兼容光学雷达影像及地形辅助数据的扎龙湿地遥感分类

结合Landsat TM影像、Envisat ASAR的C波段雷达影像和地形辅助数据,采用决策树方法,包括分类回归树(C1assification and Regression Tree,CART)和随机森林(Random Forest,RF)算法,对扎龙湿地进行遥感分类。用实测GPS样本点对分类结果进行精度验证,并与最大似然监督分类方法(Maximum Likelihood Classification,MLC)对比。结果表明,地形辅助数据和雷达后向散射系数对湿地分类精度的提高起重要作用。基于RF算法分类结果的总精度和Kappa系数分别为92.6%和0.901,沼泽湿地的分类精度达到96.3%,较CART算法和MLC监督分类方法有明显提高。该研究提供了一种快速、高效的内陆淡水沼泽湿地遥感分类技术。     

分层分类和多指标结合的西北农牧交错带植被信息提取

参照《中国植被》中的植被分类体系，结合野外考察结果，建立了适合中国西北农牧交错带的植被分类体系。以覆盖研究区的多幅Landsat影像为基础，按“分层分类，逐层验证”的思路，实现了对研究区植被信息的提取。提取时，先利用完全约束的最小二乘模型对遥感影像进行混合像元分解方法，将整个研究区划分为植被区和非植被区；在植被区，基于光谱特征、纹理特征和地形特征，构建CART决策树，获得了乔木林、灌丛和草原等7种主要植被型组；在植被型组内，基于不同植被类型NDVI的季节差异特征，构建NDVI差值比值指数 (NDVI_DR)，将乔木林和灌丛区分为常绿和落叶植被型，使用温度植被干旱指数(TVDI)，将草原进一步区分为荒漠草原、典型草原和草甸草原3种类型，从而得到各个植被型的空间分布范围。经验证，最终分类的总体精度能达到79.51%，kappa系数为0.773。采用的分类方法充分利用了遥感数据既有的光谱信息和纹理信息，同时辅以地形信息。实践结果表明，分层分类和多种指标相结合的方法可以有效实现对影像跨幅的、以复杂镶嵌结构为主要特征的农牧交错带植被信息提取，精度较高，技术可行。     

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,...     

基于高分辨率遥感影像的城市典型乔木树种分类研究

为探索高分辨率遥感影像对城市复杂环境优势乔木树种分类的有效性,采用面向对象分类方法,基于WorldView-2影像对首都师范大学及周边地区(CNU)、北京师范大学及周边地区(BNU)两个研究区进行优势乔木树种(泡桐、法国梧桐、杨树、国槐、银杏)分类。首先对WorldView-2影像进行分割,获得树冠区域及其49个属性特征,包括31个光谱属性和18个纹理属性;随后利用随机森林RF与支持向量机SVM两种分类算法对树冠区域进行分类。CNU研究区SVM与RF总体分类精度分别为86.5%、75.8%,Kappa系数为0.801、0.648;BNU研究区SVM与RF总体分类精度分别为66.9%、65.3%,Kappa系数为0.541、0.520。实验表明WorldView-2影像能有效实现城市非阴影区域优势乔木树种分类,但异质性较高、树种分布分散的区域分类精度低于异质性较小、树种分布密集的区域;WorldView-2影像的4个新增波段尤其是红边波段的派生属性在分类过程中所占权重值较高。     

基于CART决策树的双尺度流域单元地貌分类研究——以北回归线(云南段)地区为例

针对当前单一地貌划分单元造成的分类结果破碎或漏分问题,该文引入双尺度流域单元划分方法,即采用两种不同大小流域单元的组合作为地貌划分基本单元,以提高地貌划分的细分性和完整性。以30 m ASTER GDEM数据为数据源,基于最佳地形因子组合(高程、地势起伏度、坡度、坡度变率、光照模拟值)、双尺度流域单元、CART决策树算法,实现了北回归线(云南段)地区平原(2类)和山地(7类)共9类地貌的划分,双尺度流域单元划分的最佳流量阈值分别为500、2000。通过平均值、标准差、Moran′s I和人工判读结果对分类结果进行检验,发现基于CART决策树的双尺度流域单元地貌分类方法在北回归线(云南段)地区总体精度可达82.1%,Kappa系数为0.793,总体能够准确识别出研究区的地貌类型空间分布特征,是地貌类型划分的一种可行方法。     

基于MODIS时间序列的松嫩平原盐渍地提取

松嫩平原是我国内陆盐渍土三大分布区之一,土壤盐渍化是该区最主要的环境问题。以多时相中分辨率成像光谱仪(MODIS)的归一化植被指数(NDVI)时间序列影像为主要数据源,通过Savizky-Golay滤波重构NDVI时序数据,依据研究区7种主要土地覆被类型的时间序列曲线差异性,应用分类回归树(Classification And Regression Tree,CART)方法确定像素归属类别,得到松嫩平原2013年盐渍土的分布数据;并基于不同盐渍化程度土壤的植被物候特征差异性建立CART决策树区分不同程度盐渍土。分类结果为:盐渍地掩膜提取精度达98.13%,Kappa系数为0.83;不同程度盐渍土识别的精度达到86.08%,Kappa系数为0.78。该研究表明多时相MODIS数据在大尺度盐渍土信息识别中具有可行性。     

西藏灌木林遥感分类方法对比研究

以西藏主要类型灌木林为对象,开展外业遥感调查,分别应用非监督分类、监督分类、基于空间分布特征的辅助分类和基于光谱特征再分类4种方法,对灌木林类型进行了遥感分类识别,并对各种分类方法所得到的分类结果进行对比评价.研究表明,非监督分类和监督分类的总体精度分别为42.20%和46.79%,除了对沙棘灌木林分类精度较高外,对其他灌木林类型分类精度均较低;基于空间分布特征的辅助分类精度为86.24%,其分类结果未能识别到具体灌木林类型;基于光谱特征的再分类精度为70.64%,对沙棘、红柳能较准确的识别,而对个别灌木林类型(如杜鹃和小檗)的识别精度不高.     

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。     

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。     

极端干旱区荒漠稀疏河岸林遥感分类研究

研究以位于极端干旱区的塔里木河干流中下游地区为例,基于Landsat TM影像,结合决策树分类、几何光学模型与光谱角匹配,解决混合像元信息分解,实现干旱区稀疏荒漠河岸林类别识别。首先从遥感视角的角度,将地物分解为目标和背景,提出塔里木河干流荒漠河岸林植被分类系统;其次以多变量决策树法将非荒漠植被信息剔除,采用几何光学模型模拟各类荒漠植被的像元光谱,最后以光谱角匹配的方法将荒漠植被进一步进行分解,得到塔里木河干流中下游地区典型研究区的植被分类专题图,分类精度结果表明:基于混合像元分解与几何光学模型的分类方法总精度达到了79.43%,Kappa系数为0.718,表明分类质量良好。     

基于地面高光谱数据的典型作物类型识别方法——以青海省湟水流域为例

高光谱技术运用于农作物识别与分类目前已成为农业遥感应用领域前沿课题之一。使用ASD FieldSpec4地物光谱仪实测青海省湟水流域大豆、青稞、土豆、小麦和油菜5种典型作物冠层光谱,经数据预处理,利用1/R、d(R)、N(R)、log(R)、d(log(R))、d(N(R))6种光谱数据变换形式和在"绿峰"、"红谷"、"红边"、"光谱吸收特征区"提取的16种光谱特征变量的6种选取结果,分别构建基于BP神经网络的典型作物类型识别模型,通过模型精度比较以寻求用于高光谱农作物分类的有效光谱数据形式和光谱特征变量。结果表明:1/R、d(R)、log(R)、d(log(R))及d(N(R))5种数据变换形式能显著提高模型识别精度,以d(N(R))变换数据构建BPNN模型其辨识精度最高,总体分类精度达88%;在提取的16种光谱特征变量中,以变量数分别为16、14、12的3种选取方案构建BPNN模型其辨识精度较优,总体分类精度分别为88%、86%、84%;BPNN模型能较好地识别5种作物光谱,且采用选取光谱特征变量方法构建BPNN模型其网络训练效率和模型稳定性优于光谱数据变换方法构建BPNN模型。     

一种基于改进双树复小波变换的地形纹理特征提取方法

地形纹理特征提取和识别是地形自动分类的关键。该文在分析已有地形纹理特征提取方法的基础上,提出一种基于双树复小波变换的地形纹理特征提取和识别方法。该方法将DEM地形垂直特征信息引入双树复小波变换模型,设计并实现了面向DEM地形数据特点的地形纹理特征提取方法。以陕北黄土丘陵沟壑区为实验样区,选取6个不同地貌特征共109个典型地形纹理样本进行特征识别实验,并将实验结果与常用的灰度共生矩阵(GLCM)模型及Gabor滤波结合PCA方法进行对比。研究显示,基于地形垂直特征改进的双树复小波变换模型对6类样本有较高的识别精度,同时消耗最短的纹理特征构建时间。     

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.     

基于连续小波分析的小麦病虫害光谱区分研究

利用光谱数据对病虫害进行识别和区分可为复杂农田环境下的病虫害遥感监测提供理论支持。该文基于连续小波分析(CWA)提出一种能够实现全光谱域优化搜索的病虫害区分小波特征选择方法,并以我国华北麦区3种常见的小麦病虫害(白粉病、条锈病和蚜虫)为例,分别采用费氏线性判别分析(FLDA)和支持向量机(SVM)建立相应的病虫害区分模型。结果显示,基于上述两种模型得到区分结果的总体验证精度均达70%以上,其中条锈病和蚜虫的识别精度高于白粉病的识别精度。研究表明,基于连续小波分析的病虫害区分模型由于能够捕捉光谱的形状特征,而具有较强的通用性和抗干扰能力,对于支持复杂农田环境下的病虫害区分和监测具有较大的潜力。     

基于土壤反射光谱特性的广东省稻田土壤快速分类

选择广东省215个村镇稻田的土壤样本,首先利用ASD Field Spec3测量土壤样本在350~2 500 nm的光谱,并采用S-G一阶导数平滑滤波降低样本测量中光照差异的影响,然后将遗传算法（Genetic Algorithm,GA）和支持向量机分类（Support Vector Machine,SVM）分别用于提取分类光谱特征和建立分类模型,分别在土纲、亚纲、土类3个层次进行土壤分类。结果表明：1）在不同的分类层次下,与铁氧化物密切相关的650~710以及900 nm附近光谱,与羟基矿物吸收有关的2 207~2 237和2 377~2 397 nm区间均被作为分类特征变量。2）随着土壤类型的细分,分类所需变量增多。在土类级,对有机质敏感的2 080 nm附近的光谱也被引入分类定标模型中,土纲和亚纲下分类精度＞67%,土类级分类精度为58.67%。利用遗传算法提取光谱特征,进行基于支持向量机的土壤分类具有一定优势。     

适用于洪河湿地5种植物分类的高光谱植被指数筛选

为了研究适用于湿地植物分类的高光谱植被指数及其分类效果,以三江平原洪河国家级自然保护区为研究区,使用HR-1024光谱仪,获取了研究区内毛薹草(Carex lasiocarpa)、小叶章(Calamagrostis angustifolia)、乌拉草(Carex meyeriana)、漂筏薹草(Carex pseudocuraica)和大豆(Glycine max)5种植物的冠层光谱数据,对获取的高光谱数据进行去水汽、平滑处理,以消除环境背景的影响;总结了前人文献中使用的38种高光谱植被指数,研究这些高光谱植被指数对研究区内典型植物分类的的适用性;然后,采用方差分析方法,从所有高光谱植被指数中筛选出区分频率较高的25种指数;最后,采用Fisher线性判别分析法,进行植物类型的识别,并对分类结果进行精度评价与分析。研究结果表明,利用高光谱植被指数进行湿地植物分类的精度总体为85%,高光谱植被指数可以作为植物分类的依据。     

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。     

三峡库区塌岸灾害易发性评价方法——以奉节—云阳段为例

塌岸灾害广泛分布于中国三峡库区。塌岸易发性评价对库区灾害防治具有重要意义。当前塌岸易发性评价的研究程度低,评价模型的适用性差,评价指标的选取依据不充分,并没有考虑波浪对库岸稳定性的影响。本研究以塌岸灾害广泛发育的三峡库区奉节段至云阳段为研究对象,考虑波浪和库岸形态对研究区塌岸发育的影响,提出江岸宽度、库岸形态、风速这三个指标,并基于研究区塌岸灾害发育和分布特征共选取8个影响因子,构建三峡库区塌岸灾害易发性评价指标体系;采用三种机器学习模型,实现三峡库区塌岸灾害易发性分区及检验、模型精度预测、评价结果的分区和实地验证。结果表明：(1)江岸宽度、岸坡形态和风速等影响因子权重靠前,对奉节段塌岸发育的贡献较大;(2)ANN模型、RF模型与SVM模型的较高-高易发区灾害点数量分别占总灾害点的53.1%、48.9%和39.3%。ANN模型与RF模型塌岸强度从低至高依次增大,分区结果较为合理,而SVM模型分区结果不太理想。(3)ANN模型、RF模型和SVM模型的AUC值分别为0.798、0.793、0.766,三种机器学习模型的预测精度较为可靠;(4)RF模型高易发性区域最符合实际地质条件,其易发性...     

面向高分辨率遥感影像分类的多尺度光谱-空间-语义特征融合

在核函数集成SVM分类框架下,提出一种融合多尺度光谱-空间-语义特征的高分辨率遥感影像分类方法。首先,以多尺度影像分割集为基础,利用潜狄利克雷分配模型对分割图斑的语义特征进行建模,并结合原始影像的光谱特征以及分割图斑内的空间均值特征,在不同分割尺度下分别开展光谱-空间-语义特征的多核函数融合分类;然后根据多数投票法原则在决策级集成多尺度分类结果,通过最小尺度下的分割影像实现像素级分类结果至面向对象分类结果的转化。不同场景和分辨率数据下开展的实验结果表明,该分类方法能够实现分类结果的自适应平滑分类,并在一定程度上提高建筑物和道路等"同谱异物"地物的区分能力,分类总体精度由基于光谱特征SVM的66.7%和63.7%提升至86.8%和87.2%。