基于图像融合与混合像元分解的城市植被盖度提取

城市植被盖度提取对于开展城市绿色空间保护和城市规划具有重要意义。随着遥感技术的发展,混合像元分解模型被广泛用于从中等分辨率的多光谱影像提取城市植被盖度,但较低的影像空间分辨率限制了该模型的应用领域。为此,以杭州市为例,首先引入Gram-Schmidt(GS)方法对Landsat ETM+的多光谱波段和全色波段进行融合,再通过混合像元分解模型从ETM+融合影像上提取城市植被盖度,最后利用SPOT影像进行精度检验。结果发现,采用GS方法对影像进行融合后,标准差、信息熵、平均梯度提高,相对偏差小于0.07,说明在保留多光谱信息的基础上提高了其空间分辨率。与SPOT影像相比,在融合影像上75%以上样本的植被盖度值相似,误差较大的区域是市区植被特别稀疏或茂盛的像元。与源影像相比,从融合影像上提取的植被盖度的均方根误差和系统误差降低了0.01。该方法在降低城市植被监测成本、提高监测精度方面具有潜力。     

基于NDVI_Ts特征空间的中国土地覆盖分类研究

 归一化植被指数（NDVI）与地表温度（Ts）是描述地表覆盖特征的两个重要参数, 其构成的NDVI_Ts特征空间具有丰富的地学和生态学内涵。该文在NOAA/AVHRR连续时间序列数据反演Ts的基础上,通过主成分分析、非监督分类和基于DEM的分类后处理等方法,以Ts/NDVI为指标对中国土地覆盖进行分类。结果表明,Ts/NDVI对中国较大尺度上不同土地覆盖类型的差异具有较强的敏感性,其对中国土地覆盖分类结果的野外抽样检验精度比传统的单独利用NDVI时间序列进行非监督分类提高了3.3%,Kappa系数提高了0.020 2;在综合其它反映植被特征及其环境的指标（如气候、地形等）的基础上,利用Ts/NDVI将有可能较为准确 地提取中国植被或土地覆盖的信息,有利于对其进行分类和变化监测,具有深远的研究潜力 和应用价值。     

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。     

多尺度遥感数据协同的干旱地区植被覆盖度提取

纯植被像元获取是植被覆盖信息遥感反演的必要环节。干旱地区植被分布零散稀疏,使用中、低分辨率遥感数据提取植被覆盖度时,难以获取纯植被像元,致使植被覆盖度提取精度较低。针对上述问题,本文提出一种基于多尺度遥感数据协同的干旱区植被覆盖度反演方法。该方法利用空间分辨率较高的Landsat-8 OLI数据确定纯植被像元,考虑到不同传感器之间的光谱差异,使用实测地物光谱数据进行光谱转换,代替中等分辨率MODIS数据的纯植被像元,应用于像元二分模型,选择典型的干旱区新疆阜康市为研究区,进行植被覆盖度反演实验,最后使用无人机航拍影像对反演结果进行精度验证。结果表明,植被覆盖度反演结果精度较高,与实测值间存在较高的相关性(R2=0.75),均方根误差较低(RMSE=0.10)。该方法能够有效提高干旱区植被覆盖度反演精度,可为利用中低分辨率数据研究干旱地区生态环境变化提供一种新思路。     

基于ETM+影像的森林资源信息提取——以黄土高原丘陵沟壑区水土保持林为例

以森林资源遥感分类为切入点,以黄土高原丘陵沟壑区陕西黄龙县境内的水土保持林作为对象,针对ETM+遥感影像在森林信息提取中存在的大量混合像元的问题,引入一种基于针叶林-阔叶林-灌草(C-B-G)模型的混合像元分解方法,通过这种方法,分别得到研究区针叶林、阔叶林、灌草的覆盖图像,并提取出了针阔混交林的分布情况.采用ERDAS 9.1对分类结果进行精度评价,结果表明针阔混交林的分类精度相对于通用分类方法--监督分类的精度提高了20%,说明该方法可以改善植被信息提取的效果.     

基于线性混合模型和NDVI阈值法的MODIS影像黄海浒苔监测

水体富营养化等原因,导致浒苔(Enteromorpha prolifera)灾害自2007年在中国黄海海域频发,成为黄海最严重的生态灾害。卫星遥感具有大范围监测、瞬时优势,成为浒苔灾害最重要的监测手段之一。中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer,MODIS)影像因其幅宽大、时间分辨率高、免费分发,成为浒苔业务化监测的主要数据源。由于空间分辨率(250 m)较低,混合像元的存在导致传统阈值法获取的浒苔面积误差较大。本文结合线性混合模型(linear mixing model,LMM)和归一化差值植被指数(normalized different vegetation index,NDVI)阈值法对250 m空间分辨率的MODIS影像进行浒苔面积提取。选择1个大区及其内部3个小区,以准同步5.8 m空间分辨率资源三号(ZY-3)卫星影像提取浒苔结果为准进行精度评价。发现NDVI阈值为0.04提取的浒苔像元对线性混合模型分解结果掩膜所得浒苔面积误差最小,大区及其3个小区的误差分别是7.86%、14.59%、-7.65%、-0.15%。应用本文提供方法可有效排除浒苔混合像元和非浒苔像元对浒苔面积信息提取的干扰,与阈值法相比大幅提高了反演精度,且在不同区域精度较稳定,可为浒苔生态灾害的处置决策和评估提供支撑。     

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C5.0的钱塘江流域地区土地利用/覆被信息提取研究

选取钱塘江中游地区约348 km²为实验区,综合归一化植被指数、纹理信息和数字地形模型(DEM)派生的高程、坡度等辅助数据,对SPOT5影像的光谱特征进行扩展,建立基于C5.0算法的模型,实现对土地利用信息的自动提取,并将分类结果与基于传统像元的最大似然分类结果作比较。结果表明,训练样本的有效性和辅助特征数据的参与可排除干扰信息;随着样点数量的增加,分类精度提高;决策树向决策规则的转化,能够在保证精度的基础上使规则更易理解;利用C5.0算法的总精度达到94.68%,较最大似然分类法提高了7.37%,有效实现了高精度分类,是保证钱塘江流域地区土地利用遥感信息快速准确提取的方法之一。     

山丘区苹果树花期冠层反射率的定量遥感反演

采用山东省栖霞市苹果树花期不同分辨率的TM和ALOS影像,充分考虑坡向系数和冠层花叶比,通过地形辐射校正获取地表反演反射率,再经混合像元分解获取苹果树冠层的反演反射率,将30个果园样方的反演结果与同时段实测反射率及表观反射率进行比较,分析反演效果和精度.结果表明:地形辐射校正有效减弱了地形和大气的影响,恢复了阴影处地物,地表反演反射率影像的解析力大幅提高;无论是TM还是ALOS影像,冠层反演反射率的绝对误差和相对误差均最小,所有波段的相对误差表现出一致性,且样方间变化趋势与实测值最一致,说明混合像元分解是必要的.反演方法应用于不同分辨率影像,表现出相似的反射率变化特点,高分辨率图像更具优势,但受波段限制,可与中分辨率影像结合使用.     

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。     

A Simple Semi-Automatic Approach for Land Cover Classification from Multispectral Remote Sensing Imagery

Land cover data represent a fundamental data source for various types of scientific research. The classification of land cover based on satellite data is a challenging task, and an efficient classification method is needed. In this study, an automatic scheme is proposed for the classification of land use using multispectral remote sensing images based on change detection and a semi-supervised classifier. The satellite image can be automatically classified using only the prior land cover map and existing images; therefore human involvement is reduced to a minimum, ensuring the operability of the method. The method was tested in the Qingpu District of Shanghai, China. Using Environment Satellite 1(HJ-1) images of 2009 with 30 m spatial resolution, the areas were classified into five main types of land cover based on previous land cover data and spectral features. The results agreed on validation of land cover maps well with a Kappa value of 0.79 and statistical area biases in proportion less than 6%. This study proposed a simple semi-automatic approach for land cover classification by using prior maps with satisfied accuracy, which integrated the accuracy of visual interpretation and performance of automatic classification methods. The method can be used for land cover mapping in areas lacking ground reference information or identifying rapid variation of land cover regions (such as rapid urbanization) with convenience.     

基于中高分辨率遥感的植被覆盖度时相变换方法

植被覆盖度是衡量地表植被状况、指示生态环境变化的一个重要指标,也是许多学科的重要参数。传统的测量方法难以获取时间连续的面状数据,且耗时、耗力,很难大范围推广。遥感估算方法虽然可以弥补传统方法的不足,但由于云覆盖等天气条件的影响,获得同一时相覆盖整个研究区的遥感影像非常困难,时相的差异必然导致研究结果产生误差。针对植被覆盖度这一重要生态参数,结合低分辨率遥感数据的时间优势和中高分辨率遥感数据的空间优势,提出一种时相变换方法,将源于中高分辨率影像的植被覆盖度变换到研究需要的时相上。首先,利用像元二分模型计算MODIS尺度的时间序列植被覆盖度,并利用已经获得的SPOT影像计算其获取时相上的植被覆盖度;其次,利用土地利用图划分植被覆盖类型,并利用MODIS数据和土地利用数据之间的空间对应关系制作MODIS像元内各类植被覆盖的面积百分比数据;再次,利用面积百分比数据提取各类植被覆盖的纯像元,结合MODIS植被覆盖度时间序列,从而提取各类植被覆盖纯像元的植被覆盖度时间序列曲线;最后利用像元分解的方法提取MODIS像元内各类植被覆盖组分的植被覆盖度的变化规律,将其应用到该组分对应位置上SPOT像元的植被覆盖度上,从而将其变换到所需要的时相上。在密云水库上游进行试验,将覆盖研究区的10景SPOT5多光谱影像计算的植被覆盖度统一变换到7月上旬,结果显示:视觉效果上明显好转,且空间上连续一致;变换前后植被覆盖度的统计量对比结果也符合植被生长规律;利用外业样点数据与对应位置的植被覆盖度变换结果进行回归分析,结果发现各植被覆盖类型的R2均在0.8左右,表明变换结果与实测值非常接近,时相变换的效果较好,从而可以很好地促进相关研究精度的提高。     

发展NECT土地覆盖特征数据集的原理、方法和应用

着重探讨了建立中国东北样带 (NortheastChinatransect, NECT) 土地覆盖特征数据集的原理、方法及其在全球变化研究方面的重要应用。NECT土地覆盖特征数据集是以多时相的 1km分辨率的NOAA/AVHRR归一化植被指数NDVI (Normalizeddifferencevegetationindex) 数字影像为基础, 同时采用高程、气候、土壤、植被、土地利用、土地资源、生态区域、行政边界、经济、社会等多源数据作为数据源, 并经过标准化处理 (如数字化、空间插值、几何配准、投影转换 ) 集成而成。在土地覆盖特征数据集的主要应用方面, 如 :1) 利用多时相、1km分辨率的NOAA/AVHRR影像完成了中国东北样带土地覆盖分类图。一级分类系统包括森林、草原、荒漠和沙地、灌丛、农田、混合覆盖 类型、城镇和水体等 8类, 二级分类体系包括 12类。经过地面采样进行精度检验, 分类精度达到 81.6 1%。 2 ) 对主要植被类型的植物生长季变化进行的研究。利用多时相的遥感影像构造了能够反映植被年际、季节生长变化的遥感植被指数ND VImax、NDVI变幅xam以及NDVI的标准偏差x′s 等, 分析这 3个参数 1983~ 1999年的 17年中的变化情况。该数据集的建立是研究该样带土地覆盖特征及其变化规律的基础, 对基于样带的全球变化研究有重要的意义。     

基于植被信息季节变换的植被覆盖度变化——以福建省连江县为例

基于植被覆盖度的植被信息遥感变化检测已成为研究植被及其相关生态系统变化的主要途径,但由于云覆盖等天气条件的影响,很难获得不同年份同一季节覆盖整个研究区的光学遥感影像来进行植被变化检测,而采用季节差异的影像必然会影响植被变化检测的结果.为此,本研究利用中高分辨率遥感数据的空间分辨率优势和MODIS遥感数据的时间分辨率优势,基于二者关系的拟合,提出一种植被信息季节变换的方法,将不同季节影像的植被覆盖度变换到研究所需的季节上.结果表明: 将该方法应用到福建敖江流域连江片区发现,植被信息变换的效果较好,经过将覆盖研究区的2007年冬季和2013年春季的中高分辨率影像的植被信息统一变换到夏季后,2007年的植被覆盖度由66.5%上升到79.7%,2013年由58.6%上升到77.9%,有效消除了因季节差异而对植被覆盖度估算产生的误差,提高了结果的准确性.     

基于遥感数据对中国表土花粉进行植被覆盖度定量估算的研究

本文主要探讨利用现代类比法将表土花粉数据定量转换为植被覆盖度的方法,以及该方法在中国复杂地貌和气候环境中应用的可行性和可信度.陆地植被覆盖使用了卫星遥感MODIS 500×500m分辨率的栅格数据,覆盖度分类为乔木、草地和裸地三种.使用的表土花粉数据共1 127个样点,其地理分布基本能够覆盖中国的各种植被类型.用于现代类比法定量计算的化粉变量类型共64个.研究结果表明,计算获得的每个样点的植被覆盖度与MODIS实际观测值具有很好的对应性,基于花粉的覆盖度估算值与遥感实际观测值之间的相关性很高,其中裸地达到0.99,乔木达到0.97,草地为0.95.从空间分布看,利用花粉定量转换的植被覆盖样点可以清楚地识别从裸地向草地和乔木的变化区间,并且与植被分布的实际情况吻合.本研究证明,基于中国表土花粉数据对植被覆盖度的定量恢复足可行的.此外,研究发现乔木覆盖度较高的对应特征花粉较多,主要是松属、栲属、栎属(含青冈栎)、桦属、桤木属、杨梅属、冷杉属,云杉属等,而草地的对应特征花粉类型有莎草科、禾本科、蒿属、蔷薇科、豆科等,裸地主要为麻黄属和藜科等.     

Remote sensing of upland vegetation: the potential of high spatial resolution satellite sensors

Aim Traditional methodologies of mapping vegetation, as carried out by ecologists, consist primarily of field surveying or mapping from aerial photography. Previous applications of satellite imagery for this task (e.g. Landsat TM and SPOT HRV) have been unsuccessful, as such imagery proved to have insufficient spatial resolution for mapping vegetation. This paper reports on a study to assess the capabilities of the recently launched remote sensing satellite sensor Ikonos, with improved capabilities, for mapping and monitoring upland vegetation using traditional image classification methods. Location The location is Northumberland National Park, UK. Methods Traditional remote sensing classification methodologies were applied to the Ikonos data and the outputs compared to ground data sets. This enabled an assessment of the value of the improved spatial resolution of satellite imagery for mapping upland vegetation. Post‐classification methods were applied to remove noise and misclassified pixels and to create maps that were more in keeping with the information requirements of the NNPA for current management processes. Results The approach adopted herein for quick and inexpensive land cover mapping was found to be capable of higher accuracy than achieved with previous approaches, highlighting the benefits of remote sensing for providing land cover maps. Main conclusions Ikonos imagery proved to be a useful tool for mapping upland vegetation across large areas and at fine spatial resolution, providing accuracies comparable to traditional mapping methods of ground surveys and aerial photography.     

基于多源遥感信息融合的广东省土地利用分类方法——以雷州半岛为例

准确高效的获取土地利用信息对生态环境评价非常重要。广东省地处华南热带和亚热带季风气候区,经济作物种类繁多,土地覆盖破碎,为土地利用精确分类带来很大不确定性,而常年多云雨的天气也为有效光学影像的获取带来困难。为提高土地覆盖分类精度,以雷州半岛为实验区,综合应用Landsat-TM/ETM、多时相HJ光学影像,以及X波段Terra SAR数据,通过分析不同地物类型在光谱、极化以及多时相特征上的差别,对原始图像进行特征提取。在此基础上融合多源遥感信息的地物特征运用面向对象土地覆盖分类方法获取研究区高精度的土地利用信息。结果显示这一方法能有效提高土地覆盖利用信息获取精度,为研究生态环境变化提供更准确的数据支持。     

基于MODIS和ENVISAT数据的湖北省四湖地区土地覆盖分类

依据ENVISAT ASAR数据中后向散射系数的差异对湖北四湖地区的城镇、水域、植被覆盖区进行划分;根据区域种植制度及物候特点,以4月下旬至5月上旬MODIS-NDVI值区别植被覆盖区中的作物植被与非作物植被;并采用基于高分辨率ETM数据的土地分类结果对基于上述规则分类的结果进行验证.结果表明：借助DEM高程数据,可将研究区非作物植被划分为林地与滩地;利用月份NDVI平均值的差异,可将作物划分为中稻、棉花和晚稻,并获得水田和旱地的区分;采用低空间分辨率的MODIS数据获得的土地覆盖分类结果,与采用高分辨率ETM数据分类的结果具有一定程度的相似性,以ETM数据分类结果为标准的总误差率为13.15%;利用上述判别流程进行大尺度土地覆盖分类与制图可以实现对区域土地覆盖变化的快速跟踪.     

基于NOAA-AVHRR数据的中国东部地区植被遥感分类研究

该文采用 19幅 (时间跨 8个月 ) 时间序列的NOAA_AVHRR的归一化植被指数 (NDVI) 最大值合成影像遥感数据, 经过主分量分析 (Principlecomponentanalysis, PCA) 处理后, 用非监督分类方法的ISODATA算法, 对中国东部地区的 (五省一市 ) 植被进行分类, 结果可以分出 2 8种土地覆盖类型, 除了两种类型为水体和城市或裸地外, 其余 2 6种类型均为植被类型, 根据中国植被分类系统, 这 2 6类可以归并为 6大植被类型 :1) 常绿阔叶林 ;2 ) 针叶林 ;3) 竹林 ;4 ) 灌草丛 ;5 ) 水生植被 ;6 ) 农业植被。用 1∶10 0 0 0 0 0数字化《中国植被图集》的植被类型检验遥感分类结果表明, 针叶林、灌草丛、常绿阔叶林和农业植被的分类具有较高的位置精度和面积精度, 位置精度分别为 79.2 %、91.3%、6 8.2 %和 95.9%, 面积精度分别达到 92.1%、95.9%、6 3.8%和 90.5 %。这 6大植被类型在地理空间上的分布规律与中国东部常绿阔叶林区植被的地带性分布基本一致。     

Using a sub-pixel mapping model to improve the accuracy of landscape pattern indices

The assessment of landscape spatial patterns is a key issue in landscape management. Landscape pattern indices (LPIs) are tools appropriate for analyzing landscape spatial patterns. LPIs are often derived from raster land cover maps that are extracted from remotely sensed data through hard classification. However, pixel-based hard classification methods suffer from the mixed pixel problem (in which pixels contain more than one land cover class), making for inaccurate classification maps and LPIs. In addition, LPIs generated by hard classification methods are characterized by grain sizes (the sampling unit sizes) that limit the derived landscape pattern to a certain scale. Sub-pixel mapping (SPM) models can enable fine-scale estimation of the spatial patterns of land cover classes without requiring additional data; hence, this is an appropriate downscaling method for land cover mapping. The fraction images generated by soft classification estimate the area proportion of each land cover class within each pixel, and using these images as input enables SPM models to alleviate the mixed pixel problem. At the same time, by transforming fraction images into a finer-scaled hard classification map, SPM models can minimize the influence of grain size on LPIs calculation. In this research, simulated landscape thematic patterns that can provide different landscape spatial patterns, eight commonly used LPIs and a SPM model that maximizes the spatial dependence between neighbouring sub-pixels were applied to assess the efficiency of deriving LPIs from sub-pixel model maps. Results showed that the SPM model can more precisely characterize landscape patterns than hard classification methods can. Landscape fragmentation, class abundance, the uncertainty in SPM, and the spatial resolution of the remotely sensed data influenced LPIs derived from sub-pixel maps. The largest patch index, landscape division, and patch cohesion derived from remotely sensed data with different spatial resolutions through the SPM model were suitable for inter-comparison, whereas the patch density, mean patch area, edge density, landscape shape index, and area-weighted mean shape index derived from the sub-pixel maps were sensitive to the spatial resolution of the remotely sensed data.