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.     

GF1-WFV与Landsat8-OLI对植被信息的提取差异研究

随着遥感技术的不断发展,中高分辨率影像逐渐在植被监测中发挥着重要的作用。为了明确高分辨率传感器在不同生态系统植被提取中的必要性,以内蒙古鄂伦春自治旗为研究对象,设置城市区域和森林区域两个应用靶区,以GF1-WFV和Landsat8-OLI两种传感器同期影像为对比数据集,探究不同分辨率下遥感植被信息提取差异。结果表明:①Landsat 8对比GF-1在城市区域和森林区域的植被指数高估、低估状态相反,城市区域GF-1的NDVI(Normalized Difference Vegetation Index,NDVI)和SAVI(Soil-Adjusted Vegetation Index,SAVI)均值比Landsat 8低5.69%和1.41%,在森林区域则高出0.77%和5.86%;②高分辨率影像避免了城市中绿化植被(GF-1植被占比71.30%和71.31%,Landsat 8为58.28%和58.30%)和森林中裸地、道路(GF-1植被占比94.97%和94.92%,Landsat 8为95.00%和94.99%)被漏提。③在分级面积上,Landsat 8相比GF-1数据在城市区域存...     

基于Landsat8-OLI影像的山蒿植被信息提取研究

山蒿是一种广布于我国北部干旱半干旱区低山丘陵中高海拔地带的次生植物,根据部分地区现场调查和笔者的前期研究,认为其具有生态保护和资源利用价值。为了实现山蒿优势群落集中分布区调查方法开发,以内蒙古自治区兴安盟突泉县为例,选取了2017年多时相Landsat8-OLI遥感影像,根据地形特征、NDVI指数和GNDVI指数建立规则集,构建山蒿植被信息提取决策树模型,并进行了典型区山蒿提取和精度验证。结果表明,遥感提取总体精度为78.65%, Kappa系数为0.63,山蒿信息提取的制图精度为72.13%,用户精度为75.7%,目标于初步分布区域调查,使用此模型方法进行山蒿信息提取是可行的,研究成果能够为进一步改进和构建植被信息提取方法提供思路,也能够为山蒿植被空间分布监测及其生态保护规划管理提供决策支持。     

多源空间数据融合的城市人居环境监测模型与应用研究

人居环境监测作为城市人居环境建设与管理实践提升的基本,是目前人居环境研究落地的重点。传统的城市人居环境监测在数据更新速度、精度等方面存在不足,难以满足精细化管理需求。提出利用遥感数据与互联网的兴趣点POI(Point of interest)数据结合,建立人居环境监测模型。模型主要有两个关键环节,一是构建自动化提取建筑物算法,该算法通过建立地物特征集,以POI点对应样本为种子,利用全局最优和区域生长算法,自动提取城市建筑物,再利用全局最优算法确定其他地类的阈值;二是人居环境指标计算,将建筑物、绿地、水体信息提取结果与POI数据结合,利用密度类与距离类空间分析算法,分别计算自然、社会经济类指标。基于上述模型,利用2018年4月的北京二号遥感影像和POI点数据在北京市回龙观社区进行实验验证,结果显示:信息提取结果中,总体精度超过95%,Kappa系数超过92%,提取效率提高2.3倍,表明信息提取精度高且可信,适合工程化应用。计算回龙观社区人居环境监测指标,分析结果认为,社区内自然类指标差异不大,但缺乏水体生态系统,生物多样性不够丰富,社区内的商业比较繁华,但是学校和医疗不充足,尤其是缺乏大型公立医院。综上,通过人居环境监测模型研究和应用分析,将遥感数据和互联网数据结合应用于人居环境质量监测有效提高了精度和速度,有利于业务化,服务政府管理。     

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。     

基于土地利用空间格局的区域生态系统健康评价——以舟山岛为例

土地利用空间格局是影响区域生态系统健康状态的重要因素。构建适用于舟山岛生态系统健康诊断的"活力-组织结构-恢复力-生态系统服务功能"评价指标体系,其活力以植被相对密度指数表征、组织结构以蔓延度等4个景观格局指数表征。选择镇、乡或街道等行政区作为评价单元,以遥感数据和土地利用调查数据为基础,采用G IS和RS技术,提取舟山岛17个乡镇1970-2005年间5个时期的土地利用空间格局和指标信息,采用综合参数评价模型对研究区生态系统健康进行时空动态评价。研究结果表明:(1)35 a来舟山岛生态系统健康整体状况呈下降趋势,相对较好的区域面积下降了18%,相对一般的下降了8%,而相对较差的上升了26%;(2)城市化、滩涂围垦与沿海工业的发展是舟山岛生态系统健康状态下降的主要原因。     

Estimation of aboveground biomass using in situ hyperspectral measurements in five major grassland ecosystems on the Tibetan Plateau

Aims There are numerous grassland ecosystem types on the Tibetan Plateau. These include the alpine meadow and steppe and degraded alpine meadow and steppe. This study aimed at developing a method to estimate aboveground biomass (AGB) for these grasslands from hyperspectral data and to explore the feasibility of applying air/satellite-borne remote sensing techniques to AGB estimation at larger scales.Methods We carried out a field survey to collect hyperspectral reflectance and AGB for five major grassland ecosystems on the Tibetan Plateau and calculated seven narrow-band vegetation indices and the vegetation index based on universal pattern decomposition (VIUPD) from the spectra to estimate AGB. First, we investigated correlations between AGB and each of these vegetation indices to identify the best estimator of AGB for each ecosystem type. Next, we estimated AGB for the five pooled ecosystem types by developing models containing dummy variables. At last, we compared the predictions of simple regression models and the models containing dummy variables to seek an ecosystem type-independent model to improve prediction of AGB for these various grassland ecosystems from hyperspectral measurements.Important findings When we considered each ecosystem type separately, all eight vegetation indices provided good estimates of AGB, with the best predictor of AGB varying among different ecosystems. When AGB of all the five ecosystems was estimated together using a simple linear model, VIUPD showed the lowest prediction error among the eight vegetation indices. The regression models containing dummy variables predicted AGB with higher accuracy than the simple models, which could be attributed to the dummy variables accounting for the effects of ecosystem type on the relationship between AGB and vegetation index (VI). These results suggest that VIUPD is the best predictor of AGB among simple regression models. Moreover, both VIUPD and the soil-adjusted VI could provide accurate estimates of AGB with dummy variables integrated in regression models. Therefore, ground-based hyperspectral measurements are useful for estimating AGB, which indicates the potential of applying satellite/airborne remote sensing techniques to AGB estimation of these grasslands on the Tibetan Plateau.     

基于景观及微地形特征的丘陵区土壤属性预测

为探讨小流域尺度丘陵区的高分辨率数字土壤制图方法,通过对景观相分类的探索,配合应用不同尺度的Geomorphons(GM)微地形特征数据构成分类变量组参与高分辨率土壤pH、黏粒含量和阳离子交换量的预测制图,并与传统数字高程模型衍生变量和遥感变量进行组合与比较分析。此外,采用支持向量机、偏最小二乘回归和随机森林3种机器学习模型择优与残差回归克里金复合参与预测模型的构建与评价。结果表明: 景观及多尺度微地形分类变量组的应用分别提高小流域尺度丘陵地貌区pH、黏粒含量和阳离子交换量预测精度的18.8%、8.2%和8.7%。包含植被信息的景观相分类图相比土地利用数据有更高的模型贡献度;5 m分辨率的GM微地形分类图相比低分辨率的分类图更适宜高精度的预测制图。黏粒含量使用随机森林复合模型有最高的预测精度,而pH和阳离子交换量则不适宜在随机森林模型的基础上加入残差回归克里金模型。景观-多尺度微地形分类变量、数字高程模型衍生变量和遥感变量三者结合的模型预测表现最佳,表明多元变量在起伏地形区域相比单一数据源能够包含更多的土壤有效信息。由GM数据和地表景观数据组成的景观分类变量组作为主要变量能够解释小流域丘陵区部分土壤属性约40%的空间变异。在同类型土壤预测制图研究中,多分辨率GM及景观分类数据有潜力作为环境变量参与预测模型的构建。     

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。     

浙江省森林信息提取及其变化的空间分布

如何利用遥感技术提取森林信息是遥感应用的重要领域之一。以不同时相的Landsat TM/ETM+为数据源,采用面向对象和基于多级决策树的分类方法得到浙江省2000年、2005年以及2010年的森林植被覆被图。经实地采样点验证,2010年分类精度达到92.76%,精度满足要求。介绍了浙江森林信息的快速提取方法,即统计不同森林类型的Landsat TM影像原始波段和LBV变换值以及各种植被指数在各时相上的差异,经过C5决策树训练,选取合适的规则和阈值实现森林信息的提取。结果表明,面向对象分割与决策树算法结合可以作为森林信息提取的有效方法。最后,通过对3期森林专题图进行空间叠加分析,得到了森林资源动态变化的空间分布,并以此为基础对林地变化的类型及原因进行分析,结果显示浙江省森林资源变化主要分布在浙西北山区、浙中南山区以及沿海地带,这一结果可以为有关部门的决策提供依据。     

Extracting Lotus Fields Using the Spectral Characteristics of GF-1 Satellite Data

The lotus (Nelumbo nucifera Gaertn.) is an aquatic plant that grows in shallow water and has long been cultivated in South China. It can improve the incomes of farmers and plays an important role in alleviating poverty in rural China. However, a modern method is required to accurately estimate the area of lotus fields. Lotus has spectral characteristics similar to those of rice, grassland, and shrubs. The features surrounding areas where it is grown are complex, small, and fragmented. Few studies have examined the remote sensing extraction of lotus fields, and automatic extraction and mapping are still challenging methods. Here, we compared the spectral characteristics of lotus fields and other ground objects and devised a remote sensing method for the rapid extraction of lotus fields. Using this method, the extraction accuracy of lotus was 96.3%. The Kappa coefficient was 0.926, which is higher than those of the unsupervised K-means classification, Mahalanobis distance, and support vector machine supervised classification, and demonstrates the potential of this method for extracting and mapping lotus fields by remote sensing.     

Classification of desert grassland species based on a local-global feature enhancement network and UAV hyperspectral remote sensing

Grassland ecosystems are an important part of terrestrial ecosystems and are important for building ecological barriers, promoting the pastoral economy, and maintaining social stability. In recent decades, grasslands in northern China have undergone extensive degradation due to the combined effects of global climate change and the anthropogenic overuse of grasslands. An understanding of the spatial distribution of grassland degradation species is helpful for evaluating the process of grassland degradation and formulating appropriate protective measures. This is important for grassland degradation monitoring. To address the limitations of traditional ground surveys and realize intelligent remote sensing grassland degradation monitoring tasks, we use unmanned aerial vehicle (UAV) hyperspectral remote sensing technology to collect data on vegetation species in desert grasslands. In this paper, we propose a local-global feature enhancement network (LGFEN) for the classification of desert grassland species. The method uses the local feature enhancement (LFE) module and global feature enhancement (GFE) module to extract local and spatial information from hyperspectral images (HSIs), respectively. In addition, the introduction of the convolutional block attention module (CBAM) refines the features of HSIs, improving the stability of the classification performance. The results show that the proposed method has superior classification performance compared with existing HSI classification methods. With only 10 training samples per class, the overall accuracy, average accuracy, and kappa coefficient of the proposed method were 98.61%, 97.61%, and 0.9815, respectively. The proposed method provides a new approach for high-precision and high-efficiency dynamic monitoring of grassland ecosystems.     

城市热岛“源-汇”景观识别及降温效率

快速城市化背景下,不同景观降温效率的差异是深入理解景观格局对城市热岛效应影响机理的基础。现有城市热岛研究多以土地利用或土地覆被替代热岛效应的源与汇,往往忽略景观的热特征与相邻景观的热关系,造成信息偏差。需要从景观热特征的视角,探讨面向城市热岛效应的景观分类方法,并分析不同特征景观的降温效率差异。基于"源-汇"景观理论,以深圳市西部为研究区,构建面向城市热岛的景观分类方法,通过2010年TM遥感影像提取NDVI、NDMI及ISA等地表特征及地表温度特性,叠加划分16类城市景观,分析不同地表特征的景观等距离梯度下的温度变化关系,识别城市热岛的"源-汇"景观。在此基础上,分析"源-汇"景观的结构特征,构建以面积和温度为影响因素的景观降温效率指数,结合景观格局指数,分析不同面积与形状的"汇"景观降温效率。结果表明,在16类景观中,5类景观被识别为城市热岛汇景观,面积约533 km²,占研究区总面积的45.5%。降温效率结果表明,"汇"景观的降温效率为1.54,其中绿色空间及阴影景观的降温效率贡献率较高。通过面积与形状的景观格局分析发现,降温效果随两个指数的增加,均呈先升后...     

基于秩和检验与SVM的基因特征选取与分类方法

研究了如何提取基因图谱信息的方法问题,提出一种新的基因"标签"提取方法.该方法采用秩和检验法选取基因"标签",得到不同显著性水平下基因"标签"的数目,然后将秩和检验法和分类信息指数相结合,在与基于SVM建立的分类模型比较后,提取最合适的基因"标签",再结合分类信息指数重复数次对这些基因"标签"选取主基因,最后用SVM检验主基因选取及分类的准确率,发现准确率有所提高,说明该方法的有效性.     

泸沽湖生态系统格局变化及其驱动力

运用遥感影像与地理信息系统技术结合,采用生态系统信息分类提取方法和景观指数方法对1990年至2015年泸沽湖风景区生态系统构成与格局变化进行分析,并进一步探析引起各类生态系统变化的驱动力因素,为泸沽湖风景区进一步生态与环境规划提供科学和理论依据。25年间,泸沽湖风景区内主要生态系统类型可分为农田、森林、草地、水域和人居环境等五类生态系统,1990年至2005年,主要表现为农田、森林、草地3个生态系统之间相互转化;2005年至2015年,主要表现为森林、草地、水域生态系统整体流向农田、人居环境系统。总体上泸沽湖景观破碎化与复杂程度呈下降趋势,连通性和整体性逐渐增强,但各生态系统类型之间比例差异增大。农田生态系统变化的主要驱动力是政策导向;森林与草地生态系统变化的主要驱动力是退耕还林还草工程与人类活动;水域生态系统变化主要驱动因素是湿地造林与人类活动入侵;人居环境系统变化的主要驱动因素为人类用地需求的增涨。针对泸沽湖生态系统变化存在的问题提出了相应的规划建议。     

基于无人机多源遥感数据的亚热带森林树种分类

树种多样性是生态学研究的重要内容,树木的种类和空间分布信息可有效服务于可持续森林管理。但在复杂林分条件下,获取高精度分类结果的难度大。而无人机遥感可获取局域超精细数据,为树种分类精度的提高提供了可能。基于可见光、高光谱、激光雷达等多源无人机遥感数据,探究其在亚热带林分条件下的树种分类潜力。研究发现:(1)随机森林分类器总体精度和各树种的F1分数最高,适合亚热带多树种的分类制图,其区分13种类别(8乔木,4草本)的总体精度为95.63%,Kappa系数为0.948;(2)多源数据的使用可以显著提高分类精度,全特征模型精度最高,且高光谱和激光雷达数据显著影响全特征模型分类精度,可见光纹理数据作用较小;(3)分类特征重要性从大到小排序为结构信息,植被指数,纹理信息,最小噪声变换分量。