基于环境减灾卫星CCD数据与决策树技术的植被分类研究

以内蒙古呼伦贝尔地区为例,基于遥感数据获取区域7种典型植被的NDVI时间序列曲线。在此基础之上,分析曲线趋势及其特征值,研究基于曲线差异的植被分类信息提取方法。同时,以国产环境减灾卫星CCD数据作为主要遥感数据源,提取研究区5月上旬与8月上旬两期NDVI数据及其比值,采用决策树分类方法研究得到区域30 m空间分辨率植被分类结果。经实地验证,一级类型总体分类精度为83.64%,二级类型为70.91%,其中乔木林的分类精度最高,然后是农田与草地,灌丛的分类精度相对最低。结果表明该方法能够快速、准确据提取植被分类信息,为国产环境减灾卫星CCD数据的广泛深入应用提供理论与数据支持。     

遥感影像中分区分类法及在新疆北部植被分类中的应用

对遥感影像提出了一种分区分类的思想，根据影像所包含的局部特征将整体影像化为几个局部的影像，然后根据局部影像的特点对图像进行分类,使得每一区域的种类数目相对于整体减少，种类的特点得以突出，分类更具有针对性,再加以高程、坡度等地貌信息，提高分类精度。该分类法在新疆北部的植被分类中得到了应用，从NOAA影像中提出的NDVI为数据源，根据该植被区域特点，将研究区的植被区域划分为四个区，即：新疆阿勒泰草原区、昭苏区、西准噶尔区和东天山区。利用GIS软件将整个研究区的NDVI指数图像化分为四块子图，根据各个区域植被的特点，采用不同的分类标准,对四块子图分类。在此之后，再利用GIS软件将所有分类子图合并为整个区域的分类图。结果表明，该类方法可以大大提高NDVI指数的植被分类精度。     

基于ENVI ZOOM面向对象的高海拔灌丛植被提取——以定日县为例

利用ASTER数据,基于The Environment for Visualizing Images(ENVI)ZOOM 软件平台,采用面向对象的多尺度影像分割技术与规则创建相结合方法,提取了珠峰保护区核心区的灌丛植被类型.在对影像进行去阴影处理和各种辅助信息融合的基础上,使用Feature Extraction模块对影像进行分割,基于分割对象的高程、NDVI、纹理和光谱信息创建了适合研究区的灌丛提取规则.研究表明:该分类方法不仅能够克服传统基于像元分类方法中的"椒盐效应"问题,而且能够综合利用辅助信息(DEM、NDVI等)和地物本身的信息(光谱特征、纹理特征等),有效提高解译精度.以已有数据对分类结果进行了检验,分类精度达84 7%,分类结果较理想.     

基于GF-1卫星数据的面向对象的民勤绿洲植被分类研究

以民勤绿洲为研究区,以GF-1遥感影像为数据源,采用面向对象的分类方法,结合分层技术,对影像逐级进行分类,以获取植被信息。根据归一化植被指数（NDVI）阈值区分植被与非植被,分割尺度为10;使用归一化水体指数（NDWI）阈值提取非植被中的水体,分割尺度为35;利用野外采样点获取的训练样本,将植被进一步分为耕地、林地和草地,分割尺度为25。总体分类精度达到83.02%,Kappa系数为0.745 1,比较基于象元的监督分类,其总体分类精度为69.37%,Kappa系数为0.497 0,表明面向对象的分类方法在干旱区绿洲植被信息的提取上较传统的基于象元的分类方法更有优势,分类精度更高。     

基于Landsat8影像时间序列NDVI的作物种植结构提取

为提高内蒙古平原灌区作物种植结构遥感监测精度和效率,提出一种基于时序NDVI曲线的作物种植结构提取方法。以内蒙古土默特右旗平原区为研究区域,以2015年覆盖作物生育期的多时相Landsat影像为数据源,根据不同地物其NDVI值范围不同,将研究区地表分为植被覆盖地表,无植被覆盖地表和水体3类。在植被覆盖区域内,根据林地和荒草地时序NDVI曲线特征,提取林地和荒草地,其余区域即为农田。根据小麦、玉米、葵花和西葫芦的时间序列NDVI曲线特征差异构建分类决策树模型,在农田区域内提取上述作物的空间种植分布信息。研究区各类地物及作物遥感提取面积与实际统计面积接近,土地利用分类总体精度达到85.71%,作物分类总体精度达到82.69%。研究结果表明该方法提取作物种植信息的精度较高,能够实现区域作物种植信息的高效准确监测。     

基于低空无人机的草原灌丛遥感辨识方法

以位于中国科学院内蒙古草原生态研究定位站灌丛化样地实验平台为研究区,基于低空无人机遥感影像,结合实地调查,开展草原灌丛遥感辨识方法研究。通过对灌丛、草地和裸地归一化植被指数（NDVI）的方差统计分析,确定了裸地与植被的分割阈值为-0.08,并使用该阈值提取植被覆盖区,然后分别利用面向对象的决策树（DT）、贝叶斯（Bayes）、K最邻近（KNN）、支持向量机（SVM）机器学习分类器进行灌丛辨识。研究表明：借助Estimation of Scale Parameter（ESP）最优分割尺度评价工具可以快速确定分割参数,获取灌丛、草地影像对象;利用特征空间优化工具选取了18个的对象特征,可以有效避免盲目选择而导致的计算量增大;通过对不同分类器分类结果的对比和样本数量敏感性实验得出：Bayes分类器精度稳定、无需设置参数,灌丛分类精度最高,总体精度和Kappa系数分别达到92%和0.83,结果与影像地物嵌合最好,能够精确识别单株灌丛;根据Bayes分类器分类结果统计得研究区灌丛盖度为14.74%,平均冠幅为0.6 m²,与样方调查结果基本一致。由于4种分类器的算法特征以及对训练样本数量的敏感性各不相同,因此选择合适的分类器还需根据具体影像的地物特征、空间分辨率和研究区范围来确定。     

绿洲植被覆盖度遥感信息提取——以敦煌绿洲为例

以敦煌绿洲为研究区,利用Landsat TM遥感数据,通过归一化植被指数(NDVI)和混合像元分解两种方法,提取了敦煌绿洲的植被覆盖度信息。在基于NDVI提取植被覆盖度时,选取了基于NDVI的像元二分模型; 在混合像元分解过程中,对遥感影像进行波段反射率归一化处理和最小噪声变换(MNF),确定了3个类型端元:植被、不透水表面/土壤、水体/阴影; 最后利用高分辨率遥感影像验证对比了两种提取方法的精度。结果表明:混合像元分解更能准确地提取敦煌地区植被覆盖度信息,其线性相关系数为0.8915,均方根误差为0.0882,而且提取结果更符合实际情况,可以为敦煌植被状况监测及生态环境保护提供科学建议。     

雅鲁藏布江流域植被格局与NDVI分布的空间响应

雅鲁藏布江流域海拔高差约达7 000 m,气候条件复杂、生态系统类型多样,植被格局空间变化显著.笔者基于1:100万植被类型图、SPOT_VEGETATION NDVI数据集和数字高程模型(DEM),综合运用GIS空间分析技术,提取与定量分析了流域主要植被类型、空间分布特征,并结合海拔梯度、气候条件变化探讨了流域植被格局与NDVI空间变化的耦合关系.结果表明:(1) 雅鲁藏布江流域植被类型包括针叶林、阔叶林、灌丛、荒漠、草原、草丛、草甸、高山植被等11个植被型组,21个植被型,其中米林宽谷的植被型最多,自下游至上游的山南宽谷、日喀则宽谷及马泉河宽谷随着海拔梯度的变化,植被类型多样性总体呈下降趋势.(2) 随着海拔的增加,植被型组和植被型的个数均呈先增大后减小的趋势,以海拔3000～4 000 m和4 000～5 000 m最多,流域植被格局的垂直地带性显著.(3) 流域植被格局与NDVI变化表现出较好的空间一致性.针叶林、阔叶林和草丛等3个植被型组的NDVI值均以10-12月最大,其余8个植被型组的NDVI值均以7-9月最大、1-3月最小.海拔3 000 m是流域尺度植被格局变化的一个转折点.     

新疆阿勒泰两河源自然保护区植被信息提取与分析

高山地区地形复杂,植被分布无序,且森林植被光谱信息相近,因而高山植被类型的确定依然成为遥感植被分类的难点。以2014年资源三号卫星影像作为基础数据,分别采用面向对象法和像元法提取了两河源保护区植被信息,并在面向对象法中引入了海拔(DEM)信息辅助分类,基于分类结果,分析讨论了不同植被类型的面积比例和空间分布格局。结果显示:(1)面向对象法的分类精度明显高于像元分类法,总体分类精度达到了93.11%,Kappa系数为0.89。(2)研究区植被类型以针阔混交林和草甸为主,分别占研究区总面积的26.37%和22.87%,灌丛、草原占15.2%和10.98%,水体和高山植被占8.23%和5.57%。(3)针阔混交林主要分布在阴坡或山地河谷,草甸在平原、低地河漫滩、森林、高山均有分布,地带性规律不明显。草原成窄条状、斑块状贯穿整个研究区,灌丛呈块状镶嵌在草原内部。高山植被呈斑块状零散分布于两河源的流石滩、砾石山坡和高山准平原上。(4)研究区发育了5个完整的自然垂直带谱,自下而上依次为草原带、灌丛带、针阔混交林带、草甸带、高山植被带和冰川积雪带。     

威海市近海水产养殖信息提取方法研究

单独利用遥感影像光谱信息进行近海水产养殖信息提取时,养殖水体与自然水体易混淆,而单独利用遥感影像纹理信息提取近海水域水产养殖信息时,单一大块养殖水体与自然水体又难以区分。针对上述问题,利用OLI影像数据,提出了一种综合遥感影像光谱与纹理信息进行水产养殖信息提取的方法。首先,在对研究区养殖水体类型进行光谱特征分析的基础上,采用主成分变换方法,对OLI影像光谱信息进行压缩、挖掘和选取;其次,分析灰度共生矩阵窗口尺寸和纹理特征统计量对研究区水产养殖区域的区分能力,完成纹理特征的选取,并将选取的纹理信息和光谱信息进行特征协同;最后,对特征协同数据进行多尺度分割,根据各水体类型间的光谱特征和纹理特征的差异,构建研究区3种养殖水体的模糊逻辑隶属度函数,实现对研究区水产养殖信息的自动提取。研究结果表明,该方法能较好地提取研究区水产养殖信息,总体分类精度达到97.93%。     

应用“北京一号”遥感数据计算官厅水库库滨带植被覆盖度

“北京一号”卫星是拥有多方面技术优势的一颗对地观测小卫星。本文在运用“北京一号”、SPOT5、QuickBird遥感图像对官厅水库库滨带植被覆盖度进行综合监测的基础上,对三种不同分辨率的遥感图像进行基于统计的尺度转换,并应用尺度转换的结果修正了“北京一号”图像提取的植被覆盖度。经检验,运用SPOT5和QuickBird图像对“北京一号”图像进行像元分解,将统计结果与“北京一号”图像的提取信息建立统计模型,应用该统计模型可以有效地提高“北京一号”图像提取植被覆盖度的精度。对湿生植被进行样方调查,结果证明运用像元分解和统计模型的方法使“北京一号”提取植被覆盖度的精度较运用植被指数转换模型的计算精度提高了22.7%。应用该方法可以更有效地运用“北京一号”遥感数据进行连续、大面积的植被监测。     

在全数字方式下对宁夏草地覆盖的遥感宏观研究

以TM影象为信息源,在全数字方式下运用遥感技术与地理信息系统技术结合建立了宁夏草地覆盖的TM影象数据库、图形数据库和属性数据库。通过分析得出全区现有草地面积2 481 345 hm²,占全区面积的47.92%,其中高覆盖度草地占3.93%,中覆盖度草地占43.45%,低覆盖度草地占52.62%。     

近15a新疆不同类型植被NDVI时空动态变化及对气候变化的响应

为了研究新疆不同类型植被对气候变化的响应,以地带性划分的植被类型作为研究对象,1998-2012年为时间尺度,利用GIS的空间分析方法结合数学统计方法,分析了新疆各地带植被覆盖变化的时空分布特征;并采用"多元回归+残差插值"的方法,模拟了气温和降水量的空间分布;利用SPOT VGT/NDVI数据以及气候数据(气温和降水量数据),分析了5个不同地带植被的动态变化、年际变化和生长季内各月变化及其对气候变化的响应。结果表明:(1)新疆各地带植被覆盖度存在着显著差异,其中,温带北部草原地带高植被区和浓密植被区的范围较广,植被覆盖度较高,而高寒荒漠地带的极低植被区占该地带面积的一半以上,且植被覆盖度最低。(2)新疆各地带植被覆盖在近15 a间呈波动增加的趋势,5个地带的植被覆盖均有所改善,其中,高寒荒漠地带和暖温带半灌木、灌木地带的植被覆盖改善较为明显,其余3个地带均有少部分地区出现轻微改善现象。(3)温带半灌木、矮乔木荒漠地带,暖温带半灌木、灌木荒漠地带和温带半灌木、灌木荒漠地带4~10月的平均气温呈上升趋势,而温带北部草原地带、高寒荒漠地带对应的平均气温则出现下降趋势。5个地带的降水量在该时段内均表现为下降趋势。(4)基于年际尺度,新疆各地带植被NDVI与气温、降水量的相关性均不显著;基于月尺度,各地带植被NDVI受降水量的影响比气温大。同时,仅有暖温带半灌木、灌木荒漠地带植被NDVI与气温存在1个月的滞后性,其余4个地带对气温和降水均不存在滞后性。     

国际草地资源遥感研究新进展

系统地评论了国际上有关草地资源遥感研究的最近文献。首先,分析了草地遥感的可行性,确定了监测和评估草地资源最有效的光谱波段,阐述了各种遥感影像在草地资源调查与评估中的实用价值。之后,介绍了草地资源遥感的常用方法,即植被指数和其他指数法,对比和分析了各种指数在草地资源遥感应用中的有效性及应用范围。这些草地资源遥感的应用包括草地盖度监测与制图、生物量估算、草地退化监测及草地资源定量分析。最后,探讨了草地资源遥感的发展趋势,包括摄像遥感、高分辨率影像(如CASI,AVIRIS和IKONOS)和GPS的运用。此外,GIS的引入及其与数字影像处理的集合会使草地资源遥感由简单监测逐渐向动态预报和模拟过渡。这些研究新动向对国内相关科学家在选题时具有极大的参考意义。     

清代青藏高原东北部河湟谷地林草地覆盖变化

河湟谷地是青藏高原东北缘典型的农牧交错区,清代以来耕地的扩张导致林草地覆盖发生明显变化。本文在现代植被图的基础上,选取土壤、地形因素,并依据历史文献数据,重建河湟谷地潜在林地草地格局,在此基础上结合清代耕地变化的重建结果,推算出清代河湟谷地林草地覆盖的变化状况。结果显示：①清代耕地扩张之前,其林、草地分布与现今各类植被类型的空间分布格局基本一致,林地分布范围比现代略大,灌木林地在空间上连续性更强,草地分布区域更广;②估算出河湟谷地潜在林地、灌木林地、草地面积分别约为0.28×10⁴、0.93×10⁴、2.1618×10⁴ km²,由于耕地开垦,至清代末期,河湟谷地草地、灌木林地、林地面积分别累计减少5180.41、1330.35、441.31 km²,其中草地被垦殖占用的面积最大,程度最深,减少的区域主要集中在湟水谷地中游的乐都盆地、西宁盆地以及黄河谷地的尖扎盆地、化隆盆地等;③清代河湟谷地中人类垦殖原始覆盖类型的差异性不仅受自然环境的限制,同样受到社会政策因素的影响。     

The Coyote Brush Invasion of Southern California Grasslands and the Legacy of Mechanical Disturbance

This study investigates the recent invasion of exotic grasslands by coyote brush in La Jolla Valley, California. We test the “event dependent” hypothesis that mechanical disturbances during the past century were a key cause. To examine the relationship between past mechanical disturbances and vegetation dynamics we first conducted a review of the historical literature on practices of shrub removal and documented disturbance history using historical imagery. We next analyzed vegetation‐cover change over time using remotely sensed imagery and a vegetation map to document the history of native shrub advancement into exotic grassland by species association. Finally, we determined the topographic characteristics associated with different phases of shrub advancement. We found that mechanical disturbances historically varied by topography with upper and steeper slopes being least intensively disturbed. We found that shrub advancement rates, following release from grazing, varied by slope, elevation, and time period, and that Baccharis pilularis (coyote brush) was the main species to invade the more intensively disturbed sites at lower elevations. Our results indicate that mechanical disturbances played an important role in modifying the original vegetation cover with long‐lasting consequences, including a facilitating role for the subsequent Baccharis pilularis invasion. We concluded that the practice of grazing often included exotic mechanical disturbances that had long‐lasting impacts on native plants.     

城市植被尺度鉴别与分类研究

城市地物具有多尺度分布特点,尺度鉴别与确定是分类的前提。提出改进的面积相对差指标,根据城市植被的分布状态确定最优分割尺度。采用面向对象方法,利用对象的光谱和空间信息对高空间分辨率影像进行植被分类。与基于像元的传统光谱分类方法和单尺度分类结果比较,最优分割尺度的鉴别和面向对象的分类方法分类精度较高,6种城市植被的分类总精度达85.5%,Kappa系数为0.83;同时有效抑制了光谱数据分类中存在的地物破碎问题。     

基于机载LiDAR数据的农田区植被高度估测研究

作物高度是农田、生态等研究领域重要的一项指标,准确地获取作物高度和类别是精确估产和长势监测的必要条件。激光雷达技术能够提供精确的植被冠层结构信息,并进而获得作物冠层高度。以绿洲农田区的棉田为研究对象,通过激光雷达提取的植被垂直结构信息,估算研究区各植被类型的高度,并依据高度进行了分类。结果表明：林地、食葵、棉花和西葫芦的平均高度约为12.5 m、2.125 m、1.125 m和0.35 m,利用植被类型间的高度差异进行地物类型识别的总体精度为93%;食葵、棉花和西葫芦实测植被高度值与计算植被高度值的平均相对误差分别为-0.038%、1.35%和-4.348%,说明激光雷达提取的植被冠层结构参数可用于农田区作物的高度估算。     

Data-driven regionalization of forested and non-forested ecosystems in coastal British Columbia with LiDAR and RapidEye imagery

Traditionally, forest inventory and ecosystem mapping at local to regional scales rely on manual interpretation of aerial photographs, based on standardized, expert-driven classification schemes. These current approaches provide the information needed for forest ecosystem management but constrain the thematic and spatial resolution of mapping and are infrequently repeated. The goal of this research was to demonstrate the utility of an unsupervised, quantitative technique based on Light Detection And Ranging (LiDAR) data and multi-spectral satellite imagery for mapping local-scale ecosystems over a heterogeneous landscape of forested and non-forested ecosystems. We derived a range of metrics characterizing local terrain and vegetation from LiDAR and RapidEye imagery for Calvert and Hecate Islands, British Columbia. These metrics were used in a cluster analysis to classify and quantitatively characterize ecological units across the island. A total of 18 clusters were derived. The clusters were attributed with quantitative summary statistics from the remotely sensed data inputs and contextualized through comparison to ecological units delineated in a traditional expert-driven mapping method using aerial photographs. The 18 clusters describe ecosystems ranging from open shrublands to dense, productive forest and include a riparian zone and many wetter and wetland ecosystems. The clusters provide detailed, spatially-explicit information for characterizing the landscape as a mosaic of units defined by topography and vegetation structure. This study demonstrates that using various types of remotely sensed data in a quantitative classification can provide scientists and managers with multivariate information unique from that which results from traditional, expert-based ecosystem mapping methods.