多源遥感影像红树林信息提取方法比较

选取2012年2月24日的SPOT 5遥感影像和2013年12月6日的Landsat 8、"高分一号"遥感影像,应用最大似然法、支持向量机和面向对象方法提取红树林信息,并引入F值评价提取效果。研究结果表明,用最大似然法和支持向量机提取红树林信息的精度相似,与影像的特征光谱信息量相关性较强;而对于SPOT 5影像等更高分辨率遥感影像,面向对象方法降低了最大似然法和支持向量机分类的红树林斑块破碎程度,其信息提取精度与影像的空间分辨率正相关。     

基于Landsat OLI影像的盐城滨海湿地分类方法对比研究

采用何种方法对滨海湿地信息进行有效提取和分类是值得关注的问题。利用Landsat OLI影像数据,在ENVI 5.1软件平台上,采用监督分类、决策树分类和面向对象方法,对盐城滨海湿地进行了分类研究。研究结果表明,在分类精度和效果上,面向对象方法的分类结果最好,其它依次为决策树分类方法、监督分类方法的分类结果;3种方法对光滩和芦苇(Phragmites australias)滩涂信息的提取效果相对较好,对道路和碱蓬(Suaeda glauca)滩涂信息的提取效果相对较差;面向对象方法能够克服传统基于像元分类方法中的"椒盐效应"问题,并能取得较高的分类精度,该方法适用于利用中分辨率遥感影像的滨海湿地分类研究。     

面向对象的湿地景观遥感分类——以杭州湾南岸地区为例

在ENVIEX软件的Feature Extraction平台上,利用LandsatTM影像数据,采用面向对象方法对杭州湾南岸地区湿地景观进行遥感影像分类;通过与基于最大似然法、人工神经网络法、支持向量机法等传统像元方法的相应分类结果进行比较,系统分析了面向对象方法在中低分辨率遥感影像的湿地景观生态分类中的有效性。研究结果表明:①较之单一依据像元光谱值进行分类的传统方法,面向对象方法综合考虑了对象的光谱、空间、纹理、色彩等多种属性特征,因而对于类型复杂多样、分布界限模糊、光谱混淆与混合像元现象严重的沿海滩涂、湖泊、河流等湿地景观具有更好的鉴别能力,也因此获得更高的分类精度(研究区景观分类总精度为88.80%,Kappa系数为0.8765);②面向对象方法在分类中提取的是由同质性像元组成的"对象",且在合理的影像分割下得到的对象破碎化程度较低,因而能在较大程度上减小分类结果中的"椒盐噪声"干扰;而基于像元方法提取的景观类型以离散像元形式组成,难以清晰表征景观的边界、形状等信息,所以分类结果中会有明显的噪声现象;③影像分割在运用面向对象方法进行遥感影像分类过程中具有重要影响,实验结果表明,60%的分割尺度和归并尺度组合较有利于中低分辨率影像的遥感分类;④面向对象分类过程中诸如影像分割精度的评价、最优分割尺度的选取、特征空间的优化等问题,则有待今后进一步探讨。     

若尔盖县弯曲河流精细提取研究

利用Google Earth Engine遥感大数据云平台,以若尔盖县的弯曲河流为研究对象,以空间分辨率为10 m的Sentinel-2多光谱卫星遥感影像为数据源,选用归一化差分水体指数(NDWI)、改进型归一化差分水体指数(MNDWI)和自动水体提取指数(AWEI)相组合的方式,建立支持向量机模型,进行弯曲河流信息的提取;利用归一化差分水体指数、改进型归一化差分水体指数和自动水体提取指数,提取出弯曲河流信息,并与支持向量机模型提取的结果进行了比较。研究结果表明,利用归一化差分水体指数提取的弯曲河流的整体性和连续性最优;利用改进型归一化差分水体指数提取的地势复杂区域细小河流的精度较高;利用支持向量机模型提取的弯曲河流更为准确,并消除了山体和植物阴影对弯曲河流提取的影响;与利用3种指数提取的结果相比,支持向量机模型提取的弯曲河流的总体精度和用户精度都相对最高。     

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。     

基于CART决策树的沙地信息提取方法研究

为研究沙地信息提取的方法，采用基于CART决策树的面向对象方法，提取中卫市沙坡头区的沙地信息。首先对研究区进行多尺度分割和光谱差异分割得到对象层，然后选择合适的提取特征和训练样本点，最后输入选择的提取特征和样本点生成CART规则树，并对地物进行分类，提取出沙地信息。结果表明：采用面向对象的CART决策树方法提取沙地信息具有较高自动化程度和精确度，依此构建的CART决策树总体分类精度可达到77%，是最近邻分类结果的1.12倍，支持向量机分类结果的1.57倍，此外，NDBI（归一化裸露指数）、GSI（粒度指数）和SWIR 2（第七波段）均值可以成功的将沙地、戈壁和裸岩石砾地三个易混地物区分开来，是沙地提取过程中三个重要的特征指数。     

基于决策树的洪湖水生植物遥感信息提取

以洪湖为研究对象,采用分类与回归树(classification and regression trees,CART)方法,根据训练样本数据集中挖掘分类规则,集成遥感影像的光谱特征、植被指数、水体指数、纹理特征等特征变量,建立研究区湿地信息提取的决策树模型;在此基础上,探究水体透明度对水生植物遥感信息提取的影响,依据特征变量有、无水体透明度,分别建立两类决策树,即有水体透明度参与的决策树(CART 14)和无透明度参与的决策树(CART 13);在训练样本和验证数据相同的情况下,对比采用CART 14、CART 13、支持向量机(support vector machine,SVM)和最大似然分类(maximum likelihood classification,MLC)4种方法的分类结果的精度。研究结果表明,洪湖中水生植物覆盖面积约占洪湖湿地总面积的47%,洪湖中的水生植物以沉水植物为主;采用有水体透明度参与的决策树分类结果的总体精度比采用支持向量机和最大似然分类方法的分别提高了7.78%和16.36%,Kappa系数则分别增大了0.12和0.20,无水体透明度参与的仅比有透明度参与的决策树分类结果的总体精度降低了2.77%,Kappa系数减小了0.04。水体透明度的参与能提高分类精度,而无水体透明度参与的决策树分类结果的总体精度也高于其它传统方法的分类精度。因此,在实际湿地分类中,若无水体透明度数据,但决策树的辅助分类变量足够多时,无水体透明度参与的决策树也能较好地进行分类,提取水生植物信息。     

基于WorldView-2数据的基塘系统遥感分类研究

分布在热带和亚热带低洼地区的基塘系统是一种典型的人工复合农业生态系统。通过水陆交互作用和能量多级利用,基塘系统创造出较高的生态价值和经济价值。掌握基塘系统土地利用的类型、面积和比例关系,有助于了解和分析基塘系统的现状及其生态模式和功能。以广东省佛山市顺德区西南部为研究区,利用高空间分辨率WorldView-2卫星影像数据,采用结合面向对象分类和基于像元的混合分类方法,提取基塘系统中的塘面和基面(基面又细分为道路、植被和裸土等);从分类特征组合与分类器两个方面,通过对比分析,筛选出基塘系统遥感影像分类的最优方法;根据最优分类结果,计算出塘基与塘面的面积比例。研究结果表明,采用面向对象分类方法分离的塘面和塘基的总体精度为82.2%;在基于像元进一步对塘基进行分类的过程中,结合8个多光谱波段光谱反射率平均值、影像亮度值和8个红边波段指数特征组合方式的随机森林分类器的分类精度最高,达到85.6%;得到的基-塘面积比例约为4.9∶5.1,植被-塘面的面积比例约为3.5∶6.5。提出的结合面向对象和基于像元的混合分类方法能够对基塘系统进行精细的遥感影像分类,能准确估计基塘系统中各地物的面积和基-塘比例等指标,并为基塘系统生态功能的调查和基塘系统的合理保护与开发提供参考和数据支持。     

近30年白洋淀湿地景观的时空变化特征

白洋淀是华北平原最大的湖泊湿地,其景观格局变化对雄安新区乃至整个京津冀的生态安全具有重要意义。采用目视和基于样本的面向对象方法解译了1988—2018年的Landsat影像资料,对白洋淀湿地景观进行分类,并分析了白洋淀湿地景观类型和格局的时空变化特征。结果表明:1988—2018年,沼泽向滩地和耕地以及湖泊向沼泽、滩地和耕地发生大面积转换,湿地景观面积占比下降15.8%,滩地替代湖泊成为面积最大的湿地类型;沼泽和湖泊的最大斑块指数(LPI)大幅减少,耕地最大斑块指数(LPI)持续增加。河流的形状逐渐复杂,库塘和耕地形状趋于规则。沼泽、湖泊和耕地的斑块连接程度较好,破碎化程度较低;景观破碎化和多样性增加,景观形状指数(MSI)变化微弱,各景观类型面积趋于均衡,优势景观类型的连通性减弱,对整个景观镶嵌体的控制作用减小,景观异质性增加。     

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。     

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.     

基于高分二号的云南松林遥感影像提取方法研究

基于高空间分辨率的高分二号遥感影像,建立包含影像光谱特征、几何特征、纹理特征在内的分类特征集,使用面向对象的分类算法提取研究区的云南松林。研究表明:光谱特征、几何特征和纹理特征同时参与分类,得到的分类效果比单独使用一种特征或两种特征组合的分类效果更显著;与贝叶斯分类算法、K最邻近分类算法、支持向量机分类算法相比,随机森林算法的分类结果总体精度最高,为93.35%,对研究区云南松林提取的生产者精度为96.91%,用户精度为92.35%;云南松林面积占研究区面积的40.10%,是研究区最为重要的树种。     

新巴尔虎右旗沼泽和草甸信息提取

运用监督分类和决策树两种方法,以2014-8-25的Landsat8-OLI遥感影像为基础数据源,提取新巴尔虎右旗的沼泽和草甸信息。方法一:在ENVI中进行监督分类,将研究区分为沼泽和草甸、草地、森林、农用地、水体、居民地、沙地和其他等八类,采用最大似然法对研究区遥感影像进行沼泽和草甸信息的提取工作。方法二:求取研究区的归一化植被指数NDVI,将NDVI值和坡度值作为限制条件,进行求取研究区域的沼泽和草甸信息。将两种方法获得的沼泽和草甸分类图与验证样本进行混合矩阵分析,分别对两种分类结果进行精度评价,比较监督分类和决策树分类在沼泽和草甸信息提取的精度。结果表明:Landsat8-OLI影像采用监督分类的精度为89.40%,利用决策树分类的精度达到了91.05%,精度较高。这两种方法均能够很好地进行沼泽和草甸信息提取,同时验证了基于Landsat8遥感影像在湿地覆被分类的可行性。     

CBERS-02B与资源三号多光谱影像的光谱可分性实验对比

以江苏省徐州市郊区为实验区,采用Jeffries-matusita距离方法分析了CBERS-02B与资源三号卫星(ZY-3)多光谱影像的光谱可分性。采用最小距离法、最大似然法和支持向量机3种分类算法进行影像分类,以用户精度、制图精度、总分类精度和Kappa系数作为分类精度的评价指标,探讨了CBERS-02B与ZY-3多光谱影像的光谱可分性。实验表明,CBERS-02B和ZY-3多光谱影像均有利于区分农田和水体类,而对建筑物、裸地及道路的光谱可分性较弱;ZY-3影像对建筑物类的光谱可分性优于CBERS-02B影像,但对裸地及道路类的光谱可分性不及CBERS-02B影像。研究结果对于卫星传感器设计和遥感数据应用具有一定的参考价值。     

基于多时相环境卫星数据的南瓮河流域湿地信息提取方法研究

选取位于大兴安岭林区的南瓮河流域作为研究区,以多时相、中等分辨率的环境卫星影像为数据源,采用面向对象方法,通过多尺度分割、特征提取、决策树建立等步骤,实现湿地信息的快速提取;系统分析了面向对象方法在森林地区湿地信息提取中的有效性.研究表明,在面向对象湿地信息提取过程中,采用不同等级的分割尺度,使分类更具层次性;利用光谱、空间、形状等多种属性特征,通过多时相遥感数据的融合,可以更好地识别复杂多样、界限模糊的湿地景观,其中,草本沼泽的生产者精度达到了91％.结果显示,南瓮河流域内,湿地类型多样,以草本沼泽和灌丛沼泽为主,且其主要分布于河流两侧和中下游宽阔的河谷地带.     

训练样本对遥感影像分类精度影响研究

以大理SPOT-5 HRG影像和Landsat TM影像作为数据源,在构建标准训练样本数据集的基础上,探索训练样本对遥感影像分类的影响。选取不同训练样本数量组合,分别对监督分类中的平行六面体、最小距离、马氏距离、最大似然法、神经网络和支持向量机6种分类方法进行多次实验,并采用Kappa系数和总体分类精度对实验分类结果的精度进行评价。结果表明:以多次分类结果的平均值作为最终的分类结果能减小随机误差;增加训练样本数量可以减小单次分类引起的随机误差;在不同的训练样本量下,支持向量机的分类精度最高。     

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Landsat 8 OLI数据与面向对象分类的昆嵛山地区土地覆盖信息提取

利用2015年Landsat 8 OLI遥感影像和DEM作为分类数据源,结合野外调查数据,采用面向对象的分类方法对昆嵛山地区土地覆盖信息进行提取,并对分类结果进行精度评价与比较分析。研究表明：面向对象分类方法提取的各地类连续且边界清晰,分类效果与实际情况基本吻合。昆嵛山地区占主导地位的土地覆盖类型是针叶林,面积为1 546.81 km²。研究区土地覆盖分类的总体精度和Kappa系数分别为91.5%和0.88,其中针叶林、草地、水体和建设用地的生产者精度均达到87%以上。相对于监督分类方法,本研究提出的土地覆盖信息提取方法的总体分类精度和Kappa系数分别提高14.7%和0.17。基于面向对象的中分辨率遥感影像,能够获取较高精度的土地覆盖信息,为大范围土地覆盖分类研究提供方法参考。     

基于C5.0决策树分类算法的ETM+影像信息提取

利用C5.0决策树算法对ETM 影像进行信息提取,通过与其他分类方法提取结果的对比,得出C5.0决策树分类算法精度较高。大气校正与数据融合可明显提高分类精度,利用经过NDVI、NDBI、缨帽变换处理后的影像组合数据进行信息提取可进一步提高分类精度。研究发现,C5.0决策树算法用未处理的资料生成决策树的效果较差,而经大气校正和数据融合后计算出NDVI、NDBI及缨帽变换的前3个分量的组合数据生成的决策树深度最小,并且分类精度最高。     

基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例

土地利用分类精度直接决定土地利用/土地覆被变化相关研究的准确性,而基于决策树的遥感影像分类是近年来提高土地利用分类精度的重要方法。QUEST决策树在影像解译和空间表达方面,运算速度和分类精度均优于普通CART等决策树方法。本文以云南丽江地区为例,应用QUEST决策树分类方法,对该地区的Landsat TM 5影像图进行分类,同时将地形因素、植被指数作为地学辅助数据的因子添加到分类波段中,进行不同特征融合,来处理目标类别间的非线性关系,该方法在处理图像理解知识方面具有更大的灵活性;同时与普通决策树分类法的遥感影像分类的结果相比较,Kappa系数值从原来的0.789提高到0.849.在地形复杂的山地地区,针对TM影像数据,选择基于QUEST决策树分类能够有效提高土地利用分类结果精度。