浑善达克沙地榆树疏林的高分辨率遥感识别方法

榆树疏林是浑善达克沙地生态系统的重要组成部分,对于防风固沙具有重要意义。为了快速准确获取榆树空间分布信息,提出一种基于遥感技术的自动沙地榆树识别方法,选择内蒙古自治区锡林郭勒盟正蓝旗为研究区,基于国产GF-2高空间分辨率数据,结合该区榆树多分布在沙地上并且分布稀疏的特性,首先利用归一化植被指数(normalized difference vegetation index,NDVI)阈值快速粗提取榆树的分布;然后采用面向地理对象影像分析技术(geographic object based image analysis,GEOBIA)进一步准确提取榆树的分布。为弥补GEOBIA方法在特征选择和规则集构建上的不确定性,本研究采用SEa TH算法优选特征及自动计算特征阈值。结果表明,本研究提出的方法识别榆树的总体精度达到88. 17%,Kappa系数为0. 76,其中,榆树的制图精度达99. 14%。因此,采用GF-2数据与本研究提出的方法识别榆树疏林区是可行而有效的,该方法可为进一步开展整个浑善达克沙地榆树疏林调查提供技术支撑。

基于高分一号时间序列数据的沙化土地分类

以高分一号(GF-1)16 m空间分辨率多光谱影像为数据源,对沙化土地类型的光谱特征以及其全年的NDVI变化特征进行了分析,发现时间序列数据变化信息可提高沙化土地类别之间的可分离度。对单一时相影像的分类结果和加入时间序列NDVI之后的分类结果进行了对比分析,结果表明,基于生长季单一时相原始影像的分类结果精度为73.34%,Kappa系数为0.7;非生长季单一影像与NDVI时间序列数据的分类结果总体精度为81.44%,Kappa系数为0.77;生长季单一时相影像并加入NDVI时间序列数据之后精度提高到了92.04%,Kappa系数达0.87,明显改善了对沙化土地类型的识别精度。表明单时相影像结合时间序列NDVI数据在沙化土地分类识别中有巨大的应用潜力。