基于环境减灾卫星CCD数据与决策树技术的植被分类研究

以内蒙古呼伦贝尔地区为例,基于遥感数据获取区域7种典型植被的NDVI时间序列曲线。在此基础之上,分析曲线趋势及其特征值,研究基于曲线差异的植被分类信息提取方法。同时,以国产环境减灾卫星CCD数据作为主要遥感数据源,提取研究区5月上旬与8月上旬两期NDVI数据及其比值,采用决策树分类方法研究得到区域30 m空间分辨率植被分类结果。经实地验证,一级类型总体分类精度为83.64%,二级类型为70.91%,其中乔木林的分类精度最高,然后是农田与草地,灌丛的分类精度相对最低。结果表明该方法能够快速、准确据提取植被分类信息,为国产环境减灾卫星CCD数据的广泛深入应用提供理论与数据支持。     

辅以NDVI/DEM的面向对象木薯提取方法研究——以广西壮族自治区武鸣县为例

木薯作为重要的非粮能源作物,因其种植分散、与易混淆作物缺乏生长时相差,从而导致其种植分布信息难以正确获取,一直是困扰木薯乙醇资源正确评估的技术问题。该研究以广西壮族自治区武鸣县为研究区,应用高分辨率RapidEye影像数据,探讨利用面向对象分类方法合理提取木薯种植面积及其空间分布信息。研究表明,将归一化植被指数(NDVI)和数字高程数据(DEM)应用于遥感影像的多尺度分割,并结合基于隶属度函数和阈值的面向对象分类方法,提取木薯种植面积的精度达85%,分类精度(以Kappa系数表示)为0.9。相比最大似然监督分类方法和未辅以NDVI/DEM的面向对象分类方法,该方法的总精度分别提高了5%和12%,Kappa系数分别提高了0.2和0.3。因此,NDVI和DEM数据参与影像分割的面向对象的信息提取方法,可以有效地提高遥感图像分类的精度,并为提取种植分散、与相关植被时相差异小的作物的空间分布提供了有效的技术借鉴。     

基于GF-1卫星数据的面向对象的民勤绿洲植被分类研究

以民勤绿洲为研究区,以GF-1遥感影像为数据源,采用面向对象的分类方法,结合分层技术,对影像逐级进行分类,以获取植被信息。根据归一化植被指数（NDVI）阈值区分植被与非植被,分割尺度为10;使用归一化水体指数（NDWI）阈值提取非植被中的水体,分割尺度为35;利用野外采样点获取的训练样本,将植被进一步分为耕地、林地和草地,分割尺度为25。总体分类精度达到83.02%,Kappa系数为0.745 1,比较基于象元的监督分类,其总体分类精度为69.37%,Kappa系数为0.497 0,表明面向对象的分类方法在干旱区绿洲植被信息的提取上较传统的基于象元的分类方法更有优势,分类精度更高。     

基于Sentinel-2A时序数据和面向对象决策树方法的植被识别

Sentinel-2A数据具有较高的空间分辨率和时间分辨率,克服了以往时序数据难以获取或空间分辨率低的问题。该文以山西省吕梁市陈家湾流域为研究区,基于Sentinel-2A时序数据,根据归一化植被指数(NDVI)时序曲线特征和光谱特征,构建基于面向对象决策树方法的分层分类模型,成功提取了陈家湾流域的植被信息,分类总体精度达到89.7%,Kappa系数为0.87。基于面向对象决策树方法的多时相分类结果与单时相分类结果相比,可以有效改善波谱特征相近和受地形影响较大地物的区分,减少混分现象;基于Sentinel-2A时序数据和面向对象决策树分类方法能够有效提高植被分类的精度。     

基于 NDVI 物候特征的华南地区冬种马铃薯遥感提取方法

马铃薯是华南地区的特色冬种农作物,其地块的“早稻―晚稻―冬种马铃薯”三季种植模式具有特有的植被指数时间序列曲线特征。利用这一特征,提出一种基于 NDVI 时间序列数据和 SAM 的冬种马铃薯种植面积提取方法。以广东省惠州市稔平半岛为研究区,冬种马铃薯面积为研究对象,采用 2011 年 HJ-1 A/B CCD 遥感数据为主要数据,计算每一景影像的 NDVI 后以时间为坐标轴排列成 NDVI 时间序列数据集,在此提取冬种马铃薯种植区的 NDVI 时间序列参考曲线,使用光谱角度匹配（SAM）方法,计算每个像元的 NDVI 时间序列曲线与 NDVI时间序列参考曲线的光谱夹角值,根据 Rule 图像的统计参数确定夹角阈值,达到快速有效地在遥感影像上提取冬种马铃薯对应像元的目的。结果表明：研究区总体提取精度为 82.70%,重点种植区域提取精度为 93.75%,可见基于 NDVI 物候特征的 SAM 方法能够有效提取研究区冬种马铃薯的种植面积。     

基于GIS的公路沿线地表植被变化遥感监测——以昆石公路为例

随着道路网络的发展所带来的许多生态效应，道路沿线生态环境及其安全分析显得越来越重要。以昆石公路为例，利用多时相遥感影像和GPS定位调查等数据，对公路沿线区域地表植被覆盖变化信息进行了测定与分析理解。研究采用不同时相的NDVI图像进行彩色合成直观反映地表植被的变化信息；对不同时相NDVI图像进行NDVI值分级和彩色压缩以定量和定性地描述区域地表植被的变化情况；将多时相NDVI彩色合成图进行IHS变换获取变化类型图，对植被覆盖变化进行定量分析；最后结合资源与生态环境信息数据库中有关信息进行植被覆盖变化影响因素分析。     

基于遥感时序特征的地表覆被信息提取

地表覆被作为自然过程和人类活动共同作用的重要地表景观特征,对全球或局地气候、水热循环、物质传输及陆面生态系统多样性等影响深远。利用年内时序遥感影像自动提取不同地表覆被类型的方法,以新疆阜康地区为研究目标,组织2016年植被全生长季的Landsat 8 OLI地表反射时序影像,研究不同物候期植被冠层的纹理响应信息,考察研究区典型地表覆被类型在3—11月多波段波谱、归一化植被指数(NDVI)及增强型植被指数(EVI)的时序特征,构建提取地表覆被类型的策略规则,形成时序特征匹配方法,将其应用于2018年研究区地表覆被填图的提取。最后,基于高分辨率卫星影像和野外实地调查对随机选取的2500个样点进行对比验证。结果表明:提取结果和验证数据一致性较好,总体精度为97.2%,Kappa系数为0.9655,且实地考查结果显示本方法在复播作物识别和有效降低单一时相中“异物同谱”现象上展示潜在优势。     

基于MODIS NDVI时序数列的柴达木盆地土地覆盖分类研究

以2003年柴达木盆地的MODIS卫星遥感影像为基础数据,结合野外实地考察资料,综合分析了2003年柴达木盆地的植被指数时间变化与空间分布特征,提取了该年度该区域各主要土地覆盖类型NDVI的时序数列曲线,采用NDVI时序数列变化曲线形状匹配方法对柴达木盆地进行了土地覆盖类型分类.在此基础上使用了将以月为单位的变化曲线转换为十二维空间中的单位向量,比较向量夹角以决定其相似度的先进算法,取得了良好的分类效果,获得了2003年柴达木盆地比较精确的土地覆盖分类图.提出了利用MODIS卫星遥感影像进行土地覆盖分类的新方法.     

基于机载LiDAR数据的农田区植被高度估测研究

作物高度是农田、生态等研究领域重要的一项指标,准确地获取作物高度和类别是精确估产和长势监测的必要条件。激光雷达技术能够提供精确的植被冠层结构信息,并进而获得作物冠层高度。以绿洲农田区的棉田为研究对象,通过激光雷达提取的植被垂直结构信息,估算研究区各植被类型的高度,并依据高度进行了分类。结果表明：林地、食葵、棉花和西葫芦的平均高度约为12.5 m、2.125 m、1.125 m和0.35 m,利用植被类型间的高度差异进行地物类型识别的总体精度为93%;食葵、棉花和西葫芦实测植被高度值与计算植被高度值的平均相对误差分别为-0.038%、1.35%和-4.348%,说明激光雷达提取的植被冠层结构参数可用于农田区作物的高度估算。     

澜沧江流域山区土地覆盖多级遥感分类方法研究

遥感监测土地覆盖是对流域综合开发所引起的有关土地利用状况改变的有效监督控制手段,土地覆盖分类专题信息提取是遥感监测研究的重要内容之一。针对澜沧江流域遥感监测项目,探讨基于地物光谱响应曲线分析提取山区士地覆盖的多级遥感分类方法应用研究。结果表明,基于具体研究区域的典型地物样点光谱响应曲线分析,在多波段间组织设计有关提取具体研究区域土地覆盖类间可分离性明显的算法,分离并提取特定研究区域土地覆盖主要类型,然后再通过结合多级遥感分类方法的应用,可较之单一依靠自动模式识别方法或单一利用目视解译方法获得诸多优越之处和更符合实际的分类效果,是种适合于山区土地覆盖监测的有效、可行而又相对操作简单的方法。     

黄河三角洲农作物种植分区的遥感研究

本文选取了一年中三个不同时相的TM影像,分别求出了三幅影像的NDVI分布图,将其合成为一幅影像图。由于不同区域种植的作物在三个时相中的NDVI变化是不同的,因此在NDVI合成图上会呈现不同的颜色区域。通过对不同颜色区域进行采样分析,可以确定桃红色区域为冬小麦、玉米(大豆)轮作区,蓝紫色区域为棉花、春玉米、杂粮种植区,亮蓝区域为水稻种植区,亮绿色区域为林地、草地。最后,根据不同颜色区域的NDVI变化特征用非监督分类和监督分类相结合的方法对影像进行了分类提取。这样便可对黄河三角洲农作物的种植情况进行宏观的了解,为农作物种植合理布局及农业可持续发展提供依据。     

河南省原阳县引黄灌区水稻田信息提取研究

水稻田是一种人工湿地。快速、准确地获取水稻的种植和生长信息,对于加强水稻田管理具有重要的实践意义。以河南省新乡市原阳县引黄灌区的水稻田为研究对象,采用随机森林算法,利用2020年8月26日和9月11日的Landsat 8 OLI影像数据,提取研究区的地表水分指数(land surface water index,LSWI)、归一化差值植被指数(normalized difference vegetation index,NDVI)和比值植被指数(ratio vegetation index,RVI),实现了研究区水稻田分布信息的遥感识别,并对提取结果进行验证。研究结果显示,分类结果的总体分类精度为96.8%,Kappa系数为0.952。     

1981-2010年气候变化和人类活动对内蒙古地区植被动态影响的定量研究

基于GIMMS NDVI以及MODIS NDVI数据,分析内蒙古地区1981-2010年的植被变化趋势,并结合气候、社会经济数据,以旗县为单位定量分析气候变化和人类活动对植被变化的影响,结果表明：①1981-2010年间,内蒙古地区植被变化具有典型的空间异质性,其中植被显著增加区域主要集中在西南部的阿拉善盟、鄂尔多斯市以及东部通辽市等地区,显著减少区域主要集中在北部的锡林郭勒盟以及东北部的呼伦贝尔市的部分地区;②对于植被显著增加区域,人类活动作用的影响面积最大,其次为气候因素,气候与人类活动的耦合作用也对植被增加有一定显著影响;内蒙古西部降雨量的增加、围封禁牧政策的实施以及农作物播种面积的增加为驱动植被增加的主要因素;③对于植被显著减少区域,人类活动的作用略大于气候因素;内蒙古中东部地区降雨减少以及近10年来部分旗县风速的增加是导致植被显著减少的重要气候因素;虽然人工造林、农作物播种面积会增加局部植被盖度,但在县域尺度不足以抵消干旱对植被生长的不利影响,反而会导致区域植被退化。     

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。     

1982～2010年中国东北地区植被NPP时空格局及驱动因子分析

应用逐像元线性回归模型方法,整合应用MODIS和AVHRR NDVI数据集,构建1982~2010年覆盖东北地区的8 km空间分辨率的NDVI数据集,进而应用CASA模型估算得到东北地区29 a NPP数据集,模拟精度在75%以上。29 a平均的东北地区植被NPP总量为6.5×108tC/a。植被NPP的分布受植被类型、气候、地形因素的综合影响。NPP地域差异明显,山地区植被>平原区植被>高原区植被,变化最大的植被类型为草地植被。过去29 a间,植被NPP呈显著上升趋势(P<0.01)。气候变化和土地利用变化均是影响植被时空格局的重要因素。     

内蒙古沙区森林及其碳储量估算

根据内蒙古第6次森林资源连续清查资料,并结合森林固碳研究的相关成果,分析了内蒙古沙区森林资源的特点,并计算了碳储量的变化。结果表明,内蒙古沙区林地总面积1 097.06万hm2,森林总面积为323.82万hm2;沙区林木总蓄积量为3 633.15万m3,占内蒙古林木总蓄积量的2.67%;沙区林木总固碳储量为1 574.26万t,其中,乔木林总固碳储量为1 044.72万t,灌木林总固碳为205.35万t,根系（乔灌木）总固碳325.91万t。各沙地林木总固碳储量占沙区林木总固碳储量的96.19%,沙漠林木总固碳储量占沙区林木总固碳储量的3.81%。     

基于多种高分辨率卫星数据的TRMM降水数据降尺度研究——以内蒙古地区为例

利用内蒙古地区2001~2010年42个站点实测降水数据作为“真值”,采用LOO（Leave-One-Out）交叉验证、多元逐步回归等方法,构建TRMM（Tropical Rainfall Measuring Mission）降水数据与地形及气候等要素之间的多元回归关系,在此基础上,利用回归值+残差值的方法,获得空间分辨率为1 km×1 km的TRMM年降水数据,并对降尺度TRMM数据进行精度检验。研究表明：① TRMM数据可用于区域年降水量估计,且与实测年降水量呈显著线性关系;② 通过建立不同年份、不同空间分辨率TRMM数据与其它遥感数据的多元统计模型,研究发现在中尺度下TRMM与观测年降水数据拟合效果较好,且在空间分辨率为0.50°×0.50°时的拟合效果最好;③ 降尺度分析提高了TRMM数据对研究区降水时空特征的描述能力,确定性系数、标准误差和偏差均有明显改善,表明降尺度算法在将TRMM降水数据空间分辨率提高到1 km×1 km的同时,并能提高降水数据的精度。     

基于SPOTNDVI的华北北部地表植被覆盖变化趋势

为分析华北北部地表植被覆盖变化趋势,探寻合理土地利用方式,基于1999年1月至2006年12月的SPOT-VEGETATION逐旬NDVI数据,采用国际通用的MVC(最大合成法)获得月NDVI值,用均值法求出年均NDVI数值。在此基础上,用一元线性回归斜率定量描述地表覆盖动态变化,以Hurst指数表示其时间依存性,利用GIS工具表征其空间格局并进行空间统计分析。研究结果表明:近8年来华北北部地表植被覆盖整体得到改善的区域比植被覆盖退化的区域面积大,得到改善的区域约占总面积的66.04%,基本不变的区域约占14.39%,退化区域约占19.57%。各种土地利用类型Hurst指数平均值均为0.5     

分区控制和分层提取下的OMIS-I影像土地利用/覆盖分类方法研究

针对宜兴试验区128波段OMIS—Ⅰ机载成像光谱数据,在平原区、山区分区基础上建立多级分层决策树综合分类方法。通过该方法可实现对土地利用／覆盖一级类（林地、园地、水域、耕地）自动分类,精度达88．15％,Kappa指数为0．82,园地漏分率最高（20．23％）,耕地漏分率最低（2．24％）;耕地、林地、园地、水域的错分率分别为21．87％、21．98％、0．66％、0。土地利用／覆盖二级分类也可采用分层自动分类,其总体精度达86．16％,Kappa指数为0．81。采用土地利用矢量数据辅助和人工目视解译对部分二级类别进行细分,可获得更加可靠的分类结果。研究表明,分区控制下的多级分层决策树综合分类方法应用于OMIS—Ⅰ高光谱影像土地利用／覆盖分类,具有可操作性和较高的精度。     

基于Sentinel-2时间序列数据及物候特征的棉花种植区提取

棉花是中国重要的经济作物,在新疆大面积种植。及时、准确获取棉花种植面积,对农业政策制定与农业经济发展有重要意义。以渭干河—库车河三角洲绿洲棉花为主要研究对象,利用2018—2020年（1景/1月）36景哨兵2号（Sentinel-2）数据,构建归一化植被指数（Normalize difference vegetation index,NDVI）和红边归一化植被指数（Red edge normalize difference vegetation index,RENDVI₇₈₃）时序数据;采用Savitzky-Golay（S-G）滤波法对时序数据进行平滑、重构并提取11个物候特征;利用袋外误差法对11个物候特征进行特征优选;在此基础上利用重构后的时序数据（NDVI Fit）、（RENDVI₇₈₃ Fit）、物候特征（RENDVI₇₈₃ Ph）、物候特征优选组合构建6种不同的特征数据集,利用随机森林分类（RFC）方法分别进行分类和提取,并采用最大似然分类方法和支持向量机分类方法对分类效果进行验证。结果表明：（1） NDVI和RENDVI₇₈₃时序数据变化趋势较为一致,棉花在5月（苗期）到8月初（开花盛期）有明显的上升趋势,在8月末至9月（花铃期）达到峰值。相比NDVI,红边波段构成的RENDVI₇₈₃时序曲线峰值从0.7提高到0.9,棉花区分效果更佳。（2） 11个物候特征中拟合函数最大值、生长季长度、生长季振幅、生长季结束、生长季大积分和生长季小积分对分类的贡献性最大,重要性得分分别为1.43、1.40、1.23、1.16、1.02和1.01。（3） RFC方法对特征数据集（RENDVI₇₈₃ Fit+物候特征优选组合）分类精度最佳。总体精度和Kappa系数分别为92.20%和0.92。（4） 研究区内棉花分类精度达到了91.02%,种植面积约为3424 km²,占研究区总面积的24.67%。