基于资源卫星数据面向对象法的红树林提取研究

利用无人机在研究区域内采集了红树林分类的训练样本点,基于资源三号高分影像对红树林进行分类。首先采用面向对象的方法,建立决策树对保护区内红树林进行提取。之后基于面向对象法对红树林区域进行种间分类,分析保护区内红树林种群空间分布格局。研究表明,红树林种间分类精度达到76.67%,总体Kappa系数为0.68,结果具有高度一致性。本文为红树林自然保护区的管理提供理论支撑,为红树林湿地保护和生态恢复提供科学依据。     

耦合WorldView-2和珠海一号影像的红树林物种分布

红树林物种遥感分类受影像分辨率、波段信息、分类策略、影像特征选择方法等因素影响。现有的红树林物种遥感分类研究大多关注于分类精度的比较,较少报道商业高分与国产高光谱卫星的结合在物种分类的应用。基于湛江高桥红树林保护区的高分（WorldView-2）和高光谱（珠海一号）卫星影像,本文旨在利用随机森林分类方法,比较不同特征选择算法（极端梯度提升（XGBoost）、极端随机树（ERT）、连续投影算法（SPA））和不同空间分辨率（WorldView-2影像从0.5 m的分辨率重采样为1 m、2 m、4 m、8 m、10 m）对红树林物种分类精度的影响,并耦合WorldView-2与珠海一号影像研究红树林物种空间分布格局及影响因素。每种空间分辨率的WorldView-2影像提取248个特征（52个光谱特征及196个纹理特征）,珠海一号影像提取117个光谱特征。结果表明,XGBoost方法优于ERT和SPA,在影像特征选择中具有巨大优势;与其他空间分辨率相比,2 m分辨率的WorldView-2影像具有更高的分类精度;耦合WorldView-2和珠海一号影像的分类精度（分辨率：2 m,总体精度：88.98%,kappa系数：0.846）高于单一的WorldView-2影像（分辨率：2 m,总体精度：83.47%,kappa系数：0.768）和珠海一号影像（分辨率：10 m,总体精度：78.50%,kappa系数：0.703）;另外,林窗、高程、离岸距离一定程度上影响红树林物种分布格局。本文表明WorldView-2与珠海一号高光谱影像的结合在景观及区域尺度上精确提取红树林物种信息具有巨大潜力,有利于红树林生物多样性保护及科学管理。     

利用无人机高光谱影像的红树林群落物种分类

近年来红树林群落中物种结构简单、功能退化等环境问题日趋严重,为了及时准确掌握红树林群落的物种空间格局与分布,本文首先基于深圳福田红树林自然保护区无人机高光谱影像,利用归一化差值植被指数和归一化潮间红树林指数提取植被区域;然后在植被区域根据最佳指数法选取信息量大、波段相关性小的波段组合,分别采用基于像素支持向量机分类方法和面向对象影像分类方法对红树林物种进行分类。试验结果表明,基于像素支持向量机分类方法的总体精度为81.03%;利用面向对象影像分类方法的总体精度为85.58%。面向对象影像分类方法能有效去除椒盐噪声,充分利用对象光谱、形状及纹理信息,提供更准确的红树林分布信息。     

面向对象的资源三号卫星影像分类研究

资源三号卫星影像数据目前广泛用于地形测绘、资源监测、地理国情监测等领域。本文主要针对资源三号卫星影像数据,以南京市玄武区为例,研究了适合国产高分辨率卫星影像的分类技术方法。分别采用面向对象的KNN分类方法和SVM分类方法对影像进行分类,并对分类结果的精度进行了分析和评价。研究结果表明,在对遥感影像采用合适的分割尺度进行分割后,采用基于面向对象的SVM分类方法得到的结果,其总体分类精度为90.72%,Kappa系数为86.64%,远高于采用基于面向对象的KNN分类方法得到的结果。因此,面向对象的SVM分类方法更适合于资源三号卫星影像的分类。     

高分辨率遥感影像建筑物提取方法研究

选取了监督分类、植被指数法、支持向量机和面向对象4种方法对资源三号和高分一号影像提取建筑物信息。通过对不同方法的精度评价,探索一种最适合高分一号和资源三号影像的建筑物提取方法。     

无人机遥感与XGBoost的红树林物种分类

无人机遥感数据会衍生大量的光谱、纹理与结构特征,如何提取优势特征是提高红树林物种分类效率和精度的关键问题.针对深圳福田红树林自然保护区缓冲区获取的无人机高光谱影像和LiDAR点云数据,本研究旨在利用极端梯度提升算法(XGBoost)的“特征重要性”属性筛选出适合红树林物种分类的8类优势特征:基于无人机高光谱影像的单一特...     

丹江口水库面积季节变化遥感监测

基于2014年2月19日、2014年6月7日和2014年10月8日的三景资源三号卫星影像分别作为春季、夏季和秋季的代表,以河南省内的丹江口水库为研究区域,采用面向对象的遥感影像监督分类方法进行影像的分割和分类,提取出遥感影像中的水体,并结合南水北调中线工程对水域面积和周围地物的影响对这3个时期的影像进行比较和分析,得出这3个时期水域面积的变化数据。     

基于Sentinel-2A的红树林提取机器学习方法比较

红树林和生态环境保护、生态平衡和生物多样性息息相关。使用Sentinel-2A数据获取海南省东寨港红树林保护区的遥感影像,对数据进行预处理,提取光谱特征、纹理特征和湿度特征,基于K近邻（K-nearest neighbor,KNN）、随机森林（random forest,RF）、决策树、支持向量机（support vector machine,SVM）和反向传播神经网络（back propagation neural network,BPNN）方法,通过多次实验提取出海南省东寨港红树林区域,并探讨了机器学习方法中不同类型分类器在提取红树林过程中的优缺点。结果表明：(1)Sentinel-2A的Band8A、Band11、Band12波段组合能够较好突出红树林特征,结合湿度特征和纹理特征可以提高红树林的分类精度;(2)基于机器学习方法能够准确提取红树林区域,其中,SVM分类精度最高,达到92.31%,BPNN、RF分类精度分别为88.46%、90.38%,Kappa系数表明分类结果具有良好的一致性;(3)比较不同机器学习方法对红树林的分类效果,发现SVM和BPNN等非线性方法能提取出更准...     

基于决策树方法的Landsat8 OLI影像红树林信息自动提取

基于广西山口国家红树林生态自然保护区的Landsat 8 OLI影像数据,选用广泛应用于植被液态水含量反演的归一化差值湿度指数(normalized difference moisture index,NDMI)和修正的归一化差值池塘指数(modified normalized difference pond index,MNDPI)作为分类特征,运用决策树方法进行红树林信息的自动提取。研究结果表明:红树林独特的滨海湿地生境特点,使其光谱同时包含植被和湿地信息;MNDPI和NDMI可分别反映可见光-近红外波段反射率同短波红外波段反射光谱的反差,可成功应用于湿地植被信息的提取,能有效地将红树林同其他地物相区分;采用Landsat8 OLI遥感数据,并结合NDMI和MNDPI分类特征构建的决策树模型可有效地提取红树林信息,其错分率和漏分率都较低,分别为5.34%和1.69%。     

顾及潮汐影响的中国红树林高分二号遥感制图

遥感技术由于具有实时、准确、多尺度、可重复等优点广泛应用在红树林遥感制图研究中。目前，中国红树林遥感制图数据集中空间分辨率最高的产品是基于Sentinel 10 m数据生产的，此外，大多中国红树林遥感制图中忽略了潮汐的影响，导致红树林遥感制图结果不精准。本文利用国产高分二号数据源，顾及潮汐淹没的影响实现空间分辨率1 m的2020年中国红树林遥感制图。选取覆盖中国海岸线具有红树林分布的高分二号影像312景(24景高分一号影像补充缺失区域)，对影像进行面向对象多尺度分割，采用红树林淹没指数作为顾及潮汐影响的表征参数，结合随机森林分类方法完成中国红树林高分遥感制图。研究结果表明：2020年中国红树林面积为29576.48 ha,95%的红树林主要分布在广西壮族自治区、广东省、海南省，其总体分类精度为92%,Kappa系数为0.89，尚未顾及潮汐影响的结果比顾及潮汐影响的结果少2531.24 ha。本文生产的红树林高分数据集可为中国红树林生态系统的监测、管理及评估提供高精度的数据支持，具有重要的实际应用价值。     

无人机多光谱和LiDAR的红树林精细识别与生物量估算

红树林是生长在热带和亚热带海岸潮间带、受到海水周期性浸淹的木本植物群落,被公认为是海陆边缘重要的蓝色碳汇,但由于其地处海岸带区域,受人类开发利用活动的影响严重。本文选择广西茅尾海红树林保护区为研究区,以无人机多光谱和激光雷达影像为数据源,利用支持向量机分类方法对红树林优势种类进行分类;提出了单木分层分区距离判别聚类分割方法,准确提取了红树林的单木结构信息;估算了研究区红树林地上生物量。得出以下结论：（1）综合利用无人机多光谱和激光雷达数据,对研究区红树林种间类型识别总体精度可达90.69%;（2）基于分层分区距离判别聚类方法能够较好的提取红树林单木结构特征,树高的提取精度优于冠幅;（3）构建了红树林高度、冠幅与地上生物量回归模型,其中桐花树生物量回归模型的决定系数R2最高,达0.83;（4）研究区内红树林地上生物量主要分布范围为1.24—3.6 kg/m²,其中无瓣海桑最高,老鼠簕最低。     

基于简译的高分辨率卫星影像信息提取研究

利用简译遥感信息提取软件,以资源三号高分辨率卫星影像为数据源,选取老挝首都万象市为研究区,采用分层信息提取思想,在道路、建筑等地表覆盖要素人工提取结果的基础上,对未分类地物(水田、旱地、林地、工矿用地),利用最小距离算法和深度学习算法进行信息提取研究.研究结果表明,基于最小距离算法的总体分类精度为85.7％,Kappa系数为0.8165;基于深度学习算法的总体分类精度为89.29％,Kappa系数为0.8634,都可以达到很好的智能化提取效果.     

资源三号影像朵云识别中云雪分离研究

针对资源三号全色卫星影像在朵云识别过程中云雪不能分离的问题,提出了一种基于云雪边界特征并利用改进的平均梯度和分形维数等纹理信息的云雪分离方法。首先为了减少雪和其他地物对云的干扰进行初步云识别,本文利用灰度均值、分形维数和灰度共生矩阵计算的能量作为特征参数大体提取云区,此时云雪不分;然后再进行云雪分离,利用改进的平均梯度和分形维数特征值来剔除被误识别为云的雪。本文采用的分类方法是支持向量机分类。利用资源三号全色卫星影像测试结果表明,该方法是资源三号全色遥感影像朵云识别中一种有效的云雪分离方法。     

三凯高速路域ZY-3影像分类方法对比研究

以贵州省三凯高速路段资源三号遥感影像为例,对比分析支持向量机监督分类、ISODATA非监督分类以及SVM面向对象分类方法的成果与精度,研究这三种分类方法在资源三号影像分类上的适用性。研究结果表明,监督分类与面向对象分类效果良好,其总体分类精度、Kappa系数等指标,都要明显优于非监督分类。对于不同地物分布以及光谱信息的资源三号影像,监督分类与面向对象分类各有优势,可以视情况选择。     

基于Sentinel-2的潮间红树林提取方法

位于潮间带的红树林可能在高潮时被海水淹没的特点,使得传统的植被提取方法在红树林信息提取方面存在局限性。本文在对比分析了出露的红树林、高潮水位淹没的红树林、海水水体的光谱特征后,提出了一种利用归一化潮间红树林指数（NIMI）提取潮间带红树林的方法。该指数是由植被强吸收的红波段,强反射的两个红边波段和近红外波段组成的归一化表达式。利用该指数对福建省龙海九龙江口湿地的红树林进行了分类提取,提取结果与高分二号影像目视验证和现场调查结果进行了对照。结果显示,该方法提取红树林的用户精度达到93.98%,并显著优于利用归一化水体指数（NDWI）、归一化植被指数（NDVI）及随机森林的结果。     

利用影像纹理和阴影信息提取城市不透水面的方法——以咸阳市为例

利用2012年的咸阳市资源三号卫星影像,同时利用光谱信息和纹理信息对咸阳市的地表进行监督分类,使用阈值和开闭运算提取阴影,并通过TM影像提取NDBI等指数辅助归类,优化分类结果,提高提取不透水层信息的准确率,旨在为城市合理布局,减少城市内涝等提供基本信息。研究结果表明,利用多源遥感卫星影像,同时考虑光谱和纹理信息的分类方法进行不透水面的提取精度提高了17.2%,对阴影检测和归类处理提取精度进一步提高了2.7%,方法简便可行,结果稳定可靠;咸阳市研究区地表不透水率为30.73%,不透水率相对较低,城市生态环境较好;不透水面主要分布在渭河以北老城区。     

高分一号遥感影像地质灾害信息提取方法研究

山区地质灾害发生频繁,受灾范围大,危害严重。提取地质灾害信息、估算受灾情况,对救灾工作极为重要。传统的遥感人工解译方法速度慢、效率低;计算机自动解译速度快但解译精度受影像质量影响大,大范围地区很难建立起普适性的解译模型。本文利用洮南市西部高分一号遥感数据,结合DEM生成三维影像,建立解译标志,解译基础地质信息,分析地质灾害成因;根据研究区泥石流地质灾害的主要影像特征,提取影像的分类属性,基于面向对象的分类方法,建立信息提取模型,快速提取出地质灾害敏感区域;再进行人机交互,精确提取出地质灾害的类型和范围,通过野外验证,该方法十分可靠,为大范围地质灾害信息快速提取和灾后救援提供科学依据。     

应用高分二号提取二级类建设用地

为更好地利用国产遥感数据研究土地利用资源分布,基于面向对象和指数分类的方法,开展高分二号遥感影像建设用地二级类提取.实现了研究区居民点、仓储用地、工业用地、公共管理与公共服务用地及交通用地的提取,提取总精度达96.9％,Kappa系数达0.94.结果表明本研究方法可以较准确提取高分二号遥感数据的二级类建设用地,对国产数...     

基于Ikonos数据的红树分类方法研究

根据光谱特征、纹理和GIS信息对高分辨率Ikonos影像分类提取,对红树林分类的结果采用GIS技术快速得到其分布位置、边界、面积以及变化情况,研究结果表明该技术能快速有效地达到目的。     

基于资源三号的雷州半岛红树林种间分类研究

利用遥感技术对区域尺度红树林进行种间分类在红树林资源调查、合理利用与保护方面具有重要意义。基于资源三号高空间分辨率影像的光谱特征、植被指数、纹理特征、形状参数等信息,结合无人机实地采集的样本点,采用面向对象结合决策树和支持向量机的方法对红树林进行区域提取和种间分类。首次得到了广东省湛江红树林国家级自然保护区红树林物种分布图,并分析了其空间分布格局。结果表明:2014年保护区内现存红树林面积为5 949. 3 hm~2,低于当前大部分文献报道的结果;红树林在廉江市(1 556. 0 hm~2)、雷州市(1 466. 1 hm~2)、湛江市辖区(1 168. 0 hm~2)、遂溪县(734. 7 hm~2)、徐闻县(479. 8 hm~2)、吴川市(544. 7 hm~2)均有分布。各地红树林皆呈现由海向陆的地带性物种分布格局:天然林区由低潮位向高潮位优势种依次为白骨壤、桐花树、秋茄、红海榄和木榄;外来红树植物无瓣海桑在引种区主要邻白骨壤陆缘一侧分布。各优势种在雷州半岛分布面积比例依次为白骨壤(41. 9%)、无瓣海桑(23. 4%)、桐花树(20. 9%)、秋茄(5. 4%)、红海榄(4. 8%)和木榄(3. 6%)。这一结果表明,雷州市和湛江市辖区无瓣海桑人工林种植取得了很好的成效,但其入侵和扩张风险需要深入研究。