基于纹理特征的香格里拉县冷杉林郁闭度遥感估测研究

以香格里拉县2006年TM影像、2006年森林资源二类调查小班数据为信息源,结合研究区冷杉林地面实测标准地（30m×30m）数据,提取香格里拉县冷杉林TM影像分布信息及标准地纹理特征因子（共48个）,对各因子进行相关分析;利用主成分法对纹理特征因子进行因子分析,最终选出13个纹理特征因子利用偏最小二乘法进行回归建模并进行模型精度检验。根据回归估测模型以及提取出的冷杉林各波段纹理特征因子,进行研究区冷杉林郁闭度反演。结果表明,基于遥感影像纹理特征建立的郁闭度遥感估测模型,其RE=13.8%,RMSE=10.39,精度为83.3%。研究区冷杉林郁闭度反演可知冷杉林郁闭度多分布在0.6~0.7范围内,多为中度郁闭林地。     

基于光谱和纹理特征的ALOS影像土地利用信息提取

针对高分辨率遥感影像易于反映地物纹理特征的特点,综合利用地物的光谱和纹理特征进行分类,探讨适用于ALOS影像的土地利用信息提取方法。以川东丘陵地区影像为例,基于GLCM提取纹理信息,将提取的纹理特征向量采用赋权值法融合为一个综合纹理信息波段,然后采用面向对象法将其与光谱特征信息共同参与分类。与最大似然法的提取结果对比表明,考虑了纹理特征的面向对象分类方法能明显提高分类精度,Kappa精度提高了0.12;避免了椒盐现象,分割的地类边界具有更好的语义表达,更贴合地物实际分布特征;建筑用地和林地具有明显的纹理特征,而旱地纹理特征不明显。该方法不仅分出了6个基本地物类型,而且对于林地、建筑用地等类型还能进一步细分。     

基于TM光谱特征的沼泽地定量提取模式研究

要从TM影像上定量提取沼泽地信息就必须首先获取TM数据中的沼泽地波谱信息这个最基本参数。以2000年7月TM数据为数据源,在ERDAS和PCI等遥感软件支持下,运用灰度分析方法分析沼泽地及背景地物光谱特征,并以一条光谱采样剖面线分析沼泽地内部光谱结构。最终,建立了基于前述光谱特征的三个关于沼泽地信息的定量提取模式,定量提取了沼泽地的植被、积水信息以及与水田区别的参数,具有计算机上运算的可行性。     

威海市近海水产养殖信息提取方法研究

单独利用遥感影像光谱信息进行近海水产养殖信息提取时,养殖水体与自然水体易混淆,而单独利用遥感影像纹理信息提取近海水域水产养殖信息时,单一大块养殖水体与自然水体又难以区分。针对上述问题,利用OLI影像数据,提出了一种综合遥感影像光谱与纹理信息进行水产养殖信息提取的方法。首先,在对研究区养殖水体类型进行光谱特征分析的基础上,采用主成分变换方法,对OLI影像光谱信息进行压缩、挖掘和选取;其次,分析灰度共生矩阵窗口尺寸和纹理特征统计量对研究区水产养殖区域的区分能力,完成纹理特征的选取,并将选取的纹理信息和光谱信息进行特征协同;最后,对特征协同数据进行多尺度分割,根据各水体类型间的光谱特征和纹理特征的差异,构建研究区3种养殖水体的模糊逻辑隶属度函数,实现对研究区水产养殖信息的自动提取。研究结果表明,该方法能较好地提取研究区水产养殖信息,总体分类精度达到97.93%。     

基于辅助信息的遥感影像信息提取探讨

选取陕西省咸阳市三原县作为研究区,利用遥感ENVI软件,对2006年6月SPOT5影像的土地利用信息进行解译。通过对影像中耕地、园地、林地、居住用地、交通用地、水域等地物光谱特征、纹理特征、空间特征等辅助信息与特征进行深入分析,获取了该研究区土地利用信息及其分布特征。结果显示,基于辅助信息的遥感影像信息提取能够弥补单纯依靠像元的分类方法,精度较高,可达86.34%,能够较好的满足用户的要求。     

数据融合方法在道路提取中的应用研究

以SAR与SPOT多光谱影像为数据源,通过几何校正、辐射定标、降噪等数据预处理,选取PCA(Principal Component Analysis)、BT( Brovey Transform)、WT( Wavelet Transform)和HPF( High-Pass Filtering)4种方法进行融合实验,并对融合后数据以及原SPOT多光谱数据进行道路提取研究.结果表明:基于PCA和HPF方法所提取的道路特征明显,纹理清晰,错分和漏分现象不明显,道路信息效果较好;WT方法提取效果次之;BT道路提取效果相对较差;4种方法经融合后数据提取道路精度均高于原始SPOT多光谱数据,最优方法提取道路精度错分率较SPOT多光谱高达29.4％,道路提取精度相对较差的BT方法较SPOT多光谱错分率高出18％.     

耦合光谱、纹理信息的森林蓄积量估算研究

本研究以Landsat 8为遥感数据源,以样地调查数据和森林资源二调数据为辅助数据对西藏林芝县的森林蓄积量进行反演研究。研究通过多元回归分析构建了林芝县森林蓄积的估算模型。为验证纹理信息的加入能否提高森林蓄积量遥感反演的精度,研究通过灰度共生矩阵提取了Landsat 8的纹理特征。在分析了森林蓄积量与遥感影像各波段、植被指数、纹理特征以及地形因子之间的相关关系后,分别以(1)光谱和地形因子、(2)纹理信息、(3)光谱因子、地形特征和纹理特征结合为自变量构建森林蓄积量的遥感估测回归模型。实验结果表明:传统的森林蓄积量反演方法得到的精度最低,而基于光谱因子、地形特征和纹理特征结合的森林蓄积量估测模型得到结果的精度最高,达到80.24%,均方根误差RMSE为1.018。研究结果证明随着纹理信息的引入,原本仅基于光谱和地形因子的森林蓄积量反演复相关系数从0.5843提高到0.7075,反演精度提高了10.06%,这说明纹理信息对森林蓄积的反演精度有提高的作用。本研究构建的基于光谱因子、地形特征和纹理特征结合的回归模型对研究区内的森林蓄积量反演具有可靠性,对于森林资源的监测和管理具有重要的意义。     

MODIS在三江平原湿地分布研究中的应用

湿地研究的关键在于定量化获取和分析湿地信息,特别是湿地分布信息。以三江平原为例,结合湿地的光谱特征和时相特征,利用多时相MODIS数据,采用MNF(最小噪音分离变化)技术和非监督分类获取了研究区湿地分布,其精度达79%。研究表明,利用MODIS数据可以有效提取湿地分布。     

基于水稻特征波段的决策树分类研究

针对种植结构复杂、地形复杂的水稻种植面积遥感提取精度不高现象,结合多时相遥感影像中反映水稻物候规律的特征波段,以南京江宁丘陵山区为例,选择典型水稻物候期时相的TM数据,基于多特征波段构建决策树分类提取水稻种植面积。结果表明:纹理、植被指数、湿度因子、坡度因子等多特征参与决策树分类能够提高总体精度;在具有两期物候数据时提取精度和效率较好,而加入了地形特征的水稻抽穗期数据比水稻灌浆期数据获取效果略好。因此,利用合理的作物物候期数据和该遥感影像的特征波段可有效提高分类精度,为地块破碎区作物种植面积提取提供有效手段。     

基于混合像元分解和知识规则的人工刺槐林健康分类

提出一种基于精度较高的Landsat TM数据检测刺槐林枯梢状况的方法,整个过程分为:1)利用监督分类提取出林地分布范围,制作刺槐林地掩膜;2)对刺槐林地利用线性光谱混合模型进行混合像元分解,得到健康刺槐、非光合作用绿色植被(NPV)、土壤的丰度图,定义刺槐林的健康分类等级:健康或轻度枯梢、中度枯梢、重度枯梢或死亡;3)利用决策树分类器对丰度图像、归一化植被指数(NDVI)以及经缨帽变换获取的亮度和绿度成分定义一组规则,进行刺槐林生长健康状况分类,分类结果与实地样方数据具有较好的一致性,利用林冠分级向导进行精度分析,精度达82.2%,Kappa系数为0.752。     

基于影像多种特征的CART决策树分类方法及其应用

以扬州市宝应县为研究区,采用主成分分析法对研究区影像进行数据压缩和单波段数据增强,利用灰度共生矩阵分析第一主成分的纹理信息。运用基于CART算法的决策树分类方法,选用影像的光谱特征值、NDVI值以及纹理统计量值为测试变量,并通过计算确定决策树的节点规则,提取影像中主要地物信息。将分类结果与单纯依靠光谱特征的监督分类法结果相比较,表明基于影像多种特征的CART决策树分类方法分类精度较高,尤其较好地提取了围网养殖区和建设用地。     

基于LandSat8 OLI数据的山区阴影信息检测与提取

为快速获取山区遥感影像上的阴影干扰区域,探究一种简便、高效、精确的遥感影像中阴影干扰区域的方法,具有重要的意义。以福建省长汀县为研究区域,搜集2016年3月美国陆地卫星影像数据与ASTER影像计算的GDEM V2产品。基于土地利用分类体系测量的6类地面物体光谱信息与影像波段信息,优选影像的光谱波段并重新组合;选取Sinh函数与Max函数建立c!算法,对LandSat8 OLI影像进行差异化计算,通过二分式判别规则初步提取阴影区域;加入由数字高程模型计算的坡度信息,剔除水域与坡度较为平缓的地物等干扰信息,精确提取山区阴影区域。设立网格随机设置精度验证点验证精度,最终总体精度达到99.06%,Kappa系数为0.98。结果表明,实验方法对于LandSat8 OLI影像提取阴影可行性高,检测效果与提取结果较c3算法与SVI指数更好。     

基于高空间分辨率遥感影像的湿地信息提取技术研究

如何利用遥感技术获取高精度的湿地信息是湿地遥感研究中的重要内容之一.基于高空间分辨率的遥感影像数据,研究利用面向对象的分类方法,综合利用遥感数据的光谱信息、纹理特征、拓扑关系等信息进行多尺度分割,通过对对象的目视解译建立隶属度函数,并结合最邻近分类法,获取湿地信息.并以福建省闽江口湿地为例,采用高分辨率的SPOT5影像数据,研究表明：利用面向对象的方法对SPOT5遥感影像进行湿地信息的提取精度达到90.40%,为湿地信息的提取又提供了一个有效的方法.     

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。     

基于3S技术的中国东北地区林地时空动态特征及驱动力分析

利用3S技术和中国资源环境数据库中用LandSat TM(ETM)解译获取的东北地区1985,1995,2000年林地空间分布数据,建立林地时空演变模型,定量分析东北地区林地变化时空特征。结果表明:1985~2000年东北地区林地发生较大幅度变化,时空差异明显;1995~2000林地急剧减少趋势得到有效遏止,有林地面积出现一定程度增长,但林地变化的广度和强度仍然超过1985~1995年,突出表现在大兴安岭地区林地动态度增加。从空间格局上看,大小兴安岭、长白山山麓地带林地动态变化最强烈,主要表现为林地与耕地和草地相互转换。     

基于随机森林与特征选择的藏东南土地覆被分类方法及精度评价

由于云污染、实地验证点的匮乏,以及地形地貌的复杂、破碎化,多云山区土地覆被的准确分类较难实现。以藏东南这一典型的多云山区及生态过渡区为研究区,基于Google Earth Engine(GEE)平台和野外实测数据,结合多光谱数据、雷达数据、高程数据、辅助数据,提取光谱特征、纹理特征、地形特征等信息,利用递归特征消除法对特征进行优化,并采用随机森林算法构建分类模型,以期有效利用多源遥感数据提高土地覆被分类精度。结果表明：(1)并非特征越多分类精度越高,特征选择后数量由58个减至38个,分类精度（总体精度93.96%,Kappa系数0.92）较未优化前（总体精度93.11%,Kappa系数0.92）略有提升。(2)地形特征及雷达特征对藏东南土地覆被分类具有重要作用,地形特征对多数土地覆被类型的分类精度具有影响,而雷达数据对裸地、建设用地、灌丛影响较大,分类过程中如不考虑地形及雷达特征,总体精度分别降至88.98%,92.48%。纹理特征以及时序特征仅对提高具有明显纹理以及时序变化的土地覆被类型的精度有帮助。结合随机森林和特征优化算法,能够在保证土地覆被分类精度的同时,高效整合多源数据信息,...     

人口数据空间化的处理方法

在人口空间分布区划的基础上,利用基于LANDSAT TM信息获取的1:10万比例尺的土地利用/覆盖数据,建立与统计人口数据的多元相关关系模型,计算各种士地利用类型中的居住人口系数,在GIS支持下计算出全国1km格网人口空间分布数据,然后结合DEM数据、居民点分布数据对空间化处理结果进行修正,并在各大区内随机抽样若干县采集乡镇行政边界和统计人口数据对模型计算结果进行了验证.     

基于不同窗口纹理特征的SVM土壤盐渍化信息提取方法与精度分析研究

以塔里木盆地北缘绿洲--渭干河-库车河三角洲绿洲为例,借助ENVI遥感软件,利用ETM+数据,探讨了该绿洲土壤盐渍化信息提取的方法.传统的遥感图像分类方法多数在解决问题上存在精度不高、分类效率较低、不确定性强的缺陷,所以,选择好的分类方法对于提取盐渍化信息是至关重要的.近年来,将SVM应用于遥感图像分类已成为新的发展趋势.文章提出了基于纹理特征的支持向量机(Support Vector Machine,SVM)的分类方法,得出以下结论:分别结合3×3,5×5,7×7,9×9,11×11,13×13窗口纹理特征和光谱的SVM分类精度都很高,达到93%以上.并且在验证分类精度时,发现结合光谱和9×9窗口纹理信息的SVM分类的结果更符合实际情况.所以说加入纹理特征后使得光谱信息比较接近的3类地物(重度、中度、轻度盐渍地)的区分性增大,从而使精度提高.因此,基于纹理特征的SVM分类方法更有利于遥感图像分类和盐渍化信息监测,是地物遥感信息提取的有效途径.     

多源多时相遥感数据在冬小麦识别中的应用研究

当前基于多时相遥感数据进行作物识别时往往只用到了单一的数据源,未能充分利用作物的时相特征和光谱特征.该文以胶东半岛为例,在冬小麦识别研究中采用一种基于多源多时相遥感数据的方法,利用MODIS NDVI产品和TM数据将冬小麦的时相特征识别与光谱特征识别充分结合.首先,基于4个时相的MODIS NDVI产品影像生成冬小麦掩膜,将冬小麦与其他作物区分开;然后将冬小麦掩膜应用于TM影像,并通过TM光谱识别的方法提取冬小麦,冬小麦识别精度达92.39%.     

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。