利用无人机高光谱影像的红树林群落物种分类

近年来红树林群落中物种结构简单、功能退化等环境问题日趋严重,为了及时准确掌握红树林群落的物种空间格局与分布,本文首先基于深圳福田红树林自然保护区无人机高光谱影像,利用归一化差值植被指数和归一化潮间红树林指数提取植被区域;然后在植被区域根据最佳指数法选取信息量大、波段相关性小的波段组合,分别采用基于像素支持向量机分类方法和面向对象影像分类方法对红树林物种进行分类。试验结果表明,基于像素支持向量机分类方法的总体精度为81.03%;利用面向对象影像分类方法的总体精度为85.58%。面向对象影像分类方法能有效去除椒盐噪声,充分利用对象光谱、形状及纹理信息,提供更准确的红树林分布信息。     

面向对象的高分辨率遥感影像土地覆盖信息提取

利用高分辨率影象提取土地覆盖信息的关键技术在于如何利用丰富的纹理信息来弥补光谱信息的不足。面向对象的图像分类技术改变了传统的面向像素的分类技术:(1)用来解译图像的信息并不在单个像元中,而是在图像对象和其相互关系中;采用多分辨率对象分割方法生成图像对象,提高了分类信息的信噪比;基于对象的分类技术不同于纯粹的光谱信息分类,图像对象还包含了许多的可用于分类的一些其他特征:形状、纹理、相互关系、上下关系等信息。面向对象的土地覆盖分类结果与传统分类方法相比,其特征提取算子更加地适合于几何信息和结构信息丰富的高分辨率图像的自动识别分类。     

高分辨率遥感植被分类研究

以南京市区的植被覆盖为研究对象,基于IKONOS遥感影像,采用决策树分类算法,根据各种植被光谱特征建立知识库,提出基于光谱信息的植被分类方法,继而结合高分辨率影像特有的纹理特征引进局部一致性指数对该方法进行改进,提出结合纹理信息的高分辨率遥感植被分类方法,分类总体精度从仅利用光谱信息的83.16%显著提高到91.89%,Kappa系数达到0.8886。采用Quickbird遥感影像对该方法进行验证,分类总体精度为91.94%,Kappa系数为0.8783,表明该植被分类方法能有效地对植被进行分类与识别,精度较高,且对于不同数据源的植被分类具有一定的普适性,为实现植被的自动化提取提供了理论依据和有效的方法途径。     

航空影像农田类型分类在地理国情监测中的应用研究

航空影像的植被信息提取是遥感影像分类中的难点,仅利用光谱信息难以提取农田类型。本文以江苏农田为主要覆盖的典型区域为研究对象,选择航空影像利用随机森林算法提取不同的农田信息。本研究采用多尺度的分割方法,面向对象实现特征信息提取。根据光谱、纹理以及几何形状特性筛选出较为合适的特征作为参数,利用随机森林算法实现植被二级分类,分类精度达到84.60%,KAPPA系数为0.753,可为地理国情生产提供一定的参考。     

皖南低山丘陵破碎带植被信息提取方法

以芜湖市繁昌县为例,利用多尺度多变量的面向对象影像分析方法,结合HJ1-CCD、Landsat5 TM以及DEM数据,研究了低山丘陵复杂背景下植被信息遥感提取方法。针对不同植被类型,选用适宜分割尺度进行影像分割,构建面向对象的分类规则集进行研究区植被信息分类,植被提取总体精度达到了80.8%。     

基于mGA-SVM算法的高分影像面向对象分类研究

高分辨率遥感卫星影像是获取地物精细类别的重要数据源,快速准确地获取土地利用和土地覆盖分类信息可为土地利用规划、土地管理等提供重要的数据支撑和决策依据。本文开展了高分辨率影像面向对象分类研究,首先,利用多尺度分割方法对高分辨率影像进行分割,基于分割对象,选取不同地物类别样本并计算光谱特征、纹理特征、几何特征。然后,针对特征冗余问题,利用最大相关最小冗余算法选择优先级较高特征,在此基础上结合遗传算法对特征集进行适当扩充(m GA)。在面向对象分类过程中,通过利用遗传算法对支持向量机模型进行快速参数寻优,并在此基础上对分割对象进行分类。最终地物总体精度达到85.93%,Kappa系数为0.828 2。并将分类结果与最近邻分类和随机森林分类结果进行了比较,地物分类精度提高了4.05%和6.81%。实验结果表明:基于m GA特征优化及SVM参数选择进行改进的面向对象的分类方法是有效的。     

毛乌素沙地植被覆盖变化的遥感分析

为了防止毛乌素沙地沙漠化、改善生态环境质量,近10年国家在该区域实施了一系列生态环境建设工程。这些工程的主要目标就是恢复退化植被,提高植被覆盖率。本研究基于2000年、2005年、2010年三期的Landsat数据,利用eCognition软件中面向对象分类技术和地理信息系统的叠加分析功能,分析了2000~2010年间毛乌素沙地植被覆盖变化情况。同时,通过MODIS-NDVI数据计算分析了植被覆盖度的变化趋势。研究得出:1)该区域草地大幅度增加,尤其是2005年到2010年之间,增加更加明显;林地基本稳定;旱地由于退耕还林等政策有所减少;2)近10年来毛乌素沙地植被覆盖度呈逐步增加趋势,西北部和东南部增加尤为明显。产生上述变化的自然因素和人为因素的贡献率需要进一步研究。     

微波植被指数在干旱监测中的应用

在植被覆盖区域,归一化植被指数(NDVI)被广泛地应用于干旱遥感监测。和基于光学遥感的植被指数相比,Shi等提出的微波植被指数MVI(Microwave Vegetation Index)被证实能够反映更多的植被生长信息。本文以MVI为基础,利用MVI代替目前比较成熟的温度植被指数TVDI(Temperature Vegetation Index)中的NDVI,构建温度微波植被干旱指数TMVDI(Temperature Microwave Vegetation Index),发展了一种新的干旱监测方法。本文以2006年夏季四川省发生的百年难遇的干旱为研究对象,将基于TMVDI与TVDI的干旱监测结果进行了对比分析。最后,为评估监测结果的准确性,将遥感监测的结果与基于气象站点降雨观测数据构建的标准降雨指数SPI(Standardized Precipitation Index)的计算结果进行了对比分析。结果表明,利用低频降轨微波辐射计数据计算的T MVDI最适合于进行植被覆盖区域的干旱监测。     

基于北京二号与地理国情数据的林地提取

由于地理国情林地数据不包含实地面积小于400 m²的树木或四旁单排林,若仅利用地理国情的林地数据统计区域森林覆盖率,将对四旁树面积较大地区的林地统计结果产生较大误差。为提取区域内准确的林地覆盖与空间分布状况,本文借助地理国情地表覆盖数据,提出了一种基于北京二号高分辨率遥感影像的林地提取方法。首先,根据遥感影像光谱特征,将研究区按植被、道路、铁路、建筑用地进行地类划分,并基于遥感影像进行各地类的样本提取,通过可分离检验的样本利用最大似然分类提取研究区内植被覆盖范围;然后,借助地理国情地表覆盖数据,使用叠置分析剔除误分、错分地类,得到区域林地的空间分布。试验结果表明：(1)研究区内林地覆盖率为20.3%,尚未满足北京新一轮林地规划需求;(2)地理国情地表覆盖数据内林地面积占提取林地总面积的54.03%,说明在部分地区使用本文方法对地理国情林地数据进行补充是有必要的。通过将试验结果与遥感影像进行目视比对并结合外业调查结果发现,提取的林地空间分布情况与实际分布基本相符。本文为地理国情的应用提供了一种新方法,研究结果可辅助区域的绿色发展规划,有助于构建科学的生态空间格局。     

大光斑波形数据在土地覆盖分类的适用性分析

针对GLAS地学激光测高系统是冰、云和陆地高程卫星(ICESat)的唯一监测工具,能够记录地表光斑内的地物信息,是否能应用于黄土高原土地覆盖分类的问题进行了研究。利用粒子群和最小二乘法相结合的方法对GLAS波形数据进行高斯分解,获取高斯波个数、波形总能量、波形信号起始和信号结束位置4个波形参数;基于波形自动分类方法对黄土高原水体、森林、城市用地、其他地类(裸地、低矮植被等)进行分类。通过基于覆盖相同研究区域的30 m地表覆盖数据(Globe Land30),验证分类的准确性。结果表明,GLAS大光斑波形数据对黄土高原的4种地类能够很好地进行区分,总分类精度高达87.68%,Kappa系数为65.79%。研究表明,GLAS波形数据可以作为获取土地覆盖信息的有效数据源,为研究黄土高原土地覆盖变化提供更丰富的数据支持。     

草原植被覆盖度遥感估算模型的适用性比较

植被覆盖度及其变化对区域生态系统的稳定性具有直接影响，且这种影响在草原地区更加明显。为探寻草原植被覆盖度的最佳遥感估算方法，本文对像元二分模型、Carlson模型和Baret模型的估算精度和适用性进行了比较，优化了Baret模型的参数，以提高其在草原地区的估算精度。内蒙古呼伦贝尔地区的草地计算结果表明：像元二分模型有高估植被覆盖度的现象；Carlson模型在低植被覆盖区低估了植被覆盖度，而在高植被覆盖区高估了植被覆盖度；Baret模型在草原地区的估算精度最高。对Baret模型进行参数优化后，其在高植被覆盖度区域的估算精度提升了4.9%。     

基于GF-1号影像的南方水稻种植信息提取

针对南方复杂地区水稻遥感信息提取研究中机器自动学习分类研究较少、分类精度不高的问题,以福建省三明市建宁县溪口镇为研究区,基于GF-1号卫星影像,采用面向对象的随机森林遥感分类算法对研究区内水稻田信息进行提取。首先通过优化面向对象分割参数和随机森林分类模型参数,提取并调用了影像中的多种特征;再对光谱特征、植被指数特征、纹理特征、几何特征进行特征空间优选;最后通过设置4种特征优选试验进行对比,得到最优分类模型。实验结果显示,基于特征空间优选的面向对象随机森林分类算法的水稻提取精度高达90%,分类总体精度可达87%,Kappa系数为0.85;与其他试验结果相比,漏分和误分现象较少,实现了南方地区水稻信息高精度自动识别。该方法计算特征少、实现简便,对于国产高分卫星影像在南方复杂地区作物自动提取中的应用具有参考性。     

融合多源遥感数据的高分辨率城市植被覆盖度估算

准确获取城市植被覆盖定量信息对城市生态环境评价,城市规划及可持续城市发展具有重要意义。遥感技术的发展为获取区域及全球植被覆盖信息提供了有效手段,目前基于单传感器、单时相遥感数据的城市植被覆盖度估算方法得到较为广泛的应用。然而,由于城市地表覆盖的复杂性、植被类型的多样性,在一定程度上影响了城市植被覆盖信息提取的精度。为此,本文提出一种基于多源遥感数据与时间混合分析的城市植被覆盖度估算方法。首先,通过时空融合、植被物候特征分析获得最佳时序的GF-1 NDVI数据;其次,基于时间序列的GF-1 NDVI及Landsat 8 SWIR1、SWIR2数据,采用时间混合分析方法以长沙市为例估算城市植被覆盖度。实验研究表明,基于多源遥感数据与时间混合分析方法获得了较高精度的城市植被覆盖度估算（RMSE为0.2485,SE为0.1377,MAE为0.1889）,相对于单时相光谱混合分析、传统的像元二分法,本文提出的方法更为稳定,在低、中、高不同植被覆盖区均能获得较高的估算精度,为城市植被覆盖度定量估算提供了有效方法。     

使用多尺度模糊融合的高分影像变化检测

为了提高高分辨率遥感影像变化检测的可靠性,提出了一种基于模糊综合评判的遥感影像变化检测方法.首先对两个时相的影像进行波段叠加,对多波段新影像进行多尺度分割;然后针对单一尺度上的对象,综合考虑两时相遥感影像对象的光谱特征和纹理特征,建立模糊综合评判模型,对各个对象内的像素是否发生变化进行隶属度计算;最后采用熵权法对影像各...     

面向对象方法的时间序列MODIS数据湿地信息提取——以洞庭湖流域为例

以洞庭湖流域为研究区,对大范围湿地信息遥感提取方法进行了研究。先基于时间序列MODIS EVI及物候特征参数,通过J-M(Jeffries-Matusita distance)距离分析,构建了MODIS(250 m)最佳时序组合分类数据;其次,通过Johnson指数确定了最佳分割尺度,采用面向对象的遥感分类方法(Random tree分类器)提取了洞庭湖流域的湿地信息,并验证该方法的适用性。研究结果表明,基于时序数据与面向对象的Random tree分类的总体精度和Kappa系数分别为78.84%和0.71,较之基于像元的相同算法的总体分类精度和Kappa系数分别提高了5.79%和0.04。同时,基于面向对象方法的湿地整体的用户精度与生产者精度较基于像元方法分别提高了4.56%和6.21%,可有效提高大区域湿地信息提取的精度。     

基于最优尺度和规则的高分辨率影像分类研究

高分辨率影像的广泛应用推进面向对象影像分析(OBIA)的发展,而分割作为面向对象分类的关键步骤,其尺度的选择直接关系到地物信息的提取。空间尺度是地物的固有属性,在合适的分割尺度下可以更好地挖掘地物信息。本文结合最大面积法和分割质量评价模型对张山营镇影像进行分割实验,先通过分析对象最大面积初步得到最优尺度范围,后结合分割质量评价模型以确定最优分割尺度层次。在此基础上,综合样本提取的光谱、纹理等特征进行规则训练,最终完成面向对象的土地覆被分类研究。结果显示:基于多层次最优尺度的规则分类方法获得更好的分类结果,其总体精度为88.8%,Kappa系数为0.861,而基于单一尺度的最邻近法总体精度81.4%,Kappa系数0.773,基于单一尺度的规则分类法总体精度为83.2%,Kappa系数为0.85。     

应用面向对象的决策树模型提取橡胶林信息

橡胶林的无序和不合理种植引发了一系列的生态问题,快速监测橡胶林空间分布及动态变化,对橡胶的合理种植、区域生态环境保护以及有关部门的规划决策有重要的指导意义。以MODIS归一化植被指数NDVI时间序列数据和多时相的Landsat TM数据为基础分析橡胶林的季相和光谱特征,确定橡胶识别的关键时期和特征参数,构建面向对象的决策树分类模型,开展橡胶信息提取研究。结果表明,多时相的遥感数据可反映橡胶的季相特征,以TM数据为基础计算得到的陆表水分指数LSWI和归一化植被指数NDVI可作为橡胶识别的光谱特征参数,橡胶休眠期是利用遥感方法进行橡胶提取的最佳时期。相比于单时相数据,利用包含橡胶关键物候期的多时相遥感数据能得到更高的橡胶林提取精度。     

融合无人机影像与LiDAR点云的山区地表覆被景观特征探测

机载LiDAR数据能够准确提供对象的三维空间位置信息,无人机高分辨影像具备丰富的色彩信息与纹理信息,综合两种数据的优点,可进行数据集成融合。针对山区普遍存在的分布广泛的植被覆盖类型基质景观,本文通过构建可见光植被指数（VDVI）融合光谱信息点云数据,进行典型植被特征提取的研究。为了验证该方法提取信息的准确度,分别构建了3种数据源并依次进行山区地表植被提取试验。对试验结果定性定量分析表明,融合光谱点云数据的植被覆被率为56.8%,较另外两种数据类型的植被覆被率更加接近参考值（58.2%）,可信度相对较高,效果更好,植被图斑轮廓更加清晰,更适用于目标对象植被特征提取,使融合影像信息的点云数据分类优势得以体现,证实了该方法面向山区植被特征提取的可行性。     

基于无人机遥感和面向对象法的简单地物分类研究

近年来,全国各地进行了大范围的土地利用调查,随着无人机遥感技术越来越成熟,无人机影像分析技术已深入应用到土地利用调查中,其中最多的用途是地物分类。本文选择昭通市昭阳区某乡镇区域为研究区,对采集到的无人机影像进行预处理,生成对应的正射影像;基于多种可见光植被指数,计算每3种指数合并得到影像的OIF指数,确定最佳波段组合;采用基于规则和基于样本两种面向对象分类方法,提取房屋、道路、植被等简单地物及背景。分析结果:两种方法的提取精度均达到90%以上,基于规则的面向对象分类方法精度较高,但耗时较长;基于样本的面向对象方法耗时较短,精度相对较低。两种方法相结合的全自动分类提取是下一步研究的目标。