基于高光谱的湿地植被分类研究

光谱特征的选择对于湿地植被的识别精度和效率有直接的影响。本文以萨克拉门托-圣华金三角洲为研究区,基于Hy Map航空高光谱遥感影像数据,分析湿地植被的一阶微分和二阶微分光谱特征。在上述分析的基础上基于均值置信区间的波段选择法对一阶微分、二阶微分进行波段选择,根据获取的有效特征波段构建特征集,利用C5决策树分类算法产生规则集,并对实验区的湿地植被进行了分类研究。结果表明:湿地植被的一阶微分、二阶微分能够突出不同湿地植被光谱曲线在不同波段的增速不同,利用均值置信区间的波段选择法能够对特征波段起到降维效果,根据降维后的特征波段采用C5决策树分类算法,可以实现湿地植被在物种水平上的识别,并达到较好的分类精度。     

基于改进型决策树遥感分类的土地利用变化研究

在遥感和GIS技术支持下,以香格里拉建塘镇为研究区,以2000年、2009年Landsat TM影像为基础数据,运用光谱特征和地学辅助知识相结合的改进型决策树分类方法分别对研究区2个年份的基础数据进行土地利用信息提取和变化分析。研究结果显示:(1)基于改进型决策树遥感分类法与最大似然法相比分类精度有明显提高;(2)10 a间,香格里拉建塘镇城镇建筑用地、裸地面积呈上升趋势且变化最大,灌草地面积小幅增加,耕地、林地、水体、雪地冰川呈减少趋势,土地利用变化速度和综合程度越来越快。     

基于高分六号红边特征的面向对象桉树人工林信息提取

有效监测桉树林空间分布对区域生态环境保护及有关部门的统筹决策具有重要指导意义。本文在现有研究的基础上,以国内首个提供红边波段的多光谱高分六号（GF-6）卫星影像为数据源,选取广西鹿寨县为典型研究区域,结合光谱特征、植被指数特征和红边特征,设计不同特征组合分类方案,采用面向对象多尺度分割方法,对不同尺度层分别构建隶属度函数和CART决策树模型以进行分类提取桉树人工林信息。试验结果表明,红边特征在CART决策树模型构建中具有重要影响,融入GF-6红边特征能有效提高桉树人工林分类提取精度,总体精度达到91.75%,相比仅采用传统波段和植被指数的分类方案,精度提高了11.25%。本文研究结果在利用国产卫星红边波段识别提取桉树人工林方面具有重要的理论意义和实用价值。     

基于TM数据的雅鲁藏布江源区草地植被盖度估测

为了查明雅鲁藏布江源区的草地植被盖度,采用Landsat5 TM数据,以其派生数据NDVI,RVI,VI3,PVI,DVI,MSAVI,SAVI,TM4/TM5为主要分析因子,结合野外植被样地调查数据,选取相关性最高的因子与植被盖度实测值建立回归模型,然后利用该模型反演源区的植被盖度。研究结果表明:①和其他几种遥感评价指标相比,TM4/TM5的比值与草地植被盖度的相关性最高,与草地植被盖度实测值的变化趋势一致,在光谱特征上增强了不同退化程度草地植被的光谱反射值差异,最适宜用于草地植被盖度建模;②雅鲁藏布江源区植被盖度的10个分级中,植被盖度为10%～20%的分布地区最多,面积达到4 322.15 km2,占全部草地面积的49.27%;其次是植被盖度为0～10%和20%～30%的地区,面积分别达到2 238.53 km2和1 397.87 km2,分别占全部草地面积的25.52%和15.94%;植被盖度高于50%的草地面积为195.96 km2,仅占源区草地总面积的2.23%;③植被盖度大于50%的高覆盖度植被区主要分布于4 426～4 800 m高程范围内,面积达到186.25 km2,占整个源区高覆盖度草地面积的95.04%,这与源区的水分分布条件相关。     

基于MODIS影像多特征的CART决策树分类

以山东省为研究区域,利用2009年9月MODIS的8 d合成波段反射率产品MOD09,选择特征变量植被指数(NDVI、EVI)、NDWI、NDMI、NDSI及辅助信息DEM,通过选取其中的影像特征组合来确定分类方案,构建各波段组合的CART决策树,对MODIS影像进行分类,得到CART决策树的最优波段组合。结果表明,特征变量DEM、NDVI、EVI对分类结果贡献较大;将CART决策树的分类结果与其相对应的最大似然分类结果进行比较可知,基于影像多特征的CART决策树分类方法能明显提高分类精度。     

基于决策树方法的海岛土地利用分类研究

以山东省荣成市镆铘岛为例,利用SPOT 5卫星数据,探讨了基于决策树方法的海岛土地利用类型的遥感分类.结果表明,利用决策树分类方法进行海岛土地利用类型分类,可以得到较好的分类结果(分类的平均精度达到86.46％,Kappa系数为0.8414);与其他分类方法比较,决策树分类法的分类精度有明显的提高,在海岛土地利用类型调查中具有较好的应用潜力.     

基于决策树理论的土地利用分类

首先,阐述了决策树分类器的结构与理论基础;然后,以安徽省滁州市为例,利用Landsat ETM＋遥感影像数据和DEM数据,在ENVI软件的支持下,结合影像的光谱特征及NDVI,NDBI特征值,参考C4．5算法（决策树生成算法）,建立了土地利用分类的决策树模型并进行了分类;最后,对分类结果进行了精度评价。研究区结果表明决策树分类法效果较好,精度较高。     

基于HJ–CCD数据的海面溢油提取方法研究

快速、准确地获取溢油污染信息,对海洋的动态监测、保护和可持续利用具有重要意义。环境与灾害监测预报小卫星星座一号(HJ–1)是我国针对生态环境污染和灾害监测发射的新型卫星平台,但HJ–1 CCD多光谱数据的光谱波段较少,仅依赖光谱信息获取海面溢油范围的精度较低。因此,以墨西哥湾溢油事件为研究对象,在分析不同地物光谱特征的基础上,采用灰度共生矩阵,选择合适的纹理结构因子,提取HJ–1 CCD图像中影响溢油识别的地物纹理特征;建立光谱特征和纹理特征相结合的决策树模型,提取海面溢油信息,并与只考虑光谱信息的传统分类方法进行精度对比。结果表明,与最大似然分类法相比,决策树方法的油膜提取用户精度和制图精度分别提高了11.85%和4.28%。     

最佳波段组合的城市土地利用类型提取

针对Landsat 8陆地成像仪(OLI)遥感影像光谱特征利用率不高等问题,为排除波段间冗余信息的干扰,提高土地利用特征提取的精度,该文以2014年唐山市中心城区Landsat 8OLI遥感影像为主要数据源,开展了基于Landsat 8OLI影像的城市土地利用特征提取的最佳波段选择研究。根据最佳波段选取原则统计波段光谱信息,基于最佳指数因子以及不同土地利用类型的光谱特征曲线,确定波段1、5、7为最适合该遥感影像进行土地利用特征提取的最佳波段组合。     

青藏高原小嵩草高寒草甸返青期遥感识别方法筛选

小嵩草高寒草甸是青藏高原的主要植被类型,研究其返青期识别方法对于模拟及预测青藏高原植被物候变化具有重要意义。常用的植被返青期遥感识别方法主要是先对遥感植被指数原始时序数据进行拟合去噪声再求取返青期,各种方法对研究区域、研究经验、参数设置、函数初值设置等有很强的依赖性。为避免返青期识别方法在曲线拟合时对参数初值的依赖性和陷入局部最优解,本文引入了模拟退火算法对双高斯和双逻辑斯蒂函数进行参数优化,并分别对基于以上两种函数及多项式拟合的植被指数时序曲线进行对比,从而选出最佳拟合方法,最后采用最大斜率阈值法、动态阈值法和曲率法识别返青期。利用青藏高原小嵩草高寒草甸34个样本点的返青期地面观测数据及相应的8 km分辨率的NOAA归一化差值植被指数(NDVI)时序数据对以上各种组合的返青期遥感识别方案进行了测试,并选取了153个遥感实验点求取了近30年(1982年—2011年)青藏高原小嵩草高寒草甸的返青期,结果表明:采用双高斯函数拟合的NDVI曲线与原始NDVI时序数据最为接近,在此基础上采用最大斜率阈值法识别的小嵩草高寒草甸返青期及其变化趋势与地面物候观测结果最为一致;同时发现近30年青藏高原小嵩草高寒草甸的平均返青期主要集中在每年的第120—140天,并且呈逐年提前趋势,30年来提前了7天。     

多特征融合的遥感影像建成区提取研究

为了比较光谱特征和纹理特征在建成区提取中的适用性,基于3种空间分辨率的数据,分别利用组合建筑指数(CBI)、基于灰度共生矩阵的建成区存在指数(PanTex)以及双特征决策树分类法进行建成区提取;并利用人工目视解译提取的样本点进行精度评定.结果表明,双特征决策树分类法的结果精度最高,PanTex次之;PanTex更适用于...     

面向土壤分类的高光谱反射特征参数模型

提出了一种无损、快速、成本低的土壤分类方法,选取松嫩平原4种典型土壤(黑土、黑钙土、风砂土和草甸土)耕层(0—20 cm)土样的实验室反射光谱数据作为研究对象,采用重采样、包络线消除法处理光谱数据,提取反映反射光谱特征的光谱特征参数,利用K均值聚类(K-means clustering)和决策树(decision tree)分别进行聚类分析和分类模型构建,实现土壤的快速分类。结果表明,利用表层土壤反射光谱特征参数构建的决策树分类模型可以对研究区土壤进行分类。研究成果有望加快土壤制图,为土壤理化性质的时空变化研究提供技术支持。     

基于 C4.5决策树的多特征遥感分类方法

以钱塘江流域为研究区域,利用2010年ETM,MODIS和DEM多源数据,进行土地利用分类研究。在分析土地类型的光谱特性和植被指数年度变化基础上,运用光谱指数法和代数法从数据中提取各种土地覆被类型特征。利用WEKA软件平台下的C4.5决策树算法构建决策树分类模型,对钱塘江流域土地覆被类型进行分类研究,取得较高的分类精度。     

决策树算法在西藏遥感影像分类中的应用研究

将决策树算法引入到遥感影像分类中,以提高分类的精度。首先对影像进行预处理,然后利用C5.0算法在分析地物光谱特征、纹理特征、归一化植被指数的基础上,自动提取分类规则,构建决策树,实现地物的自动分类。为验证该算法的有效性,选取西藏某地区TM影像作为实验数据,与监督分类的精度进行对比,实验结果表明,决策树分类方法能取得较好的分类效果。     

决策树分类模型的住宅建筑物图斑识别

针对大范围内住宅建筑图斑自动识别较为困难的问题,该文提出基于决策树模型的分类方法,利用基础测绘中高精度的建筑数据、地理省情监测数据、POI数据、DSM、DEM、腾讯大数据等,以建筑物本身特征和建筑物不同邻域内建筑类型相关因素的空间特征作为决策变量,分别采用QUEST、CHAID、C&RT和C5.0算法构建用于住宅分类识别的决策树模型并进行优选。以济南市(不含原莱芜市)为研究区域进行了实验,结果显示4个模型均未出现过拟合现象,可以用于住宅建筑图斑识别。     

单变量特征选择的苏北地区主要农作物遥感识别

遥感识别多源特征综合和特征优选是提高遥感影像分类精度的关键技术。农作物遥感识别中,识别特征的相对单一和数量过多均会导致作物识别精度不理想。随机森林(random forests)采用分类与回归树(CART)算法来生成分类树,结合了bagging和随机选择特征变量的优点,是一种有效的分类方法。单变量特征选择(univariate feature selection)能够对每一个待分类的特征进行测试,衡量该特征和响应变量之间的关系,根据得分舍弃不好的特征,优选得到的特征用于分类。本文基于随机森林和单变量特征选择,利用多时相光谱信息、植被指数信息、纹理信息及波段差值信息,设计多组分类实验方案,对江苏省泗洪县的高分一号(GF-1)和环境一号(HJ-1A)影像进行分类研究,旨在选择最佳的分类方案对实验区主要农作物进行识别和提取。实验结果表明:(1)多源信息综合的农作物分类精度明显高于单一的原始光谱特征分类,说明不同类型特征的引入能改善分类效果;(2)基于单变量特征选择算法的优选特征分类效果最佳,总体精度97.07%,Kappa系数0.96,表明了特征优选在降低维度的同时,也保证了较高的分类精度。随机森林和单变量特征选择结合的方法可以提高遥感影像的分类精度,为农作物的识别和提取研究提供了有效的方法。     

一种干旱半干旱地区决策树分类方法

以内蒙古自治区伊金霍洛旗为研究区,利用Landsat TM影像,对干旱半干旱地区土地利用信息进行提取。在ENVI软件的支持下,分析了影像的光谱特征及NDVI,NDBI,NDWI特征变量,并运用灰度共生矩阵对影像进行纹理特征提取,得到熵纹理特征图像,确定各类地物的阈值,运用决策树分类法对影像进行分类。结果表明,结合光谱特征和纹理特征的决策树分类方法,提取干旱半干旱地区土地利用信息可行且准确性较高。     

无人机影像识别白喉乌头的相对高程阈值法适用性分析

本文以新疆伊犁州新源县那拉提草原的典型毒害草白喉乌头为研究对象,通过PhotoScan软件对无人机航拍影像进行数据处理并获取研究区DSM数据,在此基础上,运用相对高程阈值法识别提取白喉乌头的最佳阈值范围,并验证其有效性。试验结果表明：①在无人机影像中,相对高程阈值法能够清晰准确地体现地物分布特征,适用于提取与普通牧草高度误差明显的地物;②当10 cm≤T<20 cm时,白喉乌头能够被准确识别,且与实际白喉乌头分布点基本一致,分类精度达91%;③相对高程阈值法能够较好地分离出白喉乌头,既提升了分类依据的可靠性,又实现了白喉乌头高精度识别。该方法可应用于实际的草原监测工作。