基于对象和DEM的湿地信息提取——以洪河沼泽湿地为例

湿地资源遥感信息提取并满足一定的分类精度和效率,是湿地研究的关键问题之一。利用高分辨率的SPOT5影像数据,通过对研究区分别进行基于像素的监督分类和基于对象的分类,进行典型沼泽湿地专题信息提取,同时将面向对象分类与DEM辅助数据进行信息复合,探寻提升分类精度的方法。结果表明,基于对象和辅助数据DEM的信息提取,可以有效地改善遥感图像的分类精度。     

基于决策树方法的淡水沼泽湿地信息提取——以三江平原东北部为例

湿地是生态系统的重要组成部分,及时、准确地获得湿地基础信息,对湿地的动态监测、保护与可持续利用及其它领域的研究具有重要意义。以三江平原东北部沼泽湿地为例,利用分类回归树(Classification and Regression Tree,CART)算法从训练样本数据集中挖掘分类规则,集成遥感影像的光谱特征、纹理特征和地学辅助数据建立研究区湿地信息提取的决策树模型。用实测的GPS样本点对分类结果进行精度验证,并与最大似然监督分类方法(Maximum Likelihood Classification,MLC)进行对比。结果表明,基于CART的决策树分类结果的总精度和Kappa系数分别为82.65%和0.7935,分类精度较MLC监督分类方法有明显提高,是内陆淡水沼泽湿地信息提取的有效手段。     

滨海湿地信息提取方法比较研究

以江苏省典型滨海湿地为研究对象,利用2005年5月26日的Landsat7 ETM+图像数据,在湿地特征及其遥感图像表征分析的基础上,逐步提高湿地信息的提取精度,通过对多光谱遥感图像特征向量的分析,总结出一些湿地信息提取的规则和方法。在滨海湿地光谱特征分析的基础上,对研究区的图像进行了非监督分类,利用湿地的光谱相应特征、纹理特征、主成分变换、归一化差异水体指数等特征和相应的知识规则,得到用于优化分类的知识规则,采用分层分类的方法对非监督分类的结果进行了优化,从而使提取结果的精度较原来有了很大程度的提高。还利用给予数据挖掘的分层分类法进行分类比较,通过建立误差矩阵和对比各种分类方法的分类精度,总结出一套分类精度较高的针对该研究区的湿地信息提取方法。     

基于面向对象技术的鄱阳湖湿地地物分类研究

使用RadarsatＧ２全极化雷达数据,基于面向对象技术对图像进行分割,分析各类地物的散射特征,并对分割对象进行特征提取,依此设计各类地物的提取因子并对鄱阳湖湿地进行地物信息提取,最后利用实地采样数据和同期的高分一号影像数据对分类结果进行验证.研究表明:采用面向对象技术并结合地物散射特征设计的提取因子,可以有效克服雷达图像分类中常见的斑点现象,提高湿地分类精度.     

基于植被物候特征与监督分类的青南高原信息提取

针对大尺度区域的植被信息提取,由于范围广阔、地形复杂、气候迥异,分类精度的提高是个亟待解决的问题;通过对青南高原采用分区处理,利用植被指数的特性,将基于时间序列的NDVI数据所反映的植被物候知识,辅助信息DEM和GIS数据加入监督分类系统,进行植被信息提取,并进行了分类精度评价。研究结果表明,利用该方法对青南高原的3个地区分类后,其分类精度都达到了83.3%以上,达到了较好的分类结果。在监督分类的训练区选取过程中,将植被物候特征作为知识,结合目视解译和DEM辅助知识帮助选取训练区的方法,同时参考GIS土地利用数据,使得训练区的选取更准确可靠,可进一步提高分类精度。     

CBERS与TM遥感影像湿地覆被分类对比分析

为了对比CBERS与TM两种遥感影像在地表覆被信息提取中的具体性能,验证基于CBERS遥感影像进行湿地覆被分类的可行性,以典型内陆淡水湿地区为对象,基于CBERS与TM遥感影像,针对各波段进行信息量统计及光谱特性分析,获取了各波段覆被探测性能的初步认识;运用非监督、监督与面向对象三种代表性分类方法进行分类实验,通过精度误差矩阵对比分类结果,分析了两种遥感影像在湿地覆被分类中的准确程度差异;基于分类结果,通过景观格局指数计算,对比分析了两种影像在湿地覆被信息提取结果上的空间差异和特性。     

基于ETM+遥感数据的滨海湿地信息提取研究

以江苏省典型滨海湿地为研究对象,利用2005年5月份的Landsat7 ETM+图像数据,在湿地特征及其遥感图像表征分析的基础上,逐步提高湿地信息的提取精度,通过对多光谱遥感图像特征向量的分析,总结出一些湿地信息提取的规则和方法。在滨海湿地光谱特征分析的基础上,首先对研究区的图像进行了非监督分类,进而利用湿地的光谱相应特征、纹理特征、主成分变换、归一化差异水体指数等特征和相应的知识规则,得到用于优化分类的知识规则,采用分层分类的方法对非监督分类的结果进行了优化,从而使提取结果的精度较原来有了很大程度的提高。     

基于多尺度分割的遥感影像滨海湿地分类

基于多尺度的高分辨率遥感影像分类方法研究,可以为滨海湿地动态监测、规划保护提供更详尽的湿地分类信息和更快速的数据获取方法,对湿地保护具有重要意义。选取连云港青口河入海口处湿地为研究区,以高分辨率遥感影像WV\|Ⅱ和航空遥感影像为数据源,利用多尺度分割方法将影像分割成不同层次的实体对象;在不同层次,以实体对象为单元,结合光谱、形状、纹理等不同影像特征,进行滨海湿地分类研究,结果表明:利用该方法分类后,研究区各种湿地类型都达到较高精度。基于多尺度分割的影像分类方法能充分利用各种影像特征完成湿地分类,有效地减少了遥感影像中的“椒盐”现象,提高了分类精度;选择适宜的分割尺度和分割参数是基于多尺度分割的遥感影像分类方法提高精度的前提。     

基于SPOT影像的水体信息提取以及在湿地分类中的应用研究

利用SPOT影像数据,对研究区进行遥感图像融合处理实验,探讨了基于SPOT影像的水体信息提取的方法,以及在湿地分类中的应用。     

基于ALOS影像的盐城海滨湿地遥感信息分类方法研究

盐城海滨湿地类型丰富多样,湿地植物覆被类型之间的生态交错带十分明显,如何更为准确地获得海滨湿地覆盖信息,对湿地研究具有重要价值和意义。以ALOS影像为数据源,江苏盐城海滨湿地核心区为试验区,开展湿地信息遥感分类研究。在对研究区进行非监督分类,分析其限制分类精度原因基础上,针对研究区域的特点提出适合的分类精度改进方法。以非监督分类后的结果为模板,借助分区分层分类方法的思想,通过分析遥感影像光谱信息、纹理信息、主成分变换信息,得到知识规则,以基于知识规则修改的方法对芦苇、米草和盐蒿3种植被交错带进行修正。然后以基于GIS规则的方法对剩余区域进行修正。通过GPS数据进行精度检验,分类精度达到92.6829%,Kappa系数为0.9098。实验证明基于GIS规则和知识规则的分区分层分类法是提高海滨湿地遥感分类精度的有效方法。     

基于多季相Sentinel-2影像的白洋淀湿地信息提取

白洋淀湿地是华北平原上重要的浅水湖泊湿地,对雄安新区绿色发展具有重要的生态价值。对白洋淀高度异质化的景观格局进行分类,能够为白洋淀湿地资源的遥感监测提供指导意义。针对湿地季节变化的特点,对白洋淀每个季节选取一期具有代表性的Sentinel-2影像,采用分类与回归树（CART）、支持向量机（SVM）、随机森林（RF）3种常用的机器学习分类器对15种季相组合实验方案进行分类,分析不同季相遥感影像及其组合对白洋淀湿地信息提取的优劣。结果表明：相较于使用单一季相影像分类,多季相影像的组合能够显著提高分类精度,春&夏季相组合能够得到最优的分类效果,相对单季影像总体分类精度提高了10.9%~25.5%,Kappa系数提高了0.09~0.29;SVM分类器的分类表现较为稳定,能够得到最高的平均分类精度,CART分类器在处理高维特征的能力不如随机森林和SVM;不同特征类型对湿地信息提取的贡献度从高到底依次是红边光谱特征、传统光谱特征、缨帽变换特征、主成分分析特征、纹理特征。实验成果能为湿地信息的遥感识别提供依据。     

基于形态学属性剖面的高光谱影像集成分类

传统高光谱遥感影像逐像素分类方法未考虑像元之间的空间关联性且泛化性能较低。形态学属性剖面是表征影像空间结构的有效方法,同时集成学习可显著提升分类算法的泛化能力。为了在高光谱影像分类中充分利用影像的空间信息并提高分类的稳定性,提出一种基于形态学属性剖面高光谱遥感影像集成学习分类方法。首先,用主成分分析和最小噪声变换进行特征提取,并借助形态学属性剖面获取影像的多重空间特征;然后用极限学习和支持向量机的方法进行分类;最后将多个分类结果以多数投票的方式集成。区别于已有集成学习方法,综合考虑了不同特征提取和不同分类方法的联合集成,并将形态学属性剖面引入其中以充分利用影像的空间信息。采用AVIRIS和ROSIS两组高光谱数据检验该方法的分类性能,实验结果表明该方法可获得高精度和高稳定性的分类结果,总体精度分别达到83.41%和95.14%。     

基于遥感监测的黄河三角洲湿地演变分析研究

为保护黄河三角洲湿地生态系统,掌握湿地变化趋势,以 1986—2018 年间 15 a 卫星遥感影像为数据源,通过 ERDAS 9.0 和 ArcGIS 10.3 平台开展黄河三角洲湿地遥感解译,建立土地利用转移矩阵,分析黄河三角洲湿地面积和分布格局及变化特征。结果显示：湿地是黄河三角洲主要生态系统类型,主要分布在沿海区域, 与 20 世纪 80 年代相比,黄河三角洲湿地面积整体下降,其中自然湿地萎缩严重,人工湿地增长迅速,湿地面积和结构均发生较显著变化,而区域土地资源开发是湿地结构变化的主要因素。研究成果表明：基于遥感解译,采用 ERDAS 9.0 和 ArcGIS 10.3 平台能快速获取较多湿地类型信息,提高提取精度,可为大范围土地利用分类研究提供方法参考。     

A Remote Sensing Classification Methods of Coastal Wetlands Considering the Distance to Main Water

Coastal wetlands is complex,"different objects with the same spectrum" is serious in the remote sensing image,so the classification accuracy only based on spectral information is low.For this issue,based on the coastal zone wetland's spatial distribution rule,this paper established two kinds of distance layers,distance to coastline layer and distance to river layer,which applied maximum likelihood method and decision tree method,and developed a coastal wetland remote sensing information extraction methods,taking Sheyang County,Jiangsu Province for example.The developed methods highly improved the classification accuracy with the overall classification accuracy of 81.5%,and Kappa of 0.79.The maximum likelihood supervised classification method classification accuracy was lower with overall classification accuracy of 62.3%,and Kappa of 0.60.     

联合快舟一号影像纹理信息的城市土地覆盖分类

仅依靠光谱信息无法满足高分辨率遥感分类的应用需求,辅之以纹理特征信息进行分类,可提高影像分类精度。利用KZ\|1卫星影像和Landsat\|8卫星影像数据,基于面向对象的影像分割法和灰度共生矩阵纹理分析法对新疆石河子市局部城区进行了地表覆盖分类实验,将不同空间分辨率的全色影像纹理信息、光谱信息构成多种影像特征组合进行分类比较研究,以选择最佳的分类特征集。结果表明:KZ-1影像能为城市区域的土地覆盖分类提供丰富的纹理信息,面向对象的影像分割可较好地利用高分辨率数据的几何结构信息实现优化的影像分割,从而提高多光谱影像的分类精度,总体分类精度为90.06%,Kappa系数为87.93%,比单纯利用光谱信息分类的总体精度提高了8.02%,Kappa系数提高了9.65%,表明KZ\|1数据可为光谱分类提供丰富的纹理信息,从而提高城市区域的土地覆盖分类精度。     

Progress of Chinese Coastal Wetland based on Remote Sensing

Coastal wetlands as a unique ecosystems with high productivity and abundant biology diversity,has many important resource values,ecological values,economic values and scientific research values.Due to the multi\|temporal,multi\|platform,macroscopic,objective,informative,real\|time,highly effective,comparable and so on,so the remote sensing technology has been gradually approved and widely promoted in coastal wetland research in the past three decades.Current status of coastal wetland research based on remote sensing technique in China was systematically discussed from multiple aspects,including remote sensing data sources,theories and methods,and the application of remote sensing technology to Chinese coastal wetland is reviewed from the aspects of coastal wetland resource investigation and management,landscape pattern and dynamic change,ecological environment monitoring,ecosystem quality and service evaluation.This paper also points out some shortcomings existed in Chinese coastal wetland research by remote sensing technology include the spatial and temporal distributions of the study area is uneven and dominated by small and medium scale,lack of interdisciplinary comprehensive research,focus on theoretical research and ignore application intelligent application of remote sensing technology,information sharing ability is poor,the improve of interpretation accuracy is difficulties.Related research prospects should be to carry out such as monitoring and mapping on all scale,strengthen the multidisciplinary collaboration,strengthen the comprehensive and comparative study,establish a unified classification system of coastal wetland based on remote sensing and the national coastal wetland information system,emphasis on the development of new remote sensing technology and fusion of multi\|source data,emphasis on the use of new methods and new models.     

Wetland mapping by fusion of airborne laser scanning and multi-temporal multispectral satellite imagery

Wetlands play a major role in Europe’s biodiversity. Despite their importance, wetlands are suffering from constant degradation and loss, therefore, they require constant monitoring. This article presents an automatic method for the mapping and monitoring of wetlands based on the fused processing of laser scans and multispectral satellite imagery, with validations and evaluations performed over an area of Lake Balaton in Hungary. Markov Random Field models have already been shown to successfully integrate various image properties in several remote sensing applications. In this article, we propose the multi-layer fusion Markov Random Field model for classifying wetland areas, built into an automatic classification process that combines multi-temporal multispectral images with a wetland classification reference map derived from airborne laser scanning (ALS) data acquired in an earlier year. Using an ALS-based wetland classification map that relied on a limited amount of ground truthing proved to improve the discrimination of land-cover classes with similar spectral characteristics. Based on the produced classifications, we also present an unsupervised method to track temporal changes of wetland areas by comparing the class labellings of different time layers. During the evaluations, the classification model is validated against manually interpreted independent aerial orthoimages. The results show that the proposed fusion model performs better than solely image-based processing, producing a non-supervised/semi-supervised wetland classification accuracy of 81–93% observed over different years.     

基于WorldView-2制备大野口流域高分辨率DEM及精度分析

在全野外GPS地面控制点基础上,对WorldView-2影像自带RPC文件进行校正,利用数字摄影测量软件系统在立体模型上通过影像自动匹配技术快速提取黑河流域上游大野口子流域1∶5 000比例尺数字高程模型(DEM)。由于区域地形复杂、交通不便,研究区南部无地面控制点覆盖。基于立体模型交互式操作,匹配60个均匀分布高精度影像连接点,提高了DEM自动提取精度。并在对阴坡森林覆盖区、大野口水库等重点区域进行DEM编辑基础上,辅助地形特征点和线数据提高了成果精度。由15个外业控制点、12个模型保密点组成的检查点进行定量DEM验证,结果表明:两组高程中误差最大为1.9 m,达到该比例尺山地一级精度2.5 m的要求。
