基于GF-1遥感数据的城市绿地信息提取研究

城市绿地对城市生态系统具有重要作用,且受到高度重视。为实现城市生态绿地建设与规划,需要进行快速、有效的城市绿地信息提取。随着我国高空间分辨率遥感技术空前发展,使得城市绿地信息提取向着高精度、高效的方向发展。研究拟探索出适用于GF-1遥感数据城市绿地信息提取算法,为城市生态建设提供方法支持。通过对比3种分割方法,找到GF-1数据适用于城市绿地信息提取最佳分割方法与尺度;基于特征分析,对城市绿地进行面向对象规则分类并评价。结果表明,整合NDVI边缘信息为权重的均值漂移分割算法最佳;面向对象规则分类总体精度达到89.00%,kappa系数达到0.8525;相比其他城市绿地类型,防护绿地提取精度仍然存在不足。

基于决策树分类的森林信息提取研究

以株洲市为研究对象,采用2009年10月TM遥感数据和地面固定样地点数据开展土地利用分类研究,提取分析各种地类在TM遥感影像上的光谱特征曲线和各地类的归一化植被指数及归一化差异水体指数,依据提取的光谱特征曲线及植被指数建立了土地利用分类决策树模型,通过反复分类试验,筛选出最优的决策树分类模型的阈值。结果表明:通过典型地物波谱分析以及实验,区分植被与非植被的归一化植被指数的阈值为0.3,即大于0.3为植被,反之则为非植被;区分水体与非水体的归一化差异水体指数的阈值为1.5,即大于1.5为水体,反之则为非水体;从分类结果来看,基于决策树模型分类的总体精度为87.21%,Kappa系数为0.850 6,株洲市林地面积为703 421.49 hm2,非林地面积为422 470.61 hm2,林地覆盖率为62.5%,主要分布在株洲市的东南部,即攸县、茶陵县、炎陵县,占株洲市林地面积的73.0%。

基于ALOS数据的遥感植被分类研究

以广西平南县的植被覆盖为研究对象,以ALOS为遥感数据源,并对其进行了数据处理,运用信息量、相关系数及OIF方法,分析数据的波段特征;采用决策树分类算法,根据各种植被光谱特征建立知识库,提出基于光谱信息的植被分类方法,并将其与传统的监督分类方法进行了比较。结果表明:基于光谱特征的植被遥感信息提取方法分类总体精度显著提高,Kappa系数达到0.877;采用Landsat—5 TM遥感影像对该方法进行推广,分类总体精度为86.09%,Kappa系数为0.83。结果表明该分类方法能有效地对植被进行分类与识别,并对不同数据源的植被分类有一定的普适性,为实现植被的自动化提取提供了理论依据和方法。

基于多期遥感的三峡库区森林景观破碎化演变研究

实施三峡工程以来,三峡库区森林空间分布及其景观格局发生了显著变化,非常值得关注。研究以三峡库区遥感解译的1990、2002、2011年3期森林分布数据为基础,建立森林破碎化分析模型,运用ArcGIS10.0和Fragstars4.0软件,选取合适的景观格局指数,对库区森林景观格局动态和破碎化进行了分析。结果表明:1990～2011年间,三峡库区森林斑块面积和数量明显增加,斑块间异质性减弱;2011年森林面积比例超过70%的地理网格单元达40%,比1990年提高15%;森林景观聚集度、优势度升高,团聚性不断增强,破碎化程度明显改善,森林生态系统稳定性增强。由此证明,在长期的人工造林等植被建设和保护工程作用下,能够促进森林景观格局的改善,减缓森林景观破碎化,增进森林生态系统的复杂性和稳定性。

湖南省森林资源连续清查遥感应用研究

森林资源连续清查是全国森林资源监测体系的重要组成部分,是掌握森林资源宏观现状、消长动态,制定和调整林业方针政策、规划、计划等的重要依据.随着现代遥感技术,特别是卫星遥感的发展,为准确、快速地获取森林资源相关信息提供了新途径.以2004年湖南省森林资源清查遥感样地的目视解译为例,探索了目视解译在森林资源连续清查中的应用.结果表明:采用遥感样地调查比人工调查节省时间,在某些调查因子方面可获得比人工调查更为准确的数据;目视解译结果精度较高,经实地验证,其加权精度达到85.31%.

高光谱遥感影像森林信息提取方法比较

以湖南省株洲市攸县黄丰桥林场为研究对象,运用最小距离、马氏距离、最大似然、光谱角制图、光谱信息散度、神经网络、支持向量机7种分类方法对Hyperion高光谱数据进行森林信息提取。通过对信息提取结果进行比较分析得出:针对Hyperion影像信息提取的7种方法中,支持向量机、神经网络和马氏距离3种分类方法较适合森林信息的提取,总体精度分别为67.39%、66.30%、62.68%;最大似然法在针叶林信息提取中的效果较好,其精度为67.31%;支持向量机法最适合提取阔叶林信息,其精度为80.19%,远远高于其它6种分类方法;运用马氏距离和神经网络法提取竹林信息精度最高,分别达到了84.21%和81.58%。

基于Landsat 8的深圳市森林碳储量遥感反演研究

以2014年Landsat 8遥感影像为数据源,研究了深圳市森林碳储量遥感反演模型的构建及其空间分布情况,对城市生态系统碳循环研究具有重要意义。采用分层随机抽样的方式布设168个样地,结合外业样地数据,从遥感影像中提取31个植被指数作为自变量,分别构建了多元线性回归模型、Logistic回归模型和Radical Basis Function(RBF)径向基函数神经网络模型,进而估算该地区的森林碳储量并比较分析。结果表明,RBF神经网络模型的估算精度最高,决定系数最大且均方根误差最小,分别为0.829t·hm^(-2)和9.131t·hm^(-2);Logistic回归模型估算精度次之,决定系数和均方根误差分别为0.523t·hm^(-2)和11.821t·hm^(-2);多元线性回归模型估算精度最低,决定系数最小,均方根误差最大,分别为0.438t·hm^(-2)和12.870t·hm^(-2)。可见,RBF神经网络模型能更好地模拟森林碳储量与各个因子之间的关系。研究区森林碳储量的空间分布特点表现为东南沿海部分碳储量大,中西部城市经济开发区碳储量小,与实际森林分布基本一致。

多源遥感数据融合方法在湿地分类中的适用性研究

以Landsat-5和SPOT5数据为数据源,运用标准差、信息熵、最佳指数以及清晰度等评价指标,采用Brovey变换、Gram-Schmidt变换、主成分(PC)变换3种融合方法,开展湿地分类适用性研究,旨在找到一种适用于湿地的遥感影像融合方法。研究表明:Landsat-5卫星的543波段组合与SPOT-5影像第3波段的主成分(PC)变换融合最适应于湿地,融合后影像分类总体精度比Landsat-5影像提高了4.43个百分点,比SPOT-5影像提高了3.06个百分点;融合后影像水域、泥沙滩地、草滩地、芦苇滩地以及水田的用户精度与制图精度均高于Landsat-5影像与SPOT-5影像;融合后影像林地与旱地的用户与制图精度虽高于Landsat-5影像,但低于SPOT-5影像,差别并不大。说明Landsat-5卫星的543波段组合与SPOT-5影像第3波段的主成分(PC)变换很好地保留了多光谱信息,并提高了空间分辨率,提高各湿地类型的分类效果。

基于WorldView-2影像城市绿地信息提取研究

以深圳市城市绿地为例,对遥感影像进行最佳波段组合、缨帽变换及主成分分析处理,并提取各地物在经处理后影像上的灰度值,利用决策树分类技术进行分类。结果表明:WorldView-2影像经过缨帽变换以及主成分分析处理后,能够明显增强影像的纹理信息,突出地物特征,并以各地物在经过缨帽变换及主成分分析处理的灰度值作为决策树分类的阈值,与以往的只利用个波段的灰度值及植被指数等作为阈值相比,精度明显提高,方法也得到改善,分类的总体精度、Kappa系数分别为90.36%、0.88,精度比较高,获得比较好的分类结果,但建设用地和耕地、绿地和耕地之间存在错分现象比较严重,主要是由于它们之间的纹理以及地物的光谱特征相似导致的。

基于GDAL的遥感影像数据快速读取与显示方法的研究

利用GDAL开源类库相关函数可以读取多源遥感影像的物理大小、坐标投影系统、传感器波段和影像范围等信息。介绍了多源遥感影像在GDAL框架下的解析模式与方法,从底层开发的关键技术上做了相应的改进和优化,扩展了GDAL读取和快速显示遥感影像的方法。研究结果显示:获取2.13 GB遥感影像像元值,利用RasterIO函数所需要的时间为4.3 s左右,按照论文所用遥感影像按照屏幕缩放窗口大小进行缓存和采样的方法仅需要2.1 s;传统的采样方法无法申请超过2 GB大小的内存空间,论文提出的分块处理技术,能够满足大数据量的应用需求,并且能够提高系统内存应用效率和加快遥感影像缩放过程中的加载速度。

多源遥感数据森林信息的提取和比较分析

基于遥感的森林信息提取的信息源比较多,这些信息源由于本身参数的差异,其有效提取结果并不相同。以湖南省株洲市攸县黄丰桥林场为研究对象,利用SPOT5多光谱数据、TM和CBERS02星多光谱数据,分别开展森林信息提取,并对结果进行比较;同时还开展了决策级融合比较。研究结论如下:SPOT5多光谱波段提取针叶林信息最好,精度达到了84.00%;利用TM提取阔叶林信息效果最好,精度达到了85.42%;决策级融合后各地类分类精度都有所提高,尤其灌木林分类精度达76.92%;决策级融合后总体精度达85.08%,Kappa系数达0.813 2,基本达到SPOT5数据2.5 m(87.29%,0.838 5)的分类准确度。

森林资源信息外业采集移动平台关键技术研究

森林资源信息外业采集时,常遇到定位难、调查和记录难、内业数据处理难等问题。本文围绕森林资源外业数据采集、记录和数据传输等问题提出了一个系统的解决方案:即在移动平台上将GIS、GPS、RS集成在手持PDA中,开发一套支持林业信息采集的低成本、效率高、携带方便的移动平台,平台利用GPS定位功能在野外快速定位,利用移动GIS平台将电子地图与实地联动,现场采集的数据直接保存在数据库中,实现无纸化操作,内业只要将外业数据直接导入到系统中,不需要手工录入卡片,大大减少了内业处理的工作量和误差传导。论文在数据准备、GPS定位与坐标转换、小班实地绘制和编辑、调查数据录入等关键技术进行了研究,并对平台进行了调试和应用,效果较好。

杉木叶绿素含量高光谱遥感模型研究

利用高光谱技术，探索杉木成熟林反射光谱与其叶绿素含量之间的相关关系。以湖南省攸县黄丰桥国有林场杉木成熟林为对象，采用美国ASD公司生产的手持式野外光谱仪（波长325～1075nm）进行地面和空中的杉木冠层波谱观测，采集到有效观测数据44条，并同步展开叶绿素总量分析。采用ViewSpecProversion4．02、SPSSl7．0统计软件、MATLAB软件、EXCEL数据分析工具对波谱数据进行处理和生化成分相关性分析，建立了叶绿素总量与反射光谱关系模型，通过模型检验，得到杉木叶绿素总量的高光谱模型为：Y=0．291x395＋20．172x521＋0．758。

基于植被指数比较的湿地区域LAI遥感估算研究

以Worldview-2遥感影像作为数据源,对东洞庭湖湿地核心区域进行了LAI估算研究。首先对典型的植被指数与叶面积指数(VI-LAI)的相关性进行了分析;然后选择了7个与LAI之间存在显著相关性的植被指数(NDVI、RVI、DVI、SAVI、MSAVI、EVI、RDVI)作为VI-LAI的模型因子,采用多回归模型与LAI实测数据进行拟合分析,筛选出这回归模型的最优因子;然后利用实测数据作为检验样本,最终确立了以NDVI为模型变量的指数模型是用于LAI估测的最优模型,精度达到了74.34%。结果表明:本研究采用的多植被指数比较建立的湿地植被VI-LAI反演模型,是可以比较准确获取湿地区域叶面积指数特征的方法。

基于CIWI模型的水体信息提取研究

分析了几种常用的地表水体信息提取方法,根据区分度结果优选,确定采用新型水体指数(CIWI)模型研究株洲地区水体信息。结果表明:该模型能有效地解决水体与植被、城镇用地等信息难于分离的问题;研究区内水体总面积为188 489 110.5 m2,与同期土地利用现状调查所得数据基本一致;总精度达到94.8%,实现了研究区水体信息的提取。

基于GF-1遥感影像湿地变化信息检测算法分析

湿地遥感变化信息检测并识别一直是遥感动态监测的一个技术难点。以东洞庭湖为研究区，2期GF-1遥感影像为研究对象，在数据预处理的基础上，将研究区分为芦苇、苔草、辣蓼与泥蒿、水体、泥滩地等6种类型。研究引进了NDVI植被指数波段与第一主分量波段（PC1）对传统的图像差值算法进行改进，提取出两期影像的变化信息，并与支持向量机的多时相影像分类后检测算法相比较。结果表明：（1）研究区遥感影像经过大气校正和图像配准等预处理之后，GF-1遥感影像变化检测的最佳波段组合为RGB=432；（2）利用支持向量机分类器对两期遥感影像进行分类时，样本选择的可分离度均在1.9～2.0之间，分类结果的总体精度为85.34%，Kappa系数为0.8，满足分类后比较算法提取变化信息的要求；（3）引进NDVI与第一主分量区分变化信息，并采用直方图积累区间确定变化阈值，信息增加的变化阈值设置为0.3，信息减少的变化阈值设置为0.2，Smooth Kernel Size设置为3，Aggregation Min Size设置为30，优化结果最佳。利用2期GF-1遥感影像提取湿地变化信息，分类后比较算法与改进后图像差值算法，图像差值法快速、直接提取变化信息，检测精度为89.6%，Kappa系数为0.9，且不受分类精度与分类样本一致性的限制，明显优于传统分类比较算法，是一种高效可行的方法。

基于LBP算子与多尺度分析的高分辨率遥感影像道路自动提取方法改进研究

提出一种基于LBP算子与多尺度分析手段的高分辨率遥感影像道路提取方法。首先使用邻域均值作为阈值进行二值化,以改进一般LBP算子;再根据局部方差与尺度间的关系,找到适合道路LBP纹理值的最佳尺度;最后利用区域生长和形状指数提取最佳尺度下的影像道路信息,并通过尺度收缩关联到原始影像。实验结果表明本文方法可取得较好效果。

杉木人工林平均树高遥感反演模型研究

以湖南攸县黄丰桥国有林场杉木人工林为研究对象,以高分辨率SPOT5影像及1∶10 000地形图为数据源,提取海拔、坡度、坡向、郁闭度,B1(反射率)、B2(反射率)、B3(反射率)、B4(反射率),B1/B4、B2/B4、B3/B1,EVI、NDVI、RVI等14个因子,运用主成分分析法以及岭迹估计法剔除与平均树高相关性小的变量因子,确定影响平均树高估测的主要因子为:B2(反射率)、B4(反射率)、坡向、郁闭度、NDVI。基于最小二乘法建立遥感反演关系模型,用实地调查数据进行模型检验,平均树高估测回归模型的相关系数、决定系数、调整相关系数以及标准估计的误差分别为0.891 0、0.793 0、0.774 0、0.842 2,树高估测模型达到较好的拟合效果,得到杉木人工林的平均树高模型。

基于GF-1遥感影像的森林植被类型提取算法研究——以四川长宁县为例

森林植被类型的提取一直是遥感领域信息提取的难点与重点,在以四川省长宁县为研究区的研究中,选用GF—1影像为实验数据,利用NDVI和NDWI两种指数区分植被与非植被以及水体与非水体,反复试验得出区分植被阈值为0.4,区分水体阈值为1.7;采用基于边缘检测的分割算法,分割阈值设置为30,合并阈值设置为90,纹理内核的大小设置为12,效果最佳。通过影像对象的特征组合建立最佳的分类规则,与传统的分类方法相比,分类精度高达88.65%,Kappa系数为0.85,是一种高效且比较切实可行的方法。

樟树幼林纤维素含量高光谱遥感估算模型研究

高光谱遥感的快速发展使得定量估算植被纤维素含量成为可能。本研究采用美国ASD公司生产的野外光谱辐射仪测量樟树幼林的冠层光谱,对观测叶片进行了同步纤维素含量的测定。利用统计相关分析法,分析樟树冠层光谱与纤维素含量之间的相关关系。研究结果表明:在325nm至1075nm波段范围内,樟树幼林纤维素含量的敏感波段位于895nm、590nm、591nm;通过建立各敏感波段与纤维素含量之间的估算模型,并进行精度检验,得出了纤维素含量估算的高光谱模型为:y=38.611+3894.056×α895-14713.7×α590+11100.905×α591。说明利用高光谱遥感数据可以估测樟树幼林的纤维素含量。