高光谱遥感在树种精细识别中的研究进展

高光谱遥感影像由一系列不同波段的地物影像所构成,其光谱范围从可见光一直到红外光.由于高光谱遥感影像数据中包含了大量的光谱信息和空间信息,这为提高树种精细识别提供了数据支持.近年来,随着可获得的高光谱信息源的逐渐增多,高光谱技术在树种精细识别领域的研究应用也得到了发展.通过探讨,总结出3种高光谱技术应用于树种精细识别的研...     

威海市近海水产养殖信息提取方法研究

单独利用遥感影像光谱信息进行近海水产养殖信息提取时,养殖水体与自然水体易混淆,而单独利用遥感影像纹理信息提取近海水域水产养殖信息时,单一大块养殖水体与自然水体又难以区分。针对上述问题,利用OLI影像数据,提出了一种综合遥感影像光谱与纹理信息进行水产养殖信息提取的方法。首先,在对研究区养殖水体类型进行光谱特征分析的基础上,采用主成分变换方法,对OLI影像光谱信息进行压缩、挖掘和选取;其次,分析灰度共生矩阵窗口尺寸和纹理特征统计量对研究区水产养殖区域的区分能力,完成纹理特征的选取,并将选取的纹理信息和光谱信息进行特征协同;最后,对特征协同数据进行多尺度分割,根据各水体类型间的光谱特征和纹理特征的差异,构建研究区3种养殖水体的模糊逻辑隶属度函数,实现对研究区水产养殖信息的自动提取。研究结果表明,该方法能较好地提取研究区水产养殖信息,总体分类精度达到97.93%。     

基于光谱相关角和光谱信息散度的高光谱蚀变信息提取

针对高光谱遥感蚀变信息提取过程中,由于混合像元的不可避免,导致蚀变矿物光谱曲线存在不同程度的失真而影响目标矿物识别精度的问题,提出一种基于光谱相关角(Spectral Correlation Angle,SCA)和光谱信息散度(Spectral Information Divergence,SID)的高光谱遥感蚀变信息提取算法(SIDSCAtan)。利用植被覆盖度表征植被信息在混合像元中所占百分比,划分出6种植被失真类型。采用不同区分方法分别比较失真光谱与理想光谱的差异,实验表明,当输入的光谱信息具有微小差异时,方法 SIDSCAtan能够做出较大的响应,在识别光谱整体形态的前提下,增强了对光谱局部特征差异的区分能力。以云南省个旧西区为研究区,运用该方法提取区内蚀变信息,应用效果较好。     

基于知识规则的遥感影像土地利用分类研究

以重庆北碚主城区为研究区域,提出一种基于遥感影像的光谱特征、灰度共生矩阵纹理特征和形状特征建立知识规则的方法,对该研究区进行土地利用分类。对QuickBird卫星影像进行分辨率融合,重点分析典型地物的光谱特征和纹理特征,并根据形状特征建立形状指数,综合上述知识建立提取规则对地物进行自动分类。分类结果表明,该方法能够消除单纯利用光谱信息分类的不足,有效解决地物混分现象,达到了较高的分类精度。     

基于高光谱影像数据的戈壁表面砾石粒径定量反演潜力评估

在新疆哈密境内的噶顺戈壁选取样地,采集不同粒径砾石的光谱数据,分析光谱吸收特征,并利用光谱混合分析技术,以地物光谱为端元从EO-1 Hyperion 高光谱影像中提取了不同粒径的丰度图,分析戈壁表面砾石与高光谱影像的相关关系。结果表明:获取的地物光谱特征显示出粒径的差异对光谱具有明显的影响。所有光谱都展现出在2 250 nm处具有Al–OH 的吸收特性,而且粒径d=41 cm的吸收特性比其他粒径都更显著。而与更小粒径相比,粒径d=53 cm和d=83 cm在480 nm和920 nm处具有较弱的Fe³⁺ 吸收特性。粒径d=0.8 cm(R²=0.637)、d=3.4 cm(R²=0.687)、d=16.3 cm(R² =0.644)及d=41 cm(R²=0.622) 与相应的丰度影像具有显著相关性,而粒径d=53 cm(R²=0.181)和d=83 cm(R²=0.167)与相应的丰度影像相关性不显著。EO-1高光谱影像适用于对戈壁区砾石分布特征的确定,在进一步的研究中将高分辨率影像与高光谱影像相结合,可以提高判别精度。     

基于纹理特征与LSSVM的青土湖地物提取

纹理特征作为一种非光谱信息能够增强地物之间的特征差异,这对于高分辨率遥感影像的地物提取有着重要意义。以青土湖为研究区,以Worldview-2影像为数据源,通过引入权重因子定义联合概率函数来确定最佳窗口尺度,利用灰度共生矩阵提取最佳窗口尺度下的纹理特征,将其与原始遥感影像合成,采用最小二乘支持向量机（LSSVM）进行地物提取,将提取结果与仅利用光谱信息的支持向量机（SVM）提取结果、辅以纹理特征的SVM提取结果对比分析。结果表明：此方法可以更加快速准确地提取青土湖地物,精度高达85.86%,优于仅利用光谱信息的SVM的65.13%,辅以纹理特征的SVM的73.45%,可为地物破碎的干旱区高分辨率遥感影像地物提取提供有益借鉴。     

基于线性光谱分离技术的西藏乃东县土地覆被变化监测

青藏高原是全球气候变化研究关注的热点地区,也是中国生态保护的重点区域,其土地覆被变化研究对优化土地利用结构、改善土地覆被状况和生态环境具有重要意义。线性光谱分离技术是利用遥感手段监测土地覆被变化的有效方法。本文选取西藏乃东县为研究区,利用1988、2000和2010年三期Landsat TM、ETM遥感影像,采用线性光谱分离技术,定量提取了研究区三期影像中单个像元的植被、裸土、裸岩覆被率比例,同时将植被分量与NDVI结果进行对比分析。结果表明：①研究区山峦重叠,沟谷纵横,地表破碎,混合像元比例高,线性光谱分离技术可以很好地处理复杂地物的土地覆被变化;②1988-2010年间,研究区裸土面积下降幅度较大,植被覆盖率及裸岩覆盖率有所上升,说明本区植被得到一定的恢复,但同时石漠化也在进一步加剧;③通过对线性光谱分离的植被分量与NDVI结果比较,发现线性光谱分离技术对青藏高原土地覆被识别具有较好的适用性。     

基于ENVI ZOOM面向对象的高海拔灌丛植被提取——以定日县为例

利用ASTER数据,基于The Environment for Visualizing Images(ENVI)ZOOM 软件平台,采用面向对象的多尺度影像分割技术与规则创建相结合方法,提取了珠峰保护区核心区的灌丛植被类型.在对影像进行去阴影处理和各种辅助信息融合的基础上,使用Feature Extraction模块对影像进行分割,基于分割对象的高程、NDVI、纹理和光谱信息创建了适合研究区的灌丛提取规则.研究表明:该分类方法不仅能够克服传统基于像元分类方法中的"椒盐效应"问题,而且能够综合利用辅助信息(DEM、NDVI等)和地物本身的信息(光谱特征、纹理特征等),有效提高解译精度.以已有数据对分类结果进行了检验,分类精度达84 7%,分类结果较理想.     

基于环境小卫星CCD影像的水体提取指数法比较

针对湖北省大东湖水网水环境遥感监测需求,开展基于环境小卫星CCD影像的内陆湖库水体提取指数方法研究。以常见的3种水体识别指数为模型,参照使用TM、MODIS等典型传感器进行水体提取的波段选择方式,通过对环境小卫星CCD影像4个波段地物光谱信息的变化趋势分析,发现各波段对水体目标的区分能力;使用指数模型和相应阈值分别计算获得水体特征图像,并以目视判读结合精度评价指标的方式对提取结果进行对比分析。实验结果表明,归一化差异综合水体指数的目视判别效果最好,且具有水陆区分度高和误识别率低的特点,适用于解决水体目标快速提取问题。     

基于影像多种特征的CART决策树分类方法及其应用

以扬州市宝应县为研究区,采用主成分分析法对研究区影像进行数据压缩和单波段数据增强,利用灰度共生矩阵分析第一主成分的纹理信息。运用基于CART算法的决策树分类方法,选用影像的光谱特征值、NDVI值以及纹理统计量值为测试变量,并通过计算确定决策树的节点规则,提取影像中主要地物信息。将分类结果与单纯依靠光谱特征的监督分类法结果相比较,表明基于影像多种特征的CART决策树分类方法分类精度较高,尤其较好地提取了围网养殖区和建设用地。     

基于ASTER影像的近海水产养殖信息自动提取方法

水产养殖地已经成为海洋环境监测的热点目标之一。采用具有高光谱分辨率和较高空间分辨率(15m)的ASTER遥感影像,以九龙江河口地区为研究示范区,进行近海水产养殖信息的自动提取方法研究。结果表明,利用ASTER影像的光谱信息和水产养殖地的纹理结构信息,可以实现近海水产养殖地的自动提取。先利用监督分类方法提取混淆有其他水体的水产养殖信息,采用邻域分析来增强水产养殖地的空间纹理信息。通过综合监督分类和水产养殖地空间纹理增强的结果,在专家决策分类器中建立决策规则,进行水产养殖地的自动提取,提取的精度达93%。     

基于高分二号的云南松林遥感影像提取方法研究

基于高空间分辨率的高分二号遥感影像,建立包含影像光谱特征、几何特征、纹理特征在内的分类特征集,使用面向对象的分类算法提取研究区的云南松林。研究表明:光谱特征、几何特征和纹理特征同时参与分类,得到的分类效果比单独使用一种特征或两种特征组合的分类效果更显著;与贝叶斯分类算法、K最邻近分类算法、支持向量机分类算法相比,随机森林算法的分类结果总体精度最高,为93.35%,对研究区云南松林提取的生产者精度为96.91%,用户精度为92.35%;云南松林面积占研究区面积的40.10%,是研究区最为重要的树种。     

扎龙湿地水体遥感提取过程中云阴影去除方法研究

以扎龙湿地为研究区,利用空间分辨率高、纹理信息丰富、定位精度高和购买价格相对低廉的ALOS遥感影像,测定了研究区水体等5种典型地物和云阴影的波谱亮度值;根据水体和云阴影的光谱特征,利用阈值法对近红外波段ALOS影像进行阈值处理,将包含云阴影信息的水体信息提取出来;基于ALOS彩色影像,再采用决策树方法自动提取湿地水体信息,同时将云阴影信息去除,并再补充提取因去除云阴影而损失的水体信息;与目视解译结果相比,用本研究方法得到的研究区湿地水体信息精度高于85%。近红外波段阈值法和彩色影像决策树法相结合的方法是一种能有效去除云阴影而高精度获取湿地水体信息的方法。     

半方差函数模型在滑坡、泥石流沟分布识别中的应用——以四川洪溪河流域为例

快速、精确地识别地震后滑坡、泥石流沟的空间分布与覆盖范围,对于认识滑坡、泥石流灾害机理和震后灾区治理至关重要。目前提取滑坡、泥石流沟分布的方法主要是基于光谱信息与纹理信息,人为因素影响大,训练过程繁琐。该文提出一种基于半方差函数(semi-variance)模型与高空间分辨率影像实现少光谱信息、无训练样本条件下自动提取滑坡、泥石流沟的方法。以汶川重灾区四川省平武县洪溪河流域为例进行实验研究,结果表明:在滑坡以裸土、岩石出露为主,且具有数字高程模型(DEM)地形信息的情况下,该方法可以很好地识别典型滑坡与泥石流沟,并能勾画其边界范围;研究区内48.21%的滑坡与泥石流沟覆盖面积得以正确识别,特大型滑坡与大型滑坡识别数量比例分别为100%与80%,泥石流沟识别数量比例为70%。     

基于HJ-1A高光谱影像的盐渍化土壤信息提取——以渭干河-库车河绿洲为例

以环境小卫星高光谱影像为主要数据源,在野外实测样本的支持下进行光谱反射率及其变换形式与土壤含盐量的相关性分析,筛选盐渍化土壤响应敏感波段,利用曲线回归分析方法,建立基于高光谱影像的新疆渭干河-库车河绿洲土壤含盐量定量反演模型.结果表明:研究区土壤含盐量的影像响应波段基本位于近红外波段,其中以780～924 nm波长范围最佳,相关系数R≈0.8;反射率对数的倒数一阶微分土壤含盐量预测模型精度最高,回归方程为Y=-4.152-27.735X+769.813X2,模型及其检验的决定系数都在0.88以上,均方根误差约为3.该模型的建立可为区域盐渍化土壤信息的提取及监测提供参考.     

基于LandSat8 OLI数据的山区阴影信息检测与提取

为快速获取山区遥感影像上的阴影干扰区域,探究一种简便、高效、精确的遥感影像中阴影干扰区域的方法,具有重要的意义。以福建省长汀县为研究区域,搜集2016年3月美国陆地卫星影像数据与ASTER影像计算的GDEM V2产品。基于土地利用分类体系测量的6类地面物体光谱信息与影像波段信息,优选影像的光谱波段并重新组合;选取Sinh函数与Max函数建立c!算法,对LandSat8 OLI影像进行差异化计算,通过二分式判别规则初步提取阴影区域;加入由数字高程模型计算的坡度信息,剔除水域与坡度较为平缓的地物等干扰信息,精确提取山区阴影区域。设立网格随机设置精度验证点验证精度,最终总体精度达到99.06%,Kappa系数为0.98。结果表明,实验方法对于LandSat8 OLI影像提取阴影可行性高,检测效果与提取结果较c3算法与SVI指数更好。     

基于GF-2影像的雨后洪涝区超绿水体指数提取方法

暴雨后水体含沙量增加使其光谱反射率发生变化,导致利用现有水体指数方法不能很好地提取水体信息.为有效提取洪水及其他类型水体,该文基于GF-2影像,根据暴雨后水体光谱信息变化规律,提出一种超绿水体指数(Ultra-Green Water Index,UGWI),并通过实验对比分析UGWI与归一化差异水体指数法、单波段阈值法、单波段与阴影水体指数结合法的水体提取精度,结果表明:UGWI能够准确识别不同泥沙含量以及阴影下的水体,总体精度达95.75％,Kappa系数为0.91,效果优于其他几种方法;选取不同时间、不同地区、不同空间分辨率的影像进行水体提取,UGWI结果亦优于其他几种方法,总体精度达92.33％,Kappa系数为0.90;UGWI相比其他对比方法,抗干扰性更强,提取的水体信息更全面,可识别的水体类型更多,对洪区水体提取更具普适性.     

利用规则对Worldview-2影像进行地物信息提取研究

研究针对Worldview-2影像的地物特征,采用一种多层次规则的面向对象地物提取方法,通过建立和执行各类地物的提取规则,从多尺度分割产生的影像对象中提取不同地物。实地验证结果表明,该方法提取地物的总精度为84.2%,Kappa系数为0.791。建筑物、道路、耕地和裸地相混合误提现象较多,主要是由于这4种地物的光谱特征相似导致,应选用更敏感的识别参量或建立更高效的识别规则以提高识别精度。     

分层分类和多指标结合的西北农牧交错带植被信息提取

参照《中国植被》中的植被分类体系,结合野外考察结果,建立了适合中国西北农牧交错带的植被分类体系。以覆盖研究区的多幅Landsat影像为基础,按“分层分类,逐层验证”的思路,实现了对研究区植被信息的提取。提取时,先利用完全约束的最小二乘模型对遥感影像进行混合像元分解方法,将整个研究区划分为植被区和非植被区;在植被区,基于光谱特征、纹理特征和地形特征,构建CART决策树,获得了乔木林、灌丛和草原等7种主要植被型组;在植被型组内,基于不同植被类型NDVI的季节差异特征,构建NDVI差值比值指数 (NDVI_DR),将乔木林和灌丛区分为常绿和落叶植被型,使用温度植被干旱指数(TVDI),将草原进一步区分为荒漠草原、典型草原和草甸草原3种类型,从而得到各个植被型的空间分布范围。经验证,最终分类的总体精度能达到79.51%,kappa系数为0.773。采用的分类方法充分利用了遥感数据既有的光谱信息和纹理信息,同时辅以地形信息。实践结果表明,分层分类和多种指标相结合的方法可以有效实现对影像跨幅的、以复杂镶嵌结构为主要特征的农牧交错带植被信息提取,精度较高,技术可行。     

基于半监督模糊识别的土壤含水量高光谱估测模型研究

快速估测土壤含水量对发展精准农业具有重要意义。为提高土壤含水量光谱估测精度,该文基于山东省泰安市周边的94个棕壤样本光谱与含水量实测数据,首先对原始光谱进行对数倒数一阶微分变换,利用最大相关性原则选择特征因子,然后利用半监督模糊识别模型建立土壤含水量光谱估测模型。实验结果表明:以波段655 nm、1 235 nm、1 497 nm、1 677 nm、2 059 nm的对数倒数的一阶微分变换数据作为特征因子,所建土壤含水量光谱估测模型的精度较高,其中18个检验样本的平均相对误差为4.406%,模型的决定系数R~2=0.977;半监督模糊识别模型充分利用了训练样本的确定性及不确定性信息,可有效用于土壤含水量估测。