基于面向对象的海岸带土地利用信息提取研究

针对海岸带复杂多样的土地利用信息,选取山东省乳山市海岸带为研究区域,运用 Landsat TM遥感影像数据,基于面向对象分类方法,利用不同地物的光谱、形状、纹理和空间关系等特征,通过多尺度分割、隶属度函数法和标准最邻近分类法提取研究区土地利用信息,并对分类结果进行精度评估。结果表明：①隶属度函数法和标准最邻近分类法结合,提取出乳山市海岸带12 种土地利用类型信息,很好地区分了盐田和养殖水面、林地和园地,可提取出主要的道路和河流等细长线状地物;②将提取结果与最大似然法对比,面向对象分类方法提取精度达到82.50%,Kappa系数为0.809 1,分别比最大似然法提高了11.44%和0.105 5,很好地避免“同物异谱”和“异物同谱”对分类精度造成的影响,有效地避免了“椒盐”现象。面向对象分类方法提取中分辨率遥感影像精度较高,为海岸带土地利用信息的快速、准确提取提供了有效的技术手段。     

基于Landsat 8 OLI数据的树种类型分布提取

树种分布是林业调查工作中的关键环节,遥感影像中对树种信息的提取具有重要意义。论文以福建省长汀县为研究区,收集2016年3月美国陆地卫星影像(Landsat 8 OLI)数据,提出基于知识库的图像膨胀分类方法,结合不同树种类型分布点的影像像元灰度与影像不同波段的重新排列,对杉类、松类、竹类与阔叶树类4个类型提取分布信息,结合地面验证坐标点进行精度评价,同时与专家知识分类法比较。结果显示图像膨胀法结合了地物分布特征与光谱信息,在Landsat 8 OLI影像中是可行的,并提高了精度,整体精度为83.01%,Kappa系数为0.77,与专家知识分类法相比分别提高了8.25%、0.11。该研究为快速精确地使用Landsat 8 OLI影像提取树种分布信息具有一定参考。     

基于神经网络的红树林景观特性遥感提取技术研究

利用神经网络法对广西山口红树林保护区2003年1月8日获取的Landsat TM 卫星图像进行分类.Landsat TM5卫星数据的3、4、5假彩色合成图像空间分辨率比较好,影像层次丰富,地物界限清晰.因此,采用3、4、5波段作为输入层.经过目视判读和现场调查,将输出层单元设置为5个,包括是红树林、陆地植被、裸地(其他建筑用地)、水体和虾池.经过流程实际运算和精度对比,设定训练阈值的贡献是0.9,训练率是0.2,训练次数是1000,最大个体允许误差为0.1.分类精度达到86.86%,高于最大似然分类(50.79%)和光谱角分类精度(75.39%),从而最终获取红树林生态系统的景观格局指标.结果显示研究区红树林均匀度(1.7789)和聚集度指数(0.6854)较高;红树林种类的优势度指数是-1.5850,为弱势群体;红树林的斑块破碎化指数是0.0325,破碎化程度较低.     

一种融合多波段比值法和随机森林算法的Sentinel-2绿潮信息提取方法

遥感卫星可以高效、大面积地监测海洋绿潮的发生及发展情况,而绿潮的精准识别提取尤为重要,对于维护海洋生态环境安全具有重大意义。本研究提出一种融合多波段比值法和随机森林算法（random forest,RF）的绿潮信息提取方法,基于高分辨率的Sentinel-2遥感影像,以苏北近岸海域为研究区,以绿潮和非绿潮两类地物为识别目标进行精准识别分类,并与最大似然法（maximum likelihood classification,MLC）、RF和支持向量机（support vector machine,SVM）以及融合多波段比值法的MLC和SVM等五种模型进行对比。结果表明：归一化植被指数（normalized difference vegetation index,NDVI）和漂浮藻类指数（floating algae index,FAI）能够有效提高绿潮信息提取的准确性,融合这两种指数的RF模型分类结果 Kappa系数为0.98,总体精度为99.92%,高于其他五种模型。研究结果可为海洋环境生态及生物地球化学循环的相关研究与治理提供理论与技术支撑。     

基于高分1号杭州湾南岸滨海陆地土地覆盖信息提取方法研究

针对滨海陆地复杂地物环境下如何提高土地覆盖信息遥感提取精度的关键问题,基于最新发射的国产高分(高分辨率)1 号和资源3 号影像,采用面向对象分类法和最大似然法,开展杭州湾南岸滨海陆地土地覆盖信息的遥感提取。结果表明,相比最大似然法,面向对象法结合高分1 号既考虑对象的光谱、空间和纹理等多种属性特征,又充分利用高分影像所提供的丰富纹理和空间信息,对于土地类型多样、边界模糊等混合像元具有较好的识别能力,获得较高分类总精度(90.4%)和Kappa 系数(0.876 7);分割尺度对高分影像分类精度具有重要影响,高分1 号2 m和8 m最优分割尺度分别为63%和65%,资源3 号影像最优分割尺度为66%;高分1号比资源3 号更能体现在植被和水体等地物信息提取方面的优势。     

赤潮期东海水体不同遥感分类算法应用分析

对赤潮期长江口及邻近东海海域水体进行了三种不同遥感分类方法的水体类别提取。首先进行了最大似然监督法和ISODATA非监督法两种代表性的水体遥感分类,之后提出了两种基于水体光谱曲线特征的波段比值阈值分割模型,即C1=Lrs(645)/Lrs(469)和C2=Lrs(555)/Lrs(469)。对比发现,三种方法分类结果均揭示出了长江口及邻近东海海域近岸到远洋的水体空间变化规律,依次为悬浮泥沙水体、富营养化水体、赤潮水体、赤潮边界水体和远洋洁净水体。其中最大似然监督法对像元亮度值较为均一的悬沙水体和富营养化水体提取精度较高。而ISODATA分类结果误判较严重,可以作为辅助判别依据。本文提出的阈值分割模型1对悬浮泥沙水体更为有效,总体精度为91.34%,Kappa系数为0.88;模型2对赤潮水体更有效,总体精度为94.14%,Kappa系数为0.92,精度均高于前两种方法。     

基于多源同步数据的闽江下游悬浮物定量遥感

利用2006-09-18的同步Landsat TM数据、水面实测光谱数据和现场水样数据,研究了闽江下游的悬浮物,在这3种同步数据的基础上建立了分别基于实测光谱与影像光谱的悬浮物遥感预测模型.结果表明,实测光谱数据在690nm波长处,归一化光谱反射率与悬浮物浓度达到最大正相关,由690nm和530nm二处的反射率构成的比值预测模型与实测悬浮物浓度的拟合精度最高,最佳拟合模型可表达为SS=116.2(R690/R530)-33.4.TM影像各波段中以(TM2 TM3)2波段组合与实测悬浮物浓度的相关性最佳.由其所建立的影像光谱预测模型与实测悬浮物浓度的拟合精度最高.最佳拟合模型可表达为SS=3793.7(RTM3 RTM2)2-16.5.模型的精度评价表明,实测光谱模型的预测能力要强于影像光谱模型.但二者差异不大.在缺乏地面实测光谱数据时.基于影像光谱的遥感定量模型仍不失为一种预测悬浮物浓度的有效方法,其对闽江下游悬浮物浓度的反演结果能较准确地反映出该区域悬浮物浓度分布的空间差异,具有较高的实用性.     

基于面向对象的北京市区城市内部用地信息提取

选取北京市四环以内为研究区域,以资源三号卫星遥感影像为数据源,针对类型多样、特征易混淆的城市内部用地以及高分辨率遥感影像海量信息、人工提取费时费力等特点,论文基于面向对象分类方法,探讨城市内部用地自动提取方法,并对分类结果进行精度评估.结果表明:利用不同地物的光谱、形状、纹理和空间关系等特征,通过多尺度分割和隶属度函数法,构建合理的分类层次,不仅精确提取出研究区内水体、绿地、建设用地和待开发用地,更独具创新地区分了城市建设用地内部各种地物类型,包括工业生产用地、低密度和高密度生活用地以及交通用地.该方法有效地利用了资源3 号卫星影像的光谱、纹理及空间信息特征,总体精度可达到87.00%,Kappa系数达到0.853 9,取得较好的分类效果.     

基于MODIS时间序列及物候特征的农作物分类

论文以2012年6月至2014年6月期间的MOD09Q1及2013年四五月的MOD09A1为数据源,合成归一化植被指数(NDVI)和归一化水体指数(NDWI),利用TIMESAT软件对NDVI时间序列数据应用分段高斯函数拟合方法重构NDVI时序曲线,并获取7个物候特征(Phenology,以下简称PH,包括生长季始期,生长季末期,生长季长度,NDVI振幅,NDVI左导数,NDVI右导数,生长季期间的NDVI积分).结合Landsat 8 OLI遥感影像,中国第二次土地调查数据和实地采样样本数据,根据2013年多种地物平滑后的NDVI曲线特征,将年NDVI最大值低于0.5的水体和建设用地掩膜去除.为了获取研究区农作物的最优分类方法,采用分层分类:首先对平滑后的46个NDVI时序数据进行支持向量机(SVM)分类,得到农用地等分类信息;其次利用平滑后的46个NDVI波段,7个物候参数及6期归一化水体指数相互组合,对农用地进行支持向量机分类提取3种农作物的分布信息.经不同波段组合分类对比可知,分类总体精度及Kappa系数的关系为:NDVI+NDWI>NDVI+PH+NDWI>PH+NDWI>NDVI+PH>NDVI>PH.研究结果表明,遥感数据波段的增加不一定带来较高的分类精度;论文中归一化水体指数有效地提高了水稻的分类精度.此外,辅以物候特征对农作物分类也具有一定的可行性.     

基于TM数据北京城区水体叶绿素a浓度反演方法研究

叶绿素是城市水体富营养化的重要表征参数.以北京城区重点水体为研究对象,利用2011年6月8日TM遥感影像及同步获取的实测数据,在对TM数据进行几何校正和大气校正等预处理的基础上,选取相关性最大的TM2/(TM1 +TM4)波段组合进行叶绿素a浓度反演;利用2008 ～ 2010年的历史TM影像及人工水质站点准同步的实测数据,对模型的精度及适用性进行分析得出:回归模型适用于30 m以上的北京城区水体叶绿素a浓度监测,相对误差为17.04％.     

湖泊水环境高空间遥感影像污染点源信息提取研究

传统的污染点源信息提取技术存在权重因子各指标取值范围广、提取精准度不准确、植被覆盖率检测效果差等问题,为此,采用高空间遥感影像对湖泊水环境污染点源信息提取进行研究.针对信息的选择和预处理,需要先获取污染点源信息,并利用多项式对遥感影像图中的畸形几何进行修正;通过利用TM影像技术分析波段组合和单独使用波段的分类效果;根据影像中不同的隶属度,构建水体规则,分析水体差异指数,由此提高信息提取的精度,进而完成污染点源信息的提取.通过选取验证区域,进行实验,实验结果表明,使用该技术能够缩小权重因子各指标取值范围,并提高污染点源信息提取的精准度与植被覆盖率检测的效率,实用性较强.     

基于改进光谱角法的红树林高分遥感分类方法研究

传统影像分类方法多利用影像端元光谱进行地物分类,影像的空间结构信息被忽视,本研究结合面向对象分类方法思想以提高红树林遥感分类精度。本研究提出了一种结合端元类型选择、像元提纯等混合像元分解手段及分水岭图像分割算法的改进光谱角影像分类方法,并以山口红树林国家级自然保护区为研究区,利用GF-1号遥感影像数据,在光谱特征分析和地面调查的基础上,对红树林生态系统进行分类,并对分类精度进行分析。研究结果表明:改进的光谱角分类方法对GF-1影像分类效果较好,既兼顾地类光谱组成较复杂时的特殊性,又有效避免结果的破碎化现象,且总体精度达到95%（KAPPA系数0.944）,证明了其在红树林遥感影像分类及信息提取方面的应用潜力,为红树林生态系统业务化遥感监测奠定了基础。     

OBIA与RF结合的龙口市土地利用信息提取方法

为提高中分辨率遥感影像解译精度,本文提出面向对象影像分析（Object Based Image Analysis,OBIA）与随机森林（Random Forest,RF）结合的土地利用信息提取方法。采用Landsat 8 OLI影像,针对不同地物特点,阈值分割和多尺度分割结合创建影像对象,规则集和分类器协同分类,基于Relief F算法分别对光谱特征、纹理特征及所有特征降维筛选特征子集,并与全部特征一起应用RF建模,对龙口市进行土地利用信息提取与比较。结果表明：OBIA与RF结合提取土地利用信息,基于Relief F算法筛选纹理特征,保留完整光谱、几何、空间关系特征构建RF模型,建模错分率为0.0958,分类总体精度和Kappa系数分别为89.37%和0.872,取得较理想结果。该方法可应用于中分辨率遥感影像土地利用信息提取。     

基于Sentinel-1A极化SAR数据与面向对象方法的山区地表覆被分类

地表覆被分类对国土资源调查评估及全球变化具有基础性和关键性意义,但山区由于地形和云雾等的影响,可利用光学遥感影像和其他资源十分稀缺。因此,论文以渝东南山区为研究区,基于Sentinel-1A极化合成孔径雷达（SAR）数据,通过系列预处理,得到后向散射系数值,同时对各类地物的VV/VH极化后向散射系数、纹理、高程和坡度等特征值统计分析,综合这些特征值运用面向对象分类方法对单时相与多时相SAR数据进行地表覆被分类,最后将这两种分类方法与Landsat 8 OLI数据分类作对比。研究表明：1）在同时运用面向对象分类方法的前提下,单时相SAR数据分类和Landsat 8 OLI数据分类精度相当,多时相SAR数据面向对象分类精度最高,总精度为85.65%,Kappa系数为0.829 9;2）与光学数据相比,SAR数据对阔叶林、人工建筑提取有优势,精度提高了10%以上,多时相特征有利于耕地和针阔混交林提取,分类精度比单时相提高了9%左右;3）研究区土地覆被类型以林地为主,占总面积的42.68%,耕地、草灌次之,人工建筑、草地与河流占地面积较少。     

基于TM的太湖叶绿素a和悬浮物估测模型

叶绿素a和悬浮物是衡量湖泊水质状况好坏的重要指标。该文利用太湖Landsat TM遥感影像和准同步的65个实测样点数据,分别分析了Landsat TM中对太湖水体叶绿素a及悬浮物浓度的相关性。采用波段组合的方式,通过回归方程建立起叶绿素a和悬浮物的估测模型。结果表明(TM1+TM3)/TM1/TM3与叶绿素a相关性达到0.842,TM2+TM3与悬浮物相关性达到0.934。估测模型显示叶绿素a和悬浮物均有较好的估测结果。     

基于LandsatTM数据的济宁市水体识别方法研究

文章基于济宁市2009年LANDSAT TM影像,根据影像各波段间的相关性和地物在各影像上的灰度差异,分别采用单波段阈值法、多波段谱间关系法、改进的水体指数法(MNDWI)及HIS空间水体提取模型法对济宁市水体信息进行识别提取。在此基础上,结合归一化指数法和HIS空间水体提取模型,提出了一种综合性的水体信息提取方法,并对各方法提取结果进行了精度评价。结果表明,已有方法对济宁市水体识别存在一定的缺陷,而综合法集成了归一化指数法和HIS空间水体模型的优点,很好地弥补了已有方法的不足,对济宁市水体信息进行了较好的提取,尤其是细小水体,同时也很好地消除了建筑物、阴影、水生植被等的影响,提高了济宁市水体信息识别的精度,为更好地定量评价济宁市地表水体时空演变规律等提供帮助。     

利用多信息源提高半干旱地区TM影像的森林类型制图精度:以北京西部山区为例

以地处半干旱地区的北京西部山区为例,利用研究区森林类型的季相特征、已有的少部分林相图、Google Earth免费影像数据等信息选择不同坡向的相同森林类型做训练样本,通过加入其他辅助数据(海拔和坡向数据),来提高Landsat TM影像的森林类型分类精度,同时对比了基于像元和面向对象方法提取森林类型的效果。结果表明:1)就半干旱山区的森林类型划分来说,TM影像的TM4、TM5、TM4-TM2及辅助数据DEM和坡向可作为TM影像森林类型划分的最佳数据源。2)单独加入海拔信息,阔叶林的提取精度提高23%,针叶林和混交林的分类精度只提高了4%~5%;单独加入坡向信息,阔叶林的提取精度只提高21%,但是针叶林和混交林的分类精度则分别提高了13%、18%,显著优于单独加入海拔信息的效果。同时加入海拔信息和坡向信息,至少可以准确区分出约70%以上的针叶林、阔叶林和混交林。3)就本研究区而言,坡向比海拔更有效地辅助提高森林分类精度。4)就混淆矩阵数据而言,面向对象的分类方法比基于像元分类结果总体精度低3%,Kappa系数低4%,但面向对象的分类结果更加符合研究区实际情况。该研究对中分辨率影像应用于半干旱山区森林类型划分具有一定的借鉴意义。     

基于RS与GIS通海县土地利用／土地覆盖变化研究

以1992年TM和2006年ETM＋影像提取通海县土地利用信息,根据最佳指数因子（OIF）的最佳组合波段,在最佳组合波段下利用遥感图像处理软件ERDAS9．2选择监督分类方法,获取通海县1992～2010年土地利用／土地覆盖变化信息。结果表明：15a来该地区土地利用程度加强：耕地、建设用地显著增加,水域面积虽有萎缩,但变化不大;驱动土地利用变化的主要因素是人口增长、城镇化水平提高与经济的快速发展。     

基于生物光学模型的晋江悬浮物遥感估算

为了建立以生物光学模型为基础的河流悬浮物遥感估算方法,以福建晋江为例,对福建晋江下游河段的光学特性和悬浮物浓度进行了测定,探讨了水面下反射率R(O-)与悬浮物浓度之间的响应关系.结果表明,绿光波长的反射率与悬浮物浓度的相关性最强,因此,用R(O-)TM2与悬浮物浓度建立了遥感估算模型,并将其应用于2008年2月28日的Landsat TM影像,反演出晋江的悬浮物浓度分布.精度分析说明,平均相对误差RE为11.93%,该模型可以有效地应用于Landsat TM反演悬浮物浓度.     

基于光谱混合分析和反照率-植被盖度特征空间的土地荒漠化遥感评价

采用线性光谱混合分析模型对Landsat TM遥感影像进行混合像元分解,获取植被、裸土和水体组分的相对丰度分布;在反演地表反照率的基础上,构建了基于Albedo-Vegetation特征空间的土地荒漠化遥感监测模型;以黑河中游部分区域为例,进行了实证研究,并利用实地调查数据进行精度验证。结果表明:此方法充分利用了多维遥感信息,反映了荒漠化土地地表覆盖、水热组合及其变化,具有明确的生物物理意义,而且指标简单、易于获取,精度较高,有利于荒漠化的定量分析与监测。