不同湿度指数在湿地分类中的对比研究

为探讨不同湿度指数用于湿地信息提取的能力,选取7个常用的湿度指数(包括NDWI、MNDWI、RNDWI、EWI和缨帽变换的湿度分量等)作为指标,以达赉湖国家级自然保护区为研究区,利用2013年9月6日MODIS(MOD09Q1和MOD09A1)数据,采用支持向量机分类的方法,对研究区进行湿地与非湿地区分研究,并进行湿地亚类(沼泽、水体)的分类试验。分类结果的精度评价表明:1)湿地与非湿地区分能力最好的指数为基于缨帽变换的湿度分量TC-Wetness,制图精度达97%以上,用户精度达96%;2)对湿地亚类的分类结果表明,提取水体最好的指数为第一类湿度指数,以NDWIB4,B2为最优,提取沼泽最优的指数为缨帽变换的湿度分量(TC-Wetness),可以有效排除草地对沼泽提取的干扰。研究区分类结果总体精度最高为88.7%,但沼泽的提取精度仅为48%,说明利用遥感湿度指数一种指标难以满足湿地分类的需要,多指数结合以及地形和其他相关辅助数据的加入对提高湿地分类精度具有重要帮助。     

基于决策树和MODIS植被指数时间序列的中亚土地覆盖分类

利用MODIS植被指数时间序列对中亚土地覆盖类型分类进行了研究。MODIS数据时间分辨率高,时间序列数据可以表征植被生理活动的动态变化。从时间序列数据中提取植被物候信息,可以实现对不同土地覆盖类型的定量描述。MODIS数据质量信息波段,记录了研究区遥感数据质量,提供植被指数可用性、气溶胶处理、云、冰雪可能性、合成方法等信息,为植被指数时间序列噪声的去除提供一种新的方法。决策树分类结构清晰、不基于正态统计分布假设、效率高、分类精度高。分类结果与统计数据比较,两者一致性较好,精度验证总体精度95.76％,kappa系数0.9516。     

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。     

七套土地覆被数据在羌塘高原的精度评价

基于羌塘高原8个一级土地覆被类型(包括10个二级土地覆被类型)的6851个样本点,采用混淆矩阵方法,从总体精度、制图精度和用户精度角度评价International Geosphere-Biosphere Program's Data and Information System Cover(IGBPDIS)、Global Land cover mapping at30 m resolution(Globe Land 30)、The MODIS Land Cover Type product(MCD12Q1)、Climate Change Initiative Land Cover(CCI-LC)和Global Land Cover 2000(GLC2000)等七套土地覆被数据产品在羌塘高原的精度。结果表明:(1)七套数据产品的一级类型和二级类型总体精度普遍偏低,在相对较高的Globe Land 30和CCI-LC数据中,一级类型总体精度分别为55.09%和53.92%,二级类型分别为46.55%和46.23%;(2)草地、裸地和荒漠三个主要一级类型生产者精度最高的数据对应为:GLC 2000(46.19%)、MCD12Q1(39.20%)和IGBPDIS(84.44%)。而三个主要一级类型的用户精度均低于50%。其他覆被类型中,雪被与冰川类型用户精度最高的数据为CCI-LC(92.80%),漏分比例为19.90%;(3)羌塘高原特殊的高原环境与土地覆被分类系统构成原则和标准是影响遥感解译数据精度的主要原因。     

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。     

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,...     

基于谐波分析和线性混合模型的河北平原区土地覆被分类研究

土地覆被分类是研究土地利用/覆被变化的基础数据和关键环节。以16d合成MODIS-EVI时间序列数据为主要数据源,采用谐波分析方法分析不同土地覆被类型的季节性变化规律和物候特征差异,引入谐波特征值构建线性混合模型,提取不同端元的丰度值。从土地覆被类型较齐全、谐波特征具有代表性的石家庄地区高空间分辨率影像上选择训练样本,确定MODIS纯净像元和混合像元的划分阈值,对河北平原区进行土地覆被分类制图。结果表明,与河北省县级土地调查统计数据对比,一年两熟耕地、一年一熟耕地、园地及有林地、自然陆地表面的总量精度分别为90.19%、86.17%、85.96%和77.82%,平均总量精度为85.03%;与石家庄地区9个县(市)一年两熟耕地和一年一熟耕地基于TM的分类结果对比,平均面积相对误差分别为10.25%、13.98%。受粗空间分辨率和合成周期、水热条件以及种植模式破碎化限制,混合像元主要集中在河北平原中东部地区,一年两熟耕地、一年一熟耕地、园地及有林地混合面积比重较大。     

基于MODIS 数据的长江三角洲地区土地覆盖分类

长江三角洲地区是我国经济最发达的地区之一, 人类活动对自然环境产生了很大影响。为了研究该地区人类活动与生态环境的相互作用, 利用250 m 分辨率MODIS 数据进行土地 覆盖制图研究, 采用的主要数据为增强型植被指数EVI 数据、反射率数据和DEM 数据。通过基于时间序列的滤波方法消除EVI 的噪声, 通过PCA 变换压缩数据量, 并计算均质度来表征空间维的纹理信息, 构造了一个综合性的分类数据矩阵, 依据高分辨率影像选取了训练区, 采用最大似然法进行分类, 并采用缓冲区分析技术进行分类修正, 得到长江三角洲地区的土地覆盖分类结果。利用高分辨率影像解译信息对分类结果进行了精度评价, 并将分类结果与 MODIS 土地覆盖产品进行了对比, 精度分析表明分类结果很好的反映了研究区的土地覆盖信息, 显示了本研究分类方法与技术处理在实践中的可行性及250 m 分辨率EVI 时间序列数据在区域尺度土地覆盖分类方面的优势与潜力。     

基于MODIS数据的北京西北部地区土地覆盖分类研究

本文主要基于MODIS 16天合成的NDVI时间序列数据、8天合成 LST数据、1∶5万DEM数据以及其他辅助数据相结合,进行北京西北部地区土地覆盖分类的研究。首先选取适合于MODIS数据分类的土地覆盖分类系统,然后用PCA方法对NDVI时间序列数据进行信息增强与压缩处理,以排除各种干扰因素,提高分类精度。最后结合LST数据、DEM数据及降雨温度数据,利用?齂-均值非监督分类法,进行研究区的土地覆盖分类,经过分类后处理,得到北京西北部地区的土地覆盖分类图。分类结果表明,使用250m分辨率MODIS数据,结合本文所用方法,能够实现较大区域的土地覆盖分类,并且能达到较高的分类精度。     

A phenology based geo-informatics approach to map land use and land cover (2003–2013) by spatial segregation of large heterogenic river basins

Accurate information on land use and land cover (LULC) is critical for policy decisions especially for management of land and water resources’ activities in large river basins around the world. Phenology based LULC classification is the most promising approach particularly in the areas with diversified cropping patterns. Sometimes in large river basins, local climate and topography provides two different phenological information sets for the same crops in the same season. Based on accurate phenological information of the main crops in spatially segregated units, the remote sensing based classification was used to map the LULC changes for a period of 2003–2013 in the Kabul River Basin (KRB) of Afghanistan. We used remotely sensed Normalized Difference Vegetation Index (NDVI) products of Moderate-resolution Imaging Spectroradiometer (MODIS) from Terra (MOD13Q1) and Aqua (MYD13Q1) with 250 m spatial resolution for this study. The overall accuracy (mean) of the LULC classification throughout the study period was around 68.15% ± 9.45while the producer and user accuracies (mean) were 75.9 ± 11.3% and 76.4 ± 11.2%, respectively. Results show that the cropping patterns vary significantly in the spatially disaggregated units. From 2003 till 2013, the ground coverage of wheat, barley and rice was increased by 31%, 7% and 32%, respectively. Overall, there has been only 2% increment in the agricultural area across the KRB between 2003 and 2013. This relatively increased trend of land cover change has taken place as a result of partial improvement in political stability as well as investment in irrigation infrastructure and agricultural development in the region. This study further provides insight to develop new agriculture strategies in order to maintain the ecosystem required to fulfil the rising food demands.     

基于TVDI的藏北地区土壤湿度空间格局

利用2010年DOY 209期的Terra/MODIS 16 d合成的植被指数(EVI)产品数据MOD13A2和8d天合成的地表温度(LST)产品数据MOD11 A2,构建LST-EVI特征空间,从而得到了条件温度植被干旱指数TVDI反映的藏北土壤湿度空间分布图.结合野外同步土壤表层水含量测试数据,二者表现出较好的相关...     

基于Ts-EVI特征空间的春旱遥感监测——以河北省为例

春季干旱是影响我国农业生产的重要自然灾害。以河北省为研究区,采用Ts-EVI构建的特征空间,以温度植被干旱指数TVDI作为土壤水分估算因子对2005年4～5月的春旱发生与发展进行遥感监测,主要得出以下结论:(1)表层土壤相对湿度RSM_(10)与TVDI的相关性均通过了α=0.001水平的置信度的t检验而表现出显著相关性,基于Ts-EVI特征空间构建的TVDI可以较好地估算土壤表层水分状况。(2)TVDI与不同土壤深度RSM的相关性在不同时期存在一定的差异,4月上旬～4月中旬以10 cm深度处的相关性最高,20 cm处次之;4月下旬～5月下旬以20 cm土壤深度处的相关性最好,10 cm处次之。(3)在不统计云覆盖地区旱情的情况下,2005年4月上旬河北省春旱面积为15 014.4 km~2;4月中旬～5月下旬的春旱面积分别为43 350.4 km~2、13 889.3km~2、71 664.3 km~2、12 864.8 km~2和44381.5 km~2。     

基于MODIS的土地覆盖遥感分类特征的评价与比较

选取华北地区为研究区,利用MODIS遥感数据多光谱、多时相优势进行分类特征提取,依据土地覆盖分类特征如地表反射率、植被指数、纹理特征等,并对这些分类特征分别从光谱维、时间维、空间维三个角度进行阐述,结合DEM数据,使用最大似然法进行土地覆盖遥感分类特征的评价与比较。结果表明,不同分类特征对分类精度影响不同,将多种分类特征结合能够有效提高区域尺度土地覆盖分类精度,但分类特征的加入不一定能提高某些类别的分类精度。     

MODIS影像的NDVI和LSWI植被水分含量估算

植被含水量估算在作物灌溉和森林火灾预警中具有重要指导意义。采用8天合成MODIS地表反射率数据,针对植被水分含量与陆表水指数,植被覆盖与归一化植被指数的关系及不同植被类型和地表水分含量状况在NDVI-LSWI二维空间中的分布规律,在NDVI-LSWI梯形特征空间中确定最大和最小含水量边界线的基础上采用植被干燥指数直接估算植被水分亏缺程度。该方法不仅简便,而且可以避开植被指数温度梯形图中陆地表面温度和气温差值的测量。     

温度植被干旱指数（TVDI）在草原干旱监测中的应用研究

以内蒙古锡林郭勒盟地区为研究对象,选取2010年研究区旱情发生显著变化的9、10月份的MODIS植被指数和陆地表面温度数据,构建草原地区NDVI-LST和EVI-LST特征空间,进而由此构建了草原地区的温度植被干旱指数（TVDI）,并结合当地气象数据和野外同步实地测量得到的土壤含水量数据对该指数进行定量验证。结果表明：（1）基于EVI-TS特征空间构建的TVDI,同样适用于旱情研究;且在研究区植被覆盖度不高的条件下,基于NDVI-TS特征空间的TVDI更适用于干旱监测;（2）构建的NDVI-TS和EVI-TS特征空间,其散点图符合三角形的关系,与前人研究成果相符;（3）TVDI可以很好地反映研究区的旱情变化情况,可以对研究区进行旱情动态监测;（4）基于NDVI-TS及EVI-TS空间构建的TVDI均与实地同步野外采集的土壤含水量数据结果显著负相关。且通过对基于TVDI的干旱监测结果与研究区实际情况对比分析发现,两者在旱区分布范围、旱情强度等级、干旱发展进程等方面基本吻合,说明TVDI可以在时间上很好监测旱情变化,TVDI可以用来评价草原干旱状况。     

基于谱间特征和归一化指数分析的城市建筑用地信息提取

以福州市ETM+影像为例,研究了城市建筑用地信息快速准确提取的原理和方法。通过对归一化差异型指数构成原理的分析以及对同名异义和异名同义现象的甄别,选取了归一化差异建筑指数(NDBI)、修正归一化差异水体指数(MNDWI)和土壤调节植被指数(SAVI)来代表城市建成区的三种最主要的土地利用类型--建筑用地、水体和植被。在此基础上进一步对这三个新的指数波段进行谱间特征分析,最后利用基于规则的逻辑判别运算将城市建筑用地信息提取出来。研究表明这一方法可以使繁杂的多波段谱间分析得以简化, 是一种快速准确、未经人工干预的建筑用地信息提取方法。本文还探讨了在城市建成区的研究中采用SAVI指数替代NDVI指数的优点。