首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 109 毫秒
1.
基于面向对象的QuickBird遥感影像林隙分割与分类   总被引:1,自引:0,他引:1  
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(RAor)和分割对象相交面积(RAos)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RAorRAos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.  相似文献   

2.
李明泽  付瑜  于颖  范文义 《植物研究》2016,(4):613-619,626
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。  相似文献   

3.
基于可见光植被指数的面向对象湿地水生植被提取方法   总被引:1,自引:0,他引:1  
井然  邓磊  赵文吉  宫兆宁 《生态学杂志》2016,27(5):1427-1436
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.  相似文献   

4.
明确滨海湿地植物物种类型及其分布状况是实现滨海湿地精细化生物多样性监测的基础,对于滨海湿地的保护管理与生态可持续发展均具有重要意义。本研究以无人机可见光遥感影像为基础数据源,在定量分析最优分割尺度与最优分类特征组合的基础上,应用面向对象-U-net深度学习方法对闽江河口湿地植物物种类型进行分类,并与K最近邻、决策树、随机森林和贝叶斯分类方法进行精度对比分析,以期为滨海湿地植物物种遥感精细分类与生物多样性保护管理提供方法借鉴与科学参考。研究结果表明,利用面向对象-U-net深度学习方法提取不同滨海湿地植物物种类型的分类精度可达95.67%,总体精度较其他分类方法提高6.67%–13.67%, Kappa系数提高0.12–0.31,且分类整体性好。此外,实现植物物种光谱特征、形状特征、纹理特征与高度特征的最优特征选择对于有效提高湿地植物物种信息分类精度具有重要作用,应用最优分割尺度实现影像分割可提高整体分类效率。  相似文献   

5.
面向对象的优势树种类型信息提取技术   总被引:1,自引:0,他引:1  
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%.  相似文献   

6.
基于不同决策树的面向对象林区遥感影像分类比较   总被引:1,自引:0,他引:1  
陈丽萍  孙玉军 《生态学杂志》2018,29(12):3995-4003
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.  相似文献   

7.
基于多光谱影像的森林树种识别及其空间尺度响应   总被引:1,自引:0,他引:1  
当前,不同空间分辨率卫星影像对森林类型识别结果中普遍存在的尺度效应,而且纹理参量对不同尺度下树种识别精度的影响仍缺乏广泛认知.本研究以中国东北旺业甸林场为研究区,采用观测时相同步、地理坐标匹配的GF-1 PMS、GF-2 PMS、GF-1 WFV,以及Landsat-8 OLI卫星传感器数据组成空间尺度观测序列(1、2、4、8、16、30 m),并结合支持向量机(SVM)模型,探讨了区域内5种优势树种遥感识别结果的尺度变化规律及其纹理特征参数的影响,同时检验了基于尺度上推转换影像的树种识别结果差异.结果表明: 影像空间分辨率对区域树种识别结果具有显著影响,其中,研究区森林树种识别的最佳影像分辨率为4 m,当分辨率降低至30 m时,树种识别结果最差.在1~8 m影像分辨率范围内,增加纹理信息能够显著提高不同优势树种的识别精度,使总分类精度提升了2.0%~3.6%,但纹理信息对16~30 m影像的识别结果没有显著影响.与真实尺度卫星影像相比,基于升尺度转换影像的树种识别结果及其尺度响应特征存在显著差异,表明在面向多个空间尺度的遥感观测和应用研究中,需要采用真实分辨率影像以确保结果的准确性.  相似文献   

8.
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。  相似文献   

9.
光学遥感是获取宏观地表植被覆盖信息的重要手段,但常绿树种之间物候差异小,关于亚热带地区常绿林型的遥感识别研究相对较少。遥感林型识别存在尺度效应,从实际应用视角出发,常绿林型遥感识别的最优空间分辨率仍然不清楚。本研究以湖南省会同县为例,利用Pléiades(2 m)、RapidEye (5 m)、Landsat-8 (15、30 m) 4种光学遥感影像,结合光谱、纹理、植被覆盖度等特征变量与随机森林模型,探讨了3种典型亚热带常绿林型:杉木林(Chinese fir forest,CFF)、马尾松林(Masson pine forest,MPF)、常绿阔叶林(evergreen broadleaved forest,EBF)的最优遥感识别分辨率以及尺度效应问题。结果表明:研究区地表覆盖分类精度随影像空间分辨率的降低呈现先降低后上升的变化趋势,在2 m时具有最佳分类精度(Kappa=0.70,总精度=0.77)。3种林型的识别精度随空间分辨率的上升均表现出先降低后上升的变化规律,识别率(rate of identification,RI)范围分别为:RI_(CFF)=68%~87%、RI_(MPF)=55%~84%、RI_(EBF)=29%~74%。杉木林与马尾松林的漏分误差(omission error,OE)与错分误差(commission error,CE)低于常绿阔叶林(OE_(CFF)=0.26~0.46,CE_(CFF)=0.32~0.53; OE_(MPF)=0.31~0.50,CE_(MPF)=0.31~0.46; OE_(EBF)=0.47~0.71,CE_(EBF)=0.39~0.66)。本研究证实了亚热带常绿林型的遥感识别存在明显的尺度效应,30 m分辨率的Landsat-8影像相比高分辨率遥感影像因具备更丰富的光谱信息而具有更高的识别精度。本研究表明,常绿林型的遥感识别不宜盲目追求高空间分辨率,需要综合考虑遥感传感器光谱配置与空间分辨率之间的内在权衡。  相似文献   

10.
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Li CHy(Li DAR、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。  相似文献   

11.
Vegetation is an integral component of wetland ecosystems. Mapping distribution, quality and quantity of wetland vegetation is important for wetland protection, management and restoration. This study evaluated the performance of object-based and pixel-based Random Forest (RF) algorithms for mapping wetland vegetation using a new Chinese high spatial resolution Gaofen-1 (GF-1) satellite image, L-band PALSAR and C-band Radarsat-2 data. This research utilized the wavelet-principal component analysis (PCA) image fusion technique to integrate multispectral GF-1 and synthetic aperture radar (SAR) images. Comparison of six classification scenarios indicates that the use of additional multi-source datasets achieved higher classification accuracy. The specific conclusions of this study include the followings:(1) the classification of GF-1, Radarsat-2 and PALSAR images found statistically significant difference between pixel-based and object-based methods; (2) object-based and pixel-based RF classifications both achieved greater 80% overall accuracy for both GF-1 and GF-1 fused with SAR images; (3) object-based classifications improved overall accuracy between 3%-10% in all scenarios when compared to pixel-based classifications; (4) object-based classifications produced by the integration of GF-1, Radarsat-2 and PALSAR images outperformed any of the lone datasets, and achieved 89.64% overall accuracy.  相似文献   

12.
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。  相似文献   

13.
杜华强  孙晓艳    韩凝  毛方杰 《生态学杂志》2017,28(10):3163-3173
综合面向对象和CART决策树方法,对浙江省安吉县山川乡毛竹林分布信息及胸径、树高、郁闭度等调查因子和地上部分碳储量进行遥感定量估算.结果表明: 综合基于多尺度分割的对象特征及决策树,能够充分利用不同尺度层次信息关联的优势,实现毛竹林专题信息高精度提取,其用户精度达到89.1%;基于对象特征构建的毛竹林调查因子回归树估算模型,其估算结果均能达到正常或较好水平,其中,郁闭度回归树模型的精度最高为67.9%,估算效果较好;而平均胸径和树高估算的总精度相对较低,这与采用光学遥感数据进行森林树高、胸径估算达不到理想结果的结论一致;毛竹林地上部分碳储量回归树模型的估算结果较好,高值区域估算精度达到80%以上.  相似文献   

14.
基于类型和要素的城市多等级景观分类方法   总被引:1,自引:0,他引:1  
钱雨果  周伟奇  李伟峰  韩立建 《生态学报》2015,35(15):5207-5214
城市区域的景观格局具有高度的异质性和复杂性,因而单一等级的景观分类方法难以揭示其复杂的多等级景观特征。基于等级斑块动态范式,探讨了针对城市区域基于景观类型和要素的多等级景观分类方法。以北京市为研究区,首先根据其景观类型和景观要素的特征,将城市区域划分为"城市"、"农田"和"森林"3种景观类型,同时确定"植被"、"裸地"、"水体"和"不透水表面"4类景观要素。然后,应用自上而下的分类思路和面向对象的分类方法对研究区进行了景观类型和要素的分类,其总体精度分别为93.36%和87.89%。相比单一等级的景观分类结果,多等级的分类结果不仅体现了城市生态系统不同等级的景观组成,还能揭示多级景观间的隶属关系,因而能更完整的描述城市景观格局,进而为认识城市生态系统的结构和功能提供新的视角。  相似文献   

15.
Floodplain forests play a crucial role in the storage of organic carbon (Corg). However, modeling of carbon stocks in these dynamic ecosystems remains inherently difficult. Here, we present the spatial estimation of Corg stocks in riparian woody vegetation and soils (to a depth of 1 m) in a Central European floodplain using very high spatial resolution remote sensing data and auxiliary geodata. The research area is the Danube Floodplain National Park in Austria, one of the last remaining wetlands with near-natural vegetation in Central Europe. Different vegetation types within the floodplain show distinct capacities to store Corg. We used remote sensing to distinguish the following vegetation types: meadow, reed bed and hardwood, softwood, and cottonwood forests. Spectral and knowledge-based classification was performed with object-based image analysis. Additional knowledge rules included distances to the river, object area, and slope information. Five different classification schemes based on spectral values and additional knowledge rules were compared and validated. Validation data for the classification accuracy were derived from forest inventories and topographical maps. Overall accuracy for vegetation types was higher for a combination of spectral- and knowledge-based classification than for spectral values alone. While water, reed beds and meadows were clearly detectable, it remained challenging to distinguish the different forest types. The total carbon storage of soils and vegetation was quantified using a Monte Carlo simulation for all classified vegetation types, and the spatial distribution was mapped. The average storage of the study site is 428.9 Mg C ha−1. Despite certain difficulties in vegetation classification this method allows an indirect estimation of Corg stocks in Central European floodplains.  相似文献   

16.
应用遥感技术进行精细地物信息提取是研究生态系统结构、过程和功能的重要手段之一。由于热带地区生态系统复杂,为精细地物信息提取带来很大的不确定性,极易产生"同物异谱"、"同谱异物"的现象。研究以地处热带地区的海南岛精细地物遥感信息提取为例,在综合分析典型地物光谱特征、空间分布、斑块形状等基础上,构建和优化了水陆指数WLI(Water and Land differing Index)、乔灌草指数GSI(Grass and Shrub differing Index)、旱地-沙地指数SSI(Field and Sand differing Index),并结合新型通用植被指数VIUPD(Vegetation Index of the Universal Pattern Decomposition Method)及DEM(Digital Elevation Model)等多源数据,提出基于决策树的面向对象遥感信息提取方法。该方法首先确定要提取的对象,明确对象类别与对象隶属关系,然后逐层逐项的提取天然林、橡胶林、浆纸林等地物信息。结果表明,综合提取的精度达88%,相比传统的监督分类方法精度(66%)提高22个百分点,精度明显提高。  相似文献   

17.
利用GIS对吉林针阔混交林TM遥感图像分类方法的初探   总被引:4,自引:1,他引:3  
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.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号