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.     

长江口潮滩湿地植被光谱分析与遥感检测

通过野外实测长江口潮滩湿地主要植物的光谱特征，分析和提取了优势植被的光谱特征参数和波段.考虑到潮滩湿地植被在生长特点、季节和盖度等方面的影响因素，采用了组合光谱特征波段的植被指数对长江口潮滩湿地植被进行分类检测，以期在现有的多光谱遥感影像上提高分类精度，检测出潮滩湿地植被空间分布的变化.分别计算了实测夏季和秋季的 RVI，NDVI，SAVI和MSAVI四种植被指数，得出不同植被指数对潮滩湿地植被不同盖度和不同季节的检测方法，并将该方法应用于多光谱TM影像上，验证这几种植被指数在TM影像上的分类精度，结合实地考察，发现MSAVI应用到多光谱TM影像上对潮滩湿地植被的分类检测效果最好，但时相应选择夏季.     

高光谱图像植被类型的CART决策树分类

为提高植被分类的精度, 在利用高光谱图像提取植被信息时需要考虑训练样本和地形等其他因素的影响。以长白山为研究背景, 基于CART（Classification And Regression Tree）算法构建决策树模型, 对高光谱图像进行植被分类。由于混合像元的影响, 以采用PPI（Pixel Purity Index）提取的纯净像元作为训练样本, 提取植被指数、 纹理和地形等分类特征变量。基于这些变量构建CART决策树对植被分类, 并将结果与最大似然法分类结果进行比较。结果表明, CART决策树分类法可实现光谱、 纹理和地形特征的有效组合, 有较好的分类效果。     

基于多特征的高光谱遥感土地利用信息提取

【目的】为了降低高光谱遥感数据噪声,提高土地利用分类信息提取精度,探索结合纹理和空间信息的分类方法。【方法】以河南镇平县Hyperion高光谱成像光谱仪获取的高光谱影像为数据源,借鉴决策树分类思想,采用了一种结合光谱、纹理和空间信息的高光谱遥感多特征地类提取方法,先通过提取光谱特征初步提取地类,再分别采用提取纹理特征和基于空间信息的植被提取进行详细地类信息的分层提取,最后,用地面实测样点验证各类土地利用类型的分类精度,比较了用不同方法对不同地类的提取效果。【结果】基于多特征的地类分层提取体系中,采用各波段光谱反射率区分大的地类,再用纹理特征进行光谱差异较小的地类划分,而基于空间信息进行植被的分类。通过结合纹理和空间信息提取方法的总分类精度达86.7%,较最大似然法分类精度提高13.3%。【结论】高光谱与纹理和空间信息相结合的遥感分类方法能有效减小噪声,提高分类精度,可为土地利用分类提取研究提供一定的参考。     

结合多特征的高光谱遥感土地利用信息提取

【目的】为了降低高光谱遥感数据噪声,提高土地利用分类信息提取精度,探索结合纹理和空间信息的分类方法。【方法】以河南镇平县Hyperion高光谱成像光谱仪获取的高光谱影像为材料,借鉴决策树分类思想,采用了一种结合了光谱、纹理和空间信息的高光谱遥感多特征地类提取方法,先通过提取光谱特征初步提取地类,再分别采用提取纹理特征和基于空间信息的植被提取进行详细地类信息的分层提取,最后,用地面实测样点验证各类土地利用类型的分类精度,比较了用不同方法对不同地类的提取效果。【结果】结合多特征的地类分层提取体系中,采用各波段光谱反射率区分大的地类,再用纹理特征进行光谱差异较小的地类划分,而基于空间信息进行植被分类。通过结合纹理和空间信息提取方法的总分类精度达86.7%,较最大似然法分类精度提高13.3%。【结论】高光谱与纹理和空间信息相结合的遥感分类方法能有效减小噪声,提高分类精度,可为土地利用分类提取研究提供一定的参考。     

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.     

基于实测光谱对喀斯特地区土地覆盖类型丰度提取

利用线性光谱模型对土地覆盖类型相对复杂的喀斯特地区进行混合像元分解。以贵州省镇宁县为研究区域,基于实测光谱信息,以Landsat TM8影像为信息源,选取裸土、裸岩、绿色植被、干枯植被为端元,利用线性分解模型提取地类覆盖信息,计算端元覆盖面积。通过对丰度图像的归一化植被指数(NDVI)值与TM8经过缨帽变换的NDVI值进行回归分析,验证端元选取精度,得到R2>0.85。研究表明:在喀斯特山区,利用实测光谱混合像元分解,有效提取植被、裸岩、裸土丰度,提高土地覆盖分类精度的方法是可行的。     

高光谱数据湿地植被类型信息提取

以美国Sacramento-San Joaquin三角洲为研究区,利用高光谱和高空间分辨率遥感影像HyMap数据,在光谱特征分析和实测数据的基础上,构造特征指数,建立决策树分类模型对湿地植被进行分类。研究结果表明,湿地植被在近红外波段(0.75~1.3μm)上有明显的光谱特征差异,根据这些差异,可以构造合适的特征指数,实现湿地植被在物种水平上的识别。     

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.     

高分1号融合光谱特征提取杭州湾河口沿岸湿地典型植被信息方法研究

河口沿岸湿地典型植被信息的遥感分类提取,是监测河口湿地生态环境变化的重要前提之一.以杭州湾河口沿岸湿地为研究区,通过实地采集的典型植被光谱数据与国产高分1号卫星影像数据建立相关关系,并结合面向对象方法的分割尺度及波段比等参数的设置,利用面向对象分类方法进行杭州湾湿地典型植被信息提取.研究结果表明:基于高分1号高空间分辨率数据,结合典型植被光谱特征和面向对象分类方法,有利于提高典型植被信息提取的精度,可以有效地提取湿地典型植被信息.     

基于ENVI的决策树方法提取土地利用信息

该文章以云南省昆明市西山区为研究区域,利用WordView-2的4波段影像数据源,通过学习掌握ENVI软件中的决策树分类工具,以及利用不同地类的波谱信息的特征差异,分析了影像的各个地类的光谱特征,从中提取了4波段影像的NDVI(归一化植被指数),以此确定了不同地类之间的波段均值阈,根据不同地类在不同波段以及NDVI上的变化建立对应的决策树模型,最终得到其分类结果.本文最后采用已有的样本感兴趣区数据对其决策树分类结果进行了精度评价,并且评价分析了其结果精度在遥感数据中的作用.     

黄河河口湿地信息遥感提取研究

本文通过几何校正、图像选取以及图像增强等方式进行了遥感影像的预处理,为准确地提取湿地信息提供了数据基础。在舍弃单纯的传统监督分类和非监督分类的前提下提出了一种利用分层提取地物信息的新方法：即,首先根据地物的光谱特征采用模型法对有水的湿地进行提取,然后用非监督分类对其它湿地类型进行提取,最终得到了湿地类型分布图及其相应的面积。     

一种改进的决策树分类方法在土地利用信息提取中的应用

选择昆明市作为研究区,以2011年LandsatTM影像为基础数据,通过分析研究区地形特征,提出把研究区进行分区并分别确定高程、坡度决策规则的改进型决策树分类方法,并结合分析的光谱特征规律,在决策分类中引进了比值型指数、NDVI值,构建基于光谱特征和地学辅助知识的决策树信息提取模型,最后对传统计算机自动监督分类方法与决策树信息提取模型方法解译的昆明市土地利用数据的精度进行评价。研究结果表明：基于改进的决策树分类方法进行遥感信息提取的昆明市土地利用数据的Kappa指数比传统监督分类方法提高了0．234,分类精度提高了17．03％;从各种地类类型的测试样本点平均正确率来看,改进的决策树分类方法比传统监督分类方法提高了21％,大大提高了LandsatTM遥感数据分类的精确度和可靠性。     

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.     

基于复合变换的湿地信息提取的决策树方法研究——以安庆沿江湖湿地为例

湿地具有多种独特的环境功能和生态效益,在维持地球表面生态平衡中起着极为重要的作用,因而受到人们的极大关注.因此如何快速准确的获取湿地基础信息,成为湿地研究的关键.文章以安庆沿江湖湿地为例,通过对研究区TM影像进行HSV、IHS、LBV、K-T等多种变换和采样分析,构建了新的指数和谱间关系,并在此基础上建立决策树模型提取湿地信息.结果表明,该方法能够快速、准确、客观的提取湿地信息,为湿地研究提供精确的基础数据.     

基于中分辨率遥感影像的水体信息精确提取

为了精确提取地表覆盖类型复杂、水体类型多样的山区水体信息,本文提出一种基于Landsat 8多光谱影像的综合集成的决策树分类法。该方法以决策分类树为模型框架,以分层分类的遥感地学分析思想为主线,将自动水体提取指数(AWEI)以及基于知识的缓冲区图像分割法集成到决策树分类器中进行分类。对两个典型测试区域进行精度评价,得到Kappa系数分别为0.9596和0.8960,总体精度分别为99.7792%和99.6577%。     

洪泽湖湿地类型变化分析

以洪泽湖湿地为研究区,结合归一化植被指数（NDVI）、最优调节土壤植被指数(OSAVI) 和缨帽变换后的亮度指数（BVI）、绿度植被指数（GVI）、湿度指数(WVI),基于知识规则对洪泽湖湿地进行分类试验。通过建立洪泽湖湿地分类的分类模型,以区分不同湿地类型,并利用1973年、1984年和2006年3个时相多波段MSS/TM数据对洪泽湖淡水湖泊湿地进行分类。结果表明：基于知识规则的分类方法简单易行,且易于剔除提取地物时的干扰信息;多种指数参与到分类中能够提高分类的总体精度;在1973—2006年这33年间,洪泽湖敞水区和湿地植被急剧减少,亟待采取有效的措施进行保护。     

高原山区遥感植被制图研究综述

 植被制图是植被生态学研究的基础和重要内容之一.在环境复杂、异质性高的高原山区,由于诸多因素的影响给该区域的遥感植被制图带来很大的困难和挑战.作者重点介绍在复杂山区环境中利用遥感技术进行植被制图的基本过程.为了提高山区遥感植被图的精度,建议注意以下几点：①在提取训练样本阶段,应将同一地物或者植被类型根据其不同的光谱特征分成不同亚类型进行选取训练样本;②现有许多地形校正模型不能有效地提高遥感分类精度;③分类器选择时,建议选择人工智能神经网络分类法、决策树、基于专家知识分类法等先进的非参数分类器;其次如果选择使用中低分辨率影像数据,可以考虑使用亚像元或软分类法;当使用高分辨率影像时,选择基于对象分类法要优于基于像元分类法;④结合辅助数据,尤其是DEM数据能显著提高山区遥感植被或森林制图精度.将来高级地形校正模型和分类算法需要进一步开发和发展.GIS技术与遥感数据结合也是未来遥感植被制图技术发展的一个重要方向.未来研究还需要将群落和植被生态学的理论和方法与遥感技术相结合来提高山区植被制图精度,并促进遥感科学和空间植被生态学发展.     

基于多时相Landsat8数据的南方丘陵区典型地物信息提取－以秦淮河流域为例

以南方丘陵区秦淮河流域为研究区,采用多时相Landsat8遥感影像进行典型地物的光谱采样。根据典型地物光谱特征统计结果,针对各地类特点选取最优的指数提取模型,最终形成具有分层提取特点的决策树分类模型。结果表明:1借助植物的物候特征,采用多时相遥感影像进行水田与植被的划分能够取得较好效果;2秦淮河流域水田与旱地交错分布,水田主要分布于秦淮河河流洼地,夏季的水田与旱地光谱特征差异最明显,是遥感信息提取最好的时间,短波红外波段为水的吸收波段,在区分水田与旱地信息上具有明显优势;3归一化植被指数NDVI可区分农田信息与非农田信息,但由于部分绿化程度好的建筑用地在光谱信息上与农田存在一定的相似性,仍然存在一部分明显的误分现象,采用裸土指数BSI可以有效地将这部分建筑用地从农田信息中剔除;4建筑用地与裸地的混分问题是土地利用信息提取的难点之一,研究中尝试了多种指数模型与监督分类方法,结果显示监督分类方法在区分建筑用地与裸地信息方面效果最好;5决策树分类模型较单一的监督分类方法总体精度提高了23.1%。     

高分辨率航空DMC影像阴影区植被提取的研究与应用

采用昆明2005年8至11月的1∶1000高分辨率航空DMC数字影像图对昆明市二环以内城市阴影区域绿色植被信息进行提取.利用归一化植被指数NDVI与NC IVI航空植被指数将明显植被区域信息提取出来,并将原图中明显植被区域割去;对切割后影像图利用掩模提取其中阴影部分并基于bayesian监督分类对阴影区植被进行分类提取.提取信息类型为明显植被、非阴影区、阴影区和阴影区植被.