玛曲湿地遥感影像提取及精度分析

以甘肃玛曲县为研究区,以区域湿地遥感信息提取为目标,采用TM多光谱数据和DEM数据,利用归一化植被指数和主成分分析得到的第一主成分作为分类特征,通过对数据的空间特征、波谱特征与统计结果的对比分析,构建湿地信息提取决策树模型,并与非监督分类法、最大似然法相比较,表明基于多特征决策树分类法能够用于湿地专题信息的提取,在研究区有较好的适用性。     

基于Landsat-8 OLI影像的植被信息提取方法研究

植被是地理环境的重要组成部分,在城市生态环境系统中扮演着非常重要的角色。本文以池州市2014年OLI遥感影像为基础,结合30 m空间分辨率的DEM数据,在ENVI 5.1和ArcGIS 10.2软件的支撑下,对该区植被信息进行提取。通过对比原始波段组合、主成分分量组合和衍生波段组合的分类精度,确定植被信息提取的最佳波段组合,并对植被提取结果进行精度验证。结果表明:考虑NDVI、绿度指数和第一主成分的衍生波段组合植被提取精度最高,与该区已知的土地利用类型中的植被覆盖度进行比较,精度达到89.16%。这说明该波段组合方案对于Landsat-8影像提取植被信息效果较好,可以为其他地区植被信息的提取提供参考。     

基于随机森林模型的建成区提取分析

本文以Landsat8遥感影像与珞珈一号夜间灯光数据,构建了地表温度、VANUI、SAVI、主成分分析的前三个主成分以及相应的纹理特征。本文以这些特征分量使用随机森林模型对建成区进行了提取,与支持向量机分类进行了对比分析,并对多源数据组合与单一数据源进行了比较。结果表明:基于随机森林模型的多源数据组合在建成区提取中,能有效地区分各地物,将建成区提取出来,分类效果较好。     

基于ETM+影像的绿地信息提取方法研究

文中以ETM+影像为数据源实现对贵阳市某城区的绿地信息提取。对获取的影像进行预处理,分别通过不同的方法:原始波段组合法、主成分分析法(PCA)、独立分量分析法(ICA)、归一化植被指数法(NDVI)及基于第一独立分量的实验室波段组合法,获取研究区的假彩色合成影像。将以上方法得到的影像数据进行对比分析,表明植被景观目视效果最好的是原始波段组合法。将得到的影像数据进行监督分类,通过目视解译的方法进行精度评价,结果表明,基于第一独立分量的实验室波段组合法绿地信息提取精度最高,是一种有效的绿地信息提取方法。     

期刊博览

正基于资源三号影像的红树林物种分类研究《遥感技术与应用》2018年第2期选取北部湾的东部地区(广东省和广西壮族自治区交界处)为研究区,探索利用资源三号卫星影像,建立大范围红树林遥感信息提取和精细分类模式。首先根据地物波谱特征提取水陆边线,并建立缓冲区生成红树林生长适宜区;再通过基于面向对象的阈值分类方法提取红树林植被信息;最后采用基于像元的最近邻、贝叶斯和随机森林方     

基于决策树分类的地表覆盖遥感信息提取

地处西南的渝北地区地表覆盖类型复杂、土地利用多元化,仅依赖于光谱特征的传统遥感信息提取方法难以获得较高的分类精度。利用决策树分类技术对渝北地区的TM遥感影像进行分类,除光谱信息外还结合地质、NDVI、PCI等多源数据进行实验。结果表明,总精度和Kappa系数分别为88.42%和0.854 7,较传统的监督分类和仅依赖于光谱特征的决策树分类方法有较大提高,这也表明基于多源数据的决策树分类技术对地表覆盖复杂地区的遥感影像分类比较适用,是遥感信息提取的一种有效手段。     

植被信息的Landsat8卫星影像提取方法

传统植被信息提取的信息源多以TM/ETM+等影像为主,在如何应用Landsat8影像提取高精度的植被信息方面研究较匮乏。针对上述问题,该文应用大理市Landsat8影像开展了植被信息提取方法研究。研究过程中通过对原始波段组合法、主成分分量组合法、衍生波段组合法、直接解译法提取结果进行对比分析,确定最佳波段组合;之后将纹理信息作为最佳波段组合影像新的波段,与光谱信息一同分类,并对结果进行分析。研究结果表明,添加纹理能够在一定程度上提高植被信息提取的精度。     

主成分-多变量时间序列模型及其在桥梁变形预测中的应用

建立科学有效的变形预测模型对确保桥梁安全运营具有十分重要的意义。据此,提出了基于主成分和多变量时间序列模型耦合的桥梁变形预报模型,采用苏通大桥实测数据对模型的拟合、预测精度进行了分析验证。采用主成分分析方法提取了累计贡献值达95.088%的三个对桥面变形有影响的主成分,建立了主成分-多变量时间序列模型。结果表明,该模型拟合精度优于多变量时间序列法,监测点dx,dy,dH三个方向的均方根误差分别为2mm、2mm、8mm,预测精度分别为3mm、3mm、6mm,可以识别出由于结构损伤所引起的位移10mm的异常变化。说明该模型对于桥梁桥面变形预测具有一定的有效性和适用性。     

傅里叶谱纹理和光谱信息结合的高分辨率遥感影像地表覆盖分类

以高空间分辨率遥感影像为研究对象,将纹理特征与影像的光谱特征结合起来,用于地表覆盖类型分类。设计了一种基于傅里叶谱纹理的分类策略,对主成分分析后的第1、2主分量特征影像,利用径向谱（r-spectrum）提取纹理特征,并将纹理与光谱特征结合起来,构建了不同的分类特征用于支持向量机分类模型。以Salinas数据集和QuickBird影像为例,验证该算法。结果表明,纹理与光谱信息的结合可以明显提高高分辨率遥感影像的分类精度;由傅里叶径向谱提取的纹理特征可以很好的应用到高分辨率遥感影像的分类问题中,分类精度高于基于傅里叶总能量谱和灰度共生矩阵的分类精度;利用该算法对PCA变换后的第1和第2分量提取的纹理特征具有一定的互补性,并且结合多特征图像的纹理特征提取优于单特征图像的纹理特征提取。     

西洋海域流场线遥感提取分析

利用遥感影像与同期大丰港实测潮位数据以及2006年江苏908调查流向实测资料,建立辐射沙脊群海域流场线与流向之间的关系。以西洋海域为例,采用纹理分析和非监督分类相结合的方法,分别提取大潮、小潮、涨潮和落潮成像时刻影像的流场线信息,生成流场线分布图,然后与实测流向进行对比分析。研究表明,提取的流场线分布走向与实测流向趋势一致。     

岷江上游典型流域植被覆盖度的遥感模型及反演

本文在对岷江上游典型流域研究区实地踏勘和定位观测的基础上,综合利用Aster和ETM遥感数据、地面实测数据和常规观测数据等资料,研究了植被指数与植被覆盖度之间的相关性,确定了岷江上游典型流域植被覆盖度模型。以遥感图像中单个像元作为测算单位,对植被指数NDVI进行了计算,并对岷江上游毛儿盖地区植被覆盖度进行了反演。利用研究区实测数据、生态环境本底遥感调查数据和水文气象数据,对上述模型反演结果进行验证和精度分析。结果表明,模型反演结果精度较高,能较真实的反应研究区植被覆盖度实际状况。     

遥感影像的冰川信息提取方法对比

以林芝地区为例,首先利用2001年10-12月ETM+遥感数据、地质图和DEM数据,经过遥感图像预处理生成冰川信息提取的基础影像。在此基础上采用波段比值法、主成分分析法、光谱角制图法、非监督分类法、监督分类法等进行冰川信息的自动提取,对各种提取方法进行了对比。结果表明,监督分类提取的冰川信息图像清晰、层次分明、分类边界清楚、满足冰川地貌解译的要求。最后通过实例分析得出监督分类法在提取林芝地区冰川信息时获得了较好的应用效果。     

影像不同空间尺度对鲁甸植被分析的影响

针对植被指数和植被覆盖度与遥感影像空间尺度的关系对高分辨率影像在植被分析中的运用具有重要影响的问题,该文提出一种确定最佳分辨率的方法。以云南鲁甸县茨院乡为研究区,先对原始影像(Worldview-2)进行重采样处理,生成一系列低分辨率影像;计算13组数据的NDVI并利用像元二分模型反演出植被覆盖度;运用信息熵理论和按照局部方差的思路等两种方法,定量分析该区植被分析的最佳分辨率。实验结果表明,随着空间分辨率的降低,NDVI值域区间呈现收敛趋势;植被覆盖度分级图斑斑块数量急剧减少,而所占面积比则保持相对平稳;信息熵中的信息量也随之减少。分析结果认为,该区进行基于Worldview-2影像植被分析的最佳空间分辨率为12m。     

基于K-L变换的BP神经网络遥感图像分类

为了提高多光谱遥感图像的分类正确,提出了一种基于主成分分析(K-L变换)的分类方法。该方法先应用K-L变换对多波段遥感图像进行降维,提取最主要的三个成分合成假彩色图,然后利用BP神经网络对假彩色图进行监督分类。由于主成分之间是不相关的,增强了图象信息,降低了神经网络的计算量,提高了分类精度。实验结果证明,该算法分类精度优于传统分类方法,总正确率为88.5%,Kappa系数为0.862,因而具有实用价值。     

基于TM影像的城市绿地信息提取方法研究

基于TM遥感影像,运用ERDAS,对某地城市绿地专题信息进行了提取。实验过程中首先对图像进行预处理,然后通过四种绿地信息提取方案进行比较分析,这四种方案分别为:原始波段合成法、主成份分析法、归一化植被指数(NDVI)法和实验波段组合法。将以上几种方案的图像进行反复比较,根据研究对象的实际情况,植被景观目视效果最好的是NDVI植被指数法。对以上四种方法的彩色合成图像进行监督分类,利用目视判读的方法对TM影像的分类结果进行精度检验,由此可以看出实验波段组合法的精度最高,该方法是一种有效的绿地提取的方法。     

ETM和SPOT融合影像制作土地利用分类图

以辽阳地区为试验区,采用ETM多波段和SPOT全色遥感影像为主要信息源。利用遥感图像处理软件ERDAS对影像进行几何配准、图像增强等一系列处理。利用HIS变换和主成分分析法进行影像融合试验,对比分析融合结果,融合后影像同时具有多光谱和高分辨率的特性,提高了影像解译度。参考国家分类标准,选取农村、水体、旱地、林地、菜地、城市和水田七大类进行分类试验。采用监督分类的方法对主成分变换融合后的影像进行土地利用分类。最后,在ArcGIS软件中进行矢量化处理,制作土地利用分类图。使用该方法制作的辽阳地区土地利用分类图,可以满足一般用户对土地利用分类图的要求。     

应急输水工程对塔里木河下游生态环境时空变化影响的遥感监测与分析

采用现代化高新技术对流域生态环境进行动态监测,是流域规划和综合治理的重要依据。本文以塔里木河下游地区的三期遥感影像及基础背景数据为基础,基于遥感和GIS技术,通过分类体系划分、遥感解译、生态模型构建,实现了塔里木河下游地区多源、多类型监测数据的定性、定量分析。分析结果表明：应急输水工程实施后,随着累计输水量的逐渐增加,塔里木河下游地区的中、高植被覆盖度面积也逐渐增加,非沙漠化和轻度沙漠化面积扩大,而中度沙漠化面积缩小,生态环境趋于好转。     

采用IDL小波工具优化高光谱影像光谱特征匹配分类

光谱特征匹配分类是常用的高光谱影像分类、识别地物的方法,针对高光谱影像提取植被盖度存在的问题,文章根据高光谱遥感影像处理的方法,采用EO-1卫星在广州市过境的Hyperion高光谱影像,以＂广州南肺＂万亩果园作为试验区,经过大气纠正——最小噪声分离变换（MNF）——最纯净像元指数计算（PPI）——提取植被的端元,以此作为研究区识别植被的参考样本,进行光谱特征匹配提取植被盖度。其中提出利用连续小波变换对参考端元的波谱曲线降噪的方法,旨在优化光谱特征匹配,以提高识别植被的精度。实验结果表明,这种辅助匹配的方法能有效提高识别植被的精度。     

基于SOM神经网络的城市土地覆盖遥感分类研究

土地覆盖及其变化的研究作为区域及全球环境变化研究所需的极为重要的地表参数,是遥感应用分析的主要内容之一。以往所采用的遥感分类方法主要针对侧重于土地社会属性的土地利用类型的分类研究且很难获得理想的精度。本文在非监督的自组织映射神经网络的基础上进行了一定的改进,构建了有监督的神经网络模型,以湖南省长沙市主城区的土地自然属性为侧重点,对其土地覆盖进行分类。实验结果表明:利用本文所使用的方法得到的分类结果,其总体精度和Kappa系数均高于传统的分类方法得出来的分类结果。     

利用遥感影像进行植被分布分析

植被是生态环境的重要组成要素,它与一定的地形条件相适应。本文以吴起县遥感影像及地形数据为基础,集成使用RS,GPS及GIS技术,以NDVI植被指数计算为核心完成了植被覆盖度的动态监测及分析,植被群落已基本恢复成能与环境相适应的稳定群落,封禁效果基本稳定,林地面积、植被覆盖度等指标明显上升。植被覆盖度面积逐年增加,部分地区还出现了较为明显的逆转现象,整个研究区的生态环境呈现良性发展态势。