基于随机森林模型的陆地卫星-8遥感影像森林植被分类

以黑龙江省漠河县为研究区域,采用陆地卫星-8遥感影像为数据源,结合影像的光谱信息和数字高程模型辅助数据,分别采用最大似然分类法(MLC)和随机森林模型法(RFM)对研究区森林植被进行分类,并分析和评价光谱特征变量对模型的重要性、2种分类方法对森林植被类型分类的适用性。结果表明:随机森林分类方法的总体分类精度为81.65%、卡帕(Kappa)系数为0.812。与传统的MLC方法相比,RFM法均提高了3种森林类型的生产者精度和使用者精度,其中针阔混交林精度提高最多。通过分析特征变量的重要性,发现高程、归一化植被指数、红光波段、近红外波段、短波红外波段对模型分类精度有较重要的影响。说明随机森林模型方法结合多源信息是森林植被类型遥感分类的一种有效手段。

基于Landsat 8影像提取豫中地区冬小麦和夏玉米分布信息的最佳时相选择

遥感技术对大尺度农业实时监测提供了一个理想的手段,遥感影像植被分类的最佳时相对作物种植面积遥感监测非常重要。本文选取2020年至2021年的6景Landsat 8影像,覆盖了夏玉米从乳熟到收获、冬小麦从越冬到成熟的生育期,以此分析不同时相的冬小麦-夏玉米与其他地类在光谱特征和NDVI上的差异,通过决策树的方法提取豫中地区冬小麦-夏玉米的空间分布情况。结果表明,冬小麦-夏玉米在不同生长发育时期,提取到的面积比有所不同,对于夏玉米而言,乳熟时期的提取效果要优于之后的时期,其在2020年8月26日的总体精度最高,为83.60%,Kappa系数为0.72,分类质量很好;对于冬小麦而言,最佳识别时期则处于冬小麦的越冬期,其在2021年1月1日的总体精度最高,为92.36%,Kappa系数为0.81,信息提取效果很好。除了作物自身生长过程的覆盖度变化,分类精度随成像时间而改变。多时相信息提取也发现,受到天气等环境条件限制,夏玉米和冬小麦的种植区域不完全重叠,山区冬季不适合冬小麦种植从而没有与夏玉米出现重叠分布。本研究有助于我们从宏观上对作物分布及生长状况作出及时有效的判断,对农业监测,特别是对轮作农田的信息管理和作物物候、种植面积等研究具有广阔的应用前景。

应用Landsat-8卫星遥感图像的青海地区土壤分类研究

遥感技术的迅速发展和应用,为土壤分类提供了新的技术与数据支持,文章提出一种利用陆地卫星-8(Landsat-8)遥感图像的土壤分类方法,用于青海地区土壤分类,所提取的特征包括4种,即基于遥感图像的变换特征、指数特征、纹理特征和基于高程图像的地形特征,通过随机森林方法实现土壤分类。文章首先提出2个基于遥感图像的纹理特征--熵与平滑度,从中国土壤数据集中自动提取了16 444个数据点,并在试验中采用,充分验证了此分类方法的有效性。

基于Landsat 8数据和温度-植被指数的干旱监测

结合Landsat 8数据特征提高遥感反演土壤水分的精度,对旱灾的监测具有重要意义。主要是利用Landsat 8数据,基于植被指数(NDVI)-地表温度(T_s)特征空间理论,通过对植被指数和"干边"的修订,分别计算温度植被干旱指数(TVDI)、干边修订的改进型温度植被干旱指数(MDTVDI);并结合当地气象数据、野外实测土壤水分数据,对计算结果进行了对比。结果表明:在使用Landsat 8OLI和TIRS数据时,TVDI,MDTVDI与地表土壤水分线性相关显著(α=0.05),两者都能表征地表的干旱分布情况;同时,MDTVDI与实测土壤水分的相关性和反演的土壤水分精度略高于TVDI,因此MDTVDI能够更好地反映区域土壤水分状况,更适于区域干旱监测。

广西-东盟多源遥感数据的森林高度反演及应用

森林生态系统在调节生态气候与碳循环方面发挥着重要作用,森林高度是衡量森林生态系统功能的重要参数。利用单一遥感数据获取森林冠层高度会受到多种制约。因此,本文使用星载激光雷达ICESat-2提供的高质量离散森林冠层高度点,结合Sentinel-1、Landsat 8及地形数据,采用随机森林方法建立不同影像特征组合森林冠层高度的回归模型,并分析各特征对森林高度反演的影响,最后将模型应用于广西森林冠层高度制图。试验结果表明,多源遥感数据可有效提高森林冠层高度反演精度,在所利用遥感数据中,特征重要性从大到小依次为光学特征、地形特征、SAR特征,“L8+SRTM+Sentinel-1+邻域均值”特征组合的反演精度最高,加入邻域均值特征进行森林冠层高度反演效果最佳,随机森林模型能精确绘制森林冠层高度。

基于Landsat 8影像赤壁-嘉鱼地区岩性划分效果分析

以鄂东南赤壁-嘉鱼地区为例,在缺少地表各岩石单元样品的情况下,对Landsat8可见光近红外和短波红外(VNIR-SWIR)波段反射率数据进行处理提取岩性信息。首先对VNIR-SWIR多波段反射率数据进行最佳指数因子(IOIF)运算,得出最佳波段组合band7-band5-band2,从其假彩色合成图像上只能识别少量岩性单元;为了减少高相关性波段之间的信息冗余度,并对波段信息进行集成,后对Landsat8VNIR-SWIR波段反射率数据采用主成分变换并进行彩色合成,能够有效增强志留系、侏罗系及第四系地质单元之间的影像差异,从而划分岩性界线。对比已有地质资料,认为提取结果可靠,能为野外地质工作提供基础信息。

基于Landsat8的绿地格局对地表热环境的影响研究

在快速城市化背景下,城市的热环境问题不断加剧。本文以2017年8月4日和2018年1月27日的厦门岛Landsat 8数据为数据源,提取绿地空间信息并进行地表温度反演。实验结果表明:夏季绿地面积与温度呈现出中等程度负相关,冬季绿地面积与温度保持弱负相关;水体面积与温度在这两个季节里都表现出较强的负相关;聚集度较好的水体在这两个季节均表现出降温作用,绿地对温度的影响不显著。

Landsat8简介

2013年2月12日,美国从加利福尼亚州的范登堡空军基地（Vandenberg AIR Force Base,California）成功发射了Landsat 8陆地卫星。Landsat 8是为了纪念陆地卫星系列发射40周年（1972～2012,图1）而制订的陆地卫星数据连续性发射LDCM（Landsat DATA Continuity Mission）产物。其运载工具为宇宙神-5火箭（Atlas-Vrocket）。

基于Landsat影像和统计数据的北京市人口密度制图

人口空间密度数据对于各国家和地区制定发展规划和方针政策具有重要的参考意义,中国人口数据每十年普查一次,耗时耗力且缺乏空间信息。因此,本文通过建立行政区人口密度与不透水面密度之间的关系模型,并结合开源地图(OSM)数据,提出建立30 m像元尺度的人口密度空间分布方法。结果表明,北京市30 m像元最大人口可达36人,均值为12人,通过对比Worldpop人口密度数据,人口密度在30 m像元尺度上的空间细节信息较行政区尺度有明显的提升,该成果可用于快速获得城市人口空间分布数据,为城市管理和规划人员提供数据参考。

基于多源数据的甘南草地植被覆盖度遥感监测研究

选取甘南藏族自治州为研究区域,以2016-2017年野外实测样方盖度数据和无人机照片提取的草地植被覆盖度数据为基础,对基于像元二分模型计算的草地植被覆盖度进行精度校正,分析并探讨无人机用于野外草地植被覆盖度调查的可行性,构建基于不同遥感数据源草地植被覆盖度的回归模型,并对模型进行精度评价.结果表明,利用无人机在草地上空一定距离(25 m)获取的照片可以多时相匹配Landsat 8等中分辨率遥感影像,动态监测野外大面积草地植被覆盖度;乘幂模型对以像元二分法计算的陆地卫星-8陆地成像仪(Landsat 8 OLI)产品的草地植被覆盖度校正效果最佳,模型的估测精度高达93.60%,在进行空间小尺度研究时模型计算精度最高;对数模型对以二分法计算的MOD13Q1产品的草地植被覆盖度校正效果最佳,模型的估测精度为91.97%;用中分辨率遥感数据Landsat 8 OLI校正低分辨率MODIS模型,修正后的模型R2=0.64,比原始的中分辨率成像光谱仪(MODIS)估测模型(R2=0.23)明显提高,在进行空间大尺度研究时该模型更适应.

区域森林植被覆盖率对其降水的影响

森林植被和降水量是区域生态环境中的两个重要地理要素,森林植被覆盖率变化在一定程度上影响区域降水量。以广西金城江区、贵州七星关区、湖南零陵区3个区域为研究对象,采用遥感技术基于地理空间数据云Landsat4-5TM、Landsat8 OLI_TIRS卫星数字资料,提取3区1988-2017年的森林覆盖率,并从中国气象数据网获取相应年份的年降水量、雨季降水量等数据,使用SPSS 17.0进行了森林植被覆盖率与降水量的相关性分析与线性回归分析,并对3个区域的年降水量、雨季降水量、森林植被覆盖率进行显著性差异分析。结果表明:研究区域内1988-2017年间的森林植被覆盖率与降水量具有线性相关趋势;不同地形条件下,森林植被覆盖率对降水量作用强度不同;不同大气环境下,森林植被覆盖率对降水量作用强度不同;森林植被覆盖率增加,区域气候趋于稳定。研究结果可为区域生态恢复及自然灾害的防治提供理论指导。

基于机载LiDAR数据和Landsat 8影像的芬兰北部泰加林——苔原过渡带提取

泰加林—苔原过渡带对气候变化敏感,确定其位置可以帮助理解北极地区气候变化。针对当前过渡带提取中存在的自动化程度低、提取困难的问题,以芬兰北部泰加林—苔原过渡带为研究区,以高分辨率航空遥感影像和冠层高度模型生成的过渡带参考数据为基准数据,构建基Landsat影像和LiDAR数据的4个随机森林过渡带分类模型。对模型分类结果去除"椒盐"图斑,使用连通区域边界点提取算法提取过渡带边界的位置坐标,实现过渡带边界提取,并检验过渡带边界的位置精度。其中,RF;pring;as模型和RF;ummer;as模型的Kappa系数分别为0.92、0.98,分类总体精度分别为94.66%、94.44%,分类精度远高于RF;pring模型和RF;ummer模型。基于RF;pring;as模型和RF;ummer;as模型的过渡带边界提取结果具有较高位置精度,过渡带下边界位置误差分别为25.13 m、25.11 m,过渡带上边界位置误差分别为43.11 m、44.80 m,实现春季和夏季两个季节的芬兰北部泰加林—苔原过渡带提取,为后续过渡带位置监测提供基准数据。

基于遥感数据的新疆开-孔河流域农业区种植结构提取

农作物种植结构是农作物空间格局的重要组成部分,是区域土地资源和水资源优化配置的基础。以新疆开―孔河流域农业区为研究区域,综合利用作物物候信息和2016年的MODIS NDVI时序曲线,获得不同作物生长差异明显的关键期,选择关键期的Landsat 8 OLI影像,构建主要作物提取知识规则,基于决策树方法开展农作物的分类识别。开―孔河农业区2016年主要作物种植面积为5.07×10^5hm^2,其中棉花种植面积最大,为1.97×10^5hm^2,玉米、小麦次之。博斯腾湖和开都河农业区以辣椒、玉米和小麦为主要作物,种植结构比较零散;孔雀河农业区种植结构比较单一,以棉花和香梨为主要作物。与仅利用时间序列的MODIS数据进行作物分类识别的结果对比表明,综合利用MODIS和Landsat数据的作物识别精度有显著提高,总体分类精度从62.58%提高到88.37%,kappa系数从0.53提高到0.86。该方法综合利用了MODIS数据的时序特征和Landsat数据较高的空间分辨率特征,有效地避免了MODIS数据空间分辨率不足而导致分类精度较差的情况,又避免了Landsat数据时间分辨率不足所引起的时相选择盲目性或数据冗余,在干旱区农业种植结构的提取领域具有一定的应用价值。