基于多源遥感数据的面向对象林分类型识别

林分类型的识别是森林资源监测的核心问题之一.为研究多源遥感数据协同的面向对象林分类型分类识别,采用Radarsat-2数据和QuickBird遥感影像协同进行面向对象分类.在面向对象分类过程中,采用3种分割方案:单独使用QuickBird遥感影像分割;单独使用Radarsat-2数据分割;Radarsat-2&QuickBird协同分割.3种分割方案均采用10种分割尺度(25～250,步长25),应用修正的欧式距离3指标评价不同分割方案的分割结果,确定最优分割方案及最优分割尺度.在最优分割结果的基础上,基于地形、高度、光谱及共同特征的不同特征组合,应用带有径向基(RBF)核函数的支持向量机(SVM)分类器进行杉木林、马尾松林、阔叶林3种林分类型识别.结果表明:与单独使用一种数据相比,Radarsat-2数据和QuickBird遥感影像协同方案在面向对象林分类型分类方面具有优势.Radarsat-2&QuickBird协同分割方案,以最优尺度参数100进行分割时,分割结果最好.在最优分割结果的基础上,应用两种数据源提取的全部特征进行面向对象林分类型识别的精度最高(总精度为86%,Kappa值为0.86).本研究结果不仅可为多源遥感数据结合进行林分类型识别提供参考和借鉴,而且对于森林资源调查和监测有现实意义.     

基于面向对象的QuickBird遥感影像林隙分割与分类

传统的实地调查和人工解译方法已经不能满足区域尺度的林隙获取,高空间分辨率遥感影像的出现为区域尺度的林隙获取提供了可能.本研究采用QuickBird高空间分辨率光学遥感影像,结合面向对象分类技术对福建省三明市将乐县将乐国有林场进行林隙分割与分类.在面向对象分类过程中,采用10种尺度(10~100,步长为10)对QuickBird遥感影像进行分割,应用参考对象相交面积(RA_or)和分割对象相交面积(RA_os)进行分割结果评价.对每个尺度分割结果应用16个光谱特征,采用向量机分类器(SVM)进行林隙、非林隙和其他类型分类.结果表明:通过RA_or和RA_os等值法获得最优分割尺度参数为40.不同尺度参数之间的分类总精度最高相差22%.在最优尺度下,应用SVM分类器对林隙、非林隙和其他类型分类的总精度高达88%(Kappa=0.82).采用高空间分辨率遥感数据并结合面向对象的方法,可以代替传统的实地调查和人工解译对区域尺度的林隙进行识别分类.     

高分辨率影像支持的群落尺度沼泽湿地分类制图

湿地作为众多野生动物和植物的栖息地,具有稳定环境及物种基因保护等重要功能.但是,湿地复杂的水陆交界生境特征及难以进入等客观条件限制给湿地研究造成了很大的困难.因此,遥感技术作为地表生态环境过程参量获取的重要工具,在当今湿地科学领域发挥着重要作用,特别是,当前高空间分辨率影像的性能与应用水平不断得到提高.以自然状态下的黑龙江三江平原洪河国家级自然保护区为研究对象,应用飞艇搭载的空间高分辨率摄像系统获取影像地面分辨率为0.13m的影像数据,主要结合面向对象分类方法,开展了基于湿地植物群落尺度的分类制图研究.结果表明:①因飞艇影像对植物形态、纹理等细致特征的刻画非常充分,沼泽植被型、草甸植被型和各种乔木、灌木植被型,都可以在合适的遥感分类方法下提取出来,总体分类精度能达到91.77％;②通过采用针对高分辨率影像面向对象的分类方法与传统的最大似然比遥感分类方法对比,前者达到很高的精度,而后者效果不理想,说明遥感分类方法的选择对于群落尺度湿地植物分类制图结果非常重要;③遥感分类制图的结果显示出研究区湿地植物群落分布格局受到水分环境梯度和微地貌的共同控制,呈现交替环带状分布规律.     

基于多时相无人机遥感影像优化河口湿地景观分类

河口湿地具有丰富的生物多样性和高度异质化的景观格局。针对河口湿地景观的复杂性,采用传统的基于单幅遥感影像的分类方法并不能得到较好的分类结果。本研究采用多时相无人机遥感影像参与分类,以优化河口湿地景观自动分类结果。选择天目湖上游平桥河河口湿地为研究区,选取4个季节的无人机影像为基础数据源,采用面向对象与决策树相结合的分类方法,针对不同季节组合的影像进行分类。结果表明:采用多时相无人机影像能显著提升分类效果,且参与分类的时相越多,效果越好;单季影像中,春季是最适合进行景观分类的季节,分类总体精度为62.7%,Kappa系数为0.59;当4个季节获取的影像同时参与分类时,分类总体精度为91.7%,Kappa系数为0.90;参与分类的时相光谱特征差异越大,分类效果提升越明显。本研究可为河口湿地景观分类提供技术支持,并提出了一种利用可见光无人机遥感影像进行湿地景观分类的新思路。     

基于多尺度遥感影像分割方法的湿地生态廊道设计

从生物多样性保护的角度,采用多尺度遥感影像分割方法中的人为干扰度模型,计算分割阈值确定湿地生态廊道的宽度,并结合聚类分析法分类的8种人为干扰类型,对建三江地区廊道结构设计进行了研究。结果表明,廊道分割阈值设为20%,非湿地背景噪声为9.43%,湿地生态廊道最佳宽度为1298m。8种人为干扰度中聚类c1、c2、c3和c4类型是受人为干扰较弱的区域,主要分布在浓江、乌苏里江、三江和洪河保护区原始生态环境区域,将其分别设定为核心区、实验区、边缘区、缓冲区4种类型。廊道核心区中的沼泽类型占75%,总体精度高达93.7%,实验区沼泽占72.2%,精度达到75.8%,边缘与缓冲区起到边缘护栏的作用,缓冲区宽度为945m,本研究为湿地生态廊道的建设与修复提供了可靠、科学的参考依据。     

面向对象的优势树种类型信息提取技术

森林植被优势树种类型信息的提取是遥感影像分类中的难点.面向对象分类方法是用高空间分辨率遥感数据实现精确类型信息提取的新方法.本文以2013年Quickbird影像作为基础数据,选择福建省三明市将乐林场为研究区,采用面向对象多尺度分割方法提取耕地、灌草地、未成林造林地、马尾松、杉木和阔叶树等类型信息.分类特征融合植被的光谱、纹理和多种植被指数3类特征信息,建立类层次结构,对不同层次分别用隶属度函数和决策树分类规则,最终完成分类,并与只用纹理与光谱特征相结合的方法进行对比.结果表明:融合纹理、光谱、多种植被指数的面向对象的分类方法提取研究区优势树种类型信息的精度为91.3％,比只用纹理和光谱的方法精度提高了5.7％.     

基于可见光植被指数的面向对象湿地水生植被提取方法

利用ESP分割工具确定最佳分割尺度,通过多尺度分割算法创建最优分割影像,基于微型无人机影像数据生成可见光植被指数,从一系列可见光植被指数中选取一组最优植被指数,建立决策树规则,利用隶属度函数对研究区自动分类,生成水生植被分布图.结果表明: 监督分类法的总体精度为53.7%,面向对象分类法总体精度为91.7%,与基于像元的监督分类法相比,面向对象分类法显著改善了影像分类结果,并大大提高了水生植被提取精度,监督分类法的Kappa系数为0.4,而面向对象分类法的Kappa系数为0.9.这表明利用微型无人机数据生成的可见光植被指数结合面向对象分类方法提取水生植被在该研究区是可行的,并能够应用到其他类似区域.     

基于多源遥感数据的植物物种分类与识别: 研究进展与展望

物种分类与识别是生物多样性监测的基础, 明确物种的类别及其分布是解决几乎所有生态学问题的前提。为深入了解基于多源遥感数据的植物物种分类与识别相关研究的发展现状和存在的问题, 本文对2000年以来该领域的研究进行了总结分析, 发现: 当前大多数研究集中在欧洲和北美地区的温带或北方森林以及南非的热带稀树草原; 使用最多的遥感数据是机载高光谱数据, 而激光雷达作为补充数据, 通过单木分割及提供单木的三维垂直结构信息, 显著提高了分类精度; 支持向量机和随机森林作为应用最广的非参数分类算法, 平均分类精度达80%; 随着计算机技术及机器学习领域的不断成熟, 人工神经网络在物种识别领域得以迅速发展。基于此, 本文对目前基于遥感数据的植物物种分类与识别中在分类对象复杂性、多源遥感数据整合、植物物候与纹理特征整合和分类算法技术等方面面临的挑战进行了总结, 并建议通过整合多时相监测数据、高光谱和激光雷达数据、短波红外等特定波谱信息、采用深度学习等方法来提高分类精度。     

基于BP神经网络与ETM+遥感数据的盐城滨海自然湿地覆被分类

高效而精确的湿地遥感分类是大范围湿地资源动态监测与管理的必要保障。本研究使用ETM 遥感数据,借助Matlab神经网络工具箱,构建了基于BP神经网络的滨海湿地覆被分类模型,并将其应用于江苏盐城沿海湿地珍禽国家级自然保护区的核心区的自然湿地覆被分类研究中。本研究选择3、4、7、8波段作为输入层变量,单隐藏层设为10个节点,输出层变量对应待划分的8种覆被类型,构建三层式BP神经网络滨海湿地覆被分类模型。结果显示,BP分类总精度为85.91%,Kappa系数为0.8328,与最小距离法和极大似然法的分类总精度相比,分别提高了7.99%和6.08%,Kappa系数也相比提高。研究结果表明,BP神经网络分类法是一种较为有效的湿地遥感影像分类技术,能够提高分类精度。     

基于中分辨率TM数据的湿地水生植被提取

利用湿地水生植被生长旺盛、光谱反射较强、光谱信息比较丰富的8月份中分辨率Landsat TM和ETM+多光谱遥感影像,采用面向对象的分类方法,进行野鸭湖湿地水生植被的提取。研究表明:在提取过程中,通过对原始影像进行主成分变换和穗帽变换,将主要信息与噪声分离,不仅减小了数据冗余和波段间的相关性,而且增大了影像上湿地水生植被与其他地物类型光谱和空间信息的差异性,并结合野外水生植被光谱特征分析,选择归一化植被指数NDVI与归一化水体指数NDWI辅助分类,构建特征波段或波段组合,然后,确定适当的隶属度函数和阈值范围,构建分类决策树,完成湿地水生植被的自动分类,提高了影像分割与面向对象分类的精度,取得了较为理想的湿地水生植被提取结果。2002年和2008年两景影像的总体分类精度分别达到86.5%和85.44%,表明中分辨率TM影像可以满足湿地水生植被提取的需要,又因为其具有较高的波谱分辨率、极为丰富的信息量、相对较低的价格、长时间序列,可以作为近20a湿地水生植被提取和动态变化监测的主要数据源。     

基于不同决策树的面向对象林区遥感影像分类比较

面向地理对象影像分析技术(GEOBIA)是影像分辨率越来越高的背景下的产物.如何提高高分辨率影像分类精度和分类效率是影像处理的重要议题之一.本研究对QuickBird影像多尺度分割后的对象进行分类,分析了C5.0、C4.5、CART决策树算法在林区面向对象分类中的效率,并与kNN算法的分类精度进行比较.利用eCognition软件对遥感影像进行多尺度分割,分析得到最佳尺度为90和40.在90尺度下分离出植被和非植被后,在40尺度下提取不同类别植被的光谱、纹理、形状等共21个特征,并利用C5.0、C4.5、CART决策树算法分别对其进行知识挖掘,自动建立分类规则.最后利用建立的分类规则分别对植被区域进行分类,并比较分析其精度.结果表明: 基于决策树的分类精度均高于传统的kNN法.其中,C5.0方法的精度最高,其总体分类精度为90.0%,Kappa系数0.87.决策树算法能有效提高林区树种分类精度,且C5.0决策树的Boosting算法对该分类效果具有最明显的提升.     

基于QUEST决策树兼容多源数据的淡水沼泽湿地信息提取

以三江平原东北部为例,探讨了中国典型淡水沼泽湿地信息的提取方法.利用TM卫星影像数据,基于半方差分析和z检验方法对比研究区典型地物不同尺度的各种纹理特征,从而遴选最优的窗口大小、纹理特征及其派生波段以提高地物之间的可分性.采用快速、无偏、高效统计树(quick,unbiased,and efficient statistical tree,QUEST)算法集成遥感影像的光谱特征、多尺度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.基于实测的GPS样本点采用混淆矩阵的方法对分类结果进行精度验证,并与传统的最大似然监督分类方法(maximum likelihood classification,MLC)进行对比.结果表明,基于QUEST的决策树分类结果的总精度和Kappa系数分别为84.58%和0.816,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.     

遥感植被指数与植物多样性的相关性及空间分布特征研究——以海口市主城区为例

植物多样性监测是开展物种保护与植被景观规划的重要基础,对实施生物多样性的优先区域保护具有重要意义。该文以海口市主城区为例,利用Landsat 8遥感数据与样方实测数据分析了植被指数与植物多样性指数之间的相关性,根据相关性分析结果构建植物多样性遥感监测数学模型,并筛选出最优模型用于监测研究区植物多样性的空间分布状况。结果表明:Shannon-Wiener多样性指数、Simpson多样性指数和Pielou均匀度指数与MSAVI植被指数相关系数最高,呈显著相关性(P<0.01)。通过一元线性数学回归模型得到的海口市植物多样性空间分布特征与实际情况相符,植物多样性水平较高的区域主要分布在火山口、东寨港和羊山湿地一带,且具有明显的空间自相关性。根据研究结果建议继续实施严格的保护措施,加强生态修复与保护工程,提高植被覆盖率和生物多样性水平。     

基于多尺度标记优化分水岭方法的油茶冠幅提取

针对尺度对地物空间结构的限制以及传统分水岭分割易产生树冠过分割等问题,选择长沙县明月村油茶基地为研究区,提出一种基于多尺度标记优化分水岭分割油茶树冠的方法。首先使用高分辨率无人机影像采集图像,分析影像特征,构建油茶分类体系,提取油茶林分布区域。其次,运用多尺度区域迭代增长方法提取树冠标记,将标记应用于多阈值尺度的分水岭变换,并结合Johnson指数选取树冠标记增长和分水岭阈值的最优尺度,实现油茶单木的准确识别。结果表明:多尺度标记优化分水岭方法在分离油茶单木时,树冠面积提取值与目视解译参考值的相对误差为9.4%;单木总体识别精度为89.4%,相对于传统的分水岭分割方法精度提高了34.8%;通过Johnson指数确定的最优迭代增长尺度为20,分水岭分割阈值尺度为85,对比不同尺度组合下的油茶冠幅提取结果,最优尺度下的油茶冠幅提取精度最高(R²=0.75)。多尺度标记优化分水岭方法能较准确地分离油茶树冠,将该方法应用于无人机影像树冠分割,可有效提高经济林调查的效率。     

旅游扰动下湿地公园植物多样性研究进展

湿地公园的生态脆弱区特性与保存湿地原生境矛盾引起国内外学者关注, 使其未来可能成为人类扰动下生态脆弱区生物多样性研究的模式基地。植物是湿地公园承受旅游活动等干扰的积极响应者, 已有研究多关注旅游对园内植物物种多样性等层面上的单一尺度影响, 忽视了其多尺度性, 使得植物在公园关键生态过程及整体功能发挥中的作用存争议。未来的工作中, 应注重开展多重时空格局下旅游扰动对自然湿地公园植物的物种、群落及景观等尺度多样性的独立和耦合影响研究, 筛选出驱动湿地公园不同尺度植物多样性变化响应的关键环境因子, 阐明其关键生态过程,探究湿地公园植物多样性对旅游扰动的多尺度响应机理, 构建湿地公园不同尺度植物多样性的保护机制。相关研究成果也将丰富生态脆弱区生物多样性研究的理论体系。     

旅游开发对上海滨海湿地植被的影响

选择上海滨海地区湿地植被为研究对象,采用典型样地与标准样方相结合的调查方法,从属种和生物多样性角度分析不同旅游开发方式对滨海湿地植被的影响。结果如下:(1)根据滨海旅游区水域开放程度,可将开发类型分为封闭式、半封闭式以及开放式3种,不同旅游开发类型对滨海湿地植被影响程度不同;(2)研究区封闭式相比较半封闭式和开放式旅游开发类型,可以提高区域内物种数量,物种数量增加分别增多33和45种,但本地物种所占比例下降,从70%分别下降到26.26%和21.73%;(3)旅游开发封闭性越强,生物多样性越高,封闭式、半封闭式以及开放式旅游开发区域生物多样性Shanno-Winner指数分别为0.92、1.07和1.51,区域内均匀度指数随封闭性增加而有所降低,Shanno-Winner均匀度指数从最高0.71降到最低0.52;(4)滨海湿地植被对不同类型旅游开发响应不同,封闭度越高,区域内植被响应度越强,封闭式、半封闭式以及开放式植被响应指数分别为2.2、2.0和1.8。     

基于系统保护规划的海河流域湿地保护优先格局与保护空缺识别

以海河流域为研究对象,依托系统保护规划的理论、方法和技术手段,建立气候-地貌-湿地生态地理综合分类单元,并将此单元作为宏观尺度湿地生物多样性的替代单元,同时以湿地水鸟作为物种尺度的指示物种,综合考虑道路、居民点等社会因素,确定了海河流域湿地保护优先格局及保护空缺。研究结果表明：湿地结构上,现有保护体系中仅滨海湿地受保护比例较高,经系统保护规划优后,湿地保护比例可达28.55%,保护面积达36.55 km²;在空间分布上,仅徒骇马颊河水系目前得到较好的保护,建议对滦河及冀东沿海区域及海河流域南北水系通过设立保护小区和建立湿地公园等方式加强保护。研究结果可为海河流域湿地保护体系调整提供参考,为湿地、非湿地生态系统的整合优化提供有益启示。     

基于气候分区与遥感技术的大兴安岭湿地信息提取

针对高山湿地遥感研究的复杂性,本文提出了一种基于气候分区、面向对象分层分割的高山湿地遥感提取方法。利用MODIS归一化植被指数(NDVI)时间序列及数字高程模型(DEM)数据,在气候分区的基础上采用面向对象分类方法,进行大兴安岭地区的湿地遥感提取,并分析了2001—2013年大兴安岭湿地的时空动态变化及成因。结果表明:基于MODIS影像综合特征的面向对象方法,比基于像元的最大似然法和Logistic模型法提取湿地信息的精度更高,面向对象方法提取大兴安岭湿地制图精度为82%,Kappa系数为0.74;2001年大兴安岭地区湿地面积为414.89×104hm~2,2013年湿地面积为340.39×104hm~2,13年间湿地面积总体呈减少趋势;不同地区湿地增减趋势不同,湿地增加区域主要分布在塔河县和呼玛县,是由于2013年降雨量高于2001年降雨量引起的,而湿地农田化导致分布在甘南县和龙江县的湿地减少。研究成果将为高山湿地时空动态信息提取提供技术支持。     

基于环境星与MODIS时序数据的面向对象森林植被分类

林区地形复杂、植被分布无序,且森林植被光谱信息相近,因而森林二级类型边界的确定成为土地覆盖遥感分类的难点。选择吉林省东部山区为研究区,以环境星影像(HJ-1 CCD)和中等分辨率成像光谱仪(MODIS)时序数据为基础,采用面向对象的分类方法进行森林植被类型的提取。分类特征参数主要选取了HJ-1 CCD的光谱和纹理特征,以及MODIS时序数据的物候特征。研究区总体分类精度为91.5%,Kappa系数为0.88,森林二级类型的分类精度均较高,其中落叶阔叶林的制图精度达到了97.1%。所用的面向对象分类方法与未加入物候特征的面向对象分类方法相比,森林二级类型的分类精度得到大幅度提高。     

基于高分辨率与高光谱遥感影像的北亚热带马尾松及次生落叶树种的分类

利用遥感数据开展森林资源树种的分类对森林资源的监测、森林可持续经营及生物多样性研究都有重要意义。该文以江苏南部丘陵地区的北亚热带天然次生林为研究对象, 利用LiCHy (LiDAR、CCD、Hyperspectral)集成传感器同期获取的高分辨率和高光谱数据, 进行冠幅识别和多个层次的树种分类: 首先, 对高分辨率影像进行基于边缘检测的多尺度分割, 提取出单木冠幅; 其次, 对高光谱影像进行特征变量提取, 并对提取出的特征变量利用信息熵原理选取优化特征变量; 然后, 分别利用全部特征变量和经优化的重要特征变量对森林树种及森林类型进行预分类; 最后, 在预分类结果中加入单木冠幅信息对森林树种及森林类型进行重分类, 并分析分类结果的精度。研究表明: 1)利用全部特征变量进行4个典型树种分类时, 总体精度为64.6%, Kappa系数为0.493; 而针对森林类型的分类精度为81.1%, Kappa系数为0.584。2)利用选取的优化特征变量分类精度略低于利用全部特征变量的分类精度, 其中对4个典型树种分类时, 总体精度为62.9%, Kappa系数为0.459; 而针对森林类型的分类精度为77.7%, Kappa系数为0.525。通过集成传感器同期获取的高分辨率和高光谱数据可以有效地进行北亚热带森林的树种分类及森林类型的划分。