GF-6与Sentinel-2A数据多层次优选的杨树食叶虫害信息提取研究

以天津市蓟州区于桥水库北部为研究区,选用高分六号(GF-6)全色数据和哨兵二号(Sentinel-2A)多光谱数据,通过对遥感数据的虫害敏感波段、融合波段和分类识别特征的3个层次优选处理,进而提高杨树食叶虫害遥感识别信息的准确度.遥感影像经过预处理后,首先根据光谱统计特征差值最大化方法,优选出虫害区识别敏感的特征波段;然后利用波段相关系数大小优选融合波段方案,进行高通滤波(high-pass filtering,HPF)融合和Gram-Schmidt(GS)融合处理;最后通过Relief算法对植被指数等19种特征进行优选,确定食叶虫害遥感识别的特征.结果表明:(1)经过敏感波段优选后的HPF+GS融合,Sentinel-2A数据的红边波段、近红外波段、短波红外波段受虫害胁迫区杨树林的反射率值有明显变化,在分类时特征贡献度提升明显;(2)经过HPF+GS组合融合处理后,融合后的影像细节信息突出,植被监测光谱红边敏感波段的空间分辨率明显提高;(3)经过多层次的特征优选处理后的分类精度明显提高.未经过优选处理遥感影像分类精度为83.15%,Kappa系数为0.6785;经过优选后影像的分类精度为90.64%,Kappa系数0.8116,表明进行多次特征优选处理能够较为有效地提取食叶虫害影像信息.

一种适于南方山地丘陵区马尾松毛虫虫害信息提取的方法

马尾松毛虫是我国南方地区最主要的森林害虫,给生态、经济与社会带来极大威胁。随着遥感数据国产化步伐的不断加快及空间、时间、光谱分辨率的不断提升,马尾松毛虫害空间识别技术的突破迎来新的契机。旨在探索一种适于南方山地丘陵区马尾松毛虫虫害信息提取的方法,其主要思路是:在实现马尾松林信息提取的基础上,选择并获取与马尾松毛虫虫害信息相关的地形因子、NDVI、叶面积指数及红边参数等指标,基于光谱实现松毛虫信息片层的分割;以光谱片层为对象,进行主成分变换,提取其纹理特征,并利用决策树分类规则实现马尾松毛虫虫害信息的提取。