利用高光谱混合像元分解估测喀斯特地区植被覆盖度

以Hyperion高光谱影像为数据源,以植被、裸土、裸岩作为喀斯特地区典型地物,利用纯净像元指数方法从影像中提取这3类地物的端元,然后利用匹配滤波(MF)和混合调谐匹配滤波(MTMF)混合像元分解的方法对喀斯特地区的植被覆盖度进行了估测。结果表明:MTMF方法反演得到的喀斯特地区植被丰度与实测植被覆盖度之间的最大偏差为0.15,确定系数R2为0.78,均方根误差RMSE为9.18,MTMF植被覆盖度提取的结果明显优于MF,故MTMF方法反演得到的喀斯特地区植被丰度准确地代表了地表真实植被覆盖情况。研究表明,MTMF方法对喀斯特地区植被覆盖度的估测具有更高的精度及可靠性,具有广阔的应用前景。     

多季相混合像元部分分解特征的不透水面分类

针对利用光谱混合分解提取不透水面特征通常受到端元类型和数量的限制,同时植被变化会影响估计精度的问题,该文提出 了一种综合季相和植被变化信息的不透水面提取框架.基于混合像元部分分解算法——混合调谐匹配滤波(MTMF),设计了多季相组合MTMF(SCMTMF)特征和多季相叠加MTMF(SSMTMF)两种策略,构造了不透水面的多季相MTMF特征,将不透水特征与多季相植被指数结合利用支持向量机实现对不透水面的精确分类.结果表明,利用多季相特征得到的不透水面提取效果相较于单季相有较明显的改善,该文所提出的策略有利于提高不透水面的估计精度.     

基于QUEST决策树的大丰湿地信息提取

以盐城大丰湿地为研究区,利用2000年和2010年两幅影像数据,采用QUEST算法构建决策树模型对大丰湿地信息进行提取。分类后运用混淆矩阵得到2000年的总精度和Kappa系数分别为89.43%和87.21%,2010年的总精度和Kappa系数分别为86.23%和84.83%。结果表明,基于QUEST的决策树分类方法能有效提取湿地信息。     

无人机多光谱影像土地利用信息提取方法研究

以无人机多光谱和倾斜影像为数据源,运用面向对象自动分类的方法,首先利用分型网络演化分割算法(Fractal Net Evolution Approach,FNEA)进行分割实验,确定研究区每个地类最优分割尺度,并结合多光谱影像的光谱特征、纹理特征、空间特征、语义关系以及通过倾斜摄影提取的数字表面模型(Digital Surface Model,DSM)和其衍生的坡度数据等,构建研究区分类规则集,并采用多尺度分割后的多层次信息提取方法,将地物分为3个尺度,在不同尺度下提取相应的地物,总体精度为88.03%,Kappa系数为86.12%,分类结果较好。同时设置对比实验,利用传统的决策树方法分类,其总体精度仅为77.78%,Kappa系数为74.23%。研究表明,针对无人机的高分辨率多光谱影像面向对象的多尺度信息提取方法在信息提取时要优于决策树分类方法,同时验证了该多光谱传感器在信息提取上应用的可行性。     

基于影像多种特征的决策树分类方法

阐述了决策树分类CART算法原理,将纹理信息、NDVI指数引入决策树方法对影像进行分类,并将分类结果与最大似然分类结果进行比较,研究表明决策树分类方法相对传统分类方法总体精度提高了8.9148%,Kappa系数提高了0.1074。     

基于决策树方法的遥感分类研究

利用监督分类和决策树分类2种方法对研究区域进行地表覆盖分类,将分类结果与Google Earth影像、地形图对比进行精度评定。结果表明,决策树分类总体精度和Kappa系数分别为86.462 9%和0.827 1,较监督分类的总体精度和Kappa系数分别提高了5.347%和0.067 1,对于地形复杂的地区,能有效提高分类精度。     

基于决策树分类的地表覆盖遥感信息提取

地处西南的渝北地区地表覆盖类型复杂、土地利用多元化,仅依赖于光谱特征的传统遥感信息提取方法难以获得较高的分类精度。利用决策树分类技术对渝北地区的TM遥感影像进行分类,除光谱信息外还结合地质、NDVI、PCI等多源数据进行实验。结果表明,总精度和Kappa系数分别为88.42%和0.854 7,较传统的监督分类和仅依赖于光谱特征的决策树分类方法有较大提高,这也表明基于多源数据的决策树分类技术对地表覆盖复杂地区的遥感影像分类比较适用,是遥感信息提取的一种有效手段。     

基于Google Earth Engine的土地覆盖分类方法研究

基于谷歌云在线处理平台(Google Earth Engine,GEE),以2019年全年Landsat-8 OLI影像为数据源,选取黑龙江省哈尔滨市为试验区,基于决策树算法、随机森林算法、最邻近算法、支持向量机算法开展土地覆盖分类方法研究,并对不同分类器方法提取结果进行精度评价.试验结果表明,基于GEE平台可以快速完成土地覆盖分类,各分类方法都可以达到较好的效果;采用决策树算法提取结果最优,总体精度为97.53％,Kappa系数为0.9586.     

基于决策树的遥感影像土地利用类型识别研究

为了准确获取新都区土地利用类型,以2007年四川省成都市新都地区的TM遥感影像为数据源,基于决策二叉树分类方法,在利用各类典型地物的反射光谱特性及典型归一化指数的基础上,结合目视解译,建立了一组能快速、准确提取土地利用信息的决策树分类规则,对研究区域遥感影像进行决策树分类。研究结果表明,决策树分类总体精度和Kappa系数分别为81.00%和0.7314,取得了较为满意的分类结果。     

基于植被指数模型的淡水湖泊湿地景观信息提取

高邮湖湿地是江苏省重要湿地之一,对生态、环境控制、调节气候和保护生物多样性具有重要意义。采用2007年的LandsatTM影像作为遥感信息源,选择影像的光谱特征和比值植被指数(RVI)、差值植被指数(DVI)、归一化植被指数(NDVI)、归一化差异绿度指数(NDGI)、土壤调节植被指数(SAVI)和最佳土壤调节植被指数(OSAVI)6种植被指数做了光谱特征分析,从而确定出最佳指数模型,并基于决策树方法,实现研究区景观信息的遥感分类。研究结果表明,决策树分类法易于综合多种特征进行遥感影像分类,植被指数参与到决策树分类中能够提高分类的总体精度,其总体精度达到79.58%,Kappa系数为0.721 0,分类结果理想且人工参与灵活。     

基于决策树理论的土地利用分类

首先,阐述了决策树分类器的结构与理论基础;然后,以安徽省滁州市为例,利用Landsat ETM＋遥感影像数据和DEM数据,在ENVI软件的支持下,结合影像的光谱特征及NDVI,NDBI特征值,参考C4．5算法（决策树生成算法）,建立了土地利用分类的决策树模型并进行了分类;最后,对分类结果进行了精度评价。研究区结果表明决策树分类法效果较好,精度较高。     

Detecting subcanopy invasive plant species in tropical rainforest by integrating optical and microwave (InSAR/PolInSAR) remote sensing data,and a decision tree algorithm

In this paper, we propose a decision tree algorithm to characterize spatial extent and spectral features of invasive plant species (i.e., guava, Madagascar cardamom, and Molucca raspberry) in tropical rainforests by integrating datasets from passive and active remote sensing sensors. The decision tree algorithm is based on a number of input variables including matching score and infeasibility images from Mixture Tuned Matched Filtering (MTMF), land-cover maps, tree height information derived from high resolution stereo imagery, polarimetric feature images, Radar Forest Degradation Index (RFDI), polarimetric and InSAR coherence and phase difference images. Spatial distributions of the study organisms are mapped using pixel-based Winner-Takes-All (WTA) algorithm, object oriented feature extraction, spectral unmixing, and compared with the newly developed decision tree approach. Our results show that the InSAR phase difference and PolInSAR HH–VV coherence images of L-band PALSAR data are the most important variables following the MTMF outputs in mapping subcanopy invasive plant species in tropical rainforest. We also show that the three types of invasive plants alone occupy about 17.6% of the Betampona Nature Reserve (BNR) while mixed forest, shrubland and grassland areas are summed to 11.9% of the reserve. This work presents the first systematic attempt to evaluate forest degradation, habitat quality and invasive plant statistics in the BNR, and provides significant insights as to management strategies for the control of invasive plants and conversation in the reserve.     

基于Aster数据的新疆渭——库绿洲及其周边地区土地沙化信息提取

以新疆渭干河——库车河绿洲及其周边地区为研究区,在野外调查的基础上,基于Aster数据,利用NDVI、植被盖度作为特征变量,结合偏最小二乘回归法模型反演得到的盐分含量(SSC)指标作为决策树分类的各节点的判别函数,通过决策树分类方法实现了沙化土地信息的提取与制图。结果表明结合植被覆盖信息与土壤特性能够在提取沙化信息的同时区分出盐渍化土壤,结果与野外调查较为一致。该研究为大区域土壤沙化信息提取与制图提供了较好的方法。     

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。     

基于资源卫星数据面向对象法的红树林提取研究

利用无人机在研究区域内采集了红树林分类的训练样本点,基于资源三号高分影像对红树林进行分类。首先采用面向对象的方法,建立决策树对保护区内红树林进行提取。之后基于面向对象法对红树林区域进行种间分类,分析保护区内红树林种群空间分布格局。研究表明,红树林种间分类精度达到76.67%,总体Kappa系数为0.68,结果具有高度一致性。本文为红树林自然保护区的管理提供理论支撑,为红树林湿地保护和生态恢复提供科学依据。     

Backscatter coefficient as an attribute for the classification of full-waveform airborne laser scanning data in urban areas

Airborne laser scanning (ALS) data are increasingly being used for land cover classification. The amplitudes of echoes from targets, available from full-waveform ALS data, have been found to be useful in the classification of land cover. However, the amplitude of an echo is dependent on various factors such as the range and incidence angle, which makes it difficult to develop a classification method which can be applied to full-waveform ALS data from different sites, scanning geometries and sensors. Additional information available from full-waveform ALS data, such as range and echo width, can be used for radiometric calibration, and to derive backscatter cross section. The backscatter cross section of a target is the physical cross sectional area of an idealised isotropic target, which has the same intensity as the selected target. The backscatter coefficient is the backscatter cross section per unit area. In this study, the amplitude, backscatter cross section and backscatter coefficient of echoes from ALS point cloud data collected from two different sites are analysed based on urban land cover classes. The application of decision tree classifiers developed using data from the first study area on the second demonstrates the advantage of using the backscatter coefficient in classification methods, along with spatial attributes. It is shown that the accuracy of classification of the second study area using the backscatter coefficient (kappa coefficient 0.89) is higher than those using the amplitude (kappa coefficient 0.67) or backscatter cross section (kappa coefficient 0.68). This attribute is especially useful for separating road and grass.     

通过训练样本采样处理改善小宗作物遥感识别精度

训练样本质量是决定农作物遥感识别精度的关键因素,虽然高空间分辨率卫星的发展有效地解决了农作物遥感识别过程中的混合像元问题,但是当区域内不同作物种植面积差异较大时,训练集中不同类别样本数量往往相差较大,这样的不均衡数据集影响分类器的训练,导致少数类别的识别精度不理想。为研究作物遥感识别过程中的不均衡样本问题,本文基于GF-2号卫星数据,首先挖掘了地物的光谱信息、纹理信息,用特征递归消除RFE (Recursive Feature Elimination)方法进行特征优选,然后从数据处理的角度采用了5种采样算法对不均衡训练集进行处理,最后使用采样后的均衡数据集训练分类器,对比数据采样前后决策树与Adaboost(Adaptive Boosting)两种分类器的识别结果,发现:(1)经过采样处理后两种分类算法明显提升了小宗作物的分类精度;(2)经过ADASYS (Adaptive synthetic sampling)采样处理后,分类器性能提升最多,决策树的Kappa系数提高了14.32%,Adaboost的Kappa系数提高了10.23%,达到最高值0.9336;(3)过采样的处理效果优于欠采样,过采样对分类器的性能提升更多。综上所述,选择合适的采样方法和分类方法是提高不均衡数据集遥感分类精度的有效途径。     

基于ASTER数据的决策树自动构建及分类研究

 在对ASTER原始9个波段数据进行各种变换处理的基础上，采用数量化指标平均可分性方法确定参与分类的最佳特征组合； 结合研究区8种主要地物类型训练数据集，分别采用最大似然法、BP神经网络法和基于See 5.0数据挖掘的决策树分类法进行分类，提取主要地物的空间分布专题信息。经过379个野外样点的验证，结果表明： 决策树算法分类性能最优，神经网络算法次之，最大似然法效果最差； 与ENVI 4.1、ERDAS 8.7提供的传统决策树建立及分类方法比较，基于数据挖掘工具See 5.0和Cart的决策树生成和分类方法具有客观、高效率、分类性能可靠和精度高等优点。     

Mapping alteration minerals using sub-pixel unmixing of ASTER data in the Sarduiyeh area,SE Kerman,Iran

This paper is an attempt to introduce the role of earth observation technology and a type of digital earth processing in mineral resources exploration and assessment. The sub-pixel distribution and quantity of alteration minerals were mapped using linear spectral unmixing (LSU) and mixture tuned matched filtering (MTMF) algorithms in the Sarduiyeh area, SE Kerman, Iran, using the visible-near infrared (VNIR) and short wave infrared (SWIR) bands of the Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) instrument and the results were compared to evaluate the efficiency of methods. Three groups of alteration minerals were identified: (1) pyrophylite-alunite (2) sericite-kaolinite, and (3) chlorite-calcite-epidote. Results showed that high abundances within pixels were successfully corresponded to the alteration zones. In addition, a number of unreported altered areas were identified. Field observations and X-ray diffraction (XRD) analysis of field samples confirmed the dominant mineral phases identified remotely. Results of LSU and MTMF were generally similar with overall accuracy of 82.9 and 90.24%, respectively. It is concluded that LSU and MTMF are suitable for sub-pixel mapping of alteration minerals and when the purpose is identification of particular targets, rather than all the elements in the scene, the MTMF algorithm could be proposed.