高分六号宽幅多光谱数据人工林类型分类

高分六号(GF-6)卫星于2018年成功发射,2019-03正式投入使用。由于GF-6宽幅相机的WFV(Wide Field of View)影像较GF-1的同类影像新增2个红边波段,将会提高对农业、林业、草原等资源监测能力。为了分析GF-6的WFV影像在人工林分类方面的能力,促进高分数据在林业领域的应用,本文选取广西高峰林场为研究区,以最新的GF-6 WFV影像为数据源,结合地面实测类型数据,进行广西南宁高峰林场的桉树,杉木等人工林类型提取。主要运用随机森林(random forests)的分层分类法:首先计算6种植被指数,并利用随机森林法进行植被指数的特征优选,然后确定4种波段组合数据集的分类方案,4种数据集分别为(1)无红边的前4个波段,(2)有红边的8个波段,(3) 8个波段加上未优化的植被指数特征组合,(4) 8个波段加上优化的植被指数特征组合。再进行WFV影像4种数据集的随机森林分类,随机森林采用分类回归树(CART)算法来生成分类树,结合了bagging和随机选择特征变量的优点,是一种有效的分类方法。最后比较4个方案的分类结果并进行精度验证。结果表明:方案2比方案1精度提高了4.99%,Kappa系数提高了0.058。说明包含红边的8波段数据比4个波段数据精度有大幅提升。方案4的8波段加上优化植被指数特征组合的分类精度最高,达到了85.38%,比方案2包含红边波段组和方案1无红边波段组的精度分别提高了3.98%,8.97%,Kappa系数分别提高了0.046,0.104。说明WFV影像加入红边波段比无红边波段精度明显增高。由结果可知,红边指数的引入,增强了植被信息,能够较准确地反映人工林类型特征差异,明显提升了人工林的分类精度。本研究方法可以有效改善广西人工林类型信息提取效果,为GF-6影像质量的评价及其在林业应用潜力提供科学参考依据。     

单变量特征选择的苏北地区主要农作物遥感识别

遥感识别多源特征综合和特征优选是提高遥感影像分类精度的关键技术。农作物遥感识别中,识别特征的相对单一和数量过多均会导致作物识别精度不理想。随机森林(random forests)采用分类与回归树(CART)算法来生成分类树,结合了bagging和随机选择特征变量的优点,是一种有效的分类方法。单变量特征选择(univariate feature selection)能够对每一个待分类的特征进行测试,衡量该特征和响应变量之间的关系,根据得分舍弃不好的特征,优选得到的特征用于分类。本文基于随机森林和单变量特征选择,利用多时相光谱信息、植被指数信息、纹理信息及波段差值信息,设计多组分类实验方案,对江苏省泗洪县的高分一号(GF-1)和环境一号(HJ-1A)影像进行分类研究,旨在选择最佳的分类方案对实验区主要农作物进行识别和提取。实验结果表明:(1)多源信息综合的农作物分类精度明显高于单一的原始光谱特征分类,说明不同类型特征的引入能改善分类效果;(2)基于单变量特征选择算法的优选特征分类效果最佳,总体精度97.07%,Kappa系数0.96,表明了特征优选在降低维度的同时,也保证了较高的分类精度。随机森林和单变量特征选择结合的方法可以提高遥感影像的分类精度,为农作物的识别和提取研究提供了有效的方法。     

基于随机森林特征选择的森林类型分类

以八面通林业局林场为研究区,选取多时相高分一号WFV影像,提取遥感特征构建多时相特征集合,根据归一化特征重要性排序选出最优特征子集,用随机森林法实现森林类型分类。结果表明:多时相影像的总精度较单时相影像提高了7.95%-15.13%;除纹理特征外,光谱特征结合其他类型特征的分类精度均高于光谱特征分类;基于随机森林特征选择的分类精度最高,利用24个特征进行分类时,分类精度达到83.97%,Kappa系数为0.7749,说明特征选择可降低数据冗余提高精度。     

基于GF-1的山地主要农作物种植信息提取研究

为探索GF-1 PMS多光谱数据影像在低山丘陵地貌破碎地区主要农作物遥感识别中的信息有效性,以重庆市永川区卫星湖街道为例,利用研究区多时相、多光谱特征影像,对研究区油菜、玉米、水稻等主要作物进行信息提取。提取结果显示,利用GF-1多时相多特影像,水稻作物信息提取生产精度与用户精度均达到90%以上,提取精度较低的旱地作物玉米提取效果也得到了提升,油菜作物信息提取生产精度大幅度高于用户精度,主要作物提取总体精度OA为80.93%,Kappa系数0.635,分类质量达到较好水平。基于多时相GF-1影像光谱、纹理等特征的面向对象分类方法,能够有效地提取南方低山丘陵破碎地貌地区主要农作物空间分布信息,提高主要农作物的遥感识别精度,为山地农作物遥感信息提取提供参考。     

基于波段选择的MODIS全国土地覆盖分类

以MODIS多光谱和多时相数据为输入参数进行了全国土地覆盖分类研究。从试验区2007年MODIS 8 d数据的合成影像(MOD 09)中提取EVI、NDWI和NDSI 3个指数,并将其作为特征波段与原有的7波段(B1～B7)形成10波段影像。以统计分类J-M距离平均值和SVM分类总精度为标准评价不同波段对土地覆盖分类的贡献。在全国范围内,选择贡献最大的EVI、B7和B4这3个波段的月合成值,并分别对其作PCA变换,选取各PCA变换后的前3个波段进行分类运算。研究结果表明,在没有其他辅助信息的境况下,基于MODIS贡献最大的前3个波段结合多时相信息能够在中分辨率区域土地覆盖分类中取得较好的分类结果,其精度为78.04%。     

基于高分一号时间序列数据的沙化土地分类

以高分一号(GF-1)16 m空间分辨率多光谱影像为数据源,对沙化土地类型的光谱特征以及其全年的NDVI变化特征进行了分析,发现时间序列数据变化信息可提高沙化土地类别之间的可分离度。对单一时相影像的分类结果和加入时间序列NDVI之后的分类结果进行了对比分析,结果表明,基于生长季单一时相原始影像的分类结果精度为73.34%,Kappa系数为0.7;非生长季单一影像与NDVI时间序列数据的分类结果总体精度为81.44%,Kappa系数为0.77;生长季单一时相影像并加入NDVI时间序列数据之后精度提高到了92.04%,Kappa系数达0.87,明显改善了对沙化土地类型的识别精度。表明单时相影像结合时间序列NDVI数据在沙化土地分类识别中有巨大的应用潜力。     

基于GF-1多时相波段组合的武汉市土地利用变化检测

GF-1号卫星是中国自主研发的第一颗高分辨率遥感卫星。为分析该卫星影像数据在土地利用变化检测中的应用,本文以武汉主城区为研究对象,选取该地区2014年5月、2015年4月GF-1号卫星遥感影像,采用分类后比较与多时相波段组合直接分类两种方法分别进行试验,将二者实验结果比较分析。结果表明,多时相波段组合直接分类是一种更为有效的变化检测方法。相比分类后比较该方法不仅检测精度提高了将近17%,土地利用变化检测效果也明显改善。另外,对武汉主城区主要土地利用变化类型进行面积统计分析,对武汉主城区建设具有一定的指导意义。     

基于多源国产高分卫星时空信息的米级分辨率耕地提取

及时准确地获取耕地空间分布数据对于农业生产管理、产量估算、种植结构调整等具有重要意义。目前的耕地提取多基于多时相中低分辨率影像或单时相高分辨率影像,难以满足耕地破碎,农作物种植模式复杂的区域精度需求。基于此,本研究通过协同国产高分一号（GF-1）、高分二号（GF-2）和高分六号（GF-6）卫星影像,探索米级分辨率尺度下的耕地高精度提取方法。该方法以深度神经网络UNet为基础,通过协同GF-1/6的多时相优势和GF-2影像的高空间分辨率构建了CEUNet (Cropland Extraction UNet)模型,以充分挖掘耕地的时相特征和空间几何特征。同时,将基于CEUNet模型提取的米级耕地结果分别与基于UNet和多源不同分辨率遥感影像的语义分割（UNet＿m）、基于UNet和单时相高分辨率影像的语义分割（UNet＿s）、基于对象的随机森林分类（OBIA）、基于像元的随机森林分类（RF）提取的耕地结果展开对比,分析所提出的方法在不同区域的适宜性。结果表明,基于CEUNet模型提取的米级耕地总体精度达到92.92%,且基于CEUNet提取的耕地的逐像元验证结果在平均F1-Score值上相...     

面向对象与卷积神经网络模型的GF-6 WFV影像作物分类

GF-6WFV影像是中国首颗带有红边波段的中高分辨率8波段多光谱卫星的遥感影像,对于其影像及红边波段对作物分类影响的研究利用亟待展开.本文结合面向对象和深度学习提出一种适用于GF-6 WFV红边波段的卷积神经网络(RE-CNN)遥感影像作物分类方法.首先采用多尺度分割和ESP工具选择最佳分割参数完成影像分割,通过面向对...     

基于多特征的高分时序冬小麦提取研究

以冬小麦作为研究对象,基于2016年10月-2017年7月共12景GF-1号数据,通过计算不同特征波段构建了多特征冬小麦种植区识别方法。首先计算影像增强植被指数(EVI);再通过样本分离度选择关键期影像,对关键期影像进行主成分变换并计算其纹理特征数据;然后分离原始影像的红波段、近红外波段构建单波段时序数据,以建立包括多特征的数据集;最后基于不同特征组合数据,利用随机森林方法分别提取研究区内冬小麦分布情况。精度评价表明,影像主成分、EVI时序以及红波段、近红外波段特征组合的精度最高可达97.85%,较单独使用时序数据结果提高了约2.5%,说明红波段、近红外波段在作物提取中对精度提升具有一定的贡献。     

Sentinel-2影像多特征优选的黄河三角洲湿地信息提取

以北方典型河口湿地—黄河三角洲湿地为研究区,采用在特征选择和分类提取等方面具有明显优势的随机森林算法,对研究区内的湿地信息进行提取。首先基于多时相、光谱信息丰富的Sentinel-2数据生成4类不同的特征变量,包括光谱特征、植被指数和水体指数、红边指数、纹理特征;再根据以上特征构建6种不同的提取方案,对黄河三角洲湿地信息进行提取并验证不同方案的提取精度,旨在选择最佳方案改善湿地信息提取的效果。结果表明:(1)有效地使用多种特征变量是提高湿地信息提取的关键,就不同特征对湿地信息提取的贡献率而言,红边指数植被指数和水体指数光谱特征纹理特征;(2)基于随机森林算法优选的特征变量提取效果最佳,总体精度高达90.93%,Kappa系数为0.90,表明随机森林算法可以有效地进行特征选择,在特征变量数据挖掘的同时,仍能保证湿地信息提取的精度,提高运行效率。本研究为湿地信息提取在数据源选择、特征选择和方法选择方面提供了一种新思路、方法和技术手段。     

GEE云平台支持下的西天山森林遥感监测与时空变化分析

针对区域大尺度森林遥感调查、精确信息提取和时间序列变化监测过程中存在的数据挑选困难、计算效率较低、提取精度不高等问题,本文基于谷歌云计算平台(GEE)强大的海量遥感数据组织、存储和计算功能,根据新疆干旱区森林资源的空间分布特点,结合多源遥感数据和地理要素数据集,首先构建了光谱+纹理+地形等多维分类特征集;然后在地理国情监测森林地面调查样本数据的协助下建立了西天山森林分类样本数据库;进而采用随机森林分类算法实现了对西天山森林1995、2000、2005、2010、2015和2018年6期自动分类;最后通过云端与本地相结合完成了森林资源遥感分类数据编辑检查、制图与分析。研究结果表明:①1995—2018年西天山森林总体呈动态扩张趋势,森林分布面积从1995年的3 953.6 km²年增加到2018年的4 243.2 km²,增长速率为12.6 km²/a;在结构组成上,西天山森林以针叶林为主,阔叶林、灌木林、针阔混交林较少。②在时间变化过程上,西天山森林的扩张态势呈现缓中增强,2005—2018年增长速率要明显高于1995—...     

基于GF-1号影像的南方水稻种植信息提取

针对南方复杂地区水稻遥感信息提取研究中机器自动学习分类研究较少、分类精度不高的问题,以福建省三明市建宁县溪口镇为研究区,基于GF-1号卫星影像,采用面向对象的随机森林遥感分类算法对研究区内水稻田信息进行提取.首先通过优化面向对象分割参数和随机森林分类模型参数,提取并调用了影像中的多种特征;再对光谱特征、植被指数特征、纹...     

基于高分六号红边特征的面向对象桉树人工林信息提取

有效监测桉树林空间分布对区域生态环境保护及有关部门的统筹决策具有重要指导意义.本文在现有研究的基础上,以国内首个提供红边波段的多光谱高分六号(GF-6)卫星影像为数据源,选取广西鹿寨县为典型研究区域,结合光谱特征、植被指数特征和红边特征,设计不同特征组合分类方案,采用面向对象多尺度分割方法,对不同尺度层分别构建隶属度函...     

Envisat ASAR的区域森林-非森林制图

Envisat卫星ASAR传感器的双极化数据对区域森林监测十分有效。通过分别采用SRTM DEM和Landsat TM图像对地形起伏区域和平坦区域的SAR图像进行地理编码,发展了一种SAR图像自动预处理方法。基于冬季单时相ASAR数据的HH(水平发射,水平接收)、HV(水平发射,垂直接收)极化比值和HV极化图像,提出了一种面向对象的森林-非森林分类方法。将之应用于中国东北森林/非森林制图,分类总体精度、森林用户精度和生产者精度分别为83.7%,85.6%和75.7%。结果表明,本文提出的方法十分适合区域森林-非森林制图的业务化运行。     

Evaluating the impact of red-edge band from Rapideye image for classifying insect defoliation levels

The prospect of regular assessments of insect defoliation using remote sensing technologies has increased in recent years through advances in the understanding of the spectral reflectance properties of vegetation. The aim of the present study was to evaluate the ability of the red edge channel of Rapideye imagery to discriminate different levels of insect defoliation in an African savanna by comparing the results of obtained from two classifiers. Random Forest and Support vector machine classification algorithms were applied using different sets of spectral analysis involving the red edge band. Results show that the integration of information from red edge increases classification accuracy of insect defoliation levels in all analysis performed in the study. For instance, when all the 5 bands of Rapideye imagery were used for classification, the overall accuracies increases about 19% and 21% for SVM and RF, respectively, as opposed to when the red edge channel was excluded. We also found out that the normalized difference red-edge index yielded a better accuracy result than normalized difference vegetation index. We conclude that the red-edge channel of relatively affordable and readily available high-resolution multispectral satellite data such as Rapideye has the potential to considerably improve insect defoliation classification especially in sub-Saharan Africa where data availability is limited.     

顾及GF-3影像纹理特征的洪涝范围提取方法

洪涝灾害给社会、经济造成巨大损失,及时、快速监测洪涝范围在抗灾救灾中具有重要意义。合成孔径雷达(SAR)由于其主动式微波成像的机理,可为全天时、全天候、大范围洪涝灾害监测提供支持。本文首先以高分三号(GF-3)卫星影像为数据源,基于灰度共生矩阵(GLCM)、局部二值模式(LBP)等6种纹理描述方法提取138个SAR影像纹理特征;然后利用随机森林(RF)指标重要性评估功能,筛选出重要性得分较高的纹理特征进行水体信息提取;最后结合数学形态学对初始水体提取结果进行后处理,评估安徽巢湖附近区域洪涝灾害。试验表明,本文方法的水体提取精度优于传统阈值法(Otsu)及分类算法(KNN和SVM),可有效提取洪涝灾害的影响范围,为选取合适的SAR影像纹理特征进行洪涝范围快速监测提供参考。     

多特征流形鉴别嵌入的高分辨率遥感影像分类

针对高分辨遥感影像同谱异物、同物异谱导致单一特征分类结果精度较差的问题,本文提出了多特征流形鉴别嵌入的高分辨率遥感影像分类方法。该方法首先提取高分辨率影像数据的光谱特征与LBP纹理特征;然后通过样本数据的联合光谱、纹理特征的空间距离及对应的类别信息,构建影像对象的类间图与类内图,用于学习高分辨率影像上的鉴别流形结构,保证在嵌入空间上尽可能不同地物特征分离、相同地物特征紧聚,确保相同地物光谱、纹理特征的相似性,完成光谱、纹理鉴别特征的有效提取,以充分挖掘影像特征,有效提高影像的分类精度。在GF-2遥感数据集上进行试验,结果表明本文算法可实现多特征的有效融合,分类精度均优于传统方法,可达93.41%。