基于随机森林分类方法和多源遥感数据的湿地植被精细分类

利用大丰市沿海滩涂湿地区域的高光谱影像和同时期的机载LIDAR数据,结合影像的光谱信息,采用随机森林算法(RF)对研究区进行湿地植被精细分类,并分析和评价分类模型参数设置对总体精度的影响,最后与SVM分类结果进行对比。结果表明:随机森林分类方法的总体精度为90.3%、卡帕(Kappa)系数为0.874;与传统的SVM分类方法相比,RF法均提高了4种湿地植被的生产者精度和使用者精度。通过分析RF分类模型参数设置对总体精度的影响,得出当生长树个数为30、生长树深度为30时,分类精度最高。     

Sentinel-2和AW3D30相结合的湿地提取

为了实现大范围湿地动态监测,本文以辽河入海口附近的盘锦湿地为研究区,基于Sentinel2-L1C和AW3D30 DSM数据,在随机森林分类的基础上,结合地形数字特征和多边形形状特征对研究区进行湿地信息提取。通过人工目视解译对该分类方法进行精度验证,结果表明:该方法的自动化程度较高,能够在较少的人工干预下提取湿地覆盖范围。提取结果精度较高,制图精度和总体精度分别为91.04%和82.65%,Kappa系数为0.599 7,说明本文所采用的计算机分类方法与人工目视解译方法具有较好的一致性。     

基于决策树的多源遥感数据中湿地信息提取

了解湿地资源分布类型是恢复湿地生态环境的基础,因此本文提出基于决策树的多源遥感数据中湿地信息提取方法。运用QUEST方法构建决策树,对多源遥感数据中的湿地信息进行提取,并以Kappa系数评价决策树分类的有效性。结合海南东寨港国家级自然保护区实际数据,得到湿地地形信息、湿地分类体系信息、湿地空间与面积分类、湿地类型转换特征以及湿地类型动态度差异,完成湿地信息提取,为今后保护区湿地生态保护与恢复提供信息提取技术支持。     

基于Bayes融合法的多源遥感影像分类

提出了顾及各类数据源成像模型，上下关系模型的可靠性的基于Ｂａｙｅｓ融合分类的方法，并采用该方法对ＬａｎｄｓａｔＴＭ和航空ＳＡＲ影像进行了土地利用分类试验。结果表明，同单独ＳＡＲ影像分类结果相比，融合分类法将分类精度提高了２０％。     

面向多源异质遥感影像地物分类的自监督预训练方法

近年来,深度学习改变了遥感图像处理的方法。由于标注高质量样本费时费力,标签样本数量不足的现实问题会严重影响深层神经网络模型的性能。为解决这一突出矛盾,本文提出了用于多源异质遥感影像地物分类的自监督预训练和微调分类方案,旨在缓解模型对于标签样本的严重依赖。具体来讲,生成式自监督学习模型由非对称的编码器-解码器结构组成,其中深度编码器从多源遥感数据中学习高阶关键特征,任务特定的解码器用于重建原始遥感影像。为提升特性表示能力,交叉注意力机制模型用于融合异源特征中的信息,进而从多源异质遥感影像中学习更多的互补信息。在微调分类阶段,预训练好的编码器作为无监督特征提取器,基于Transformer结构的轻量级分类器将学习到的特征与光谱信息结合并用于地物分类。这种自监督预训练方案能够从多源异质遥感影像中学习到刻画原始数据的高级关键特征,并且此过程不需要任何人工标注信息,从而缓解了对标签样本的依赖。与现有的分类范式相比,本文提出的自监督预训练和微调方案在多源遥感影像地物分类中能够取得更优的分类结果。     

基于Bayes融合法的多源遥感影像分类

提出了顾及各数据源成像模型、上下文关系模型和可靠性的基于Bayes融合分类的方法,并采用该方法对Landsat TM和航空SAR影像进行土地利用分类试验。结果表明:同单独SAR影像分类结果相比,融合分类法将分类精度提高了20%。     

人工神经网络在多源遥感影像分类中的应用

在研究人工神经网络理论的基础上,应用动量法和学习率自适应调整的策略,改变ＢＰ神经网络的主要缺点,提出对同一地区空间配准的Ｌａｎｄｓａｔ ＴＭ３,ＴＭ４,ＴＭ５影像和航空ＳＡＲ影像,一方面采用该种网络对两类影像分别进行分类,将其分类结果按提出的融合规则进行分类融合得到最终分类结果,另一方面采用该网络对两类影像进行融合分类,得到相应分类结果,比较这两者的结果表明,基于改进的ＢＰ神经网络用于土地利用分类     

黄河三角洲地区GF-3雷达数据与Sentinel-2多光谱数据湿地协同分类研究

黄河三角洲湿地的动态变化监测对湿地资源合理利用、开发保护具有重要意义。采用C波段全极化高分三号（GF-3）合成孔径雷达数据与欧洲空间局哨兵二号（Sentinel-2B）多光谱数据,分析了黄河三角洲湿地7类地物的光谱、指数、极化散射以及纹理等特征信息,分别基于最大似然法（maximum likelihood,ML）、决策树（decision tree,DT）、支持向量机（support vector machine,SVM）方法实现了有监督分类,评估了两者协同与单独应用于湿地地物分类与识别的能力,结果表明,两者协同分类时,其总体精度分别可达90.4%、95.4%、95.7%,均明显高于两者单独分类的结果,证明了GF-3雷达数据与多光谱数据在湿地协同分类方面的可靠性和应用潜力。     

基于多波段全极化SAR影像的湿地分类

作为湿地类型较多、分布广泛的国家,中国的城市发展进程在一定程度上对我国丰富的湿地资源形成了很大的威胁,部分湿地遭到破坏。合成孔径雷达(Synthetic Aperture Radar,SAR)作为一种主动式微波遥感,其全天时全天候的特性十分适合湿地的监测工作。然而现在利用SAR进行湿地分类的研究尚未成熟,未能充分使用多个波段的信息分析,本文提出一种利用星载C波段以及机载p波段湿地分类的方法,有效地改善了分类的效果,提高了分类的精度。     

结合多源专题数据和目视解译的大区域密集湿地样本数据生产

样本数据是开展湿地制图的研究基础之一,对于数据生产和精度验证具有重要作用。针对湿地生态系统类型多样,大区域的全湿地类型样本生产困难的问题,本研究提出了一种准确、高效的大区域密集湿地样本生产框架。该框架主要包括两部分：首先,基于已有的湿地数据产品,使用规则筛选的方法直接生产稳定的湿地样本点,能够得到河流、湖泊、水库、滨海木本沼泽（红树林）、滩涂的5种湿地类型样本点;其次,基于多源专题数据进行规则筛选,生产潜在湿地样本点,并利用Google Earth Engine大数据云平台、Google Earth平台和Collect Earth平台进行目视解译,以确定潜在湿地样本点的类型属性。本文开展大洲尺度的全湿地类型样本生产,结果表明：本研究共生产了150688个湿地样本点,其中内陆湿地样本点为121412个,滨海湿地样本点为11563个,人工湿地样本点为17693个。13种湿地类型中,湖泊样本点占比最大（39.22%）,潟湖样本点占比最小（0.19%）。本文生产了稳定、高质量的湿地样本点,样本数量充足,空间分布合理,能够为湿地分类器的训练和分类结果精度验证提供可靠的数据基础。     

多源遥感影像湿地检测概率潜在语义分析

提出了一种基于概率潜在语义分析的多源遥感影像湿地检测方法。首先提取高分辨率影像的光谱、纹理和湿地场景的地物组成成分,并结合由多光谱遥感数据提取的湿地地表温度、土壤含水量,组成湿地场景的特征空间;然后利用概率潜在语义分析将湿地场景表示成多个潜在语义的组合,并用潜在语义的权值向量来描述湿地场景的特征空间;最后利用SVM分类器实现湿地场景的检测。试验表明,概率潜在语义分析能够将湿地的高维特征空间映射到低维的潜在语义空间中,地物组成成分和定量环境特征的加入能更加有效地表征湿地特征空间,提高湿地检测精度。     

基于高分一号宽幅多光谱影像的鄱阳湖湿地分类研究

典型湿地类型分类对于湿地生态环境保护和生态环境建设具有重要意义。本研究以高分一号宽幅多光谱影像数据作为数据源,以鄱阳湖典型湿地作为研究对象,进行典型湿地类型分类。研究采用主成分分析、归一化植被指数、比值植被指数和归一化差异水体指数等方法对不同湿地类型进行光谱特征分析,结果表明:高分一号宽幅多光谱影像反演的归一化植被指数和归一化水体指数能够较好地区分水体、泥滩、挺水植物和湿生植物等常见湿地类型。通过归一化植被指数将湿地类型分为植被和非植被,归一化差异水体指数将植被类型进一步分为挺水植物和湿生植物,将非植被分为水体和泥滩。构建决策树对典型湿地类型进行自动分类,经过精度评价和分析验证,该方法针对高分一号宽幅数据进行典型湿地分类总体精度能够达到82.28%,Kappa系数0.7346,优于常规的监督分类和非监督分类。     

利用光学和SAR遥感数据的若尔盖湿地植被分类与变化监测

湿地植被在固碳过程中扮演重要角色。作为高寒湿地生态系统的典型代表，若尔盖湿地的植被分类与变化监测对于研究其碳汇功能具有重要意义。光学遥感和微波遥感在植被监测中各有其优缺点，因此本研究提出结合Sentinel-2光学数据和Sentinel-1合成孔径雷达SAR (Synthetic Aperture Radar)数据的若尔盖湿地植被分类与变化监测方法。基于动态时间归整算法DTW (Dynamic Time Warping)提取Sentinel-1 SAR数据的时间序列物候特征，结合Sentinel-2多光谱数据的光谱特征，以2020年实地获取的植被样本及使用样本迁移得到的2017年样本，通过随机森林算法分别对两个时期的若尔盖湿地植被进行分类并对其变化进行分析。研究表明：(1)结合Sentinel-1和Sentinel-2数据，充分发挥各自多时相、多光谱的优势对若尔盖湿地植被进行分类得到可靠的分类结果，总精度达到了97.43%,Kappa系数为0.96。(2)基于样本迁移原理，本研究通过将2020年实地采集的样本迁移至2017年，解决了历史时期实地样本不可得的问题，并针对SAR数据的特点提...     

利用Sentinel-2A影像的面向对象特征湿地决策树分类方法

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。     

基于规则替换法的多源遥感数据地表覆盖信息提取

为了更加有效地利用海量多源遥感数据提取地表覆盖信息,根据多源遥感图像决策级融合技术原理,提出了基于规则替换法的信息复合方法。通过对三江平原典型内陆淡水湿地的分类实验,验证了该方法的可行性与适用性,从而为地表覆盖状况调查及监测提供了一种新的技术方法。     

多源数据的面向对象国际河流土地覆被分类研究

作为横跨3个国家(尼泊尔、印度、中国)的国际跨界河流———柯西河流域,地形高差巨大,土地覆被结构组成复杂,进行土地覆被的自动分类研究具有典型意义。基于面向对象方法多源遥感数据、训练规则、丰富的细节信息为复杂土地覆被自动分类研究提供了可能。选择合适的影像分割特征和最优分割尺度,按照数据挖掘中的规则顺序逐步进行各个土地覆被的提取。总体精度说明分类结果与野外点相一致的概率能达到90.05%,说明国际跨界河流土地覆被分类方法是可行的,分类结果是准确、可信的。     

基于Contourlet域Hausdorff距离和粒子群的多源遥感图像匹配

为了进一步提高多源遥感图像的匹配精度和运算效率,本文提出了一种利用Contourlet变换、Hausdorff距离和改进粒子群的遥感图像匹配算法。在分别对目标图像和参考图像进行Contourlet分解的基础上,采用小波模极大值法提取低频图像的边缘信息,以LTS-HD作为图像匹配的相似性度量准则,并利用一种带极值扰动的简化粒子群优化算法对低频边缘图像进行匹配操作,得到粗匹配点;然后根据粗匹配点的位置反演计算到原始图像,进行精匹配,最终实现全分辨率情况下遥感图像的匹配。实验结果表明,该算法与目前常用的遥感图像匹配算法相比,不仅具有更高的匹配精度和运算效率,还有较强的鲁棒性。     

基于时间序列多源遥感数据的长江河口湿地生态系统长期演变过程与机制研究

受全球气候变化和人类活动的影响,长江河口湿地生态系统面临湿地面积萎缩、外来物种入侵、环境污染以及海岸侵蚀等诸多退化风险,实际应用中由于缺乏高质量长期连续的湿地变化监测资料,严重制约着湿地生态系统的长期演变规律及其驱动机制的研究,这对长远的湿地生态修复策略制定、湿地的生态修复和重建效果评估、湿地资源的合理保护和科学管理等产生了重大的影响。随着遥感技术的快速发展以及遥感数据可获取能力的不断提高,基于高质量长时间序列遥感数据分析湿地生态系统长期演变过程、规律、机制及其生态效应成为可能。本文以长江河口湿地生态系统为例,利用长时间序列多源遥感数据,针对已有湿地产品存在的时空不连续、一致性差、精度不高的问题,提出面向典型河口海岸湿地生态系统长期演变的遥感监测新方法,开展了长时间序列的长江河口湿地的遥感制图和变化监测研究,并在此基础上深化分析并探索了长江河口湿地生态系统结构和功能的长期演变过程、特征与驱动机制。     

基于遥感和多源地理数据的城市土地利用分类

城市土地利用信息体现了城市的功能及结构,开展城市土地利用分类研究对于城市可持续发展具有重要指导意义.以哈尔滨市主城区为研究区,综合应用Sentinel-2A遥感影像、OpenStreetMap(OSM)数据、兴趣点(point of interest,POI)数据和珞珈一号夜间灯光数据等多源地理数据,采用面向对象和随机...     

多图卷积网络的遥感图像小样本分类

小样本学习旨在利用非常少的监督信息识别出新的类别,由于忽视了样本之间的关联信息,现有的小样本分类方法用于遥感图像小样本分类时往往不能获得令人满意的精度。为此,本文利用图来建模图像在特征空间的相似关系,使用图卷积运算平滑同类别图像的特征,增强不同类别图像特征的区分度,提升分类精度。所提方法在现有图卷积运算的基础上,使用多阶次的邻接矩阵线性加权的方法代替传统的一阶邻接矩阵,通过图谱分析得出这种改进方法能够让不同阶次邻接矩阵的频率响应函数在高频部分正负相抵,有效抑制图信号的高频分量,更显著的提升同类别节点特征的聚集程度;同时,在训练过程引入了微调的方法,使用新类别中的标记数据对最后一层图卷积网络进行少量次数的训练,能够进一步提高精度,增强模型的迁移能力。实验使用AID、OPTIMAL31以及RSI-CB256这3个常用的遥感数据集对方法的有效性进行了测试,结果表明提出的方法在同数据集小样本分类任务和跨数据集小样本分类任务中,在分类精度方面均优于原型网络等比较方法。