基于NDⅡ及NDⅥ提取水稻信息的对比研究

基于水稻和银杏混合区的TM影像,分别引入NDⅡ及NDⅥ提取研究区水稻信息,通过总量精度和位置精度的对比,发现NDⅡ提取结果均优于NDⅥ。对研究区水稻和银杏样点的NDⅥ值和NDⅡ值进行对比,发现其NDⅥ值相近,而NDⅡ值相差较大。这从另一方面解释了利用NDⅡ提取水稻结果优于NDⅥ。     

基于 NDVI 物候特征的华南地区冬种马铃薯遥感提取方法

马铃薯是华南地区的特色冬种农作物,其地块的“早稻―晚稻―冬种马铃薯”三季种植模式具有特有的植被指数时间序列曲线特征。利用这一特征,提出一种基于 NDVI 时间序列数据和 SAM 的冬种马铃薯种植面积提取方法。以广东省惠州市稔平半岛为研究区,冬种马铃薯面积为研究对象,采用 2011 年 HJ-1 A/B CCD 遥感数据为主要数据,计算每一景影像的 NDVI 后以时间为坐标轴排列成 NDVI 时间序列数据集,在此提取冬种马铃薯种植区的 NDVI 时间序列参考曲线,使用光谱角度匹配（SAM）方法,计算每个像元的 NDVI 时间序列曲线与 NDVI时间序列参考曲线的光谱夹角值,根据 Rule 图像的统计参数确定夹角阈值,达到快速有效地在遥感影像上提取冬种马铃薯对应像元的目的。结果表明：研究区总体提取精度为 82.70%,重点种植区域提取精度为 93.75%,可见基于 NDVI 物候特征的 SAM 方法能够有效提取研究区冬种马铃薯的种植面积。     

基于Landsat8影像时间序列NDVI的作物种植结构提取

为提高内蒙古平原灌区作物种植结构遥感监测精度和效率,提出一种基于时序NDVI曲线的作物种植结构提取方法。以内蒙古土默特右旗平原区为研究区域,以2015年覆盖作物生育期的多时相Landsat影像为数据源,根据不同地物其NDVI值范围不同,将研究区地表分为植被覆盖地表,无植被覆盖地表和水体3类。在植被覆盖区域内,根据林地和荒草地时序NDVI曲线特征,提取林地和荒草地,其余区域即为农田。根据小麦、玉米、葵花和西葫芦的时间序列NDVI曲线特征差异构建分类决策树模型,在农田区域内提取上述作物的空间种植分布信息。研究区各类地物及作物遥感提取面积与实际统计面积接近,土地利用分类总体精度达到85.71%,作物分类总体精度达到82.69%。研究结果表明该方法提取作物种植信息的精度较高,能够实现区域作物种植信息的高效准确监测。     

不同辐射校正水平下植被指数特征对比分析

基于不同辐射校正水平的遥感数据,分别利用遥感影像的灰度值(DN)、表观反射率(TOA)与地表反射率(Surface)提取研究区NDVI,采用定量遥感和回归分析方法从空间和时间两个方面对不同辐射水平下提取的NDVI变化特征进行了详细的对比分析,定量评价了大气对于提取的植被指数的影响。结果表明:在空间特征上,根据灰度值、表观反射率与地表反射率提取的NDVI基本都可以用来反映植被信息变化特征,相应的NDVI值呈逐渐增加趋势;根据地表反射率反演的NDVI曲线差异明显。在时间特征上,NDVI整体呈现显著上升的趋势,其中基于地表反射率的NDVI与年际之间线性关系最好,且NDVI最高。     

基于影像多种特征的CART决策树分类方法及其应用

以扬州市宝应县为研究区,采用主成分分析法对研究区影像进行数据压缩和单波段数据增强,利用灰度共生矩阵分析第一主成分的纹理信息。运用基于CART算法的决策树分类方法,选用影像的光谱特征值、NDVI值以及纹理统计量值为测试变量,并通过计算确定决策树的节点规则,提取影像中主要地物信息。将分类结果与单纯依靠光谱特征的监督分类法结果相比较,表明基于影像多种特征的CART决策树分类方法分类精度较高,尤其较好地提取了围网养殖区和建设用地。     

基于C5.0决策树分类算法的ETM+影像信息提取

利用C5.0决策树算法对ETM 影像进行信息提取,通过与其他分类方法提取结果的对比,得出C5.0决策树分类算法精度较高。大气校正与数据融合可明显提高分类精度,利用经过NDVI、NDBI、缨帽变换处理后的影像组合数据进行信息提取可进一步提高分类精度。研究发现,C5.0决策树算法用未处理的资料生成决策树的效果较差,而经大气校正和数据融合后计算出NDVI、NDBI及缨帽变换的前3个分量的组合数据生成的决策树深度最小,并且分类精度最高。     

绿洲植被覆盖度遥感信息提取——以敦煌绿洲为例

以敦煌绿洲为研究区,利用Landsat TM遥感数据,通过归一化植被指数(NDVI)和混合像元分解两种方法,提取了敦煌绿洲的植被覆盖度信息。在基于NDVI提取植被覆盖度时,选取了基于NDVI的像元二分模型; 在混合像元分解过程中,对遥感影像进行波段反射率归一化处理和最小噪声变换(MNF),确定了3个类型端元:植被、不透水表面/土壤、水体/阴影; 最后利用高分辨率遥感影像验证对比了两种提取方法的精度。结果表明:混合像元分解更能准确地提取敦煌地区植被覆盖度信息,其线性相关系数为0.8915,均方根误差为0.0882,而且提取结果更符合实际情况,可以为敦煌植被状况监测及生态环境保护提供科学建议。     

新巴尔虎右旗沼泽和草甸信息提取

运用监督分类和决策树两种方法,以2014-8-25的Landsat8-OLI遥感影像为基础数据源,提取新巴尔虎右旗的沼泽和草甸信息。方法一:在ENVI中进行监督分类,将研究区分为沼泽和草甸、草地、森林、农用地、水体、居民地、沙地和其他等八类,采用最大似然法对研究区遥感影像进行沼泽和草甸信息的提取工作。方法二:求取研究区的归一化植被指数NDVI,将NDVI值和坡度值作为限制条件,进行求取研究区域的沼泽和草甸信息。将两种方法获得的沼泽和草甸分类图与验证样本进行混合矩阵分析,分别对两种分类结果进行精度评价,比较监督分类和决策树分类在沼泽和草甸信息提取的精度。结果表明:Landsat8-OLI影像采用监督分类的精度为89.40%,利用决策树分类的精度达到了91.05%,精度较高。这两种方法均能够很好地进行沼泽和草甸信息提取,同时验证了基于Landsat8遥感影像在湿地覆被分类的可行性。     

基于NDVI时间序列影像的天山北坡经济带农业种植结构提取

水资源匮乏是干旱区实现可持续发展的最大障碍。干旱区农业灌溉耗费大量的水资源,不同农作物在生长期所需的灌溉水量存在较大的差异,因此快速准确地了解干旱区的农业种植结构可以为节水型农业种植结构优化提供重要依据。以天山北坡经济带为研究区,以谷歌地球引擎（Google Earth Engine,GEE）云平台为支撑,以Sentinel 2以及Landsat 7-8的数据为遥感数据源,采取以下步骤进行研究区的农业种植结构提取：首先,为了简化农业种植结构提取的过程,利用一年最大NDVI值以及坡度信息构建耕地掩膜图层;然后,根据研究区内主要农作物的物候历,获取不同时间段内的最大NDVI值的时间序列数据以及农作物在一年中出现NDVI最大值的日期,并在此基础上构建一个包含10波段的特征波段影像;最后,结合野外实地考察获得的有效样本点以及经耕地掩膜图层掩膜后的10波段特征波段影像,利用随机森林分类器进行研究区的农业种植结构提取。分类结果表明：2018年研究区内棉花、玉米、小麦的总体分类精度为92.19%,Kappa系数为0.883。为了进一步将分类结果与统计数据进行对比,我们将训练得到的分类器应用于2017年的遥感影像,提取了研究区内2017年的农业种植结构信息,其分类结果表明2017年研究区内棉花、玉米、小麦的种植面积分别为5 270 km²、2 000 km²、2 340 km²,其相对精度分别为86.53%、77.54%、86.19%。     

塔里木河下游生态响应遥感监测研究

以生态应急输水为背景,分析总结了应急输水重大工程实施以来,塔里木河下游生态响应监测诊断研究成果,并利用遥感、GIS等空间信息技术,以2000年7月、2002年7月、2004年7月为研究时段,分别选取三个时相的CEBERS-1CCD遥感影像作为研究数据,对塔里木河下游生态响应进行遥感监测分析。首先,对三个时相的CBERS-1CCD数据进行几何校正、配准、拼接和切割等处理;然后以研究区NDVI数据值域分布为基础,并结合研究区8个样区的实地调查结果,研究建立NDVI分级标准体系;其次,按照建立的NDVI等级标准体系,分别提取研究区三个时相不同等级的NDVI值,并提取相应的土地面积;最后,计算求得研究区三个时相不同等级NDVI所对应土地面积的转化矩阵,并结合研究区生态应急输水背景,通过分析NDVI等级转化情况,揭示研究区生态变化趋势和规律。研究结果显示:2000-2004年期间,研究区植被状况好、较好、一般的土地面积分别增加906.39 km2、593.67 km2、384.13 km2,植被状况较差、差的土地面积分别增加了192.54 km2、348.03 km2。结果表明:遥感技术可以为塔里木河应急输水对塔里木河...     

IKONOS影像在城市绿地提取中的应用

本文以南京城市为例 ,重点讨论了基于IKONOS影像的城市绿地信息分级分类提取方法 ,通过将IKONOS多光谱数据合成 ,根据各类地物的不同光谱特征 ,采取相应的方法提取出各层信息。在此过程中 ,仔细分析地物间在IKONOS 4个波段中的光谱差异 ,非线性增强阴影区绿地的NDVI值 ,利用光谱差异分层提取、剔除信息 ,最后把各分级绿地信息合并得到整体绿地分布图。分级分类法充分考虑各类目标的不同特点 ,避免了通常单一分类方法中单纯利用光谱特征所造成的地物混分现象。     

基于NDWI的海南岛西部沙漠化信息自动提取方法研究

分析海南岛西部沙漠化土地的光谱特征,主要表现为沙漠化土地整体反射光谱率偏高,在TM3和TM5波段表现尤其突出,反射光谱曲线的波峰形态也比其他背景地物更为明显。选择能较好反映沙漠化土地的植被信息（TM4）和土壤水分信息(TM5)的波段,经波段运算得出归一化水指数（NDWI）,用以自动提取沙漠化土地信息。运用海南岛西部典型沙漠化区域对该方法进行了精度检验,结果表明,利用NDWI自动提取沙漠化土地信息是可行的,正确率达到89.71％。为快速自动提取沙漠化土地信息提供了一种新思路,以期能更快捷地为沙漠化治理决策提供准确的时空变化信息和科学依据。     

新疆荒漠稀疏植被覆盖度信息遥感提取方法比较

植被覆盖度信息是荒漠生态环境表征的重要指标之一。荒漠区地表植被稀疏,在遥感光谱信息中表现较弱,通用的植被覆盖度遥感提取方法应用于干旱荒漠区存在一定的局限性,为了探寻一种满足大尺度荒漠地区的植被覆盖度信息的提取方法,必须对比和分析现有的遥感方法在干旱荒漠区的应用效果。以新疆荒漠区为例,利用MODIS遥感影像和野外植被覆盖度实测数据,对常用的6种遥感植被覆盖度提取方法（改进的三波段梯度差法、像元二分法、线型混合像元分解法、归一化植被指数法、增强型植被指数法和修正型土壤调整植被指数法）的结果进行精度验证和对比分析。结果表明：MODIS影像上较难提取纯荒漠植被像元,用农作物的像元值代替会降低像元二分法和线性混合像元分解模型的模拟精度;植被指数法对地面实测数据依赖性较大,模拟的精度差异很大,仅考虑红光和近红外的归一化植被指数法模拟精度最低,而综合考虑土壤和大气因素的增强型植被指数法的模拟结果精度最高;改进的三波段最大梯度差法虽然模拟精度稍次之（R²=0.74;RMSE=13.46）,但依据光谱的物理特性,能显著地反映南、北疆荒漠植被覆盖度的差异,是目前大尺度的荒漠区覆盖植被信息提取较为适宜的方法之一。     

基于中等空间分辨率遥感影像的建筑用地信息提取

本研究从中等空间分辨率遥感影像（如LandsatTM影像）的地物光谱响应曲线入手,介绍分析了国内外几种常用的建筑用地提取指数构建原理．然后选取LandsatTM影像进行建筑用地提取实验,并用QuickBird和Google Earth的同期影像辅以验证．实验得出,比值居民地指数RRI,由于其作者构建时并没有对影像进行辐射校正,从而影响了提取精度和模型适用性;归一化建筑指数NDBI和差值建筑覆盖指数DBI,提取精度相对较高,但是会混有裸土、污染水体等信息;指数型建筑用地指数IBI和增强的指数型建筑用地指数EIBI,提取精度最高,达到92％．虽然EIBI期望改进IBI未能很好抑制裸土信息的问题,但实际上所构建指数并没有较好的去除裸土信息,可能是其权重选择没有普适性,所以建议建筑信息提取优先使用IBI．     

分层分类和多指标结合的西北农牧交错带植被信息提取

参照《中国植被》中的植被分类体系,结合野外考察结果,建立了适合中国西北农牧交错带的植被分类体系。以覆盖研究区的多幅Landsat影像为基础,按“分层分类,逐层验证”的思路,实现了对研究区植被信息的提取。提取时,先利用完全约束的最小二乘模型对遥感影像进行混合像元分解方法,将整个研究区划分为植被区和非植被区;在植被区,基于光谱特征、纹理特征和地形特征,构建CART决策树,获得了乔木林、灌丛和草原等7种主要植被型组;在植被型组内,基于不同植被类型NDVI的季节差异特征,构建NDVI差值比值指数 (NDVI_DR),将乔木林和灌丛区分为常绿和落叶植被型,使用温度植被干旱指数(TVDI),将草原进一步区分为荒漠草原、典型草原和草甸草原3种类型,从而得到各个植被型的空间分布范围。经验证,最终分类的总体精度能达到79.51%,kappa系数为0.773。采用的分类方法充分利用了遥感数据既有的光谱信息和纹理信息,同时辅以地形信息。实践结果表明,分层分类和多种指标相结合的方法可以有效实现对影像跨幅的、以复杂镶嵌结构为主要特征的农牧交错带植被信息提取,精度较高,技术可行。     

黄河三角洲农作物种植分区的遥感研究

本文选取了一年中三个不同时相的TM影像,分别求出了三幅影像的NDVI分布图,将其合成为一幅影像图。由于不同区域种植的作物在三个时相中的NDVI变化是不同的,因此在NDVI合成图上会呈现不同的颜色区域。通过对不同颜色区域进行采样分析,可以确定桃红色区域为冬小麦、玉米(大豆)轮作区,蓝紫色区域为棉花、春玉米、杂粮种植区,亮蓝区域为水稻种植区,亮绿色区域为林地、草地。最后,根据不同颜色区域的NDVI变化特征用非监督分类和监督分类相结合的方法对影像进行了分类提取。这样便可对黄河三角洲农作物的种植情况进行宏观的了解,为农作物种植合理布局及农业可持续发展提供依据。     

河南省原阳县引黄灌区水稻田信息提取研究

水稻田是一种人工湿地.快速、准确地获取水稻的种植和生长信息,对于加强水稻田管理具有重要的实践意义.以河南省新乡市原阳县引黄灌区的水稻田为研究对象,采用随机森林算法,利用2020年8月26日和9月11日的Landsat 8 OLI影像数据,提取研究区的地表水分指数(land surface water index,LSW...     

基于CART决策树的沙地信息提取方法研究

为研究沙地信息提取的方法,采用基于CART决策树的面向对象方法,提取中卫市沙坡头区的沙地信息。首先对研究区进行多尺度分割和光谱差异分割得到对象层,然后选择合适的提取特征和训练样本点,最后输入选择的提取特征和样本点生成CART规则树,并对地物进行分类,提取出沙地信息。结果表明:采用面向对象的CART决策树方法提取沙地信息具有较高自动化程度和精确度,依此构建的CART决策树总体分类精度可达到77%,是最近邻分类结果的1.12倍,支持向量机分类结果的1.57倍,此外,NDBI(归一化裸露指数)、GSI(粒度指数)和SWIR 2(第七波段)均值可以成功的将沙地、戈壁和裸岩石砾地三个易混地物区分开来,是沙地提取过程中三个重要的特征指数。