兼容光学雷达影像及地形辅助数据的扎龙湿地遥感分类

结合Landsat TM影像、Envisat ASAR的C波段雷达影像和地形辅助数据,采用决策树方法,包括分类回归树(C1assification and Regression Tree,CART)和随机森林(Random Forest,RF)算法,对扎龙湿地进行遥感分类。用实测GPS样本点对分类结果进行精度验证,并与最大似然监督分类方法(Maximum Likelihood Classification,MLC)对比。结果表明,地形辅助数据和雷达后向散射系数对湿地分类精度的提高起重要作用。基于RF算法分类结果的总精度和Kappa系数分别为92.6%和0.901,沼泽湿地的分类精度达到96.3%,较CART算法和MLC监督分类方法有明显提高。该研究提供了一种快速、高效的内陆淡水沼泽湿地遥感分类技术。     

ETM+影像IHS融合算法改进及其土地覆盖分类实验比较

在总结PCA、IHS融合算法优缺点的基础上,发展了一种改进的IHS融合算法。利用HPF、Brovery、PCA、IHS及改进的IHS融合算法对ETM+全色和多光谱影像进行了融合实验。通过定性、定量分析比较融合影像的质量,并分别对融合后影像和原始影像进行土地覆盖非监督分类实验。选取原始影像和非监督分类精度最高的一种融合影像进行监督分类实验与比较,发现无论是非监督分类还是监督分类,改进的IHS融合影像精度均较高。     

融合Sentinel-2红边波段和Sentinel-1雷达波段影像的扎龙湿地信息提取

以黑龙江流域中的扎龙湿地及其上游区域为研究区,将Sentinel-2红边波段和Sentinel-1雷达波段影像数据相结合,根据面向对象原理,采用随机森林算法,对研究区的湿地进行遥感分类和信息提取;利用3种特征变量集,进行实验对比,研究红边波段反射率和雷达后向散射系数对湿地信息提取的作用。研究结果表明,红边波段反射率和雷达后向散射系数对土地覆盖分类精度的提高起到了重要作用,两者结合得到的分类结果的总体精度达到了88.72%,Kappa系数为0.87,其中,水体、水田和沼泽的用户精度分别为100%、98.18%和91.37%。利用红边波段和雷达波段影像数据,分别使土地覆盖分类总体精度提高了5.26%和2.51%,红边波段影像数据对沼泽提取精度的提高贡献最大,使生产者精度提高了12.5%。     

基于面向对象方法和多时相HJ-1影像的湿地遥感分类——以完达山以北三江平原为例

以中国东北地区完达山以北三江平原(下简称小三江平原)为研究对象,利用2010年多时相HJ-1A卫星和HJ-1B卫星CCD影像作为分类数据源,结合野外调查数据,应用多尺度分割算法,根据影像的丰富信息和物候、时相等特征,采用面向对象的分类方法,进行小三江平原的湿地遥感分类。结果表明,湿地二级分类的总体精度为85.45%,总体Kappa系数为0.81。小三江平原湿地主要分布在低洼地区,总面积为9084.16km2;其中,天然湿地面积为2635.09km2,人工湿地面积为6449.07km2。集中分布的水田是小三江平原最主要的景观类型;天然湿地主要分布在自然保护区、河岸附近和国界周围;其中,草本沼泽面积最大。本研究表明,面向对象的分类方法能够有效利用遥感影像提供的丰富信息,产生较高的分类精度;对于中分辨率遥感影像不同分割尺度的组合使用有利于湿地信息的提取。降雨量较多、较少月份影像的选取和物候规律的利用是提取湿地信息的关键。多时相遥感影像数据的使用,改善了洪泛湿地和森林沼泽的分类效果,尤其是水田边界的划分;同时可以提高湿地分类精度。基于面向对象的遥感方法,利用多时相的中分辨率遥感影像,能够获取较高精度的湿地分布信息,是一种成本较低且行之有效的技术手段。     

基于支持向量机的扎龙湿地遥感分类研究

湿地遥感分类是实现湿地动态监测、管理与利用的重要手段之一.由于湿地具有独特的生态环境,获取实测样本点相对困难,因此,研究小样本、高精度的湿地遥感分类方法十分必要.以扎龙国家级自然保护区为研究区,采用支持向量机方法进行了研究区湿地遥感分类研究,初步剖析了样本数量与特征维度对分类结果的影响,并同传统的最大似然分类方法进行了...     

基于决策树与监督、非监督分类方法相结合模型的遥感应用研究

遥感影像解译中的决策树分类法一般是引入NDVI植被指数、亮度阈值法、DTM、空间结构、纹理、和其它一些地貌特征来实现地物类别的分离;而传统的监督分类、非监督分类是直接基于像元的亮度值而进行的分类,两者各有优缺点。将两者在遥感影像解译中结合使用,建立统一的分类模型,并以皖东地区TM影像为例进行了分类实验,结果证明,采用该模型分类比单一的最大似然法分类精度提高了4.45%,Kappa指数提高了0.107,该模型能有效地提高影像分类的精度。     

基于Landsat OLI影像的盐城滨海湿地分类方法对比研究

采用何种方法对滨海湿地信息进行有效提取和分类是值得关注的问题。利用Landsat OLI影像数据,在ENVI 5.1软件平台上,采用监督分类、决策树分类和面向对象方法,对盐城滨海湿地进行了分类研究。研究结果表明,在分类精度和效果上,面向对象方法的分类结果最好,其它依次为决策树分类方法、监督分类方法的分类结果;3种方法对光滩和芦苇(Phragmites australias)滩涂信息的提取效果相对较好,对道路和碱蓬(Suaeda glauca)滩涂信息的提取效果相对较差;面向对象方法能够克服传统基于像元分类方法中的"椒盐效应"问题,并能取得较高的分类精度,该方法适用于利用中分辨率遥感影像的滨海湿地分类研究。     

扎龙湿地土地利用信息提取方法研究

利用2015年4~11月8景C波段Rardarsat-2影像SGX产品数据和2015年9月10日Landsat 7的7个波段的反射率数据,采用面向对象分类方法,获得8个日期的扎龙湿地淹水区,计算出淹水频次;选取的19个特征变量分别为Landsat 7影像的1波段~7波段的反射率、归一化植被指数、二阶距、对比度、相关性、差异性、能量、同质性、中值、HH和HV极化波段的后向散射系数、淹水范围和淹水频率,采用随机森林算法,提取扎龙湿地的土地利用类型信息。研究结果表明,有淹水频率参与的分类精度为91.73%,无淹水频率参与的分类精度为76.49%,精度提高主要体现在沼泽湿地与草地的分类上。本研究为准确地更新湿地基础信息提供了方法示范。     

独立分量分析与主成分分析方法的湿地遥感分类精度对比——以西洞庭湖湿地为例

拟探索提高中、高分辨率遥感影像湿地分类精度的新方法,为洞庭湖湿地研究提供方法支持。通过将独立分量分析方法应用于遥感图像分类,并与主成分分析方法结果进行对比,验证其是否能有效提高湿地分类精度。结果表明,应用独立分量分析和主成分分析方法处理遥感影像,没有造成图像信息损失;Landsat5TM影像经过两种方法处理后,影像清晰度变差,但并不足以影响典型湿地类型的目视判读;SPOT5影像经过两种方法处理后,影像更加清晰。独立分量分析方法可以明显提高典型湿地类型的可分性,但对于草滩地和水田的分类仍然存在缺陷。Landsat 5TM影像经独立分量分析算法处理后,总体精度比原始影像提高11.83%,比用主成分分析方法处理后的影像精度高5.35%;SPOT 5影像经独立分量分析算法处理后,总体精度比原始影像提高10.7%,比用主成分分析方法处理后的影像精度高5.07%。独立分量分析基于高阶统计信息,不但能去除波段之间的相关性,而且可以得到分量之间相互独立的特性,增强不同湿地类型的可分离性,从而提高了信息提取的精度。     

遗传算法优化的支持向量机湿地遥感分类——以洪河国家级自然保护区为例

湿地遥感分类作为湿地管理、监测与评价的重要手段,受到了广泛的关注。遗传算法(GA)借鉴了生物进化规律进行启发式搜索寻优,支持向量机(SVM)是一种新型的空间数据挖掘方法,二者相结合可以发挥各自的优势,寻找到支持向量机的全局最优参数,从而较准确地对湿地进行遥感分类。以洪河自然保护区为例,采用遗传算法优化的支持向量机方法进行了湿地遥感分类研究。同格网搜索下的支持向量机湿地遥感分类及最大似然监督分类对比,结果表明,遗传算法优化较格网搜索方式总精度提高了7.29%,较最大似然监督分类提高了12.06%,方法改善了沼泽、草地与裸地三种地物间的区分,是湿地遥感分类的有效手段。