江西省都昌县山地与平原植被界线提取

由于生长环境、地带性分布规律和垂直差异,山地与平原地区的不同植被类型在遥感影像上存在“同物异谱”及“异物同谱”现象,易导致土地类型的误分。为避免此类错分,在进行土地覆被类型解译之前,应首先确定平原、山地植被的边界。本文在遥感影像聚类分析、GIS空间分析及数理统计分析技术的支持下,以江西省都昌县北部地区为研究区域,基于高分一号（GF-1）遥感卫星影像及地形要素,完成了山地植被与平原植被的界线提取。实验结果显示,本研究得到的植被界线精度高达99.47%和96.28%。与单纯基于遥感影像分类得到的植被边界成果相比,精度提高了近25%和23%。研究证明,高分辨率遥感影像与地形因子结合后,计算得到的山地平原划分界线精度有明显提高,可以满足高分辨率遥感影像土地覆被类型解译研究的需要。     

基于不确定性迭代优化的山地植被遥感制图

山地因其较高的异质性和特殊的环境特征给遥感科学及其应用带来了诸多问题和挑战。为实现山地植被信息的精准提取,本研究选择部分滇西北山地区域作为研究区开展方法实验,利用高分辨率遥感影像数据和数字高程模型,结合分区分层感知思想,提出一种基于不确定性理论的山地植被型组分类制图方法。首先结合地形对研究区影像进行多尺度分割制作图斑;然后根据图斑特征使用随机森林方法进行分类,将分类结果与对应类别样本间的相似性作为优化目标, 并构建混合熵模型定量计算图斑推测类型的不确定性,据此进行针对性的样本补充和分类模型的迭代优化。实验总体分类精度达90.8%,较迭代前提升了29.4%,Kappa系数达到0.875。在高不确定性区域,该方法相比使用一次性补样和随机补样方法的分类结果,精度分别提高了17%和13%。研究结果表明,通过人机交互的方式,基于不确定性理论为样本库融入增量信息的迭代优化方法能够有效提高植被型组分类的精度,相较于传统的样本选择方法具有更高的效率和更低的不确定性。     

LSTM支持下时序Sentinel-1A数据的太白山区植被制图

植被分类是森林资源调查与动态监测的基础与前提。当前植被分类研究大都利用光学遥感影像,然而,光学遥感成像易受到云雨覆盖的影响,难以构建完整时间序列,植被分类精度有限。微波遥感具有全天时全天候、时间序列完整的优势,在植被调查与分析中具有巨大的应用潜力。本文利用2018年Sentinel-1A微波遥感时间序列数据和深度循环网络方法,对秦岭太白山区的森林植被进行分类制图。首先利用Sentinel-2光学影像与数字高程数据对研究区进行多尺度分割;然后将处理后的时间序列Sentinel-1A数据空间叠加到分割地块上,构建地块的多元时间序列曲线;最后利用深度循环网络提取与学习多元时间序列的时序特征并分类。实验结果表明：① 与传统机器学习方法（如RF、SVM）相比,本文提出的深度循环网络方法的分类精度提高10%以上;② 在Sentinel-1A微波极化特征组合中VV+VH表现最好,与VV+VH+VV/VH极化特征组合的精度相近;③ 使用全年的时间影像构建时间序列分类精度最高,达到82%。研究表明,利用深度循环网络与时间序列Sentinel-1A数据的方法能够有效提高植被分类的精度,从数据源与分类方法上为森林植被分类研究提供了新的思路。     

基于特征分离机制的深度学习植被自动提取方法

随着遥感影像分辨率的提高,植被信息的高精度提取对于了解地表植被变化规律、评价生态区域具有重要意义。针对传统方法跨季节植被提取不完整问题,本文基于高分2号(GF-2)卫星数据,提出一种基于特征分离机制的深度学习语义分割网络植被提取方法。该网络在Densenet的基础增加可分离卷积和空间金字塔结合的特征分离机制来增大感受野,更有效利用植被的特征信息,提升了模型的精度。本文通过构建高精细跨季节植被样本库,使用本文所提方法,完成了遥感影像植被信息提取,并选取总体准确度、F1值和交并比作为评价指标,对不同的传统方法和深度学习方法进行精度对比与分析。实验结果表明,本文方法提取植被的效果较好,其中F1分数达到91.91%,总体准确度达到92.79%,交并比达到85.10%。对高分1号、高分6号和高景1号遥感影像进行植被提取通用性验证,结果表明本文方法具有一定的通用能力,可以从高分辨率遥感影像中准确地、自动地提取植被。本文研究成果可为城市生态环境评价和植被的应用研究提供数据参考。     

面向对象的森林植被图像识别分类方法

 森林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森林植被的类型,本文以门头沟区森林植被占主要土地覆被类型为研究对象,选择HJ-1影像面向对象提取不同地物信息。由于研究区地形复杂,采用多尺度分割方法,对不同地物设置不同分割参数,实现不同地物分层提取。根据光谱、纹理及几何等特征选择合适的特征参数,构建隶属度函数,逐级提取研究区的土地覆被类型,并与传统的最大似然法进行对比。结果表明:面向对象的分类方法在门头沟区森林植被二级信息提取的精度为83%,与传统方法相比有了较大的提高。     

山地垂直带谱信息系统应用分析与技术改进

山地垂直带信息系统虽实现了山地垂直带谱的首次数字集成,但系统中还存在标识不清、垂直带颜色不易变动、大量带谱显示时可视程度较差等问题。本文以山地垂直带谱空间可视化为研究对象,探讨系统的技术改进,包括山地垂直带谱图形数据的立体标识、翻转页面、颜色可定制、数据轴可操作等功能的实现。山地垂直带信息系统空间可视化功能的进一步完善,不仅可以有效地管理山地垂直带谱数据,而且可方便直观地显示山地垂直带谱数据,有效地集成山地垂直带谱数据并且充分地发掘山地垂直带谱空间变化规律,也为建立界面友好的世界山地垂直带信息系统奠定了基础。     

多源多时相遥感影像相对辐射归一化方法研究

为满足多源、多时相遥感影像定量化信息提取的应用需求,本文发展了一种半自动化的相对辐射归一化方法。将多源遥感影像的相对辐射归一化分为传感器辐射校正与针对光照等外部因素的辐射归一化2个过程。首先,基于晴空影像,采用分类回归的方式获取传感器辐射校正系数;然后,利用样本传递再分类的方法实现多源影像的半自动分类和传感器辐射偏差校正;最后,基于NDVI差值直方图和类别约束的PIFs自动选取方法,实现影像的相对辐射归一化。采用准同期的GF1-WVF1和Landsat8-OLI影像以及多源时序影像对方法进行了验证,结果表明,本文方法可以对传感器间的辐射偏差进行有效纠正,并在整体上获得比传统方法更好的辐射归一化精度;同时,多源时序影像的辐射校正结果也表明,本文方法能够有效地消除时序影像间的辐射特征波动,使植被等地类的季相变化信息得到更准确地表达,为多源时序影像的协同利用提供了借鉴方法。     

中国山地垂直带信息系统的设计与开发

本文收集了大量翔实的山地垂直带资料,建立了我国山地垂直带数据库,创建了山地垂直带谱"数字引擎".使垂直带谱数字化成为可能。采用ArcObject组件开发技术及Visual Basic,自主开发中国山地垂直带信息系统(1.0)。该系统是一个面向对象(山地垂直带谱)的地理信息系统;以山地垂直带"数字引擎"为系统内核,在功能上实现了山地垂直带分布与地理空间区域的联接,同时实现了大范围内选择多个区域进行数据分析的功能。系统界面友好,易操作,显示直观、明了,为自然地理和生态学家者提供了一个比较丰富的山地垂直带谱数据集和有效的分析工具。标志着山地垂直带谱研究进入了数字时代。     

煤矸石堆场信息遥感提取方法对比

煤矸石作为工业特殊固体废物之一,产生于煤炭的采掘与洗煤的过程中,影响着周围的生态环境,因此,通过遥感影像获得煤矸石堆场的位置、面积信息,对于后续的调查也有很好的指导作用。本文选择2011年9月的LandSat5 TM影像,通过将研究区的光谱信息与地形、温度等辅助信息相结合的方式,分别使用非监督分类、监督分类、谱间关系法、分层分类法4种方法对研究区煤矸石堆场进行提取。通过对比,分层分类法提取煤矸石堆场信息的识别精度可达到78%。另外,该方法对于继续在高分辨率遥感影像上进行煤矸石堆场位置、面积的提取也有指导作用。     

水土流失区马尾松林植被提取的土壤调节指数分析

为实现水土流失区植被遥感信息的准确提取,本文采用2007年ALOS 10 m多光谱影像,利用土壤调节植被指数SAVI和MSAVI,对福建长汀水土流失区马尾松林不同植被覆盖密度的3个实验区进行植被提取,并选用不同的土壤调节因子（L=0.25,0.5,0.75,1）做实验,将结果和以NDVI植被指数提取的结果进行对比,分析了提取效果及受土壤噪音的影响程度。实验表明,SAVI指数能提高水土流失区的植被提取精度。在中、低植被覆盖区,其提取的总精度比NDVI高出2%~7%,Kappa系数高出7%~18%;而土壤调节因子L的取值对植被信息的提取也呈现出一定的规律性,即：随着L从0向1递增,SAVI提取稀疏植被的能力上升而探测阴坡植被的能力下降。总体来看,对于低植被覆盖和中等植被覆盖地区,可分别用SAVI（L取0.75）和SAVI（L取0.5）来提取植被信息,对于高植被覆盖区,仍可直接用NDVI进行植被信息提取;研究发现MSAVI在植被信息提取中并不具有特别的优势。     

秦巴山地山体基面高度的提取及分布

秦巴山地是中国的南北分界线,也是黄河和长江的分水岭,其山体效应的定量化影响秦巴山地山体垂直带的分布格局、非地带性因素的作用强度和机理,以及中国暖温带和北亚热带的具体位置的确定。山体基面高度是影响山体效应最重要和关键的地形因子,其定量化和数字化提取是秦巴山地山体效应定量化研究的重要内容。本研究针对秦巴山地山体效应的定量化研究,使用30 m分辨率的STRM-1数据,分别基于山体特征线和流域分区2种方法提取了秦巴山地的山体基面高度分区,并根据地形起伏度和坡度,确定基面范围,计算了山体基面高度值。结果表明：① 基于山体特征线的方法将秦巴山地分为93个基面高度分区,基于流域分区的方法将秦巴山地分为209个基面高度分区,根据2种分区结果提取的基面高度值相差不大且均体现了秦巴山地地势的特点;② 秦巴山地山体基面高度从东向西呈阶梯状递增的趋势;③ 从南到北,秦巴山地的东段和中段均呈先增高后降低的趋势,即从大巴山向北至汉江谷地降低,再向北至秦岭升高;④ 山地的不同侧翼的山体基面高度不同,秦岭南坡的基面高度（1000~1809 m）明显高于北坡（850~1300 m）。秦巴山地山体基面高度与其植被带分布上限联系密切,实现山体基面高度的数字化提取,为山体效应的定量化研究提供了重要的技术支持。     

Digital extraction of altitudinal belt spectra in the West Kunlun Mountains using SPOT-VGT NDVI and SRTM DEM

In this paper, a digital identification method for the extraction of altitudinal belt spectra of montane natural belts is presented. Acquiring the sequential spectra of digital altitudinal belts in mountains at an acceptable temporal frequency and over a large area requires extensive time and work if traditional methods of field investigation are to be used. Such being the case, often the altitudinal belts of a whole mountain or the belts at a regional scale are represented by single points. However, single points obviously cannot accurately reflect the spatial variety of altitudinal belts. In this context, a digital method was developed to extract the spectra of altitudinal belts from remote sensing data and SRTM DEM in the West Kunlun Mountains. By means of the 1km resolution SPOT-4 vegetation 10-day composite NDVI, the horizontal distribution of altitudinal belts were extracted through supervised classification, with a total classification accuracy of 72.23%. Then, a way of twice-scan was used to realize the automatic transition of horizontal maps to vertical belts. The classification results of remote-sensing data could thus be transformed automatically to sequential spectra of digital altitudinal belts. The upper and lower lines of the altitudinal belts were then extracted by vertical scanning of the belts. Relationships between the altitudinal belts based on the montane natural zones concerning vegetation types and the geomorphological altitudinal belts were also discussed. As a tentative method, the digital extraction method presented here is effective at digitally identifying altitudinal belts, and could be helpful in rapid information extraction over large-scale areas.     

Vegetation-environment relationships between northern slope of Karlik Mountain and Naomaohu Basin, East Tianshan Mountains

Based on data from 22 sample plots and applying the Canonical Correspondence Analysis (CCA),this paper discusses the vegetation-environment relationships between the northern slope of Karlik Mountain and Naomaohu Basin,which is situated in the easternmost end of the Tianshan Mountains,Xinjiang Uygur Autonomous Region,China.For the zonal vegetation,community diversity of mountain vegetation is higher than that of the desert vegetation due to environmental factors.The CCA ordination diagram revealed that the composition and distribution of vegetation types are mainly determined by altitude,soil pH and soil salt content.With increasing elevation,the soil pH and total salt content decrease but the contents of soil organic matter,soil water,total nitrogen and total phosphorus increase gradually.In the CCA ordination diagrams,the sample plots and main species can be divided into five types according to their adaptations to the environmental factors.Type I is composed of desert vegetation distributed on the low mountains,hills,plains and deserts below an elevation of 1900 m;type II is distributed in the mountain and desert ecotone with an elevation of 1900-2300 m,and includes steppe desert,desert steppe and wetland meadow;type III is very simply composed of only salinized meadow;type IV is distributed above an elevation of 2300 m,containing mountain steppe,meadow steppe,subalpine meadow and alpine meadow;type V only contains salinized meadow.The results show that with increasing elevation,species combination changes from the xerophytic shrubs,semi-shrubs and herbs distributed in the low altitude zone with arid climate to the cold-tolerant perennial herbs growing in the high altitudinal zone with cold climate.     

基于“DEM-NDVI-土地覆盖分类”的天山博格达自然遗产地山地垂直带提取与变化分析

本文基于Landsat影像数据获取天山博格达自然遗产地土地覆盖分类,结合归一化植被指数（NDVI）和数字高程模型（DEM）构建“DEM-NDVI-土地覆盖分类”散点图分析研究区植被受海拔和坡向的水热空间变化影响的分布特征,通过概率统计分析提取博格达遗产地山地垂直带,并结合研究区的气温、降水数据和NDVI变化特征分析垂直带变化的原因。研究结果表明：① 本文利用“DEM-NDVI-土地覆盖分类”散点图,揭示了研究区1989年和2016年的NDVI值和分类类别随着海拔上升的变化特征,其中NDVI值随着海拔上升呈现“倒U形”变化,而不同分类类别在一定的海拔区间内呈现出聚集效应,且不同分类类别有明显的高程界限。② 1989年和2016年博格达遗产地山地垂直带分带上限分别为：1278 m和1185 m（温带荒漠草原带）、1784 m和1759 m（山地草原带）、2706 m和2730 m（山地针叶林带）、3272 m和3293 m（高山草甸带）、3636 m和3690 m（高山垫状植被带）。③ 博格达遗产地1989年和2016年山地垂直带受区域气温升高和降雨增加的影响有较为明显的改变,其中温带荒漠草原带最为敏感,其上限变化最大,向下收缩93 m;山地针叶林带的分布范围则向两侧扩张49 m;山地草甸带带宽基本保持不变,但整体上移了约20 m;冰雪带则受到全球气候变暖的影响向上退缩54 m。     

山体基面高度的提取方法 ——以台湾岛为例

 山体基面高度的差异影响山体自身对其水热条件的再分配,进而影响山地垂直带谱的结构和分布,是决定垂直带分布高度的重要因子之一。目前,山体基面高度还没有一个准确科学的定义,也缺乏一个有效的数字化、定量化提取方法。本文以台湾岛为例,使用30m分辨率的ASTER GDEM数据,提出了一种提取山体基面高度的方法。首先,以地形特征与水文特征提取方法获得主山脊线与主山谷线,然后,以地形地貌单元自动提取方法获得山体轮廓界线,再依据提取出的主山脊线、山体轮廓界线及主山谷线,划分山体基面高度分区,依据山体基面分布特征确定各分区的基面高度值,将台湾山地划分出6个不同的山体基面高度(0m、150m、 200m、 600m、630m和650m)。该方法为大范围山体基面高度的快速、准确提取,以及山体效应定量化研究提供了重要的技术支撑。     

Regional-scale identification of three-dimensional pattern of vegetation landscapes

The altitudinal pattern of vegetation is usually identified by field surveys,however,these can only provide discrete data on a local mountain.Few studies identifying and analyzing the altitudinal vegetation pattern on a regional scale are available.This study selected central Inner Mongolia as the study area,presented a method for extracting vegetation patterns in altitudinal and horizontal directions.The data included a vegetation map at a 1∶1 000 000 scale and a digital elevation model at a 1∶250 000 scale.The three-dimensional vegetation pattern indicated the distribution probability for each vegetation type and the transition zones between different vegetation landscapes.From low to high elevations,there were five vegetation types in the southern mountain flanks,including the montane steppe,broad-leaved forest,coniferous mixed forest,montane dwarf-scrub and sub-alpine shrub-meadow.Correspondingly,only four vegetation types were found in the northern flanks,except for the montane steppe.This study could provide a general model for understanding the complexity and diversity of mountain environment and landscape.