基于遥感反射率的太湖优势藻识别方法

我国淡水湖库频发水华,不同类群形成的水华特征、危害及其治理方法差异显著,因此,如何区分不同藻种的遥感反射率特征,获取湖泊优势种信息是一个亟待解决的科学问题。研究基于室内藻种培养实验,培养了富营养化湖泊中的典型蓝藻和绿藻藻种,其中,蓝藻包括铜绿微囊藻(Microcystis aeruginosa)、假鱼腥藻(Pseudanabaena sp.)和束丝藻(Aphanizomenon sp.),绿藻包括小球藻(Chlorella sp.)以及四尾栅藻(Scenedesmus quadricauda);基于实测的遥感反射率,经归一化处理后,分析了不同藻种的遥感反射率特征,构建了DI(difference index)指数以及ADI(algae distinguish index)指数,建立了藻种分类模型,利用验证集数据进行检验,整体识别精度达77.55%,Kappa系数为0.7178。将分类方法应用于太湖野外实测遥感反射率数据集中,结果与实测的生物量数据有较好的匹配;将模型应用于太湖OLCI(ocean and land colour instrument)影像数据,获得了2019年12月和2020年8月太湖冬季和夏季的优势藻种分布,总体而言,太湖蓝藻占比在夏季及冬季均高于绿藻,其中微囊藻显示出较明显的优势,且夏季优势地位明显高于冬季。从季节及空间分布上看,冬季太湖微囊藻主导区域分布在北部及南部湖湾,假鱼腥藻主导区域主要位于湖心,极少部分束丝藻及栅藻零散分布;夏季,太湖大部分水域的优势藻种为微囊藻,假鱼腥藻主导区域分布于湖心及南部,其余3种藻种的主导区域仍只占一小部分并零散分布。优势藻种遥感识别模型的构建可为湖泊水环境遥感监测和水华的预测预防提供技术支持。

C5.0决策树Hyperion影像森林类型精细分类方法

以吉林省白河林业局为中心研究区,利用星载高光谱Hyperion数据并结合其他辅助数据,综合利用影像光谱特征、纹理特征、地形特征、典型地类和主要森林类型外业调查样本数据,探究针对C5.0决策树算法的高光谱影像土地覆盖类型多层次信息提取与森林类型识别的有效方法。在分析典型地物光谱特征的基础上,优选8种纹理特征,引入主成分分量及与主要森林类型空间分布相关的敏感地形因子,采用分层分类的策略,根据光谱特征将地类划分层次,在层次间建立基于C5.0决策树算法的决策树模型,对研究区的地类进行细分。为便于对比,以相同的策略采用支持向量机(SVM)分类器进行分类。最后,结合野外采集样本并参考高分辨率影像,采用分层随机抽样的独立检验样本对森林类型精细识别结果进行精度验证。结果表明:C5.0决策树算法可综合利用高光谱影像的光谱、纹理及其他辅助数据,自动寻找出区分各类别的最佳特征变量及分割阈值,运算速度快,占用内存较小且无需人为参与,其分类精度达到优势树种级别,总体分类精度达81.9%,Kappa系数0.709 8。

多分类器组合森林类型精细分类

针对高光谱遥感数据树种识别精度不高,现有多分类器组合策略难以避免人为因素干扰的问题,利用自适应权值模型组合2种机器学习算法,有效改善森林类型精细识别精度。研究综合利用影像的光谱和纹理特征、地形特征及森林类型外业调查样本数据,采用分层分类的策略,分别利用支撑向量机(support vector machine,SVM)和随机森林算法(random forest classifier,RFC)对森林类型进行精细识别;为进一步提高森林类型识别精度,采用自适应权值组合模型综合2种分类器,并采用分层随机抽样的独立检验样本进行精度验证。结果表明,自适应权值组合模型可综合不同分类器的优势,避免人为因素干扰且提高识别精度和稳定性,对高分五号(GF-5)星载高光谱遥感数据应用具有借鉴意义和参考价值。

基于纹理信息的森林蓄积量估计

以河北省秦皇岛市山海关公益林为研究对象,结合Landsat TM数据和森林资源二类调查数据,运用灰度共生矩阵分析法提取纹理信息,采用逐步回归法建立多元线性回归模型,进行森林蓄积量的估算。结果表明:选取纹理因子参与建模,建立的线性回归方程的拟合效果较好,估测模型的R^2值达0.766,估计值的标准误差最小,标准误差最小值为28.036,说明纹理因子对提高森林蓄积量的估测精度有重要影响。

基于小波分析的Hyperion影像地物分类波段宽度

【目的】高光谱遥感为地物的精细识别提供优势的同时,也带来了数据量多、波段间相关性大、处理精度和效率下降等问题,而且在遥感分类中并不是使用的通道越多、波段越窄效果越好。因此笔者从光谱角度出发探讨降低高光谱数据量,以寻求适宜遥感分类波段宽度的方法。【方法】首先对Hyperion影像进行处理,主要包括去除未定标和受水汽影像波段、坏线、条纹和Smile效应,辐射定标和大气校正处理后得到161个波段,对选用的LIR级数据进行几何校正。根据样地调查情况确定试验区待分类别,对提取的14类地物样本平均光谱进行7次Sym^3小波分解,由得到的小波细节系数方差和小波细节系数熵分析适宜各类型识别的光谱区间,然后将不同光谱区间内窄波段进行小波融合,最后选取支持向量机方法进行分类识别。【结果】美人松林、落叶松林、樟子松林、针叶混交林、阔叶混交林、火烧迹地、水体、耕地和未利用地9类地物识别的适宜光谱分辨率为40 nm,剩余5种地物识别的适宜光谱分辨率为80 nm,不同光谱区间对应的波段数大大降低,且最终分类精度总体都达到81%以上。【结论】将小波分析与支持向量机方法(SVM)结合,解决了高光谱存在的"维数灾难"问题,提高了高光谱数据的利用率,遥感分类中并不是使用的通道越多、波段越窄效果越好。

于桥水库蓝藻水华遥感长时序监测研究

针对水库富营养化给供水安全带来的严重威胁,利用2008~2017年Landsat时间序列卫星数据,基于归一化差值植被指数(NDVI)与实测水质参数的相关分析结果,运用阈值法动态提取了于桥水库的水华分布范围和程度。通过与自然和人为因子的协同分析,认为气温、降水和人类活动等共同驱动引发了水华爆发,其中人为干预的生态修复工程可抑制或减缓水华爆发,并有效改善水质状况。时间分辨率更高的气象因子数据和卫星遥感数据将更有助于对中小型饮用水水面蓝藻水华驱动力的分析,推动准实时遥感监测预警技术应用。