共查询到19条相似文献,搜索用时 140 毫秒
1.
光谱特征的选择对于湿地植被的识别精度和效率有直接的影响。本文以萨克拉门托-圣华金三角洲为研究区,基于Hy Map航空高光谱遥感影像数据,分析湿地植被的一阶微分和二阶微分光谱特征。在上述分析的基础上基于均值置信区间的波段选择法对一阶微分、二阶微分进行波段选择,根据获取的有效特征波段构建特征集,利用C5决策树分类算法产生规则集,并对实验区的湿地植被进行了分类研究。结果表明:湿地植被的一阶微分、二阶微分能够突出不同湿地植被光谱曲线在不同波段的增速不同,利用均值置信区间的波段选择法能够对特征波段起到降维效果,根据降维后的特征波段采用C5决策树分类算法,可以实现湿地植被在物种水平上的识别,并达到较好的分类精度。 相似文献
2.
基于改进型决策树遥感分类的土地利用变化研究 总被引:1,自引:0,他引:1
《地理空间信息》2016,(7)
在遥感和GIS技术支持下,以香格里拉建塘镇为研究区,以2000年、2009年Landsat TM影像为基础数据,运用光谱特征和地学辅助知识相结合的改进型决策树分类方法分别对研究区2个年份的基础数据进行土地利用信息提取和变化分析。研究结果显示:(1)基于改进型决策树遥感分类法与最大似然法相比分类精度有明显提高;(2)10 a间,香格里拉建塘镇城镇建筑用地、裸地面积呈上升趋势且变化最大,灌草地面积小幅增加,耕地、林地、水体、雪地冰川呈减少趋势,土地利用变化速度和综合程度越来越快。 相似文献
3.
基于TM数据的雅鲁藏布江源区草地植被盖度估测 总被引:1,自引:0,他引:1
为了查明雅鲁藏布江源区的草地植被盖度,采用Landsat5 TM数据,以其派生数据NDVI,RVI,VI3,PVI,DVI,MSAVI,SAVI,TM4/TM5为主要分析因子,结合野外植被样地调查数据,选取相关性最高的因子与植被盖度实测值建立回归模型,然后利用该模型反演源区的植被盖度。研究结果表明:①和其他几种遥感评价指标相比,TM4/TM5的比值与草地植被盖度的相关性最高,与草地植被盖度实测值的变化趋势一致,在光谱特征上增强了不同退化程度草地植被的光谱反射值差异,最适宜用于草地植被盖度建模;②雅鲁藏布江源区植被盖度的10个分级中,植被盖度为10%~20%的分布地区最多,面积达到4 322.15 km2,占全部草地面积的49.27%;其次是植被盖度为0~10%和20%~30%的地区,面积分别达到2 238.53 km2和1 397.87 km2,分别占全部草地面积的25.52%和15.94%;植被盖度高于50%的草地面积为195.96 km2,仅占源区草地总面积的2.23%;③植被盖度大于50%的高覆盖度植被区主要分布于4 426~4 800 m高程范围内,面积达到186.25 km2,占整个源区高覆盖度草地面积的95.04%,这与源区的水分分布条件相关。 相似文献
4.
以山东省为研究区域,利用2009年9月MODIS的8 d合成波段反射率产品MOD09,选择特征变量植被指数(NDVI、EVI)、NDWI、NDMI、NDSI及辅助信息DEM,通过选取其中的影像特征组合来确定分类方案,构建各波段组合的CART决策树,对MODIS影像进行分类,得到CART决策树的最优波段组合。结果表明,特征变量DEM、NDVI、EVI对分类结果贡献较大;将CART决策树的分类结果与其相对应的最大似然分类结果进行比较可知,基于影像多特征的CART决策树分类方法能明显提高分类精度。 相似文献
5.
6.
7.
8.
青藏高原小嵩草高寒草甸返青期遥感识别方法筛选 总被引:3,自引:1,他引:2
小嵩草高寒草甸是青藏高原的主要植被类型,研究其返青期识别方法对于模拟及预测青藏高原植被物候变化具有重要意义。常用的植被返青期遥感识别方法主要是先对遥感植被指数原始时序数据进行拟合去噪声再求取返青期,各种方法对研究区域、研究经验、参数设置、函数初值设置等有很强的依赖性。为避免返青期识别方法在曲线拟合时对参数初值的依赖性和陷入局部最优解,本文引入了模拟退火算法对双高斯和双逻辑斯蒂函数进行参数优化,并分别对基于以上两种函数及多项式拟合的植被指数时序曲线进行对比,从而选出最佳拟合方法,最后采用最大斜率阈值法、动态阈值法和曲率法识别返青期。利用青藏高原小嵩草高寒草甸34个样本点的返青期地面观测数据及相应的8 km分辨率的NOAA归一化差值植被指数(NDVI)时序数据对以上各种组合的返青期遥感识别方案进行了测试,并选取了153个遥感实验点求取了近30年(1982年—2011年)青藏高原小嵩草高寒草甸的返青期,结果表明:采用双高斯函数拟合的NDVI曲线与原始NDVI时序数据最为接近,在此基础上采用最大斜率阈值法识别的小嵩草高寒草甸返青期及其变化趋势与地面物候观测结果最为一致;同时发现近30年青藏高原小嵩草高寒草甸的平均返青期主要集中在每年的第120—140天,并且呈逐年提前趋势,30年来提前了7天。 相似文献
9.
最佳波段组合的城市土地利用类型提取 总被引:1,自引:0,他引:1
针对Landsat 8陆地成像仪(OLI)遥感影像光谱特征利用率不高等问题,为排除波段间冗余信息的干扰,提高土地利用特征提取的精度,该文以2014年唐山市中心城区Landsat 8OLI遥感影像为主要数据源,开展了基于Landsat 8OLI影像的城市土地利用特征提取的最佳波段选择研究。根据最佳波段选取原则统计波段光谱信息,基于最佳指数因子以及不同土地利用类型的光谱特征曲线,确定波段1、5、7为最适合该遥感影像进行土地利用特征提取的最佳波段组合。 相似文献
10.
快速、准确地获取溢油污染信息,对海洋的动态监测、保护和可持续利用具有重要意义。环境与灾害监测预报小卫星星座一号(HJ–1)是我国针对生态环境污染和灾害监测发射的新型卫星平台,但HJ–1 CCD多光谱数据的光谱波段较少,仅依赖光谱信息获取海面溢油范围的精度较低。因此,以墨西哥湾溢油事件为研究对象,在分析不同地物光谱特征的基础上,采用灰度共生矩阵,选择合适的纹理结构因子,提取HJ–1 CCD图像中影响溢油识别的地物纹理特征;建立光谱特征和纹理特征相结合的决策树模型,提取海面溢油信息,并与只考虑光谱信息的传统分类方法进行精度对比。结果表明,与最大似然分类法相比,决策树方法的油膜提取用户精度和制图精度分别提高了11.85%和4.28%。 相似文献
11.
12.
为了比较光谱特征和纹理特征在建成区提取中的适用性,基于3种空间分辨率的数据,分别利用组合建筑指数(CBI)、基于灰度共生矩阵的建成区存在指数(PanTex)以及双特征决策树分类法进行建成区提取;并利用人工目视解译提取的样本点进行精度评定.结果表明,双特征决策树分类法的结果精度最高,PanTex次之;PanTex更适用于... 相似文献
13.
14.
面向土壤分类的高光谱反射特征参数模型 总被引:2,自引:0,他引:2
提出了一种无损、快速、成本低的土壤分类方法,选取松嫩平原4种典型土壤(黑土、黑钙土、风砂土和草甸土)耕层(0—20 cm)土样的实验室反射光谱数据作为研究对象,采用重采样、包络线消除法处理光谱数据,提取反映反射光谱特征的光谱特征参数,利用K均值聚类(K-means clustering)和决策树(decision tree)分别进行聚类分析和分类模型构建,实现土壤的快速分类。结果表明,利用表层土壤反射光谱特征参数构建的决策树分类模型可以对研究区土壤进行分类。研究成果有望加快土壤制图,为土壤理化性质的时空变化研究提供技术支持。 相似文献
15.
苏州市湿地众多、类型多样化、周围环境复杂,使用传统的遥感分类方法很难得到精度较高的湿地分类结果。研究了面向对象特征的湿地决策树分类方法,以苏州市澄湖地区为研究区域,使用欧空局的Sentinel-2A影像,先将研究区域分为湿地水体、植被和非植被3大类型,再分别构建鱼塘、河流、湖泊、农田和裸地等面向对象特征,据此实现湿地遥感分类。研究结果表明,该方法能够有效利用遥感影像提供的光谱特征、几何特征和纹理特征等多种丰富信息,产生较高的分类精度,总体分类精度可达80.67%,Kappa系数为77.80%。与传统的基于中低分辨率遥感影像的分类方法相比,该方法可以有效提取湿地不同地物对象的几何结构和纹理等特征,在提高湿地分类精度的同时实现对大面积湿地的快速动态监测。 相似文献
16.
17.
针对大范围内住宅建筑图斑自动识别较为困难的问题,该文提出基于决策树模型的分类方法,利用基础测绘中高精度的建筑数据、地理省情监测数据、POI数据、DSM、DEM、腾讯大数据等,以建筑物本身特征和建筑物不同邻域内建筑类型相关因素的空间特征作为决策变量,分别采用QUEST、CHAID、C&RT和C5.0算法构建用于住宅分类识别的决策树模型并进行优选。以济南市(不含原莱芜市)为研究区域进行了实验,结果显示4个模型均未出现过拟合现象,可以用于住宅建筑图斑识别。 相似文献
18.
以内蒙古自治区伊金霍洛旗为研究区,利用Landsat TM影像,对干旱半干旱地区土地利用信息进行提取。在ENVI软件的支持下,分析了影像的光谱特征及NDVI,NDBI,NDWI特征变量,并运用灰度共生矩阵对影像进行纹理特征提取,得到熵纹理特征图像,确定各类地物的阈值,运用决策树分类法对影像进行分类。结果表明,结合光谱特征和纹理特征的决策树分类方法,提取干旱半干旱地区土地利用信息可行且准确性较高。 相似文献
19.
单变量特征选择的苏北地区主要农作物遥感识别 总被引:2,自引:0,他引:2
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。 相似文献