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%.     

基于GF-1卫星WFV数据的全国建设用地自动监测技术研究

该文以国产高分一号卫星WFV数据为数据源,采用面向对象分类技术,研究面向全国范围的宏观监测信息提取技术及系统实现。一方面,研究了大尺度上利用高分遥感影像和面向对象分类技术进行宏观监测信息提取一整套技术方法,并对其中的建设用地进行了重点研究。另一方面,在集群计算环境下,利用高分一号卫星WFV数据,实现基于面向对象的宏观监测信息自动提取,并重点对建设用地提取结果进行了验证,验证结果显示分类精度优于80%。该研究提高了利用中等分辨率影像进行宏观监测的准确性及时效性,为合理利用和管理土地资源提供决策支持信息,支撑土地利用业务化应用。     

一种新的湿地信息遥感提取方法研究

针对多光谱影像水体信息提取,结合湿地遥感自身特点,提出了一种基于湿度分量与水体光谱特征的湿地信息提取方法.与传统单波段阈值法、谱间关系法等水体提取方法相比较,此算法不仅适合于开敞水体的提取,还将滩涂、芦苇沼泽地等湿地信息同时提取出来,然后利用建立的湿地分类决策树模型,实现了研究区湿地信息分类提取.     

基于高分1号影像的鄱阳湖水陆交错带植被演替分析

3S(GPS、GIS和RS)技术可以为湿地研究、合理评价湿地变化和预测未来湿地发展趋势提供强有力的技术保证。选取鄱阳湖湿地为研究区,由于卫星遥感技术可以在较短时间内获取连续的大范围的空间信息,具有空间宏观性,采用2013年和2017年2期的高分1号遥感数据,综合运用RS与GIS技术系统,利用卫星遥感技术获得鄱阳湖生态经济区土地利用信息,在波普特征分析和影像特征的基础上,基于专家知识发现探索水体、泥滩、湿生植物和挺水植物等信息的自动提取方法,为高分1号影像处理和湿地研究提供参考。通过面向对象分类方法对遥感影像解译结果的综合分析,对鄱阳湖研究区域水陆交错带植被的演替进行分析。     

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。     

基于卫星遥感技术的地震灾害评估研究

遥感具有综合、宏观、快速、动态的特点,是震害灾情信息快速获取的重要数据源。我国继资源三号卫星升空之后,展开了一系列卫星的研制与发射,于2014年8月发射了空间分辨率为1 m的高分二号卫星。该文以国产高分二号卫星数据为例,在分析不同震害目标影像特征的基础上,利用监督分类、面向对象信息提取等方法提取了2015年4月25日尼泊尔地震加德满都地区震害建筑物分布、次生灾害等信息。震害信息提取准确度与效率较高.实验表明,高分二号卫星已满足灾害应急与评估的需求,同时也可为地震应急与震后灾害评估提供有效的信息支撑。     

云南泸沽湖水体信息提取方法研究

运用Landsat 8卫星OLI多光谱影像数据,以云南泸沽湖为研究区域,分别运用归一化差异水体指数法、增强型水体指数法、缨帽变换以及面向对象图像分类进行泸沽湖水体信息提取的研究与比较.研究结果表明针对Landsat 8遥感影像波段的特殊性,采用面向对象图像分类提取出的水体信息效果最好,该方法相比传统水体信息提取具有显著的优势.     

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。     

基于数据挖掘和高光谱数据的湿地植被精细分类

以大丰市沿海滩涂湿地区域为研究区,以机载高光谱影像为主要数据源,冠层高度模型(canopy height model,CHM)数据为辅助数据,采用数据挖掘的方法对高光谱数据进行特征规则提取,实现了湿地植被的精细分类.结果表明:3种湿地植被分类结果的总体精度为90.3%,说明数据挖掘技术在处理高维数据时不仅可以提取重要程度较高的数据,而且可以减少数据量,提高数据处理效率与分类精度;与传统的支持向量机分类法(SVM)分类结果进行对比,基于数据挖掘的湿地植被精细分类总体精度比SVM分类方法高10.8%,表明数据挖掘方法在湿地植被高光谱遥感分类问题上具有较大优势.     

面向对象的黄河源典型区湿地信息提取

以黄河源玛多县为实验区,遥感TM影像和DEM为数据源,在研究区湿地定义、成像机制及其地学规律分析的基础上确定了湿地遥感提取的分类体系和湿地信息提取的有效特征（包括光谱、纹理、地形和结构特征）,并构建了面向对象的遥感湿地提取方法.实验显示:该方法湿地提取的总精度为90.13％,Kappa系数为88.33％,比常用的最大似...