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。     

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.     

基于知识库的像斑光谱向量相似度土地覆盖变化检测方法

土地利用/覆盖变化检测是国内外全球化进程研究的重要内容,选择适当的变化检测方法对西北地区土地利用/覆盖变化进行研究在"生态十年项目"中具有重要的意义。选择西北地区具有典型代表性的TM轨道号134033区域作为变化检测方法验证的试验区,采用2005和2010年两期Landsat TM影像,在e Cognition Developer 8.64软件支持下,采用基于像斑的光谱特征特征向量相似度方法进行变化检测,并利用2010年土地覆盖数据作为先验知识库对变化区域分类,提取土地利用/覆盖变化信息,并对变化结果进行定量分析。结果表明,采用基于像斑的光谱特征特征向量相似度方法对于试验区的土地利用/覆盖变化制图具有检测快速、检测精度高等优点,适合试验区以及整个西北地区的土地利用/覆盖变化的检测。最终采用该方法以及分类后比较法获得了西北地区2000—2010年近10年的土地利用/覆盖分类图。     

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％.     

基于决策树的科尔沁沙地土地利用/覆盖变化监测

以科尔沁沙地西缘内蒙古翁牛特旗为对象,利用3个时相(1989、1999和2007年,分别表示三北防护林体系工程建设近10年、20年和30年)Landsat ETM/TM数据,采用决策树分类方法对该区土地利用/覆盖动态变化进行监测.结果表明:基于决策树分类方法进行遥感影像分类的总体精度能达到89.4%以上,Kappa系数达到0.84以上;近20年,草地和耕地是主要土地利用类型(两项合计占64%以上),林业用地比重为4.8%～5.3%,面积较少;各土地类型面积变化大小依次为耕地>未利用土地>林地>居民及建设用地>水域>草地.     

洞庭湖洲滩速生杨树林变化信息提取方法

洞庭湖是我国第二大淡水湖,其湿地资源具有重要的生态功能和经济价值。近20年来,洞庭湖洲滩速生杨树林发展迅速,其中西洞庭湖杨树林的扩张最为明显,极大改变了湖区湿地植被分布格局,隐含极大的生态风险。以Landsat ETM+和HJ-1A/1B CCD影像为数据源,提出了洞庭湖速生杨树林变化信息提取的两种方法,并对这两种方法进行了比较研究。一种是分类的方法,即采用面向对象分层信息提取的方法先提取出树林滩地信息,再将距离大堤一定范围内的树林滩地归为防护林,速生杨树林变化的面积即为两个时相提取结果的差值。另一种是变化检测的方法,它是基于像元进行变化检测,先确定出总的变化区域,再从中筛选速生杨树林的变化信息。结果表明:(1)两种提取方法都是可行的,不同方法提取的速生林变化信息存在一定差异,但空间分布大体一致;(2)基于分类的方法总体精度和Kappa系数均略高于基于变化检测的方法:其中基于分类的方法总体精度达84.00%,Kappa系数为0.67,基于变化检测的方法总体精度达83.00%,Kappa系数为0.65;(3)基于分类的方法图斑较大、图斑数较少,基于变化检测的方法图斑较小且较破碎、图斑数多;(4)基于分类的方法漏分较少、错分较多,基于变化检测的方法漏分较多、错分较少。为洞庭湖洲滩杨树林的动态监测提供了研究方法,也为杨树林扩张原因及其生态效应分析提供研究基础。     

基于多尺度分割和决策树算法的山区遥感影像变化检测方法——以四川攀西地区为例

山区遥感影像变化检测面临地形效应明显、空间异质性高等不利因素的影响,构建适用于复杂地形条件的变化检测方法一直是遥感应用研究的难点。在对影像进行多尺度分割的基础上,构建对象的多种光谱、形状及地形特征,将地形阴影、物候等造成的虚假变化当作"未变化"训练样本,利用决策树算法自动提取检测规则,建立复杂地形条件下面向对象的遥感影像变化检测方法,并将该方法用于四川攀西山区1989年和2009年TM影像的检测试验,最后对方法的不足和改进措施进行了讨论。主要结论包括:(1)文中构建的方法能够有效减弱山区复杂地形条件对遥感影像变化检测的不利影响,采用地面调查数据和分层随机采样的总体验证精度为93.57%,Kappa系数为0.8706。(2)C5.0决策树算法对于只有"变化"和"未变化"两种类别且同类间训练样本高度异质化的影像分类仍能取得较好的效果,具有较好的鲁棒性和适应能力。通过将地形、物候等引起的虚假变化当作"未变化"训练样本可以有效提高检测精度。(3)光谱特征仍是TM影像遥感分析的主要信息源,影像间NDVI的差值对于植被覆盖区域土地覆盖格局变化的检测具有良好的表征作用。(4)攀西地区1989—2009年间土地覆盖格局变化明显且与人类活动关系密切,典型的驱动方式包括退耕还林(草)工程、水利工程建设和矿山开采等。共检测出变化面积740.2km2,占影像总面积的2.49%。     

基于面向对象及光谱特征的植被信息提取与分析

面向对象分类方法是实现精确详细提取遥感信息的新方法.以2010年TM影像作为基础数据,采用面向对象方法着重提取了西辽河流域平原的植被信息(耕地、林地、中生偏旱和中生偏湿草).通过对不同地物的光谱和空间信息(位置、形状)进行比较分析,建立适当的隶属度函数和阈值范围,在草地的分类规则中,参考野外采集的草地植被光谱信息,辅助草地属性特征选择.最后构建分类决策树,完成自动分类,分类总体精度达到82.13％.在分类结果的基础上,讨论了植被分布特点,对不同类型的植被面积、不同区县植被面积以及植被与一级河流关系三方面进行分析.结果显示:研究区植被以林地和耕地为主,分别占总面积的38.9％和23.3％;耕地、林地、中生偏湿草地多分布于河流中下游区县,受人为因素影响较大的林地、耕地主要集中在科尔沁左翼中旗和科尔沁左翼后旗;林地、中生偏湿草较集中分布在一级河流的10km缓冲区内,耕地主要集中在5km缓冲区内,中生偏旱草与一级河流的关系不显著.     

“北京一号”小卫星数据在北京森林生态系统

北京作为中国首都,生态环境受到很大的关注,最近几年,北京市加大力度进行西北部山区矿山治理以及生态恢复,以改善首都的生态环境,北京西北部山区作为首都的生态涵养区,其森林资源的调查和监测是十分必要的.以北京市西北部山区为主要研究区,以"北京一号"小卫星遥感影像为主要信息源,参考航空影像与地面调查数据,采用人机交互式解译方法,对北京市各区县森林生态系统资源进行调查监测,统计2006年北京市各区县森林资源的地类面积,将调查结果与2006年地面调查结果进行对比,进行精度分析和综合评价.评估 "北京一号"小卫星影像在森林资源调查和监测中的应用能力.进而为森林资源评价、重大生态环境建设工程规划及效益分析等方面提供支持.监测分析结果显示:应用"北京一号"小卫星遥感影像作为信息源,进行北京森林生态系统资源分析与研究是切实可行的,是一种多快好省的方法.针对北京而言,有林地、疏林地、灌木林地等的分类精度均在90%以上,可以实现森林资源的常规监测分析,对北京森林生态系统资源动态监测的快速进行具有实用性.     

基于无人机影像与面向对象-深度学习的滨海湿地植物物种分类

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。     

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.     

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。     

基于决策树的代偿期和失代偿期肝硬化自动诊断的方法

决策树方法因结构简单、便于理解和具有较高的分类精度而在数据挖掘中被广泛采用.本文利用改进的决策树算法C4.5从201例肝硬化病例中自动地提取相应的肝硬化状态识别规则,得到决策树分类模型并归纳出代偿性肝硬化和失代偿性肝硬化的诊断规则,识别正确率为84.6%.实验结果表明决策树能较好的自动从肝硬化病例中归纳出代偿性和失代偿性肝硬化的诊断规则.     

基于HJ-1-A/B数据提取城市绿地信息的应用研究

先通过几何矫正、配准、裁切等预处理获取深圳市辖区的HJ-1-A/B卫星CCD2数据, 再选取城市绿地、林地、农用地等样本进行光谱特征分析, 并以深圳市基本生态控制线等数据作为辅助, 最后利用“决策树-监督”混合分类模式提取深圳城市绿地信息。将分类结果与深圳市生态资源测算的城市绿地面积进行对比, 分析发现两类数据的Pearson相关系数值为0.9997, 平均误差为8.37%; 通过空间分布对比发现, 两类数据解译获取的结果基本一致。结果有利于提高城市绿地信息的提取效率, 进而为降低区域生态环境动态监测的成本并提高监测的时间精度提供一定的借鉴。     

土地覆盖变化检测方法比较——以内蒙古草原区为例

随着对地观测技术的不断发展,遥感影像分辨率逐渐提高,促进了基于遥感影像的变化检测从传统像元级的检测向面向对象的检测转变。为了探究面向对象的变化检测方法在土地覆盖变化检测中的有效性和适用性,对面向对象的变化检测方法与常规的变化检测方法进行对比评价。以内蒙古鄂尔多斯和包头地区为试验区,选取2002年及2011年的Landsat TM/ETM+影像为数据源,比较了图像代数运算、图像变换、图像空间结构特征和面向对象的多种变化检测方法,对研究区两期土地覆盖进行了变化检测研究。结果表明:面向对象的变化检测方法在总体精度、kappa系数上都有明显的优越性,总体精度均在87.42%以上,尤其以面向对象的变化矢量分析方法精度最高,达91.56%。此外,主成分差异法也有较好的检测效果,总体精度为87.83%。对总体精度较高的3种方法在不同土地覆盖变化类型中检测效果的研究表明:对于研究区几种主要土地覆盖变化类型,面向对象的变化矢量分析法均有较理想的检测效果,平均精度为85%左右,且始终优于面向对象的光谱向量相似法,以居民地及旱地相关的变化类型最为明显;主成分差异法对不同土地覆盖变化类型检测效果差异很大,对其中4种变化类型的精度甚至达到了93%以上,但对于检测草地与裸地间转化精度很低,甚至只有8.69%;在与工矿用地有关的土地覆盖变化类型中,面向对象的变化矢量分析法的精度明显高于主成分差异法,而在与居民地有关的变化类型中,主成分差异法表现出一定优势。     

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.     

互信息理论结合决策树算法的土壤质量预测

在充分利用土壤类型、土地利用方式、岩性类型、地形、道路、工业类型等影响土壤质量主要因素,准确获取区域土壤质量的空间分布特征的基础上,采用互信息理论对13个辅助变量（岩性类型、土地利用方式、土壤类型、到城镇的距离、到道路的距离、到工业用地的距离、到河流的距离、相对高程、坡度、坡向、平向曲率、纵向曲率和切线曲率）进行筛选,然后通过决策树See5.0预测研究区土壤质量.结果表明： 影响研究区土壤质量的主要因素包括土壤类型、土地利用方式、岩性类型、到城镇的距离、到水域的距离、相对高程、到道路的距离和到工业用地的距离;以互信息理论选取的因子为预测变量的决策树模型精度明显优于以全部因子为预测变量的决策树模型,在前者的决策树模型中,无论是决策树还是决策规则,分类预测精度均达到80%以上.互信息理论结合决策树的方法在充分利用连续型和字符型数据的基础上,不仅精简了一般决策树算法的输入参数,而且能有效地预测和评价区域土壤质量等级.     

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。     

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。