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。

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。

改进的光谱角法在Landsat-8 OLI影像土地利用分类中的应用

文章对光谱角法分类的原理进行了阐述和分析,提出了一种结合图像分割算法改进光谱角法的影像分类方法,采用改进的光谱角分类方法以陆地观测卫星-8陆地成像仪(Landsat-8 OLI)遥感影像数据为数据源对武汉市武昌区的土地利用情况进行分类,并对分类精度进行了分析。研究结果表明改进的光谱角分类方法对于Landsat-8 OLI数据分类效果较好,提高了影像分类的精度。

基于暗目标法的Landsat-8 OLI数据气溶胶光学厚度反演

准确地估算地表反射率是利用遥感数据反演气溶胶光学厚度的关键。针对暗目标法难以构建有效的地表反射率估算模型,依据中分辨率成像光谱仪气溶胶C005产品反演算法的地表反射率估算模型,通过分析地物波谱库中典型植被的波谱信息,结合遥感器的光谱响应函数和谱段设置,尝试构建陆地卫星8号陆地成像仪的地表反射率估算模型。模型验证利用阈值法确定暗目标,通过6S大气辐射传输模型构建查找表从陆地卫星8号陆地成像仪数据反演北京地区气溶胶光学厚度,将反演结果与AERONET站点观测值进行对比验证和误差分析。结果表明:使用该地表反射率估算模型得到的长时间序列反演值与AERONET站点的地面观测值一致性较好,70%左右的数据位于预期误差线内,反演结果满足精度需求。利用该地表反射率估算模型能够有效的反演出气溶胶光学厚度,促进陆地卫星8号在地表参数反演中的定量化应用。

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。

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.