面向对象的湿地景观遥感分类——以杭州湾南岸地区为例

在ENVIEX软件的Feature Extraction平台上,利用LandsatTM影像数据,采用面向对象方法对杭州湾南岸地区湿地景观进行遥感影像分类;通过与基于最大似然法、人工神经网络法、支持向量机法等传统像元方法的相应分类结果进行比较,系统分析了面向对象方法在中低分辨率遥感影像的湿地景观生态分类中的有效性。研究结果表明:①较之单一依据像元光谱值进行分类的传统方法,面向对象方法综合考虑了对象的光谱、空间、纹理、色彩等多种属性特征,因而对于类型复杂多样、分布界限模糊、光谱混淆与混合像元现象严重的沿海滩涂、湖泊、河流等湿地景观具有更好的鉴别能力,也因此获得更高的分类精度(研究区景观分类总精度为88.80%,Kappa系数为0.8765);②面向对象方法在分类中提取的是由同质性像元组成的"对象",且在合理的影像分割下得到的对象破碎化程度较低,因而能在较大程度上减小分类结果中的"椒盐噪声"干扰;而基于像元方法提取的景观类型以离散像元形式组成,难以清晰表征景观的边界、形状等信息,所以分类结果中会有明显的噪声现象;③影像分割在运用面向对象方法进行遥感影像分类过程中具有重要影响,实验结果表明,60%的分割尺度和归并尺度组合较有利于中低分辨率影像的遥感分类;④面向对象分类过程中诸如影像分割精度的评价、最优分割尺度的选取、特征空间的优化等问题,则有待今后进一步探讨。     

基于卷积神经网络和高分辨率影像的湿地群落遥感分类——以洪河湿地为例

以洪河国家级自然保护区为研究对象,应用卷积神经网络（CNN）方法进行高分辨率湿地遥感影像的分类研究,并与基于光谱支持向量机（SP-SVM）的方法和基于纹理及光谱的支持向量机（TSP-SVM）的方法进行了对比。结果显示,对于所选取的2个研究区域,CNN分类方法的全局精度高于SP-SVM方法5.61%和5%,高于TSP-SVM方法4.18%和4.15%。尤其对于部分湿地植被的分类精度明显高于SP-SVM和TSP-SVM方法。研究表明,卷积神经网络为湿地识别的精细划分提供了有利的手段。     

基于ETM+影像的扎龙湿地遥感分类研究

通过对扎龙湿地Landsat7 ETM 影像进行计算机自动分类的实验研究，探讨了提高湿地遥感分类精度的方法与途径。实验所采用的首先对遥感影像进行非监督分类，再利用非监督分类生成的分类模板加以修改补充后进行监督分类的方法，经过误差矩阵的精度评价，可以获得研究区湿地遥感分类较高的分类精度。利用上述分类方法对3种ETM 不同波段组合的影像进行具体的遥感分类比较研究发现，选择ETM 7、5、3影像进行分类有助于提高扎龙湿地遥感分类的精度。为了提高湿地遥感分类的精度，还必须运用人机互译判读方法。     

面向对象方法在SPOT5遥感图像分类中的应用--以北京市海淀区为例

SPOT5图像的空间分辨率高,局部异质性较大,采用基于像元的传统方法分类精度低,难以满足实际应用的需要。以北京市海淀区SPOT5图像为例,应用面向对象方法对其进行分类试验,并将该方法与传统基于像元方法的分类结果进行对比分析。结果表明:利用面向对象方法对SPOT5遥感图像进行分类,不仅使分类结果具有丰富的语义信息,有效抑制“椒盐现象”的发生,还可以显著提高分类精度。     

基于HJ-1 CCD数据的九龙江口湿地资源监测

以福建九龙江口地区为研究区域,利用2008年和2012年的国产环境一号(HJ-1)CCD数据,综合利用监督分类、非监督分类和知识规则相结合的方法对湿地进行分类和专题提取。结果表明:与2008年相比,2012年九龙江口湿地总面积有所减少。天然湿地中河流的面积减少,主要转为滩涂、红树林和其他。养殖场的面积增加最多,主要由农田、河流和其他转化而来;而农田的面积减少最多,主要转为养殖场、林地和其他。快速城市化对九龙江口的湿地影响很大。     

基于HJ-1A高光谱影像的湿地精细分类

混合像元的存在不仅影响了基于高光谱影像的地物识别和分类精度,而且已成为遥感科学向定量化发展的主要障碍。本文以扎龙湿地为试验区,以环境一号卫星采集的高光谱影像为数据源,分别采用传统的全约束最小二乘光谱解混算法(fully constrained least squares spectral unmixing algorithm, FCLS)与基于稀疏约束最小二乘光谱解混算法(sparse constrained least squares spectral unmixing algorithm, SUFCLS)实现了试验区湿地的精细分类,并对两种分类结果的表现及其分类精度进行了对比分析。研究结果表明：SUFCLS算法能够自适应的从光谱库中选择场景中所占比例最高的一组端元,并将此端元的组合应用于传统的全约束最小二乘光谱解混中实现不同湿地类型丰度的提取,该算法充分考虑了端元的空间异质性,弥补了FCLS算法在端元选取过程中的不足。精度验证结果表明与FCLS算法相比,SUFCLS算法分类结果的均方根误差更小,丰度的相关系数更高,因此该方法对于提高湿地解混精度以及实现湿地精细化分类具有重要意义。     

基于eCognition的面向对象的土地覆被分类研究——以云南大学呈贡校区为例

以云南大学呈贡校区作为研究区,使用高分辨率的GeoEye-1数据,利用智能化影像分析软件eCognition,采用多尺度分割方法和最邻近法,探索性的进行面向对象的土地覆被分类研究。研究成果显示使用这种面向对象的土地分类方法得到的土地覆被类型判识精确度高达90%,颜色信息丰富、形状接近真实地物、大小区分明显、纹理信息突出、上下文关系明确、总体分类精度达到90%以上。同时研究成果还为呈贡校区的土地绿化建设和重点部署提供了技术支撑。     

基于多时相Landsat影像的中亚地区植被覆盖遥感监测

针对中亚地区的强生态脆弱性、高敏感性特征,有必要开展广域、长期的植被覆盖监测以匹配"绿色丝绸之路"的可持续发展目标。鉴于此,联合Landsat 5和Landsat 8卫星数据集,利用Google Earth Engine(GEE)地理空间数据云计算平台,估算了中亚地区1993—2018年间共12期的植被覆盖度。结果表明:(1)中亚地区植被覆盖总体水平较低,但也具有较为显著的空间异质性。(2)中亚地区1993—2018年间多数区域植被覆盖趋势较为稳定,哈萨克斯坦丘陵、费尔干纳盆地等区域植被覆盖度呈增加趋势,乌拉尔河流域和锡尔河流域等区域植被覆盖趋势为负。(3)植被覆盖度时序特征上,中亚地区1993—2018年间总体植被覆盖度累积增加3%,其中吉尔吉斯斯坦和塔吉克斯坦植被覆盖分别增加3.96%和5.86%。(4)裸土区呈退缩趋势,面积总计减少25.9×104km2,低植被覆盖区、中植被覆盖区和高植被覆盖区范围在呈现出的振荡式增加。研究结合遥感大数据和地理云计算对中亚地区进行区域尺度的植被覆盖动态监测,能对中亚地区生态评估和演替分析提供技术支持和定量数据。     

基于面向对象方法的高分辨率遥感影像城市用地分类研究

对城市用地类型进行研究,能够为城市土地的合理规划、布局及管理提供信息支撑.本文采用基于面向对象的影像分析技术依据多尺度影像分割结果,对呼和浩特市城市中心区用地进行分类研究.试验表明这种分类方法不仅速度快而且精度高,为高分辨率遥感影像城市用地分类研究提供了新思路.     

基于TIC的多时相遥感影像相对辐射归化处理

采用不变点群法(temporally invariant cluster,TIC),由两时相影像的NDVI点密度图确定两个TIC中心并建立辐射归化处理方程,对影像的NDVI进行相对辐射归化处理。与其它辐射归化处理方法相比,该方法简单、有效且精度高,对轻微的植被物候变化敏感且影像不变特征点较少时也能进行辐射归化处理,可有效应用于土地利用/覆盖、植被物候及景观等变化监测。     

独立分量分析与主成分分析方法的湿地遥感分类精度对比——以西洞庭湖湿地为例

拟探索提高中、高分辨率遥感影像湿地分类精度的新方法,为洞庭湖湿地研究提供方法支持。通过将独立分量分析方法应用于遥感图像分类,并与主成分分析方法结果进行对比,验证其是否能有效提高湿地分类精度。结果表明,应用独立分量分析和主成分分析方法处理遥感影像,没有造成图像信息损失;Landsat5TM影像经过两种方法处理后,影像清晰度变差,但并不足以影响典型湿地类型的目视判读;SPOT5影像经过两种方法处理后,影像更加清晰。独立分量分析方法可以明显提高典型湿地类型的可分性,但对于草滩地和水田的分类仍然存在缺陷。Landsat 5TM影像经独立分量分析算法处理后,总体精度比原始影像提高11.83%,比用主成分分析方法处理后的影像精度高5.35%;SPOT 5影像经独立分量分析算法处理后,总体精度比原始影像提高10.7%,比用主成分分析方法处理后的影像精度高5.07%。独立分量分析基于高阶统计信息,不但能去除波段之间的相关性,而且可以得到分量之间相互独立的特性,增强不同湿地类型的可分离性,从而提高了信息提取的精度。     

基于多时相环境卫星数据的南瓮河流域湿地信息提取方法研究

选取位于大兴安岭林区的南瓮河流域作为研究区,以多时相、中等分辨率的环境卫星影像为数据源,采用面向对象方法,通过多尺度分割、特征提取、决策树建立等步骤,实现湿地信息的快速提取;系统分析了面向对象方法在森林地区湿地信息提取中的有效性.研究表明,在面向对象湿地信息提取过程中,采用不同等级的分割尺度,使分类更具层次性;利用光谱、空间、形状等多种属性特征,通过多时相遥感数据的融合,可以更好地识别复杂多样、界限模糊的湿地景观,其中,草本沼泽的生产者精度达到了91％.结果显示,南瓮河流域内,湿地类型多样,以草本沼泽和灌丛沼泽为主,且其主要分布于河流两侧和中下游宽阔的河谷地带.     

遗传算法优化的支持向量机湿地遥感分类——以洪河国家级自然保护区为例

湿地遥感分类作为湿地管理、监测与评价的重要手段,受到了广泛的关注。遗传算法(GA)借鉴了生物进化规律进行启发式搜索寻优,支持向量机(SVM)是一种新型的空间数据挖掘方法,二者相结合可以发挥各自的优势,寻找到支持向量机的全局最优参数,从而较准确地对湿地进行遥感分类。以洪河自然保护区为例,采用遗传算法优化的支持向量机方法进行了湿地遥感分类研究。同格网搜索下的支持向量机湿地遥感分类及最大似然监督分类对比,结果表明,遗传算法优化较格网搜索方式总精度提高了7.29%,较最大似然监督分类提高了12.06%,方法改善了沼泽、草地与裸地三种地物间的区分,是湿地遥感分类的有效手段。     

基于GIS的公路沿线地表植被变化遥感监测——以昆石公路为例

随着道路网络的发展所带来的许多生态效应，道路沿线生态环境及其安全分析显得越来越重要。以昆石公路为例，利用多时相遥感影像和GPS定位调查等数据，对公路沿线区域地表植被覆盖变化信息进行了测定与分析理解。研究采用不同时相的NDVI图像进行彩色合成直观反映地表植被的变化信息；对不同时相NDVI图像进行NDVI值分级和彩色压缩以定量和定性地描述区域地表植被的变化情况；将多时相NDVI彩色合成图进行IHS变换获取变化类型图，对植被覆盖变化进行定量分析；最后结合资源与生态环境信息数据库中有关信息进行植被覆盖变化影响因素分析。     

以HJ-1卫星遥感数据估算高寒草地植被净第一性生产力的潜力评估——以若尔盖草地为例

基于HJ-1卫星数据、数字高程数据、气象数据和地面实测数据,利用改进后的CASA模型估算了2010年若尔盖草地的植被净第一性生产力（NPP）,以评价该卫星数据在高寒草地NPP估算中的应用潜力。结果表明：（1）利用改进后的CASA模型模拟草地生物量,通过与实测地上生物量比较,两者的相关程度较高,R2=0.8726。模拟精度达80%,因此可以作为估产模型实际应用;（2）利用改进后的CASA模型模拟草地NPP,模拟结果比其他研究结果略大,但更适合于若尔盖草地;（3）HJ-1卫星数据为高寒草地NPP的估算提供了高时间和高空间分辨率的数据源。     

基于多维度遥感影像的洪河国家级自然保护区沼泽湿地分类方法研究

以洪河国家级自然保护区为研究区,选取了多时相的Sentinel-1B和Sentinel-2A影像为数据源,制定出9种多时相主被动遥感数据组合方案,用于沼泽湿地遥感分类;分别对根据9种方案整合的多维数据集,进行基于尺度继承的多尺度分割,得到面向对象的分割影像,建立与不同方案对应的特征数据集;采用随机森林机器学习算法,对多...     

辅以NDVI/DEM的面向对象木薯提取方法研究——以广西壮族自治区武鸣县为例

木薯作为重要的非粮能源作物,因其种植分散、与易混淆作物缺乏生长时相差,从而导致其种植分布信息难以正确获取,一直是困扰木薯乙醇资源正确评估的技术问题。该研究以广西壮族自治区武鸣县为研究区,应用高分辨率RapidEye影像数据,探讨利用面向对象分类方法合理提取木薯种植面积及其空间分布信息。研究表明,将归一化植被指数(NDVI)和数字高程数据(DEM)应用于遥感影像的多尺度分割,并结合基于隶属度函数和阈值的面向对象分类方法,提取木薯种植面积的精度达85%,分类精度(以Kappa系数表示)为0.9。相比最大似然监督分类方法和未辅以NDVI/DEM的面向对象分类方法,该方法的总精度分别提高了5%和12%,Kappa系数分别提高了0.2和0.3。因此,NDVI和DEM数据参与影像分割的面向对象的信息提取方法,可以有效地提高遥感图像分类的精度,并为提取种植分散、与相关植被时相差异小的作物的空间分布提供了有效的技术借鉴。     

基于GF-1遥感影像的艾比湖区域田间尺度土壤盐渍化监测方法

土壤盐渍化是制约农业生产和发展的主要障碍。目前土壤盐渍化的遥感监测主要基于中、低分辨率卫星影像,并采用传统的基于像元分类方法,对盐渍化信息的细节描述不足,监测精度不高。本文使用国产GF-1影像,结合自上而下的多尺度分割技术和面向对象的信息提取技术,针对田间尺度下的盐渍化信息进行精确地提取、分类,并与传统分类方法进行了对比。结果表明：面向对象法和最大似然法的分类总体精度分别为92.72%和84.31%,Kappa系数分别为0.90和0.78。该技术能准确提取田间尺度下的盐渍地信息,在未来的农田盐渍化高精度监测研究中具有一定应用价值和发展潜力。     

基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例

土地利用分类精度直接决定土地利用/土地覆被变化相关研究的准确性,而基于决策树的遥感影像分类是近年来提高土地利用分类精度的重要方法。QUEST决策树在影像解译和空间表达方面,运算速度和分类精度均优于普通CART等决策树方法。本文以云南丽江地区为例,应用QUEST决策树分类方法,对该地区的Landsat TM 5影像图进行分类,同时将地形因素、植被指数作为地学辅助数据的因子添加到分类波段中,进行不同特征融合,来处理目标类别间的非线性关系,该方法在处理图像理解知识方面具有更大的灵活性;同时与普通决策树分类法的遥感影像分类的结果相比较,Kappa系数值从原来的0.789提高到0.849.在地形复杂的山地地区,针对TM影像数据,选择基于QUEST决策树分类能够有效提高土地利用分类结果精度。