基于无人机多光谱影像的森林蓄积量估算研究

为了改进传统森林资源调查中通过大量人力实地抽样调查固定小班这种效率低下的森林蓄积量获取方法，通过对无人机多光谱影像的光谱信息进行分析，结合实地调查数据，采用多元线性回归模型，构建森林蓄积量估算模型对森林蓄积量进行更为准确的估算.结果表明，基于无人机多光谱影像构建的森林蓄积量估算模型整体预测精度符合预测要求，其修正后R²为0.708 1，该模型可以很好地估测森林蓄积量.该方法一定程度上优化了一类调查中在固定样地进行每木调查的工作效率，减少了劳动成本，可为未来森林蓄积量调查分析、模型研建提供参考.     

基于无人机高光谱影像的植被覆盖度遥感估算模型比较

为了探寻光谱解混模型估算植被覆盖度的精度及适用性,对广东省中山市民众镇义仓村内的一块香蕉林地,利用无人机高光谱数据,比较了3种植被覆盖度估算的经典模型(像元二分模型、Carlson模型和Baret模型)以及目前较为常用的3种光谱解混模型(线性光谱混合模型(Linear Mixed Model, LMM)、后验多项式非线性混合模型(Polynomial Post-nonliner Mixing Model,PPNMM)和考虑光谱变异的正态组分模型(Normal Compositional Model,NCM))估算植被覆盖度的效果. 实验结果表明:像元二分模型高估了植被覆盖度;Carlson模型低估了植被覆盖度;Baret模型在低植被覆盖度区域内高估了植被覆盖度、在高植被覆盖度区域内低估了植被覆盖度;LMM模型在高植被覆盖度区域有较好的估算效果;PPNMM模型在低植被覆盖度出现小幅度高估;NCM模型估算的效果最佳.     

基于Landsat8影像的植被覆盖度遥感估算方法比较

植被覆盖度在生态环境中扮演着非常重要的角色,遥感影像可以反映不同空间尺度的植被覆盖信息及其变化的趋势,因此,遥感监测是获取区域植被覆盖度参数的重要的手段。在前人研究基础上,本文结合现有数据,选择Landsat8数据作为植被覆盖度估算的研究数据,通过像素的二元模型和线性像素的混合模型估算铜川地区的植被覆盖度, Geoland2植被覆盖率数据集用于验证两种模型的估算结果。     

无人机遥感估算绿化园林三维绿量——以福州大学旗山校区为例

针对传统的三维绿量估算方法存在耗时费力的缺点,提出利用可见光无人机影像快速估算绿化树木三维量的方法.首先获取高于10cm分辨率的无人机可见光遥感影像;其次结合可见光波段的光谱特征与无人机数据点云的高程特征获得研究区的冠层高度模型;再次通过局部最大值算法与标记控制分水岭算法提取单木树高、株数以及冠径参数,通过野外实测数据构建“树高-冠高”关系模型得到冠高;最后结合树种分布情况,按照不同的树冠形状构建三维绿量估算模型.     

基于多源数据的甘南草地植被覆盖度遥感监测研究

选取甘南藏族自治州为研究区域,以2016-2017年野外实测样方盖度数据和无人机照片提取的草地植被覆盖度数据为基础,对基于像元二分模型计算的草地植被覆盖度进行精度校正,分析并探讨无人机用于野外草地植被覆盖度调查的可行性,构建基于不同遥感数据源草地植被覆盖度的回归模型,并对模型进行精度评价.结果表明,利用无人机在草地上空一定距离(25 m)获取的照片可以多时相匹配Landsat 8等中分辨率遥感影像,动态监测野外大面积草地植被覆盖度;乘幂模型对以像元二分法计算的陆地卫星-8陆地成像仪(Landsat 8 OLI)产品的草地植被覆盖度校正效果最佳,模型的估测精度高达93.60%,在进行空间小尺度研究时模型计算精度最高;对数模型对以二分法计算的MOD13Q1产品的草地植被覆盖度校正效果最佳,模型的估测精度为91.97%;用中分辨率遥感数据Landsat 8 OLI校正低分辨率MODIS模型,修正后的模型R2=0.64,比原始的中分辨率成像光谱仪(MODIS)估测模型(R2=0.23)明显提高,在进行空间大尺度研究时该模型更适应.     

基于无人机与机器学习的黄河源高寒草地植被覆盖度反演技术

针对高原高寒地区大面积草地植被覆盖度调查与实验过程中地面测量效率低下,遥感数据质量不佳、数量源受限与反演结果不确定等问题,在黄河源地区利用低空无人机(unmanned aerial vehicle, UAV)遥感技术、统计建模与机器学习方法,开展基于可见光影像的高寒草地植被覆盖度反演与验证。结果表明:基于可见光构建的过绿指数与植被覆盖度的相关系数达0.676,比归一化差异指数高出近5.2%,具有较高的可靠性;利用过绿指数建立的高寒草地植被覆盖度统计模型中,对数模型和Gamma模型精度较高,但具有显著的地域差异性;直接利用低空无人机遥感波段值建立的机器学习模型精度显著优于各个统计模型,获得的均方根误差、估算精度、相对偏差和决定系数比统计模型中表现最优的对数模型分别提高2.68%、3.75%、7.35%和13.91%,且无需计算植被指数,在成本、效率和精度等方面具有较大的优势。     

基于ENVI的祁连山哈溪林区植被覆盖度信息提取研究

应用landsat TM5影像,进行了影像辐射校正、大气校正和监督分类等预处理。在对像元二分模型2个重要参数推导的基础上,用NDVI归一化植被指数植被覆盖度定量估算模型,对研究区植被覆盖度进行了估算。用GPS实地调查表明,应用NDVI归一化植被指数可以快速获得大范围植被覆盖度信息,为区域植被覆盖度估算提供了便捷的途径。     

基于特征组合的黄河源园区土地覆被分类

为了解黄河源园区地物分布格局,本文以黄河源园区为研究对象,利用Landsat 8 OLI影像获取其光谱、植被、水体和纹理特征,采用Relief F算法对所有特征进行重要性排序,选出前8个特征作为优选特征;基于随机森林(RF)方法研究不同特征组合对分类结果的影响,为评估RF方法的效果,对优选特征组合,采用决策树、K近邻、感知机和支持向量机方法与RF方法进行对比;最后综合所有特征完成黄河源园区土地覆被分类。结果表明:(1)综合利用光谱、植被、水体和纹理特征,可以有效提高分类精度;(2)利用Relief F算法,可快速遴选出有效特征,大幅缩短模型运行时间;(3)相对于其他4种分类方法,随机森林的分类精度最高;(4)黄河源园区地物类型以中低覆盖度草地为主。     

基于无人机可见光波段对荒漠植被覆盖度提取的研究——以沙坡头地区为例

以腾格里沙漠东南缘沙坡头地区为研究区域,采用无人机(Phantom 3A)拍摄获取指定范围可见光影像,通过ENVI软件分析照片的红、绿、蓝信息进行植被指数的提取和植被覆盖度的计算,主要分析了可见光波段差异植被指数、归一化绿化差异指数、归一化绿蓝差异指数、过绿指数、红绿比值指数与研究区荒漠植被覆盖度回归模型,探究最优反演模型,目的是验证在相同区域、相同时间拍摄的无人机影像的植被覆盖度.计算出来的植被覆盖度和无人机航片的处理方法进行比对,验证反演模型的正确性.结果表明:通过无人机可见光波段提取的植被指数结果中可见光波段差异植被指数的提取精度最好,能很好地将植被与非植被区分,为荒漠植被覆盖度和植被指数的反演模型的验证提供了依据,节约了实地测量带来的时间和人力成本.对比研究植被指数和荒漠植被覆盖度的线性、对数、三次、乘幂、增长及指数的回归模型结果,最优的荒漠植被覆盖度的反演模型是可见光波段差异植被指数的三次模型,为y=-200.06x3+706.763x2-430.779x+17.916,能很好地监测荒漠植被覆盖度的动态变化,为今后荒漠生态系统的防护和管理提供较好的技术支持.     

基于遥感技术的植被覆盖度信息提取

本文以TM影像为数据源,以重庆南川市为例,结合地面调查数据,利用ERDAS遥感处理软件,对植被覆盖度信息提取方法、植被覆盖度与植被指数的关系、植被覆盖度分类等方面进行了研究。3S技术的结合,能快速准确地获取植被覆盖度信息。     

结合植被覆盖度指数的土地覆盖分类方法研究

基于Landsat 8 OLI反射率数据,结合定量遥感反演植被覆盖度（fractional vegetation cover, FVC）提取的植被物候特征数据,对比了神经网络、支持向量机和随机森林3种土地覆盖分类方法．结果表明:随机森林分类方法具有较好的结果,反射率结合植被特征数据的分类方法的总体精度为85.52%,Kappa系数为0.8212,比仅用反射率的土地覆盖分类总体精度提高了3.45百分点,Kappa系数提高0.0429;植被覆盖度提取的植被特征数据能有效改善耕地、草地和裸地的制图精度和用户精度,对林地与水体的用户精度分别提高了7.79百分点与1.81百分点,灌木与人造地表的制图精度分别提升了7.69百分点与0.59百分点．整体来看,结合植被覆盖度及其派生植被特征进行土地覆盖信息的提取,在简单易行的同时,为提高分类精度提供了有效支持．      

西南喀斯特地区植被定量遥感研究进展

喀斯特地区植被相比非喀斯特地区具有更高的时空差异性,在维持脆弱生态系统稳定与可持续发展中具有极其重要的作用。西南喀斯特地区作为全球生物多样性热点地区,植被类型多样且存在显著的同物异谱/同谱异物现象。为更精准、高效地进行喀斯特地区植被定量遥感研究,本文从个体尺度到生态系统尺度,从遥感数据源选择和方法应用上回顾了西南喀斯特地区植被定量遥感的研究进展,并探讨下一步需要重点关注的研究方向。西南喀斯特地区植被定量遥感研究主要集中在群落和生态系统尺度的植被覆盖度、植被分类、生态系统服务功能与价值研究;遥感影像数据应用相对单一,主要为被动成像中低分辨率的光学影像(如Landsat和MODIS)。在个体和种群尺度上,虽采用了地物高光谱遥感技术和无人机遥感技术,但该技术主要应用于小尺度近地面植物个体和种群研究,难以扩展到区域范围。亟待开展融合多源影像,尤其是激光雷达影像(Light Detection and Ranging,LiDAR)与非影像数据的应用及其先进分析方法研究,以及个体和种群尺度的喀斯特地区植被生化参数定量估算与自然植被物种精准识别,群落和生态系统尺度的生物多样性与碳循环定量遥感研究工作,以期为喀斯特地区植被格局、过程及其生态系统服务功能定量研究、脆弱生态系统植被恢复和石漠化治理决策的制定提供参考。     

无人机摄影测量提取黄土高原切沟参数精度分析

选取陕北黄土丘陵沟壑区桥沟小流域为研究区,分别用同时相的地面三维激光扫描数据和固定翼无人机摄影测量数据提取切沟形态参数,分析无人机摄影测量提取切沟参数的误差及其原因．结果表明:1）无人机摄影测量与三维激光测量比较,提取切沟面积、周长和沟长二维形态参数的百分误差<10%;2）与三维激光扫描测得切沟横截面积、平均沟深和体积三维形态参数相比较,无人机摄影测量误差<20%,沟壁陡峭、植被覆盖度较高的大型切沟测量参数误差较大,而沟壁坡度相对较小、植被相对稀疏的小型切沟测量参数误差较小;3）固定翼无人机垂直摄影采集数据的方式会导致切沟沟壁细节数据缺失,从而降低切沟参数提取精度．基于无人机摄影测量生成的DSM无法有效过滤植被影响,在一定程度上影响切沟参数的提取精度．与三维激光测量相比,无人机摄影测量切沟地貌参数的精度略低,在切沟短期动态变化监测方面还存在一定的局限性．      

基于自适应标注样本的高分辨率影像道路提取

针对现有道路提取算法中难以大规模人工标注样本类别标签的问题,提出了一种基于自适应标注样本提取遥感影像道路的方法。首先通过改进的模糊C均值聚类算法提取道路区域,进行初步的样本标注;然后利用基于二次投票的集成去噪算法定位标签噪声样本,更新样本数据集;然后将更新后的样本集投入随机森林训练并预测影像的分类结果;最后对道路提取结果进行多方向形态学滤波去除非道路区域,得到精确的道路提取结果。通过不同分辨率、不同场景、不同方法的实验结果表明,本文方法可以自主选择并标注样本,相比传统算法具有较高的提取精度,对于高分辨率遥感影像中直线型、曲线型道路均有较好的道路提取效果。     

影像重叠率和地面分辨率对基于无人机影像的树高估测精度的影响

植被冠层高度是一个重要的生态度量指标;无人机遥感技术为森林和城市景观中的树高快速估测提供了更经济、高效的途径,但目前基于无人机影像的采集条件对精确获取森林结构参数的影响还存在许多不确定的因素。本文以福州大学旗山校区为研究区,采集不同地面分辨率/航向/旁向重叠率无人机影像（5cm/90%/80%、10cm/90%/80%、5cm/65%/60%）,并实测了树高及冠幅。在软件中对无人机影像进行处理,生成研究区正射影像和三维点云;然后评价生成的地面数字高程模型的精度以及基于点云的局部最大值法提取树高;最后比较不同影像重叠率及地面分辨率下的树高估测精度。实验结果表明：较小的地面分辨率及较大的重叠率下的采集参数不仅生成的点云密度较高,重建更为完整,单木检测的F测度及树高估测精度更高,尤其是对于高度和冠幅较小的梧桐,而且当林下无灌木丛时有助于减小DEM误差。     

利用Kinect进行地面植被分层覆盖度估算研究

  植被覆盖度( fractional vegetation cover, FVC)是一个重要的植被生物物理学参数,是一定空间尺度下所有植 被覆盖比例的综合反映.植被垂直方向的异质性在很多应用中也需要考虑.目前遥感和地面测量对获取植被垂直结构都 有待完善,新仪器, 新方法仍在不断发展之中.本文采用一种商业化的3D体感摄影机———Ki nect,其传感器具有彩色和 深度镜头,相当于数码相机和激光雷达的结合.实验发现, Kinect能够用于获取空间相匹配的数码相片和深度图像,并得 到植被的垂直剖面信息,进而计算垂直分层的FVC.受限于Ki ne c t目前的有效探测范围,这种设备不能大规模地应用于 野外测量中,但是它可为发展结合激光雷达和传统光学传感器获取植被参数的新方法提供测试数据.      

结合冠层密度的森林净初级生产力遥感估测

【目的】 森林冠层密度与林分年龄、植被生长状况有关,在区域森林净初级生产力遥感估测中,结合森林冠层密度以期提高估测精度。【方法】 以广东省韶关市为研究对象,选用2017年Landsat-8 OLI影像、2017年357块森林资源连续清查固定样地数据为主要信息源,分别采用随机森林、多元线性回归、人工神经网络和K最近邻分类法等4种模型,结合森林冠层密度制图器(FCD)进行区域森林净初级生产力特征变量的选取、参数建模、模型精度评价和森林净初级生产力空间制图。【结果】 特征变量中,红光波段(B4)、归一化植被指数(NDVI)、比值植被指数(RVI)、叶面积指数(LAI)、缨帽变换土壤植被因子、纹理特征和地形特征在森林净初级生产力反演中有重要作用。将森林冠层密度因子加入反演模型后,4种遥感估测模型精度均有大幅度提高。对4种遥感估测模型进行性能比较,随机森林模型精度最高,其次是多元线性回归模型、人工神经网络模型,K-最近邻分类模型精度最低。研究区内森林净初级生产力平均值为10.689 t/(hm²·a),高森林净初级生产力 [≥18 t/(hm²·a)]林分面积仅占研究区的19.61%,主要分布在海拔较高的西北部。【结论】 结合冠层密度进行森林净初级生产力的建模,可有效提高模型估测精度。     

结合树冠体积的油茶树高与产量估测研究

【目的】以长沙县明月村油茶林基地为研究区,探讨利用无人机倾斜摄影提取树冠体积进行油茶树高和产量估测的可行性。【方法】基于无人机正射影像和密集匹配点云,提取波段反射率、植被指数、纹理因子、高度特征等遥感变量和冠幅等冠层参数,同时利用克里金法、反距离权重法、自然邻近点法和过滤三角网法分别获取油茶树冠体积,建立多元线性回归、随机森林、K最邻近模型估测油茶树高和产量,并以地面三维激光点云获取的树冠体积、样地实测树高和产量作为实测值分别对估测结果进行精度评价。【结果】过滤三角网是获取油茶树冠体积最有效的方法,其平均相对误差(31.54%)优于反距离权重法(36.73%)、克里金法(37.04%)和自然邻近点法(38.54%)。将树冠体积作为特征变量参与建模后,树高和产量的多元线性回归、随机森林、K最邻近模型的精度均有所提升(树高相对均方根误差分别减小了3.77%、0.78%、0.64%,产量相对均方根误差分别减小了1.32%、0.34%、0.16%)。对比3种估测模型,随机森林模型的决定系数均优于多元线性回归和K最邻近(树高决定系数分别为0.78、0.51和0.19,产量决定系数分别为0.61、0.48和0.24)。研究发现,分别使用估测树高和实测树高参与产量建模的精度无明显差异。【结论】结合树冠体积和树高参与建模可有效提高油茶产量估测精度,研究结果可为区域范围内利用无人机遥感技术开展油茶树高和产量调查提供参考。     

基于非参数分类算法和多源遥感数据的单木树种分类

【目的】通过研究随机森林(random forest, RF)特征筛选对单木树种分类精度的影响,以及多源遥感数据协同下单木树种分类的有效性,分析不同特征对单木树种分类的影响程度。【方法】以东北林业大学帽儿山实验林场中林施业区的两块100 m×100 m样地为研究对象,首先,以机载激光雷达(LiDAR,light detection and ranging)和多光谱遥感CCD(charge coupled device)影像为数据源,分别基于机载LiDAR数据提取高度、强度和树冠大小等共37个特征,基于CCD影像提取光谱和纹理共21个特征;其次,以随机森林方法进行特征筛选,之后以随机森林和支持向量机(support vector machine, SVM)两种非参数分类器,结合不同数据源和特征,采用12种分类方案,利用总体精度(overall accuracy, OA)、用户精度(user’s accuracy, UA)和生产者精度(producer’s accuracy, PA)对分类结果进行对比与精度评价。【结果】经随机森林特征筛选后,分类结果优于未进行特征筛选的结果,总体精度可以平均提高3.47%,使用机载LiDAR和CCD影像协同分类相较于仅使用CCD影像总体精度平均提高6.07%。【结论】随机森林特征筛选可以优化特征,减少特征冗余,提高分类精度;多源数据结合也可以提高分类精度;在多源数据结合时,光谱特征最重要,LiDAR提取的强度特征相较于高度特征更稳定。