。结果表明：1）1986—2018年红树林遥感分类总体精度均高于90%，广东省沿岸红树林面积总体呈先减少后增加的趋势，且其在2014年后变化幅度逐渐减小。2）从各沿海城市来看，红树林共分布在14个市内，其中湛江和阳江是红树林面积分布最大的2个城市；各市红树林面积变化可分为先减后增、波动增加和无明显变化3类。3）1986—2018年广东省红树林斑块数量总体呈减少趋势，但斑块平均面积（MPS）呈上升趋势，红树林破碎化程度减轻。获取年际红树林面积分布信息和空间结构变化趋势，可为红树林合理开发与保护提供数据和参考，服务于红树林生态恢复和精细化管理。     

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。     

基于NDVI时间序列影像的天山北坡经济带农业种植结构提取

水资源匮乏是干旱区实现可持续发展的最大障碍。干旱区农业灌溉耗费大量的水资源，不同农作物在生长期所需的灌溉水量存在较大的差异，因此快速准确地了解干旱区的农业种植结构可以为节水型农业种植结构优化提供重要依据。以天山北坡经济带为研究区，以谷歌地球引擎（Google Earth Engine，GEE）云平台为支撑，以Sentinel 2以及Landsat 7-8的数据为遥感数据源，采取以下步骤进行研究区的农业种植结构提取：首先，为了简化农业种植结构提取的过程，利用一年最大NDVI值以及坡度信息构建耕地掩膜图层；然后，根据研究区内主要农作物的物候历，获取不同时间段内的最大NDVI值的时间序列数据以及农作物在一年中出现NDVI最大值的日期，并在此基础上构建一个包含10波段的特征波段影像；最后，结合野外实地考察获得的有效样本点以及经耕地掩膜图层掩膜后的10波段特征波段影像，利用随机森林分类器进行研究区的农业种植结构提取。分类结果表明：2018年研究区内棉花、玉米、小麦的总体分类精度为92.19%，Kappa系数为0.883。为了进一步将分类结果与统计数据进行对比，我们将训练得到的分类器应用于2017年的遥感影像，提取了研究区内2017年的农业种植结构信息，其分类结果表明2017年研究区内棉花、玉米、小麦的种植面积分别为5 270 km²、2 000 km²、2 340 km²，其相对精度分别为86.53%、77.54%、86.19%。     

无人机组网遥感数据体系建设评介

无人机组网遥感数据是指在无人机组网条件下获取的遥感观测数据。随着无人机组网系统的复杂化,获取的遥感数据呈几何量级增长,迫切需要一种与无人机组网技术相匹配的标准化无人机组网遥感数据管理体系。遗憾的是,迄今为止,国内外还没有完善的无人机组网遥感数据体系,也没有相关文献系统地介绍无人机组网遥感数据体系的发展历程。论文依次对无人机组网遥感数据的发展历史、数据特点、数据界定和分类标准、获取和处理流程、不同场景下的应用进行了系统的梳理,指出了无人机组网遥感数据体系未来的研究方向。研究成果是无人机组网遥感数据体系研究的一次探索,将为无人机组网条件下相关行业标准的制定提供参考依据,也为无人机组网遥感数据的深层次应用提供借鉴。     

无人机遥感组网冗余容错的研究

针对无人机在遥感遥测领域组网过程中存在的随机故障,进而导致无人机在任务执行过程中任一约束的及时响应缺失,将会影响任务总体结果或导致整个任务部分及完全失败的问题,论文提出无人机遥感组网冗余容错方法。该方法采用领航—跟随的无人机编队飞行模式,多台组网无人机稳定可靠完成指定的飞行任务,验证了冗余容错方法,解决了无人机遥感组网冗余容错技术中的有和无的问题。     

轻小型无人机遥感及其行业应用进展

无人机是低空领域准确、灵活、高效获取多种类型高分辨率遥感数据的重要载体,无人机遥感技术在行业应用创新和管理部门科学决策之间构筑起信息沟通的关键桥梁。随着科技的进步、大数据时代的来临,无人机遥感系统的硬件设备、信息提取方法都取得了飞速的发展;同时其在国民经济主要行业领域的应用也面临着前所未有的机遇和挑战。论文首先介绍了无人机遥感系统的硬件研发进展,并指出轻小型、高精度、标准化与集成化是未来无人机遥感系统发展的总体趋势。其次,详细介绍了目前轻小型无人机遥感应用在农业、林草业、电力、测绘、大气探测和地质灾害等行业的应用现状,指出实现无人机多源遥感数据获取、融合、分析和提取的综合平台是未来轻小型无人机在民用领域行业应用创新的关键所在。最后,针对载荷与飞行平台的一体化集成应用、无人机组网作业、海量数据管理和信息自动化提取等发展趋势提出了几点思考。轻小型无人机遥感在国民经济各行业应用的普及化和标准化,将有助于国家和区域社会经济的健康发展。     

基于HJ-1 CCD数据的九龙江口湿地资源监测

以福建九龙江口地区为研究区域,利用2008年和2012年的国产环境一号(HJ-1)CCD数据,综合利用监督分类、非监督分类和知识规则相结合的方法对湿地进行分类和专题提取。结果表明:与2008年相比,2012年九龙江口湿地总面积有所减少。天然湿地中河流的面积减少,主要转为滩涂、红树林和其他。养殖场的面积增加最多,主要由农田、河流和其他转化而来;而农田的面积减少最多,主要转为养殖场、林地和其他。快速城市化对九龙江口的湿地影响很大。     

珠江口红树林湿地演变的遥感分析

广东拥有全国面积最大的红树林湿地。但近年来经济的快速发展使得该湿地系统发生了很大的变化。利用多时相的遥感图像和专家系统方法对珠江口红树林湿地的时空变化进行了分析。结合雷达遥感图像,对红树林群落分类及生物量估算进行了研究,改善了单独使用光学遥感的不足。获得了试验区红树林的变化趋势、类型分布及生物量等情况,为红树林湿地的生态保护提供了重要信息和新的监测手段。     

基于神经网络模型技术的南京市主城区城市森林遥感调查

城市森林调查是城市森林研究和规划建设的前提和基础工作,而遥感和GIS技术已成为现代城市森林调查的主要方法。遥感信息源和遥感分类技术是决定城市森林遥感调查质量的两个关键因素,研究认为,根据城市森林特点及城市森林研究和规划建设的要求,城市森林遥感调查采用的遥感影像分辨率以8¹0m为宜,神经网络模型分类技术应用于城市森林遥感调查效果较好。本文以南京市主城区为例,以10m分辨率多光谱spot卫星图像与2.5m分辨率全色spot卫星图像的融合图像作为解译信息源,采用dARTMAP神经网络模型进行监督分类,提取了一套具有较高精度的南京市主城区城市森林空间属性数据和图件,并在此基础上分析了南京市城市森林基本特点及规划建设方向。     

生态遥感新锐——轻小型无人机的应用

基于研究对象视角梳理轻小型无人机遥感手段在生态学研究中的应用现状，重点分析了无人机在不同生态对象应用的优势和局限：优势主要在于其能够高灵活性、高分辨率地获取各生态对象的数据，为较大规模的生态研究提供了便利。在农田生态系统应用中主要关注农田信息检测、自动化农作等方面，但在这方面的应用还比较单一，缺乏更深层更全面的系统化应用；在森林草地中主要关注植被结构参数提取、生物量反演等，在数据采集过程中应注意设备的稳定性避免对数据准确性造成影响；城市生态系统主要集中在城市环境监测和测绘方面，同时城市方面飞控政策尚待完善；水生生态系统主要关注水生动植物监测和潮间带观测等，大规模监测也对设备续航和数据标准化处理提出了要求；动物研究应用中主要关注动物迁徙规律、物种分布等方面，在监测过程中需注意不要对动物栖息造成干扰。总的来说，无人机应用局限主要在于其获取的数据处理尚未标准化，飞控政策尚未成熟和硬件续航等方面。在此基础上探讨了未来无人机遥感在生态学研究的应用趋势：随着无人机智能化的软硬件发展和云端生态大数据的建立，无人机数据的获取和处理将更加智慧化，多源的无人机遥感数据将会更好地服务于生态学研究。     

基于多维度遥感影像的洪河国家级自然保护区沼泽湿地分类方法研究

以洪河国家级自然保护区为研究区,选取了多时相的Sentinel-1B和Sentinel-2A影像为数据源,制定出9种多时相主被动遥感数据组合方案,用于沼泽湿地遥感分类;分别对根据9种方案整合的多维数据集,进行基于尺度继承的多尺度分割,得到面向对象的分割影像,建立与不同方案对应的特征数据集;采用随机森林机器学习算法,对多维特征数据集进行特征优化,并进行参数调优,构建沼泽植物的最优遥感识别模型,实现对沼泽湿地中地物的识别与分类。研究结果表明,采用递归特征消除(recursive feature elimination,RFE)算法的变量优选和采样随机森林的参数调优,可以优化随机森林模型,显著减少数据冗余,整合多时相主被动遥感数据方案九的随机森林模型的最佳参数mtry和ntree分别为4和1500,模型训练精度为93.06%,Kappa系数为0.916,其模型训练精度在所有方案中最高;经过变量优选得到最佳特征变量组合,交叉极化方式的后向散射系数(Mean_VH)对于沼泽分类的重要性比同向极化方式的后向散射系数(Mean_VV)高;光谱特征是遥感图像分类的最主要特征,其中,红光和绿光波段(Mean_R和Mean_G)、多光谱红边波段(Mean_REG1和Mean_REG2)、近红外波段1(Mean_NIR1)、红边植被指数(CIgreen和CIreg)都对分类具有较高的重要性;纹理特征熵(GLCM_Entro、GLCM_Ent2)和位置特征像元坐标(X_Min_Pxl和Y_Max_Pxl)对沼泽湿地分类也起到重要作用,相对于其它特征,形状特征对分类的贡献性较小;利用方案九的数据得到的分类结果的总体分类精度为94.42%,主被动遥感数据的特征变量和不同时相的特征变量都对分类做出重要贡献,其中,6月的多光谱特征变量的贡献大于9月的变量;9月的SAR特征变量的贡献大于6月的变量;对分类贡献最大的9月的特征变量为多光谱红边波段2(Mean_REG2),对分类贡献最大的6月的特征变量为绿光波段(Mean_G);融合多时相主被动遥感数据源,可以将不同数据源、不同时相对分类具有较大贡献的特征变量集合在一起,充分利用光谱信息和雷达数据反映的结构信息,构建多维度最佳特征变量组合方案,有效提高沼泽湿地分类精度。