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.     

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.     

外来入侵植物凤眼莲遥感监测方法研究

【目的】凤眼莲作为我国典型的外来入侵物种之一,其大规模入侵对水生生态系统破坏严重。目前在不同生境下开展的凤眼莲遥感监测方法研究精度有所不同。本研究对比了不同分类方法,拟筛选出适合我国南方地区凤眼莲的分类方法。【方法】基于Sentinel-2、Landsat8 OLI多光谱影像,选择最大似然和支持向量机监督分类、决策树分类以及植被指数阈值分类方法分别对海南省5个水库的凤眼莲遥感分类,依据无人机可见光影像目视结果对不同方法的分类精度进行评价。【结果】基于凤眼莲时相特征的决策树分类精度最高,总体精度达到90%以上;在基于光谱特征的分类方法中,最大似然监督分类的用户精度为77.88%、制图精度为72.44%,支持向量机分类的用户精度和制图精度分别达到87.00%和84.48%。【结论】基于时相特征与光谱特征的决策树分类方法精度高于仅基于光谱特征的监督分类方法,简单植被指数阈值方法难以区分不同生境内的凤眼莲,研究结果可为我国南方地区凤眼莲遥感监测与预警提供依据。     

生物土壤结皮对照相法测量植被覆盖度结果的影响

植被覆盖度测度的准确性很大程度上影响着研究结论是否科学合理。在干旱半干旱退化草原区,尤其是受采矿剧烈扰动的矿区,发育的生物土壤结皮(Biological soil crust,BSC)由于其颜色和光谱同绿色植被具有相似性,导致对植被覆盖度的测量存在一定的影响。以伊敏露天矿区为研究区,在西排土场和内排土场采集了含苔藓结皮、地衣结皮和藻结皮的样方相片各四组(每组中包含样方喷水前和喷水后的相片各一张),并采集了一组不含结皮的样方相片作为对照组,运用数码照相法提取植被覆盖度,通过不同的数据处理方法(最大似然分类法及RGB阈值法)进行植被覆盖度提取,设立对比试验,分析BSC对于植被覆盖度测度是否有影响,其影响大小如何,影响程度是否受BSC含水量大小的影响,并对比各常规处理方法的优劣,研究能否通过结合纹理特征与色彩信息剔除BSC对植被覆盖度提取值的影响。研究结论:1)基于照相法的常规数据处理方法提取植被覆盖度时,BSC的存在导致测得的植被覆盖度值偏高,且苔藓结皮、地衣结皮吸水后比吸水前影响更显著,藻结皮相反;2)3个演替阶段的BSC中,尤以含苔藓结皮的样方植被覆盖度高估最为明显,其次为地衣,而含藻结皮样方规律不明显;3)样方内BSC覆盖度越高,植被覆盖度越低,其植被覆盖度测度越不准确,因此在研究草原矿区这类草本植物覆盖度较低、结皮发育的区域时,应当注意BSC的影响;4)试通过应用纹理信息提出改进的提取方法,发现单纯的纹理分类精度极低,而结合了纹理信息与RGB色彩信息的分类精度较高;5)对两种常规分类方法的精度进行比较,RGB阈值法较最大似然分类法更为不准确,对植被覆盖度的高估接近最大似然分类法的2倍。对两种改进的提取方法的精度进行比较,二者都可以有效提高测量精度,基于波段合成的纹理分类方法最佳。四种方法精度由高到低的顺序为:纹理结合RGB法考虑生物土壤结皮的最大似然分类法普通最大似然分类法RGB阈值法。     

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。     

基于遥感和GIS的土地利用分类方法及其在土地退化程度分析中的应用——以陕西横山雷龙湾地区为例

基于陕西省横山县雷龙湾地区的遥感ETM＋影像,分别采用最大似然法和光谱角制图分类（SAM）方法进行了该区的土地利用类型分类。其中,光谱角制图分类利用最小噪声分离（MNF）及像元纯净指数（PPI）方法提取研究区的地类终端端元,在此基础上绘制土地利用类型图。最大似然法对水体及耕地的分类精度较高,而其它地类精度稍差,沙地有较大漏分;而基于像元纯净指数的光谱角制图法分类对沙地、水体分类效果较好,对建筑用地和非建筑用地区分度较高,但林地和草地有一定混分。根据研究区反照率影像、NDVI以及湿度图像构造了一个土地退化程度指数模型,并选择一定的系数对研究区的土地退化程度进行了分类,利用GIS软件成图输出。利用光谱角制图分类的纯净像元样本进行比较分析,发现土地退化程度指数与土地利用的相关性较强,表明该方法可以较好地反映当地的土地退化程度情况。     

基于Sentinel–2影像特征优化的于桥水库水生植被提取

水生植被分布情况、结构和演变趋势对湿地生态环境变具有重要的指示意义和科学研究价值。基于Sentinel-2遥感数据,综合应用光谱信息、水体植被指数、最佳指数法(Optimal Index Factory,OIF)计算的纹理特征,结合随机森林分类法,构建特征优化后的随机森林水生植被提取模型,对于桥水库进行水生植被提取。结果显示:该方法能有效的提取出水生植被,总体精度为93.22%,Kappa系数为0.91。进一步与最大似然和支持向量机(SVM)方法进行对比分析,结果表明本算法的总体精度分别提高了19.96%、8.53%, Kappa系数分别提高了0.25、0.11。基于水生植被全年提取结果,分析了于桥水库的水生植被年内变化,发现于桥水库水生植被在五月份最繁盛,随后逐渐消减,直至十月份基本消亡。实验表明:特征优化后的随机森林分类法在Sentinel-2影像水生植被提取中具有较好的适用性。     

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.     

基于多时相SAR数据和SPOT数据的盘古林场林分类型识别

林分类型信息的提取是遥感影像分类中的热点和难点。而大兴安岭地区又是我国重点林区和天然林主要分布区之一,植被类型丰富,种类繁多,为林分类型精确识别带来了很大的难度。为了比较和提高林分类型的分类精度,研究以大兴安岭地区盘古林场为实验区,综合利用SPOT-5影像和不同时相的RADARSAT-2全极化SAR影像,采用3种分类方案及最大似然分类方法对研究区遥感影像进行分类,并比较不同分类方案对林分类型识别的精度。3种方案分别是:(1)单独采用SPOT影像对林分类型进行识别;(2)对全极化SAR数据进行极化分解提取参数并结合SPOT数据参与分类;(3)结合SPOT数据与多时相全极化SAR分解参数进行分类。结果表明:对比SPOT、加入单时相和加入多时相3种方案的分类结果,方案三加入多时相SAR影像与SPOT数据对白桦林、落叶松林、樟子松林和云杉林的分类中总分类精度最高,为84.64%,Kappa系数为0.79,对林分类型的识别最为有效,而单用SPOT数据对林分类型识别的精度最低,精度为76.66%,Kappa系数为0.70。     

基于对象特征的山东省丘陵地区多时相遥感土地覆被自动分类

对于基于像元的土地覆被分类来说,植被的分类是难点。使用多时相面向对象分类方法可以较好的解决这个问题。以山东省烟台市丘陵地区为研究区,采用Landsat TM(Landsat Thematic Mapper remotely sensed imagery)、DEM(Digital Elevation Model)、坡度、坡位、坡向等多种数据,利用基于对象特征的多时相分类方法对研究区进行土地覆盖自动分类。首先对影像进行多尺度分割并检验分割结果选取合适的分割尺度,然后分析对象的光谱、纹理、形状特征。根据各类地物的光谱特征、地理相关性、形状、空间分布等特征,明确类别之间的差异。建立决策树使用隶属度函数进行模糊分类,借助支持向量机提高分类精度。研究结果表明,通过使用多时相影像采用面向对象分类方法,相对于传统的基于像素的分类可以明显提高分类精度,尤其是解决了乔灌草的区分问题。     

Accuracy‐driven loci selection and assignment of individuals

We present two programs: gafs for optimal selection of loci for use in individual assignment tests, and mlc , a program for individual classification using maximum likelihood and k‐nearest neighbour decision rules. gafs software employs a genetic algorithm to heuristically search multilocus subsets with several objective functions to maximize predictive accuracy of the assignments.     

Water eutrophication evaluation based on rough set and petri nets: A case study in Xiangxi-River,Three Gorges Reservoir

After impoundment of the Three Gorges Reservoir (TGR), the water area of Xiangxi River becomes a typical area of reservoir tributaries where eutrophication develops and water bloom occurs. In order to assess the eutrophication status in Xiangxi River faster and more accurate, an integrated model (RSPN) for eutrophication assessment based on eleven monitoring sections samples in Xiangxi River from 2015 to 2016, which integrates rough set theory (RST) and petri nets (PN), is presented. Firstly, RST was employed to remove redundant eutrophication features and simple eutrophication information, so that the minimal eutrophication assessment rules can be obtained and the eutrophication rank was roughly assessed. Secondly, the PN structure was built and the eutrophication rank was completely realized through matrix operation of PN. Finally, comparison using RSPN and other classical classification algorithms was performed. The results reveal that the RSPN model can accurately and efficiently analyze the relation between condition indicators and variations of eutrophication degree. Therefore, the RSPN model is a promising alternative method to develop a water eutrophication information system and offers decision rules base for the utility management as well as operations staff.     

异质背景下黄河三角洲潮沟的遥感提取方法

以黄河三角洲为研究区域,针对该区域潮滩背景异质性强、潮沟宽度不一和潮沟各向异性强等特点,选取高分二号多光谱影像作为数据源,首先利用归一化水体指数(NDWI)和最大类间方差法(OTSU)提取宽阔潮沟,其次,使用改进的模糊C均值算法(MFCM)和多尺度高斯匹配滤波(MGMF),在削弱潮滩背景异质性的基础上增强细小潮沟,接着利用自适应阈值分割提取细小潮沟,最后合并细小潮沟和宽阔潮沟,形成完整的潮沟网络.不仅充分利用了高分二号影像的空间分辨率和光谱信息,也顾及了线状要素的几何特征,保证了潮沟提取结果的空间连续性.在4个局部测试区域,提取结果的Kappa系数大于0.8,总体精度高于97%,优于最大似然法和支持向量机.结果表明: 本研究提出的方法能够较完整地提取不同类型的潮沟,表现出较好的提取精度和稳定性,能够为潮沟的实时动态监测及其发育演化规律研究提供科学参考.     

Unsupervised feature selection algorithm for multiclass cancer classification of gene expression RNA-Seq data

This paper presents a Grouping Genetic Algorithm (GGA) to solve a maximally diverse grouping problem. It has been applied for the classification of an unbalanced database of 801 samples of gene expression RNA-Seq data in 5 types of cancer. The samples are composed by 20,531 genes. GGA extracts several groups of genes that achieve high accuracy in multiple classification. Accuracy has been evaluated by an Extreme Learning Machine algorithm and was found to be slightly higher in balanced databases than in unbalanced ones. The final classification decision has been made through a weighted majority vote system between the groups of features. The proposed algorithm finally selects 49 genes to classify samples with an average accuracy of 98.81% and a standard deviation of 0.0174.     

Hyperspectral Analysis of Columbia Spotted Frog Habitat

Abstract: Wildlife managers increasingly are using remotely sensed imagery to improve habitat delineations and sampling strategies. Advances in remote sensing technology, such as hyperspectral imagery, provide more information than previously was available with multispectral sensors. We evaluated accuracy of high-resolution hyperspectral image classifications to identify wetlands and wetland habitat features important for Columbia spotted frogs (Rana luteiventris) and compared the results to multispectral image classification and United States Geological Survey topographic maps. The study area spanned 3 lake basins in the Salmon River Mountains, Idaho, USA. Hyperspectral data were collected with an airborne sensor on 30 June 2002 and on 8 July 2006. A 12-year comprehensive ground survey of the study area for Columbia spotted frog reproduction served as validation for image classifications. Hyperspectral image classification accuracy of wetlands was high, with a producer's accuracy of 96% (44 wetlands) correctly classified with the 2002 data and 89% (41 wetlands) correctly classified with the 2006 data. We applied habitat-based rules to delineate breeding habitat from other wetlands, and successfully predicted 74% (14 wetlands) of known breeding wetlands for the Columbia spotted frog. Emergent sedge microhabitat classification showed promise for directly predicting Columbia spotted frog egg mass locations within a wetland by correctly identifying 72% (23 of 32) of known locations. Our study indicates hyperspectral imagery can be an effective tool for mapping spotted frog breeding habitat in the selected mountain basins. We conclude that this technique has potential for improving site selection for inventory and monitoring programs conducted across similar wetland habitat and can be a useful tool for delineating wildlife habitats.     

利用GIS对吉林针阔混交林TM遥感图像分类方法的初探

为提高林区TM遥感图像自动分类识别精度,在GIS技术辅助下,以吉林省汪清林业局针阔混交林TM遥感图像为例,对研究区DEM、坡向等地理因子和土壤类型等环境因子与森林植被分布之间的内在规律进行了定量分析,并结合对遥感图像预分类的定性分析,形成分类知识库,建立了适用于针阔混交林的自动分类识别专家系统.分类试验证明,该系统能比较明显地削弱混合像元和地形阴影的影响,分类精度较无监督分类法提高了14.22%,Kappa指数为0.7556,达到区别森林类型的分类目的.将GIS数据引入专家系统,应用先验知识建立推理机制,可以解决遥感图像中云区和云阴影区由于不能接收到正确的光谱值而无法进行分类的问题.