分层随机抽样下全球30 m火烧迹地产品验证

火烧迹地是全球及区域碳循环和气候变化等研究所需的重要参数之一,卫星遥感技术为快速获取大区域火烧迹地空间分布信息提供了有效手段。中国科学院基于Landsat系列卫星数据研发了首个30 m空间分辨率全球火烧迹地产品GABAM (Global Annual Burned Area Map)。遥感数据产品的精度验证对产品使用具有重要意义,迄今尚未有研究机构对GABAM产品精度进行独立评价和分析。为系统评价GABAM产品精度,利用2010年全球30 m空间分辨率火烧迹地产品(GABAM2010)开展精度验证研究工作,在全球和几个陆地生物群落中估算了产品精度,并探索了全球遥感专题产品精度验证的技术框架。基于分层随机抽样选择80个非重叠的泰森多边形区域TSA (Thiessen Scene Areas),采用误差矩阵和6个精度指标对GABAM2010产品做全面精度评价和分析,以满足火烧迹地产品用户的使用要求。结果表明:在全球范围内,GABAM2010产品的错分率和漏分率分别为24.32%和31.60%,总体精度为97.85%;由于数据质量(如条带、云)等的影响,火烧迹地的范围会被低估,对于较容易发生火灾的生物群落,如热带亚热带草原区域,GABAM2010产品精度较高;在生物群落内部,高密度火烧迹地区域的精度高于低密度火烧迹地区域。     

基于LiDAR点云数据的低矮植被分类方法

基于LiDAR点云数据进行小区域低矮植被分类方法的研究,利用渐进加密三角网算法分离地面点与低矮植被点,通过分析调整阈值对分离效果的影响验证该算法的适用程度。本文研究表明渐进加密三角网算法适用于低矮植被分布多的地势平坦地区,不适用于地形起伏较大的山区与城市地区。     

基于独立成分分析和随机森林算法的城镇用地提取研究

城镇用地信息是联合国2030年可持续发展议程关注的重点之一。城市在世界范围内迅速扩张,快速准确地获取城镇用地信息对于政府决策具有重要作用。城镇土地覆盖信息非常复杂,包括人工建筑、树木、草地、水体等多种地表覆盖类型。基于传统人工测绘获取城镇用地信息费时费力并且难于及时更新。Landsat等遥感卫星数据为城镇用地信息提取提供了丰富的数据源。基于卫星遥感数据提取的城镇用地信息可以为未来城市的建设和管理提供基础的科学决策数据。基于监督分类方法和卫星遥感数据可快速地提取城镇用地信息,然而特征变量的选择对于高精度城镇用地信息提取尤为重要。为研究不同特征变量组合对于城镇用地信息提取的影响,以北京市为研究区,以2017年7月10日获取的Landsat 8 OLI影像为数据源,通过数据预处理、纹理提取、独立成分分析、主成分分析等得到4个维度的29个特征,选取了7种特征组合方案进行城镇用地提取。考虑随机森林算法性能稳定,分类精度高和可以方便进行特征重要性评价等优点,选择其作为监督分类算法以提取城镇用地信息,并进行了精度评定,以确定最优的城镇用地提取特征组合。研究发现：综合利用光谱特征和独立成分分析后的影像特征,提取城镇用地的总体精度为93.1%,Kappa系数为0.86,优于利用其他特征的提取结果;基于随机森林算法对数据进行训练后输出的各变量的归一化变量重要性与特征均值的标准差结果存在相似性,利用随机森林算法的变量重要性估计与特征均值折线图都可以进行变量重要性评价。