基于面向对象分类方法和多源遥感数据的龙祥岛区域湿地变化检测

利用龙祥岛区域2001年ASTER影像、2013年GF-1影像以及Google Earth影像等辅助数据,基于面向对象分类的方法,建立各地物类型的提取规则,提取出龙祥岛区域湿地-非湿地信息,并基于e Cognition软件对龙祥岛区域湿地进行变化检测,最后利用Excel统计软件作出湿地-非湿地信息面积转移矩阵及面积转移率矩阵.结果表明:2001年ASTER影像分类总体精度为87.42%,Kappa系数为0.84;2013年GF-1影像分类总体精度为90.72%,Kappa系数为0.87.研究区2001-2013年间,湿地总面积减少了4.05%,为1.1 km~2,其中天然湿地(包括永久性河流和滩涂)总面积减少了1.65%,为0.42 km~2,人工湿地(包括淡水养殖场和农用池塘)总面积减少了39.76%,为0.68 km2;非湿地总面积增加了4.71%,为1.1 km~2.人工湿地和天然湿地内部变化情况呈现出不同的状态,天然湿地中,约有3.888 km~2的滩涂面积变为永久性河流,主要变化区域位于研究区的东南部和西北部;而在人工湿地中,约有0.663 km~2的淡水养殖场和0.41 km2的农用池塘变为非湿地,主要变化区域位于龙祥岛本岛及研究区的西南角部分,人工湿地变化的主要原因是人类生产生活进程的加快.     

基于决策树模型的面向对象方法的遥感湿地信息提取

以宁夏回族自治区中卫市与腾格里沙漠边缘及其毗邻区域为研究区,运用基于决策树模型的面向对象方法,对图像融合后15m分辨率的Landsat 8 OLI遥感影像进行湿地信息提取研究,并与基于对象的最大似然法的分类结果进行比较,结果表明,基于决策树模型的面向对象法相比于基于对象的最大似然法的湿地分类总体精度提高了18.45%,Kappa系数提高了0.17,分类结果精度显著提高。     

基于GF-2遥感影像的面向对象分类方法比较研究

基于eCognition软件分别采用K-最近邻(KNN)分类、支持向量机(SVM)分类和CART决策树分类对GF-2遥感影像进行面向对象分类,并对3种分类方法的结果进行比较分析。结果表明:K-最近邻分类在影像准确性、复杂多样性、影像光谱混淆以及分布边界模糊等方面具有较高的识别能力。     

面向对象的遥感影像湿地分类与变化检测研究

在面向对象技术支持下,运用多特征融合的遥感影像分类方法进行湿地分类提取,并通过对比得出两个时期的湿地变化.一时期Aster影像的总体精度为87%,Kappa系数为0.85;二时期GF影像的总体精度为87%,Kappa系数为0.83.通过对比计算发现福州市龙祥岛地区湿地总量减少,变化较显著的两类湿地是河流和滩涂,河流面积增加5.54%,滩涂面积减少6.83%.为及时掌握湿地的情况、做好湿地的开发与保护提供了参考.     

近26年来若尔盖县湿地时空动态演变分析

利用Landsat-5 TM、Landsat-7 ETM+、Landsat-8 OLI影像数据以及GDEMV2 30M分辨率数字高程数据,通过ENVI软件先非监督分类再监督分类,最后结合DEM进行人机交互解译,提取了1990年、2000年、2009年、2016年四个时段的若尔盖县湿地资源信息。1990年、2000年、2009年、2016年的湿地信息面积分别为214808.76 hm2、183402.81 hm2、121860.19 hm2、113805.72 hm2。整体来看,26年间,若尔盖县湿地呈现减少趋势;1990年至2000年,以1.46%·a-1的变化速率减少;2000年至2009年,以3.73%a-1的变化速率减少;2009年至2016年,以0.94%·a-1的变化速率减少。从数据来看,2009年后,湿地面积趋于平稳,减少幅度变小。若尔盖湿地由于人为和自然因素的共同干扰,其湿地资源从空间分布和面积等方面都发生了很大的变化,长期的湿地动态变化监测意义重大。     

利用决策树模型的湿地提取与分类

为解决因湿地环境复杂且类型多样导致光谱混淆而难以对其自动遥感提取的问题,采用决策树模型的湿地信息提取方法,以Landsat OLI影像光谱特征和经缨帽变换后的数据为基础,结合不同类型湿地的环境特征和空间特征信息,提出先分区再分类的思想,构建决策树分类模型.对原始影像进行缨帽变换,利用变换后的湿度分量及地物的光谱特征规律,将研究区划分为水体区域、植被区域和非植被区域,然后分别对各个区域进行再分类,逐层分级,最终实现不同类型湿地的分级提取.研究结果表明:采用分区分类思想构建决策树模型,可以有效提取湿地信息,精度达87.50%.     

Relief-F算法及决策树方法下的湿地信息提取

为提高滨海区域湿地信息提取的精度,以曹妃甸地区为例,通过融合主成分分析、形状、纹理、几何、水体指数、植被指数等52个特征变量,采用Relief-F算法模型优选出20个特征变量,对比分析C5.0、CART、QUEST决策树算法在滨海区域的分类精度.研究结果表明:特征优选下QUEST决策树方法的分类精度最高,总体分类精度为86.9%,Kappa系数为0.84.基于特征优选的决策树分类精度均高于未特征优选下的决策树与未特征优化的QUEST决策树相比,在草本沼泽和泥沙质滩涂两种土地类型上,分类精度有明显提高.     

一种基于特征选择的面向对象遥感影像分类方法

针对GF—1多空间分辨率遥感数据空间信息丰富,传统影像分类方法无法满足实际应用需要的问题,提出了一种基于特征选择的面向对象遥感影像分类方法——object-RJMC算法,即在影像分割及特征提取的基础上,运用Relief F算法和J-M(Jeffries-Matusita)距离算法去除无关及冗余特征,筛选出适于各类别分类的特征,然后利用CART算法建立分类规则,完成分类过程。以GF-1号2 m、8 m和16 m空间分辨率的三组影像进行算法验证,并与object-CART和pixel-CART影像分类方法进行对比分析。实验结果显示object-RJMC算法的分类精度均高于object-CART和pixel-CART算法的分类精度;且对高空间分辨率的影像分类效果要优于对中低空间分辨率影像的分类效果。该算法减少了特征选择及规则建立的人工干预,克服了以像素为单位的分类算法中由于缺少空间邻域信息而产生孤立、离散、不连通分类结果的问题,可有效地提高GF-1遥感影像分类精度。     

基于GF-1 PMS影像的土地利用/覆盖分类研究

土地利用/覆盖变化是当前全球环境变化的重要内容之一,而土地利用/覆盖分类是其基础工作之一。以萍乡市区为研究区,利用国产GF-1 PMS影像为基础数据,采用最小距离、最大似然法、平行六面体和支持向量机四种监督分类法进行了土地利用/覆盖分类试验研究。结果表明:最大似然法和支持向量机分类算法具有更好的分类精度,总体精度分别为93.3和96.03,Kappa系数分别为0.917 2和0.948 7,而最小距离法和平行六面体的精度则差很多。由于GF-1 PMS的多光谱波段和全色波段的空间分辨率分别为8 m和2 m,因而支持向量机分类结果可以满足很多水文、生态等模型的需要。     

基于面向对象决策树的农作物分类识别方法

文章为缓解农业遥感农作物分类识别方面的分类精度与成本、空间分辨率与识别方法之间的矛盾问题提供新的方法。以中分辨率的Landsat TM/ETM+遥感影像为主要数据源,农田系统图斑的矢量数据作为参考,面向对象方法和CART决策树算法等相结合,提出一种面向对象决策树的农作物分类识别方法。文章分别用提出的方法和传统的决策树分类方法对新疆焉耆盆地2011至2014年的各种地物进行分类识别,4年的平均分类精度92.09%(Kappa系数为0.91)。新方法不仅提高农作物分类识别的总精度,还能比较完整地保持农田作物的轮廓。该成果为中等分辨率的遥感影像以高精度的农作物分类识别、信息提取和动态监测提供可能。     

基于CBERS-04遥感影像的朗玛村地区岩土分类

为了探索国产陆地探测卫星遥感影像的岩土识别性能,基于CBERS-04遥感影像光学特性分析,应用多种传感器遥感影像进行了青藏高原朗玛村地区的岩土分类研究。对比分析了CBERS-04与Landsat-8陆地成像仪(OLI)数据岩土分类及协同岩土分类的效果,并依据1∶250 000基础地质图和野外地质调查进行了验证分析。结果证实CBERS-04相对Landsat-8OLI的遥感影像岩性分类精度略低,但仍具有较高的分类精度,辅助人工地质解译基本满足中比例尺岩土分类和地质调查图编绘的需要。2种数据源的空间分辨率和光谱分辨率较为相似,且具有互补性,其协同分类可提高岩土分类的精度。     

基于全卷积网络模型的高分遥感影像内陆网箱养殖区提取

为了研究高分遥感影像的内陆网箱养殖区自动快速提取,利用福建省北部内陆水域的GF-1影像和GF-2影像,并对影像中的网箱养殖区进行人工标注,经过旋转、缩放和镜像翻转等数据增强处理后构建了2种影像的内陆网箱养殖区样本库;利用样本库训练内陆网箱养殖区提取的深度学习全卷积网络(fully convolutional networks,FCN)模型并开展精度验证。结果显示,GF-1影像提取结果的F值达到83.37%,GF-2影像提取结果的F值达到92.56%。表明基于FCN的高分影像内陆网箱养殖区提取具有较高的精度,能够进行大规模内陆网箱养殖区提取应用,为内陆水产养殖区的监测提供重要依据。     

高分卫星在气候适应型试点城市绿地变化监测中的应用

绿地建设是气候适应型城市建设的重要内容之一,为客观评价建设情况,基于高分系列多光谱数据,以常德城区作为研究区域,选用包括纹理特征的26项特征变量,构建CART（Classification And Regression Tree,分类与回归树）决策树进行面向对象监督分类,使用Khat方法完成分类精度评价。精度评价数据表明,2014至2019年6年间的总体分类精度大于90%,Kappa系数大于0.8,绿地提取的用户精度与制图精度达到89%,验证了该方法在城市绿地的提取工作的上具有可行性。分析常德城区近6年的绿地变化监测结果,得出城市绿地面积从2014年的149.01km2上升至2019年的166.79km2,面积增加17.78km2,增长率11.93%,经与实际变化趋势比对一致。结果表明,基于CART决策树的面向对象高分遥感解译方法,具有一定参考价值,可为气候适应型试点城市绿地变化监测评估提供有效依据。     

基于Sentinel-1和Sentinel-2影像的洪泽湖国家湿地公园水生植被信息提取

【目的】探索利用光学遥感和雷达遥感数据进行湖泊湿地水生植被信息提取方法。【方法】以洪泽湖国家湿地公园为研究区,基于Sentinel-1的SAR影像和Sentinel-2的MSI影像,利用面向对象影像分析技术,结合EVSI、NDVI、SR特征指数和对象之间的上下文特征,以及挺水植被高度的差异所对应SAR影像上的后向散射系数,在对象级的基础上建立决策树模型对湿地水生植被进行分类,分析洪泽湖国家湿地公园水生植被以及挺水植被的分布状况。【结果】研究区水生植被类群分类精度为89%,Kappa系数为0.85;挺水植被种群分类精度为85.2%,Kappa系数为0.76。与基于像元分析方法的结果相比,面向对象的影像分析方法具有更高的精度;湿地水生植被以沉水植被和挺水植被为主,其中挺水植被中以荷叶和芦苇为主。【结论】本研究提出的湖泊湿地水生植被信息提取方法具可行性,可为湿地管理与决策提供科学依据。     

广西海岸潮间带互花米草遥感监测

【目的】对广西海岸潮间带入侵物种互花米草(Spartina alterniflora)进行遥感监测,查清互花米草分布区域。【方法】以2016年GF-1号高分辨率卫星影像为数据源,利用遥感技术与野外勘查相结合的方法,对广西互花米草扩散现状进行监测和分析。【结果】截至2016年7月,广西海岸潮间带互花米草分布面积为686.48hm~2,斑块数5 191个,平均斑块面积为0.13hm~2,最大斑块面积为47.24hm~2(位于丹兜海海域滩涂)。此次调查结果显示互花米草面积比引种时期增加了685.54hm~2,面积增长了729倍。北海市海滩互花米草分布面积为685.91hm~2,占入侵总面积的99.92%,钦州市海滩分布面积为0.57hm~2,占入侵总面积的0.08%。丹兜海互花米草入侵面积达317.89hm~2,但廉州湾斑块数量分布最多,为2 777个。【结论】高分辨率卫星影像能有效地提取互花米草分布信息;广西互花米草正处于迅速扩张期,空间上自东往西扩散,最远已到达钦州市大风江口西部海域滩涂;廉州湾互花米草扩散正处于急速爆发期;自然保护区内红树林、海草床和土著盐沼植被等海洋生态系统已经受到互花米草的严重威胁,生态环境不容乐观。建议加强对互花米草扩散和防治机制的研究。     

昆明市主城区不透水面遥感监测及时空变化研究

基于LANDSAT 5TM和LANDSAT 8OLI影像数据,利用三种算法提取了昆明市主城区1994年至2015年不透水面,并对提取算法精度、不透水面数量时空变化和景观格局进行了分析.实验结果表明:相比于使用单一指数提取不透水面,采用基于土壤调节植被指数、祼土指数等的决策树分类结果精度较高;近20年来昆明市主城区的不透水面面积迅速增加,城市景观的聚集度较大,城市发展相对较为集中.     

面向对象的多层次规则分类地物遥感信息提取方法试验分析研究

监测土地覆盖变化是目前高分辨率遥感的重要应用领域，城市覆盖地物变更速度快、地物类型复杂，使用传统方法提取监测难度较大。针对此问题，选择云南省大理白族自治州上官镇为研究区，以GF-2 PMS遥感影像为数据源；采用面向对象的方法对研究区进行最优分割尺度分割，选取最优特征组合用于构建模糊分类规则，分层次进行地物提取，最终获得研究区地物类型分布图。运用混淆矩阵方法进行精度评价，面向对象的多层次规则分类法提取分类效果良好，分类总体精度达79.95%,Kappa系数为0.74。与基于像元的分类方法和单一尺度下面向对象的提取分类法相比，面向对象的多层次规则分类法精度明显提高，说明本方法运用于复杂地物提取分类具有较好可行性。     

基于CART决策树的ZY-3卫星遥感数据土地利用分类监测

通过分析ZY-3卫星遥感影像光谱特征、数据质量,探讨其遥感影像在土地利用分类监测领域的应用前景.基于遥感影像特征,结合面向对象的分析思想,选择训练样本构建决策树分类模型,进行土地利用计算机自动分类,并通过混淆矩阵和Kappa分析对分类精度进行评价.研究表明：1)基于决策树模型和面向对象分类方法,ZY-3卫星遥感影像分类总体精度为88.76%,有助于提高影像分类精度;2)在分类模型中,ZY-3卫星影像对水域、耕地、公路用地和林地影像辨识度较高,而对于其它用地类型相对不足.3)ZY-3卫星数据高分辨率影像特征明显,影像可用于土地利用分类监测.     

基于面向对象方法的天津市滨海新区湿地信息提取

基于天津市滨海新区2021年的Sentinel-2遥感影像数据,针对传统遥感影像湿地分类的不确定性问题,选择了面向对象分层分类的方法。采用面向对象多尺度分割算法,依据地物光谱异质性特征将遥感影像分割为光谱相似的对象,再结合不同地物的光谱指数、空间几何特征、纹理特征构建层次模型,分层提取湿地信息。分类效果同随机森林分类方法相比较,结果表明：利用面向对象的分层分类方法总体分类精度达到91.75%,Kappa系数为0.91,分类结果“斑驳现象”减少,湿地边界清晰完整。     

深圳福田与香港米埔红树林群落分布与景观格局比较

改革开放前,地处深圳湾两岸的福田保护区和米埔保护区的红树林湿地在景观和物种组成等方面相似,但近30年来深圳城市化高速发展所带来福田红树林湿地的景观破碎化过程,导致两岸红树林群落特征产生了较为明显差异。以World View-2高分辨率影像为数据源,采用导数光谱法结合基于面向对象的支持向量机的分类方法对深圳湾湿地的红树林群落进行分类,总体精度达到0.902,Kappa系数为0.859,符合要求。进一步运用景观指数对其进行定量对比分析。结果表明:(1)米埔保护区红树林现存面积为346 hm~2,福田保护区红树林现存面积仅为89 hm~2;秋茄群落是深圳湾两岸湿地的最主要优势景观类型,白骨壤群落和桐花树群落是优势群落;(2)福田保护区红树林的景观破碎化程度比米埔保护区高,尤其是本地种秋茄群落和白骨壤群落的破碎化程度较高;(3)福田保护区景观斑块形状多呈正方形分布的状态,在一定程度上反映了人类活动的作用,而处于米埔保护区的天然红树林则呈现不规则的分布状态。