城市植被遥感分类研究进展与展望

城市植被是城市环境的重要组成部分,城市植被遥感分类是对城市绿度空间监测分析的重要方式。本文通过梳理国内外城市植被遥感分类研究进展,从遥感数据源和分类方法入手,分析该领域目前面临的问题及发展趋势,以期为城市绿度空间研究提供参考。首先,概述了光学数据、激光雷达数据及地面传感数据等数据源在城市植被遥感分类领域的应用,对不同数据源的优势与不足进行了深入分析;其次,基于阈值分割、机器学习和深度学习3种分类方法的研究,总结了应用于城市植被遥感分类领域各方法的特点;最后,提出了城市植被遥感分类研究中现存问题和未来发展方向。

结合多特征的随机森林城市植被提取方法研究

针对城市植被提取研究中国产GF6-WFV影像应用较少,单一特征包含信息量无法更好地获取制备分布信息等问题,本文基于GF6-WFV影像,提取光谱、常用植被指数以及红边植被指数,构建多特征组合的随机森林模型,对城市植被提取进行研究。结果表明:1)多特征组合提取植被时,光谱波段结合常用植被指数以及红边植被指数的提取精度最高,总体精度为87.3%,Kappa系数为0.738 6,植被提取精度为80.57%。2)红边植被指数相较于常用植被指数的信息提取中,该指数的相对精度最高。表明本文研究为城市植被信息提取提供了一种具有应用价值的方法。

基于AIMS的高光谱遥感在城市植被精细分类研究

针对机载多光谱遥感在植被调查和分类中分辨率不足、光谱信息缺失、杂质的干扰等问题,高光谱数据具有更强的植被识别的能力,近年来在城市园林或植被调查管理中越来越引起重视。本文基于AIMS多模态航摄仪获取的常州市全域高光谱数据,利用机载高光谱遥感技术,研究并提出了基于AIMS的高光谱遥感在城市植被精细分类方法,对常州市城市园林绿化进行遥感监测。通过高光谱遥感技术获取植被的空间分布、类型分布、覆盖度等信息,为常州市摸清“绿色家底”、创建生态园林城市提供科学依据。

基于深度学习和高分二号卫星影像的城市植被信息提取

城市植被是生态文明建设的重要组成部分,准确获取城市植被的分布信息是研究城市气候和地表能量平衡的重要内容。传统的植被信息提取方法精度较低,为解决此问题,本文选取郑州市中原区为研究区,利用高分二号卫星影像,基于Deeplab V3+深度学习模型提取研究区内的植被信息,并与传统的支持向量机、最大似然分类方法和常用的SegNet深度学习模型进行对比。结果表明,利用本文深度学习模型提取植被信息的准确率为87.96%,召回率为91.35%,F1分数为0.90,提取结果明显优于传统分类方法和SegNet深度学习模型,可为城市生态环境评价和规划管理提供一定的技术支持。

热岛效应下亚热带城市植被叶气孔权衡特征及其与叶功能性状的关系

叶片气孔不仅是植物平衡光合-蒸腾关系的重要门户,也是影响大气碳循环与水循环的关键结构。分析热岛效应下福州市乔木、灌木、草本3种生活型和常绿、落叶2种叶习性植物的气孔性状间的差异及其与其他叶功能性状间的权衡关系有助于探究不同类型植物在热环境下的适应策略。以福州市区的自然和半自然植被为研究对象,测定441个植物样本的气孔特征、化学计量特征和形态特征,结果表明:(1)3种生活型、2种叶习性植物的气孔长度(SL)、气孔密度(SD)差异显著(P<0.05),潜在气孔导度指数(PCI)不存在显著差异(P>0.05)。草本的SL高于灌木和乔木,乔木的SD最高,灌木次之,草本最低;落叶植物的SL高于常绿植物,SD低于常绿植物。(2)SL与SD间的权衡关系稳定存在于3种生活型和2种叶习性植物中,且随着不同生活型和落叶习性植物的生态策略而呈现各异的权衡特征,即当SL一定时,乔木的SD最大,灌木的SD最小,常绿植物的SD大于落叶植物。(3)气孔性状和叶片形态、化学计量特征紧密联系,SL与比叶面积(SLA)正相关(P<0.01),与叶面积(LA)负相关(P<0.01);SD与叶氮含量(LNC)、叶磷含量(LPC)、SLA负相关(P<0.01),与LA正相关(P<0.01);PCI与LNC、SLA负相关(P<0.01),与叶厚度(LT)正相关(P<0.05)。(4)复杂的环境是气孔性状变异的重要驱动因素,SL、PCI均与年均温(MAT)负相关(P<0.05)。

利用高光谱数据估算城市植被碳储量

城市植被是低碳治理的重要因素之一,其固碳能力直接影响着城市碳排放。针对现有技术耗时费力、对环境造成一定的影响,本文提出了基于高光谱数据的城市植被碳储量估算研究,以绍兴市上虞区百官街道、曹娥街道、崧厦街道的中心城区为研究区域,将城市植被分为乔木、灌木、竹林和草地4种类型。利用提出的固碳指数对植被固碳能力进行定性分析,再通过生物量经验公式对碳储量进行定量计算,将两者结合得到高光谱植被碳储量估算模型,为大尺度碳储量快速估算提供一种新思路。结果表明:4种城市植被分类精度达88.10%,固碳能力排序为竹林>乔木>灌木>草地。

遥感和GIS支持下的城市植被制图及其特征分析

以上海城市植被为研究对象 ,探索城市植被的分类理论和方法 ,提出一套适用于城市植被分类与制图的方法。根据城市植被信息获取的方式以及生态_外貌分类原则 ,建立了基于植物生活型的、可用图形表示的城市植被分类体系 ,分天然与半天然植被和人工植被两个大类 ,共有 9个植被型和 34个植被亚型。在遥感和地理信息系统 (GIS)技术的支持下 ,建立研究区的城市植被信息数据库 ,并在此基础上对城市植被类型的特征以及与土地利用的关系进行分析比较 ,以期掌握城市植被类型的数量特征及其空间分布 ,同时按不同分类级别用计算机进行城市植被制图。城市植被的空间定位和定量化研究为进一步研究城市植被的生态效益及城市生态规划和管理提供了科学依据。

城市植被与城市植被学

城市植被是指城市里覆盖着的生活植物，它具有完全不同于自然植被的性质、特点、以及生境条件，属人工植被类群．研究城市植被的种类组成、结构、类型、动态和功能、以及城市植被与城市环境间的相互关系的科学，应称为城市植被学或城市植物群落学．它是植被学或植物群落学的分支学科，一个新的学科。

惠州城市植被的滞尘效应

城市植被对城市环境质量的改善发挥了巨大作用。研究了广东省惠州市不同功能区4种主要绿化乔木（大叶榕、小叶榕、高山榕、紫荆）的滞尘能力，比较了不同功能区叶面降尘的重金属和S含量差异，并利用遥感影像技术估算了惠州城市植被的地面总生物量及叶总生物量，推算了惠州市的总滞尘量。结果表明：在达到饱和之前，4种绿化乔木叶面滞尘量随时间延长而增长，大叶榕、高山榕与紫荆、小叶榕两组植物的滞尘能力存在显著性差异（P〈0.05），滞尘能力差异为1.2-2.44倍，不同植物滞尘量由大到小排列为：高山榕〉大叶榕〉小叶榕〉紫荆；不同植物滞尘能力的差异尤其与植株的叶面积、叶倾角、枝条硬度、枝条伸展角度等相关。不同功能区植物滞尘量差异显著（p〈0.01），4种植物在不同功能区的滞尘总量排序为：工业区〉商业交通区〉居住区〉清洁区。不同功能区植物叶面降尘的重金属和硫含量存在显著性差异（P〈0.05），降尘综合污染指数由大到小为：工业区（包括电厂）、商业交通区、居住区、清洁对照区；降尘中重金属含量高负荷。惠州建成区植被的地面生物量为3.2×10^5t，叶面积总量为808.4km^2，全年滞尘量达4430.7t，可去除大气中Cr、Cu、Zn、Cd、Pb、S的量分别为1.63，2.70，5.54，0.04，1.84，19.52t。

上海城市植被光谱反射特征分析

地物光谱特征是遥感机理的重要内容,也是遥感应用研究的重要依据。城市植被作为城市中重要的生命支持系统,对于维持城市生态系统平衡起着核心的作用。文章以上海城市植被为研究对象,利用美国ASD公司生产的FieldSpec3便携式地物波谱仪,通过对2009年10月金边黄杨,金丝桃,圆柏,麦冬,珊瑚树,小叶黄杨等野外和室内光谱数据采集和处理,获得了这6种城市植被的高光谱数据。采用Savitzky Go-lay平滑方法进行光谱噪声去除和利用微分光谱技术进行植被环境背景影响消除,分别从植被冠层光谱和叶片光谱以及微分光谱,对这6种城市植被的光谱特征以及光谱曲线的差异和变化规律进行分析。可为今后进一步研究城市植被理化性能、参数反演、植被分类、植被调查以及城市环境监测等遥感应用服务。

深圳特区城市植被的固碳释氧效应

以深圳特区各种类型城市植被为研究对象,通过大尺度的样方调查,获得6种城市植被类型(郊野林、休闲绿地、道路绿地、居住区绿地、单位附属绿地和生产绿地)的植物组成比例,以占据各城市植被类型70%以上的63种优势植物作为基底数据,结合航片提取的各类型植被面积和PnET的气候模型,基于主要园林植物的光合作用参数,推算出特区各种类型城市植被月、年及单位面积固碳释氧量。结果表明,深圳特区城市植被固碳释氧效应的强度按季节排序为春季>夏季>秋季>冬季。特区6种类型城市植被类型中,位于深圳特区外围的郊野林具有最大的年固碳释氧总量,深圳的道路系统绿地有最大的单位面积固碳释氧量,居住区和单位附属绿地的固碳释氧效应位居6种类型之末位。

城市植被净化大气价值计量与评价——以西安市为例

对西安市植被净化大气物质量及价值测定结果表明 ,植被净化大气年总价值为 34 2 6 35 6亿元 ,占 1999年西安市国内生产总值的 6 % ,其中年固定CO2 和释放O2 的价值为 2 7 1830 9亿元 ,年吸收SO2 、HF和NOX3种污染物的价值为 1 82 896亿元 ,年滞尘价值为 1 82 5 11亿元 ,年灭菌价值为 3 4 2 6 4 0亿元。并通过MapInfo的叠加分析得出各行政区统计结果。

基于SVM决策支持树的城市植被类型遥感分类研究

城市植被类型不同,生物量不同,其生态功能与绿化效应也不同。在目前难直接获取城市“绿量”实测数据的情况下,可以绿地面积和植被类型间接反映绿地的生物量和绿化效应。本文利用高分辨率卫星影像IKONOS,以实验区与验证区城市植被类型信息为对象,在对常用的参数和非参数分类方法进行对比实验的基础上,对SVM的核函数进行了分析,构建了基于SVM决策树的城市植被类型分类模型。分类实验结果表明:与其他传统方法分类结果比较,SVM的决策树分类方法对植被类型的分类精度达到83.5%,绿化面积总精度接近95%,取得了良好的效果。

基于Hyperion高光谱数据的城市植被胁迫评价

快速获取城市植被的胁迫状态,不仅对城市植被健康状况的维护,而且对城市生态环境的改善具有重要意义.在对受胁迫植被的生理特征和光谱特征进行分析的基础上,利用星载高光谱Hyperion数据,计算出与胁迫相关的14种高光谱植被指数,在此基础上运用BP神经网络算法建立了城市植被胁迫强度分类器,对城市植被的胁迫强度进行了识别与分析.结果表明:城市中心商住区的植被受胁迫程度明显高于城乡结合部和郊区;植被的受胁迫现象在大块绿地外围呈环状分布;构建的植被胁迫强度分类器能够较为准确地反映植被受胁迫的强度信息,可为大面积城市植被胁迫监测提供一种较为可靠而快捷的方法.

基于面向对象方法的IKONOS影像城市植被信息提取

根据城市植被在IKONOS影像上的光谱、纹理、几何和位置响应特征,采用面向对象的方法对城市植被进行分类.首先,利用NDVI和蓝波段光谱响应值的阈值将实验区分割为植被和非植被区,然后针对植被区利用区域增长算法进行二级分割,生成植被对象;根据植被在IKONOS上的响应特征,选择形状指数、亮度值、绿波段的最大差值、红波段的平均值、近红外波段的比率、近红外波段的方差和对象重心的位置,即横纵坐标以及Homogeneity指数等9个指标构建特征空间;在此基础上,利用最大似然法识别城市植被类型,并利用专家知识对分类结果进行再组合.研究表明,利用这种方法获得的城市植被信息总精度达到87.37%,Kappa系数达到0.8267.

基于多分类器结合的IKONOS影像城市植被类型识别

采用多分类器结合的方法对城市植被进行分类.首先,以分割获得的城市植被分布斑块为处理基元,在不同特征空间中采集不同的样本,通过ISODATA、马氏距离、最大似然、人工神经网络和专家系统法进行分类,并计算各分类结果的关联程度和各植被类型识别的先验概率;然后利用专家投票的大多数规则对分类结果组合,未分类的对象按照先验识别概率最高的结果归类.精度评价表明:多分类器结合方法显著提高了信息识别的能力;采用多分类器结合的方法比单个分类器获得的最高分类精度提高5.5%,Kappa系数提高7.4%;Z统计值均为负,且均通过95%的置信水平检验.

遥感和GIS支持下的城市植被生态效益评价

在综合国内外的城市植被生态效益研究的基础上 ,指出运用遥感和GIS技术将能更有效地进行植被生态效益的评价 .文中介绍了美国AMERICANFORESTS协会在进行城市和区域的植被生态效益研究中所采用的城市生态系统分析法 (UEA) ,以及在ARC/VIEW地理信息系统软件基础上开发的City green模块的基本特点及其应用 ,以期促进遥感和GIS技术在我国城市植被生态效益定量评价中的应用 ,以及区域的可持续发展和生态建设 .

上海城市植被变化轨迹及其成因分析

通过TM影像解译,获取上海市1989、1997和2003年共3个时期的植被分布,构造植被变化轨迹,分析轨迹的空间格局;选择距离、人口和景观等3类共12个影响因子,使用Logistic回归进行成因分析。研究结果表明:①14年来,上海市的植被面积呈现持续下降趋势,浦东新区植被减少最多;3个时期均为植被的轨迹占总面积的一半以上,其次是3个时期均为非植被的轨迹占总面积的1/5。早期植被转化为非植被的轨迹主要在城区周围,而近期的转化的轨迹发生在距城区较远的地区;植被与非植被的交替变化轨迹,说明了植被并不是一味地被破坏,而是出现了可逆的变化过程。②Logistic回归分析发现,各因子对植被变化轨迹的影响强度大小依次是,离道路的距离>离行政中心的距离>离植被-非植被边界的距离>离商业中心的距离=1990年人口密度>离河流的距离>离高速公路的距离>土地利用多样性>2003年与1990年人口密度差=离上海市中心的距离。③回归模型的精度是满意的,其中二分类Logistic模型精度高于多分类Logistic模型。总体上,离道路的距离对植被变化影响最明显;变化轨迹表明在部分地区植被出现了植被-非植被反复变化的过程;植被分布不但具有空间依赖性,还具有较强的时间依赖性。

基于KPCA和SAM的城市植被遥感分类研究

研究高分辨率遥感城市绿地信息自动提取技术是城市遥感技术应用亟待解决的问题之一。城市绿地分布破碎,林种多样,林相不齐,具有极强的非线性特征。核主成分分析(KPCA)可以表达图像像素间的高阶关系,因而可以提取图像的非线性特征,同时提供一组相互独立的主成分。通过实验分析核函数的参数,比较变换前后的平均可分性,进行波段选择。将KPCA与SAM分类方法结合,构建基于KPCA的SAM城市植被分类方案。实验结果表明,该方案比传统的分类方法精度高。城市6种绿地类型的分类总精度为80.6%;合并为草地、园地与林地绿地类型时分类总精度达91.7%,可以满足城市植被分类与生态评价的需求。

城市植被制图中SPOT5影像融合方法研究

不同的融合方法用于不同应用目的融合效果不同,本文采用主成分分析、HIS变换以及基于小波变换的主成分分析和HIS变换四种融合方法对SPOT5全色波段和多光谱波段进行融合,并针对城市植被制图特点对融合结果进行质量评价。结果表明,基于小波变换的PCA和HIS变换融合法光谱保持能力最好,但是空间结构特征较差,不适于城市植被零星分布的特点。主成分分析既有较好的空间结构特征,细小地物纹理清晰,同时又具有较好的光谱保持能力,最适合于城市植被制图研究。