基于改进的空洞卷积UNet网络提取林地信息方法

为提升大范围林地信息提取的智能化程度及效率,提出了一种基于残差连接的空洞卷积UNet网络(RCD-UNet网络),将残差连接双卷积模块与传统UNet网络进行有机结合以提升模型性能,并以GF-2号高分辨率卫星遥感影像为数据源,开展了南京林地信息提取方法研究。结果表明:引入空洞金字塔池化层(ASPP)模块能够增强模型对上下文的感知能力,林地信息提取的总体精度为95.44%,Kappa系数为82.48%,满足高效、准确提取森林资源空间结构信息的需求,为森林资源管理与调查提供了技术支撑。

融合NNDVI和纹理提取航空影像林地信息

针对如何有效利用高空间分辨率航空影像提取林地信息的问题,根据航空影像的特点,提出了基于影像新归一化植被指数(光谱特征)和形态学梯度(纹理特征)的融合模型。通过实验测试并验证了特征融合模型利用航空影像提取林地信息的效果;分析了航空影像的光谱特征和纹理特征对林地信息提取精度的影响.。结果表明:融合方法能够有效的利用航空影像提取林地信息,其最大加权单类分类成功指数达到97.36%,提取林地信息精度优于非融合方法。

顾及多尺度上下文信息的高分影像林地信息提取方法

科学快速地掌握林地资源信息是进行林地管理与保护的基础。针对现有研究中林地提取方法精度不足的问题,提出一种顾及多尺度上下文信息的高分影像林地提取方法,首先,在编码阶段利用残差网络提取遥感影像中林地的深层次特征;其次,考虑到林地明显的同物异谱及同谱异物特征,建立一种顾及上下文信息的特征融合算法,有效提高网络对于目标区域的关注度;最后,构建一种深度多尺度信息聚合结构以适用于遥感影像中林地的较大尺度差异性特征。为证明方法的有效性,建立了一个遥感影像林地提取数据集进行试验,并与现有优秀的方法进行对比,结果显示,本研究方法F_(1)值提高了4.28~11.83,IOU值提高了2.49~15.32百分点,本研究方法对于林地信息提取具有更高的精度。

面向林地信息提取的Pleiades-1影像融合算法评价分析

以Pleiades-1影像为对象,以探究其面向林地信息提取的融合算法选择为视角,通过基于目视和定量特征分析、辅助面向对象分类分析的方法,为林业部门遥感影像大规模融合应用提供参考。研究认为Pansharp和GramSchmidt算法融合结果目视效果良好,各波段与原多光谱相关系数均高达0.8以上,清晰度与纹理增强明显。两种融合算法影像在不同林地层次信息提取能力各有优势,Pansharp融合结果在林地层次分类总精度可达86.55%,Gram-Schmidt融合结果则在森林类型层次具有最高的分类总精度78.76%。具体融合算法的选取需根据其应用的信息提取层次而定。

基于语义相关的面向对象林地信息提取

基于地物间的语义相关关系,结合面向对象的影像分析技术,提出了适用于高分辨率影像的林地信息提取方法,包括影像分割和林地信息提取2大步骤;并以福州市2003年6月成像的IKONOS卫星影像数据为例进行了林地信息提取实验。结果表明:①通过模糊和最近邻2种分类技术分别完成植被、林地信息的提取,提高了提取过程的合理性;②以面向对象的方式进行信息提取,不仅能避免细节信息的干扰,还能利用影像的纹理信息,这相当于对影像数据进行了优化,提取结果的精度和完整性均得到了提高。

基于双支路全局局部感知网络的高分影像林地信息提取方法

利用遥感影像提取林地信息可以方便管理人员快速掌握林地情况,提高林地调查效率,而当前遥感影像林地提取方法精度较低,为进一步提高遥感影像林地提取精度,本研究提出一种基于双支路全局局部感知网络的高分影像林地提取方法。首先在编码阶段充分考虑林地全局与局部特征表达,通过2条不同支路分别获取全局语义与局部细节信息,提高网络的特征提取能力。其次,考虑到林地的多尺度特征,在解码阶段建立一种深度监督分类器,通过多分支辅助分类进一步提高网络在预测阶段的判别能力。为验证模型有效性,本研究建立了一个遥感影像林地提取数据集,试验结果表明,相比于现有常用的神经网络模型,其精度显著提高;通过定量分析可知,交并比值提高1.57~8.89百分点,平衡分数提高0.97~8.68,总精度提高0.89~8.98百分点。此外,20次独立的蒙特卡罗试验显示交并比、平衡分数和总精度的精度标准差分别为0.15、0.14和0.05,进一步验证了本研究方法的稳定性。消融试验则充分证明了本研究方法中各个模块的贡献,以进一步验证所提出方法的有效性。总的来说,本研究所提出的方法能够高效稳定地提取遥感影像林地信息。

基于IRS-P5与IRS-P6融合影像获取林地信息

简要介绍了IRS-P5与IRS-P6卫星的基本信息;详细探讨了IRS-P5与IRS-P6影像正射校正、影像融合、波段组合的处理过程;通过制作遥感影像与现地相对应的解译标志,建立林地分类系统,区划出各类林地类型信息。根据实地验证结果可知,IRS-P5与IRS-P6融合影像具有信息丰富、分辨率高的特点,能够用于林地类型信息的区划,并能满足1∶10 000比例尺林业专题图的制作,该影像可广泛应用于林业资源监测与资源调查工作中。

基于高景一号遥感影像的林地信息提取

【目的】及时、准确地掌握林地信息是森林经营管理的前提,高分辨率遥感影像为林地信息精细识别提供了可能。【方法】以当阳市玉泉乡为研究区,以国产卫星高景一号(SV-1)遥感影像为数据源,提取各波段光谱信息和植被指数作为分类特征,采用特征可分性、重要性及特征间冗余度分别构建了4种特征评价准则,基于支持向量机(SVM)分类器对研究区进行林地信息提取,结合森林资源二类调查结果进行精度验证。【结果】1、评价准则中,特征重要性优于可分性,特征可分性受高度相关的特征组合(如OSAVI和NDVI等)的影响会造成分类精度的下降。2、在特征重要性和可分性的基础上结合特征间冗余度能进一步提高分类精度并有效降低特征维数,特征维数由11维降至8维,特征可分性方法和特征重要性的分类精度分别提高了4.65%和4.58%;3、根据特征重要性结合冗余度选择RGVI、EVI、B1、B3、B2、DVI、RVI、Brightness 8个特征,建立SVM线性核分类模型可以达到最优分类效果,总体分类精度高达92.49%,Kappa系数为0.9084。【结论】SV-1遥感影像由于其高空间分辨率在林地信息精细提取中具有可行性,本研究通过建立特征评价准则筛选分类特征能进一步挖掘分类器的泛化能力,为及时、准确地获取林地信息提供技术支撑,同时也为同等高分辨率遥感卫星数据处理提供了参考。

“3S”技术在喀斯特地区县级林地信息调查中的应用研究

根据"贵阳市整体规划"要求,需对贵阳市进行影像专题信息遥感调查,本文主要描述了3S技术在环境资源专题信息中提出的应用,并进行了基于SPOT遥感影像进行林地信息提取的应用研究.

高分一号遥感卫星数据林地信息快速提取方法的研究

不同类型的林地具有不同的反射率特征,由此计算获得林地识别与分类的归一化植被指数(NDVI)。NDVI可参与对高分一号遥感图像的监督分类:首先根据图像光谱特征及NDVI参数,在ENVI专业图像处理平台上,选择各类林地的典型样本区,进行计算机自动信息提取,获得每个像素点属于某类林地的相似度信息,然后结合纹理、形状、空间关系等特征,利用聚类分析和迭代运算等综合处理方法,快速得到具有实用性的专题分类矢量结果。该方法光照度相对较弱的阴坡和薄云覆盖下的林地分类识别效果也比较好。通过对光谱角填图法、马氏最小距离法、最大似然法等监督分类的结果进行比较,认为采用光谱角填图法提取高分一号卫星原始数据的林地矢量信息精度最高。

基于ETM+影像的丘陵地区林地信息提取

基于广东省广州市ETM+影像,利用归一化植被指数,通过实验获取阈值实现林地与非林地信息的粗提取。但仅利用植被指数提取林地信息无法有效区分林地与农田,且无法消除丘陵地区山体阴影的影响,故而提出采用研究区30 m DEM数据提取坡度信息,根据林地和农田在坡度分量上的阈值界限提取出部分农田;对影像进行Munsell HSV变换,根据山体阴面的林地部分和水体在S分量到V分量的不同变化趋势区分林地阴影和水体。由此产生决策树分类规则,结果证明基于知识的决策树分类能更有效地提取林地信息。

基于多层次分类模型的长江中游沿岸林地信息提取

为了改善遥感技术在处理长江中下游地区林地信息提取时的效果,为该地区的林业、农业等部门监测林地信息提供有效的技术支持,文章以面向对象的遥感影像分析方法为基础,充分挖掘了高分二号(GF2)遥感影像的光谱特征、纹理特征、空间特征等,建立了遥感影像的林地提取规则,并结合决策树思想提出了多层次的分类模型对规则进行排列和梳理,该模型通过逐层判别的方式优化规则的应用方式,细化规则在地物分类时的功能以此突出地物的类与类之间的差异性。结合长江中游沿岸地区的地物背景来验证该方法,结果显示林地提取正确率达到81.37%,实现了非植被、非林地植被、噪声等干扰信息的有效剔除,降低了错提率。文章所提出的方法能够有效地克服该地区错综复杂的地貌环境的干扰,并提取出正确率较高的林地信息,节省了大量的分类后处理的操作。同时,该方法对该地区其他地物的提取有一定的借鉴价值。

基于高分卫星影像的林地违法破坏信息智能识别

本研究选用国产高分辨率卫星高分二号(GF-2)影像作为数据源,采用全卷积神经网络算法(FCN)对疑似林地违法破坏信息进行智能识别,为林地违法破坏快速定位提供有利图证.研究结果表明院通过引入多源指数参数采用FCN算法进行模型训练,收敛速度大大加快.利用该方法对两期GF-2影像林地变化信息识别,获得林地变化图斑的边界和位置信息,林地变化信息总体的识别精度达到95%左右.该方法可以为有关部门的林地破坏监察工作提供基础数据.

基于高分辨卫星影像的林业信息提取方法研究

在“生态高地”成为最美底色,保护森林资源的背景下,针对林地信息提取问题,采用国产高分辨率卫星影像高分二号(GF-2)数据,利用改进指数特征的面向对象分类算法进行林业信息的高精度分类。研究结果表明:该方法能有效提取向阳面林地、低覆盖度林地等复杂林业信息,以及完整的人工设施。通过使用预留验证样本进行精度分析,证实了改进后的面向对象分类方法相较于传统方法具备显著的精度优势,为林地管理和生态保护提供了有力的数据支持。

WorldView-2影像林地信息提取的研究与实现

林地信息的获取具有重要意义,可广泛应用于城市规划编制、林地资源分析、水土流失治理等领域。本文基于WorldView-2影像,在研究分割与对象特征的基础上,采用面向对象方法,实现了林地信息提取,其用户精度达到94%,制图精度达到97.2%。然后,将像元二分模型应用于林地类对象,计算其植被覆盖度。试验表明,面向对象方法能高效、准确、经济地提取林地信息;基于林地类对象计算的植被覆盖度能较好地表征植被覆盖情况。

天山中部林区的林地信息特征提取

本文对天山中部林区ＴＭ 数据进行了以突出林地信息为目的的图像增强，主成份变换和以消除高山阴影为目的的波段比值处理，从而筛选出有利于进行林区、林地计算机自动识别分类的较为优化波段组合方案，为ＴＭ 数据在新疆林业工作中的使用打下一定基础。

菲律宾林地信息提取及变化分析

以菲律宾为研究区域,对研究区1990年、2017年两个时期的遥感数据进行处理,利用基于阈值的植被指数法提取各种自然和人工林地信息,并对其时空变化特征进行分析。结果表明:菲律宾总林地面积呈减少趋势,其中吕宋岛群再种林年均覆盖变化百分比最大,减少2.4%,米沙鄢岛群再种林年均覆盖变化百分比最大,增加135.2%,棉兰老岛群草地年均覆盖变化百分比最大,减少2.8%。

基于百度地图API的林地土壤样本信息系统开发

本文基于百度地图API技术,采用面向对象的设计方法,以三层体系结构构建了林地土壤样本信息系统。以有机质、全氮、有效磷和速效钾的含量作为评价林地土壤综合肥力指标,并构建计算土壤综合肥力指数公式,实现林地土壤样本的综合肥力指数计算和等级评价。同时,将评价结果标绘到百度地图上,直观地显示林地土壤样本评价结果在地理空间分布的现状。该系统界面简洁易用,模块化结构便于维护、更新和扩充,为林业部门进行林地土壤样本信息快速录入、管理、分析和决策提供一个公共服务平台。

基于DEM的马来西亚沙巴州林地变化分析

为了解马来西亚沙巴州林地信息分布特点和空间布局特征,利用Landsat卫星数据以及DEM数据提取马来西亚沙巴州1990-2017年的林地分布信息,并分析主要林地在不同范围内的变化。结果显示沙巴州主要林地是天然林和人工林,天然林和红树林面积减少,人工林和次生林面积增加,红树林分布在东南部沿海地区,灌丛和草地零星分布;28年间,马来西亚沙巴州林地面积0-30 m高程范围内变化最为显著,其次是50-100 m内,天然林的破坏程度随着高程的降低而增加,人工林在不同高程范围内均有一定程度的开发,其中大于800 m时人工林开发程度最小。

高分遥感影像林地资源信息提取方法研究

林地资源是森林资源的重要组成部分,在空气净化、自然防疫、制氧、气候调节等方面均具有重要作用。本文应用GF-1卫星数据,基于e Cognition软件平台,采用面向对象方法对廊坊市永清县2013年11月GF-1影像进行林地信息提取。通过多尺度分割试验确定最优尺度分割参数,结合影像地物纹理、光谱特征,采用模糊逻辑分类算法实现林地信息高效提取。