基于决策树的洪湖水生植物遥感信息提取

以洪湖为研究对象,采用分类与回归树(classification and regression trees,CART)方法,根据训练样本数据集中挖掘分类规则,集成遥感影像的光谱特征、植被指数、水体指数、纹理特征等特征变量,建立研究区湿地信息提取的决策树模型;在此基础上,探究水体透明度对水生植物遥感信息提取的影响,依据特征变量有、无水体透明度,分别建立两类决策树,即有水体透明度参与的决策树(CART 14)和无透明度参与的决策树(CART 13);在训练样本和验证数据相同的情况下,对比采用CART 14、CART 13、支持向量机(support vector machine,SVM)和最大似然分类(maximum likelihood classification,MLC)4种方法的分类结果的精度。研究结果表明,洪湖中水生植物覆盖面积约占洪湖湿地总面积的47%,洪湖中的水生植物以沉水植物为主;采用有水体透明度参与的决策树分类结果的总体精度比采用支持向量机和最大似然分类方法的分别提高了7.78%和16.36%,Kappa系数则分别增大了0.12和0.20,无水体透明度参与的仅比有透明度参与的决策树分类结果的总体精度降低了2.77%,Kappa系数减小了0.04。水体透明度的参与能提高分类精度,而无水体透明度参与的决策树分类结果的总体精度也高于其它传统方法的分类精度。因此,在实际湿地分类中,若无水体透明度数据,但决策树的辅助分类变量足够多时,无水体透明度参与的决策树也能较好地进行分类,提取水生植物信息。     

基于特征优选的随机森林模型的黄河口滨海湿地信息提取研究

以2016年8月26日Landsat-8 OLI影像为数据源,针对特征变量数目可影响分类精度和运算速率问题,采用一种基于特征优选的随机森林模型,提取了黄河口滨海湿地高精度信息。首先,采用Relief(relevant features)-F算法,对全部特征变量进行权重排序,剔除不相关变量;然后,分别采用基于特征优选的随机森林模型、最大似然方法和神经网络分类算法,提取黄河口滨海湿地信息,比较基于特征优选的随机森林模型与其它两种分类方法在滨海湿地信息提取应用中的精度和效率。研究结果表明,基于特征优选的随机森林模型滨海湿地分类效果最佳,总精度为86.39%,Kappa系数为0.81,明显高于最大似然和神经网络分类方法;其中,河流湿地分类精度最高,为95.83%,盐田分类精度最低,主要原因在于盐田与养殖池、水库/坑塘的光谱和几何特征极为相似,易于混淆;但与最大似然分类和神经网络分类方法相比,该方法提取效果明显改善,分类精度分别提高了16.84%和4.44%。本研究结果证明,采用Relief-F算法特征优选的随机森林模型提取滨海湿地信息的方法,具有分类精度高、运算速率快的优势,适用于滨海地区不同类型湿地高精度信息提取。     

基于决策树模型的海岸带分类方法研究

海岸带地物分布复杂,地物混淆常造成海岸带提取困难。该文以江苏省粉砂淤泥质海岸为研究对象,运用图像光谱特征、纹理特征并引入地学知识,构建研究区遥感图像分类决策树模型,并利用ETM 图像进行海岸地物分类研究。结果表明:采用的决策树模型可以较好地结合纹理信息和地学知识,解决遥感图像中复杂地物分类过程中的混淆现象,分类精度达89.26%,比最大似然法分类精度提高了15.19%。     

像元信息分解和决策树相结合的影像分类方法

该文提出了一种基于像元信息分解和决策树相结合的遥感自动分类方法。选择广州市番禺区作为研究区。用像元信息分解和多变量决策树法把TM影像分为水体、植被、水泥地、土壤4种基本组分,分离成4类树枝;分别以4种基本地物组分作为分类掩膜,采用BP神经网络分类、形状指数提取、光谱特征提取等复合方法进行分枝,并开展野外遥感调查,以提高和验证分类精度。结果表明：该方法保证了分枝时地物的纯洁度,有效地避免了地物提取时多余信息的干扰和影响,提高了分类精度。结合实地调查数据与最大似然分类算法进行对比实验,表明该模型比最大似然总体分类精度高16％。     

多源遥感影像红树林信息提取方法比较

选取2012年2月24日的SPOT 5遥感影像和2013年12月6日的Landsat 8、"高分一号"遥感影像,应用最大似然法、支持向量机和面向对象方法提取红树林信息,并引入F值评价提取效果。研究结果表明,用最大似然法和支持向量机提取红树林信息的精度相似,与影像的特征光谱信息量相关性较强;而对于SPOT 5影像等更高分辨率遥感影像,面向对象方法降低了最大似然法和支持向量机分类的红树林斑块破碎程度,其信息提取精度与影像的空间分辨率正相关。     

集成Sentinel 1/2卫星影像的哈尼湿地森林沼泽制图研究

森林沼泽作为独特的湿地类型,对区域碳循环和生物多样性保护具有重要作用。以吉林省哈尼湿地为研究对象,集成应用Sentinel-1雷达和Sentinel-2多光谱影像,充分挖掘Sentinel-1多极化波段特征和Sentinel-2红边指数对森林沼泽遥感识别的潜力,应用随机森林方法实现哈尼湿地森林沼泽分布信息的提取。结果表明:当森林沼泽信息提取最优决策树数目为1200,融合Sentinel-1 VV与VH后向散射系数雷达波段特征与Sentinel-2红边波段特征能显著提高森林沼泽分布信息的提取精度,保护区森林沼泽信息提取总体精度与Kappa系数分别高达89%、0.85,提取质量相对较高。哈尼湿地景观类型多样化,天然湿地、人工湿地与非湿地景观类型并存。在天然湿地类型中,森林沼泽面积最大,为27.1 km^(2),占保护区总面积的11.2%;河流面积最小,为0.7 km^(2),占保护区总面积的0.3%。森林沼泽提取方法为哈尼湿地的可持续管理提供数据支持,也为其他地区森林沼泽制图提供案例指导。     

新巴尔虎右旗沼泽和草甸信息提取

运用监督分类和决策树两种方法,以2014-8-25的Landsat8-OLI遥感影像为基础数据源,提取新巴尔虎右旗的沼泽和草甸信息。方法一:在ENVI中进行监督分类,将研究区分为沼泽和草甸、草地、森林、农用地、水体、居民地、沙地和其他等八类,采用最大似然法对研究区遥感影像进行沼泽和草甸信息的提取工作。方法二:求取研究区的归一化植被指数NDVI,将NDVI值和坡度值作为限制条件,进行求取研究区域的沼泽和草甸信息。将两种方法获得的沼泽和草甸分类图与验证样本进行混合矩阵分析,分别对两种分类结果进行精度评价,比较监督分类和决策树分类在沼泽和草甸信息提取的精度。结果表明:Landsat8-OLI影像采用监督分类的精度为89.40%,利用决策树分类的精度达到了91.05%,精度较高。这两种方法均能够很好地进行沼泽和草甸信息提取,同时验证了基于Landsat8遥感影像在湿地覆被分类的可行性。     

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。     

基于多源光学遥感数据的湖泊湿地分类结果一致性分析

多源光学遥感数据是长时序研究中的重要数据源,而其分类结果的一致性分析则是多源遥感数据应用的前提和基础.该文以鄱阳湖湿地为研究对象,采用决策树方法对Landsat-8、Sentinel-2A、GF-1、HJ-1A 4种光学影像数据进行分类,以总体精度和Kappa系数评估分类精度,并基于类型面积偏差、类型面积相关、空间叠加分析对分类结果进行一致性分析.结果表明:1)利用决策树方法对不同传感器数据进行湖泊湿地分类,总体精度均高于89％,一致性较好;2)对于具体的湿地类型面积,不同传感器分类结果基本一致,以泥沙滩涂为主,水体次之,植被最少;3)分类结果中64.30％的区域具有高度一致性,完全不一致区域占12.70％.研究成果可为多源光学遥感数据用于长时序湖泊湿地变化监测的误差分析和集成使用提供参考.     

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。     

基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例

土地利用分类精度直接决定土地利用/土地覆被变化相关研究的准确性,而基于决策树的遥感影像分类是近年来提高土地利用分类精度的重要方法。QUEST决策树在影像解译和空间表达方面,运算速度和分类精度均优于普通CART等决策树方法。本文以云南丽江地区为例,应用QUEST决策树分类方法,对该地区的Landsat TM 5影像图进行分类,同时将地形因素、植被指数作为地学辅助数据的因子添加到分类波段中,进行不同特征融合,来处理目标类别间的非线性关系,该方法在处理图像理解知识方面具有更大的灵活性;同时与普通决策树分类法的遥感影像分类的结果相比较,Kappa系数值从原来的0.789提高到0.849.在地形复杂的山地地区,针对TM影像数据,选择基于QUEST决策树分类能够有效提高土地利用分类结果精度。     

基于混合像元分解的辽河口滨海湿地分类

滨海湿地高精度的地物分类可以为湿地监测与保护提供数据支持和决策依据。以辽河口湿地为研究对象,以Landsat8 OLI多光谱影像为数据源,结合研究区域实际地物情况,采用像元纯度指数和均值波谱法确定端元光谱,并利用全约束最小二乘混合像元技术和决策树技术制定分类规则,最后将研究区域分为芦苇、翅碱蓬、水稻、滩涂、水体(海水、虾池水、河水等)和人工建筑(包括路面、人工设施、房屋等)六大类。结果表明:该算法分类精度高于90%,结合目视判读与野外实地调查,发现分类结果符合实际地物情况。     

MODIS在三江平原湿地分布研究中的应用

湿地研究的关键在于定量化获取和分析湿地信息,特别是湿地分布信息。以三江平原为例,结合湿地的光谱特征和时相特征,利用多时相MODIS数据,采用MNF(最小噪音分离变化)技术和非监督分类获取了研究区湿地分布,其精度达79%。研究表明,利用MODIS数据可以有效提取湿地分布。     

甘肃省玛曲县沼泽湿地遥感监测与动态变化分析

利用2000年和2006年TM影像数据、地面调查资料和气象台站观测数据,对玛曲县沼泽湿地进行了目视解译分析,对比研究了非监督分类、监督分类和专家分类的精度,初步探讨了玛曲沼泽湿地退化的原因。结果表明,该县沼泽湿地面积从2000年的19598．67hm^2减少到2006年的14080．80hm^2,沼泽湿地面积平均年递减率为4．69％。非监督分类结果由于受山体阴影、坡向、云的阴影等影响,多分误差高,总分类精度仅为31％;监督分类的总精度为54．1％;专家分类的总精度高达84．2％。因此,专家分类可以用于对玛曲县沼泽湿地的监测和自动提取。草场不合理利用和过度放牧是导致玛曲县沼泽湿地退化的主要原因,黄河干流、各支流径流量减少是导致流域内沼泽湿地退化的直接原因,当地气候变暖促进了这一过程的发生。     

北京城市湿地时空演变及驱动力定量分析(英文)

The decision tree and the threshold methods have been adopted to delineate boundaries and features of water bodies from LANDSAT images. After a spatial overlay analysis and using a remote sensing technique and the wetland inventory data in Beijing, the water bodies were visually classified into different types of urban wetlands, and data on the urban wetlands of Beijing in 1986, 1991, 1996, 2000, 2002, 2004 and 2007 were obtained. Thirteen driving factors that affect wetland change were selected, and gray correlation analysis was employed to calculate the correlation between each driving factor and the total area of urban wetlands. Then, six major driving factors were selected based on the correlation coefficient, and the contribution rates of these six driving factors to the area change of various urban wetlands were calculated based on canonical correlation analysis. After that, this research analyzed the relationship and mechanism between the main driving factors and various types of wetlands. Five conclusions can be drawn. (1) The total area of surface water bodies in Beijing increased from 1986 to 1996, and gradually decreased from 1996 to 2007. (2) The areas of the river wetlands, water storage areas and pool and culture areas gradually decreased, and its variation tendency is consistent with that of the total area of wetlands. The area of the mining water areas and wastewater treatment plants slightly increased. (3) The six factors of driving forces are the annual rainfall, the evaporation, the quantity of inflow water, the volume of groundwater available, the urbanization rate and the daily average discharge of wastewater are the main factors affecting changes in the wetland areas, and they correlate well with the total area of wetlands. (4) The hydrologic indicators of water resources such as the quantity of inflow water and the volume of groundwater are the most important and direct driving forces that affect the change of the wetland area. These factors have a combined contribution rate of 43.94%. (5) Climate factors such as rainfall and evaporation are external factors that affect the changes in wetland area, and they have a contribution rate of 36.54%. (6) Human activities such as the urbanization rate and the daily average quantity of waste-water are major artificial driving factors. They have an influence rate of 19.52%.     

MODIS NDVI时间序列在三江平原湿地植被信息提取中的应用

以三江平原为研究区,利用多时相的中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)影像数据,采用一种基于归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列的监督分类方法获取了研究区湿地植被的分布数据。监督分类以NDVI时间序列的波形所反映出的植被物候特征作为分类器,将离散的傅立叶变换应用于NDVI时间序列以减少高频噪声对分类的影响,并运用傅立叶变换后波形幅度和相位的相似性来确定像素的归属类别。根据研究区植被的物候特征的差异,区分出7种地表(沼泽、沼泽化草甸、滩地、水田、旱地、灌木和林地)的植被类型,得到三江平原2005年湿地植被的分布数据。该方法的总体分类精度达到79.67%,Kappa系数为0.752 5。研究表明,基于MODIS多时相NDVI数据,采用基于傅立叶组分的相似度分类方法可以客观、经济、快速的提取湿地植被分布数据。     

松嫩平原内陆盐碱湿地的类型特征及分布规律

内陆盐碱湿地是湿地的重要组成部分,其类型、特征及分布规律的研究十分薄弱。松嫩平原是世界上内陆盐碱湿地发育的典型地区之一。本文参考国内外湿地分类标准,结合松嫩平原的特点,建立了内陆盐碱湿地的分类体系,将该区的盐碱湿地划分为2个湿地类,6个湿地型,13个湿地亚型,描述了各类型的主要特征,并阐述了松嫩平原内陆盐碱湿地的分布规律。这对我国的湿地分类系统是一个重要的补充,对进一步实施内陆盐碱湿地的保护、恢复和重建,促进松嫩平原社会经济和环境的可持续发展都具有重要意义。     

环青海湖湿地调查与遥感分类

环青海湖湿地面积较大、类型丰富,是青海湖野生动物的重要栖息生境。利用遥感技术进行影像分类,并结合实地调查,建立环青海湖湿地资源分类系统,对该区域湿地资源的现状与分布特征进行研究。该区现有湿地4588.8352km2,以湖体为主。湿地类型有沼泽湿地、湖泊湿地和河流湿地,都为天然湿地,有河口湿地、湖滨湿地、盐碱化沼泽、季节性漫滩、沼泽、淡水湖泊、湖体(咸水湖泊)、河流8个亚类。结合环青海湖湿地的地貌特征、水文特征、植被类型以及生物状况,对青海湖典型湿地的成因和分布特点进行了详细描述,为青海湖湿地研究和保护提供依据。     

面向对象的湿地景观遥感分类——以杭州湾南岸地区为例

在ENVIEX软件的Feature Extraction平台上,利用LandsatTM影像数据,采用面向对象方法对杭州湾南岸地区湿地景观进行遥感影像分类;通过与基于最大似然法、人工神经网络法、支持向量机法等传统像元方法的相应分类结果进行比较,系统分析了面向对象方法在中低分辨率遥感影像的湿地景观生态分类中的有效性。研究结果表明:①较之单一依据像元光谱值进行分类的传统方法,面向对象方法综合考虑了对象的光谱、空间、纹理、色彩等多种属性特征,因而对于类型复杂多样、分布界限模糊、光谱混淆与混合像元现象严重的沿海滩涂、湖泊、河流等湿地景观具有更好的鉴别能力,也因此获得更高的分类精度(研究区景观分类总精度为88.80%,Kappa系数为0.8765);②面向对象方法在分类中提取的是由同质性像元组成的"对象",且在合理的影像分割下得到的对象破碎化程度较低,因而能在较大程度上减小分类结果中的"椒盐噪声"干扰;而基于像元方法提取的景观类型以离散像元形式组成,难以清晰表征景观的边界、形状等信息,所以分类结果中会有明显的噪声现象;③影像分割在运用面向对象方法进行遥感影像分类过程中具有重要影响,实验结果表明,60%的分割尺度和归并尺度组合较有利于中低分辨率影像的遥感分类;④面向对象分类过程中诸如影像分割精度的评价、最优分割尺度的选取、特征空间的优化等问题,则有待今后进一步探讨。