决策树在遥感影像分类中的应用

在充分了解决策二叉树分类过程的基础上,以西藏波密地区的TM遥感影像为研究对象,提取并分析各种典型地物的反射光谱特征,利用不同地物的光谱差异并结合人工目视判读建立了一组能够精确、快速划分遥感影像的分类规则。用ENVI建立分类决策树对实验区遥感影像进行分类,并将分类结果和传统的最大似然法相比较。结果表明：决策树分类的总体精度和Kappa分别为97.15%和0.9644,优于传统的最大似然法,取得了较为满意的分类结果。     

天宫二号对地观测数据与Landsat8卫星遥感影像对比分析

为客观评价天宫二号宽波段遥感影像质量情况,以天宫二号对地观测数据与Landsat8影像作为测试数据源,通过单波段灰度值、地物灰度值对比方法,分析比较可见光谱段范围内的光谱性能与应用潜力,最后采用最大似然法进行地物类型分类。结果表明:天宫二号宽波段遥感影像具有谱段丰富,分辨率低,单波段横向阈值宽且平缓的特点,适合于反演大范围且地物类型较为一致的地表信息。     

广西遥感本底信息提取方法技术与成果应用

利用1988年、1998年、2002年和2008年四个时相的陆地资源卫星TM/ETM遥感影像数据,结合1:5万基础地理信息数据及野外调查数据等资料,采用光谱与纹理特征综合分析法,选择TM/ETM对各地类的最佳波段组合,建立森林、农用地、灌草、城镇、道路、水体的遥感影像判识标志,采用决策树和最大似然法分层提取,参照土壤侵蚀强度分级指标,利用土地利用类型、植被覆盖度、坡度等信息资料构建水土流失分类模型,采用增强比值植被指数法建立石漠化指数模型,获得了广西近20年的森林、灌草、农用地、水体、城镇、道路、水土流失和石漠化八类遥感本底信息数据。     

基于概率神经网络的遥感影像分类方法

在对数据进行归一化处理的基础上,将概率神经网络用于遥感影像分类,并探讨样本区的选择和高斯基函数标准差对分类精度的影响。用西藏波密地区1999年的TM遥感影像进行分类试验,并将分类结果和经典的最大似然法进行比较。结果表明：概率神经网络的总体分类精度和Kappa系数分别为94.5%和0.934,取得了较为理想的识别和分类效果。     

基于MODIS数据的水稻种植面积提取研究进展

概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明：MODIS具有高光谱、高时间分辨率和多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数（如NDVI、LSWI和EVI）进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法。近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。     

基于MODIS数据的水稻种植面积提取研究进展

概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明：MODIS具有高光谱、高时间分辨率、多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数（如NDVI、LSWI和EVI）进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法;近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。     

基于神经网络和分形纹理的夜间浓雾遥感监测技术

利用地物光谱信息和图像纹理信息作为地物分类识别标志，将分形理论和BP神经网络应用于夜间浓雾的遥感监测，使夜间浓雾的监测精度明显提高。与传统最大似然法(MLC)比较，晴空地表、雾区、云区的识别精度均有提高，特别是云区的识别精度提高了10%，基于灰度连通域的灰度加权计盒维数图像纹理提取技术使云雾边界的提取更加合理，文章最后对类的归并作了讨论。     

面向对象的GF-1卫星影像苹果树种植面积遥感提取研究——以山地丘陵地区的栖霞市为例

国产高分卫星1号(简称GF-1)可提供高空间分辨率遥感数据,这为实现精准农业提供良好的数据保障。但是,其在复杂地形作物遥感提取方面的适用性仍需要进一步探索和分析。因此,以山地丘陵地形为主的栖霞市为研究区,基于GF-1影像数据利用面向对象分类法提取苹果树的种植面积和空间分布信息。研究结果表明:引入植被覆盖度和坡度信息的面向对象决策树分类方法(简称优化分类方法)能够有效提高苹果树种植面积的遥感提取精度为94.1%,生产精度和用户精度分别为87.3%和90.3%。相比于最大似然监督分类和无辅助信息的面向对象决策树分类方法,优化分类方法遥感提取面积精度分别提高了17.4%和0.3%,生产精度分别提高了10.1%和2.6%,用户精度分别提高了10.1%和2.8%。该研究成果以期为GF-1卫星数据在山地丘陵地区的果园信息遥感提取提供基本的技术支撑和实践经验。     

基于HJ-1A卫星数据的衡水地区冬小麦面积遥感估算应用

采用HJ-1A遥感数据,研究了衡水市冬小麦种植面积提取的分类方法。分别运用最大似然法、最小距离法、马氏距离法和ISODATA算法对2010年、2012年和2013年衡水市冬小麦种植面积进行提取,并与实际种植面积进行比较分析。结果表明,最大似然法、马氏距离法、最小距离法和ISODATA法提取的冬小麦种植面积的平均误差分别为6.1%、25.9%、24.9%和17.2%。因此,最大似然法具有较高的估算精度,能够满足研究区域冬小麦种植面积估算要求。     

面向对象的GF-1卫星影像苹果树遥感提取研究-以山地丘陵地区的栖霞市为例

国产高分卫星1号（简称GF-1）可提供高空间分辨率遥感数据，这为实现精准农业提供良好的数据保障。但是，其在复杂地形作物遥感提取方面的适用性仍需要进一步探索和分析。因此，以山地丘陵地形为主的栖霞市为研究区，基于GF-1影像数据利用面向对象分类法提取苹果树的种植面积和空间分布信息。研究结果表明：引入植被覆盖度和坡度信息的面向对象决策树分类方法（简称优化分类方法）能够有效提高苹果种植面积的遥感提取精度为94.1%，生产精度和用户精度分别为87.3%和90.3%。相比于最大似然监督分类和无辅助信息的面向对象决策树分类方法，本研究的优化方法遥感提取面积精度分别提高了17.4%和0.3%，生产精度分别提高了10.1%和2.6%，用户精度分别提高了10.1%和2.8%。该研究成果以期为GF-1卫星数据在山地丘陵地区的果园信息遥感提取提供基本的技术支撑和实践经验。     

基于知识与规则的红树林遥感信息提取

针对难以将红树林同陆地植被,尤其是同水体与陆地植被混合像元有效识别的现象,结合TM影像提取了能有效反映红树林湿地特征的绿度指数和湿度指数,同其他常用的NDVI、TM3/TM5、TM5/TM4等指数相比:绿度指数和湿度指数更能有效地提高红树林同陆地植被,尤其是同水体与植被混合像元的可分性.采用知识与规则方法提取红树林遥感信息,与其他学者常采用的分类特征及分类方法相比,识别精度有明显提高,Kappa系数提高0.10,错分率降低16.1个百分点.     

面向对象的土地利用遥感分类——以邛海流域为例

利用google earth提取的SPOT5高分辨率遥感影像为研究数据,基于The Environment for Visualizing Images （ENVI） EX软件平台,采用面向对象的多尺度分割方法,获得了邛海流域土地利用类型.结果表明：该分类方法不仅能够克服传统基于像元分类方法中的“椒盐效应”问题,而且能够综合利用DEM、NDVI等辅助信息和地物本身的光谱特征与纹理特征.对分类结果进行了检验,分类精度达89.18％,分类结果达到要求.     

基于TM卫星影像获取北京市水体密度指数与植被覆盖指数的方法

以北京市为研究区域,分析了该区域的TM(Thematic Mapper;专题制图仪)卫星影像特征,探讨了水域、农田、林地、草地、城市用地以及云和云影在TM的7个波段上的光谱可分性,提出了NDCI(Normalized Difference Cloud Index;归一化云指数),分析建立了基于NDCI、NDVI(Normalized Difference Vegetation Index;归一化植被指数)、NDBI(Normalized Difference Built-up Index;归一化建筑指数)、MNDWI(Modified Normalized Difference Water Index;改进型归一化水体指数)和坡度数据的简单决策树模型,对研究区的几类主要地物、云和云影的信息进行了提取,并对结果进行了精度评价.在GIS支持下计算了水域、林地、草地和农田的面积,计算了北京市2005年第3季度的水体密度指数和植被覆盖指数.结果表明:该方法的总体提取效果较好,在分类过程中阈值的选取简单、有效,分类结果能够满足计算水体密度指数和植被覆盖指数的要求,从而将遥感技术运用到生态质量气象评价中去,并取得了较为满意的结果.     

高光谱图像分类方法综述

在过去数十年中,高光谱图像的研究与应用已经完成了从无到有、从差到优的跨越式发展.在对其研究的众多方面中,高光谱图像分类已经成为了一个最热的研究主题.研究表明空间光谱联合的分类方法可以取得比仅依赖光谱信息的逐像素分类方法更好的分类效果.本文将对众多的空间光谱联合分类方法进行归类和分析.首先介绍高光谱图像中相邻像素间的两类空间依赖性关系,因而可将现有的空谱联合分类方法分为依赖固定邻域和自适应邻域两类;此外,还可以依据是否同时利用两类依赖关系将现有方法进一步分为单依赖和双依赖两类.另外,还可以依据空谱信息融合的不同阶段将现有的分类方法划分为预处理方法、一体化方法及后处理方法三类.最后展示几种具有代表性的空间光谱联合分类方法在真实高光谱数据集上的分类结果.     

柳州新一代天气雷达通风系统的改进措施

通过对1994年8月4日与2004年9月16日若尔盖湿地TM影像1～5波段和7波段数据以及归一化植被指数(INDVI)、归一化水指数(INDWI)、归一化水分指数(INDMI)和改进的归一化水指数(IMNDWI)的分析,选择通道7、4、3合成假彩色图作为若尔盖湿地的目视解译图,确定了湿地的TM影像标志.分析结果表明,第7波段能较好地将沙地与其它地物区分,改进的归一化水指数与归一化植被指数之差是非常有效的水体提取因子.还制定了若尔盖湿地主要地物的自动判识流程.判识结果与目视解译结果非常吻合,1994年比1984年湖泊面积,沼泽湿地面积明显减小,而沙化地面积扩大.     

结合潮位信息的红树林遥感识别

红树林的滨海湿地生境使得它同陆生植被、水体-陆生植被混合像元难以区分,且红树林在遥感图像上的空间分布还随着潮位的变化而变化,因此基于通常采用的单一潮位遥感图像无法精确提取红树林空间信息.基于高潮位和低潮位TM遥感图像,尝试利用红树林的潮位周期性变化和滨海湿地特征来精确提取红树林空间分布信息.研究结果表明：基于缨帽变换和潮差信息提取的WI_L+WI_H、GVI_L和GVI_L-GVI_H（WI、GVI分别为Wetness Index、Greenness Vegetation Index,下标L和H分别表示低潮位和高潮位）等指数能使红树林与其他地物之间具有很好的可分性;进一步采用最大似然法对红树林进行分类识别,通过结合潮位信息能精确提取红树林,其中制图精度和用户精度分别为94.57%、98.8%.