从资源3号卫星影像中提取厦门市不透水面信息

不透水面是城市地区的典型特征,不透水面的增加导致了水质恶化、城市热岛效应等一系列生态环境问题.选用高分辨率资源3号遥感影像,利用面向对象的方法,进行厦门市不透水面信息的提取.为突出不透水面的信息,将影像进行主成分变换、提取归一化植被指数和归一化水体指数,将第一主成分、归一化植被指数和归一化水体指数合成为新的影像;根据最小不透水面的面积原则,确定最优的分割尺度,结合形状、光谱等信息,对合成后的影像进行多尺度分割;再在最优尺度分割结果的基础上进行分类,并将阴影作为分类体系中单独一类,获得不透水面、裸土、水体、植被、阴影的分类结果;利用真实世界地物的形状特征和邻近关系特征,对阴影区域进行判别及合并,获得不透水面,并根据实地观测,对提取结果进行精度评价,不透水面提取的精度达80%.     

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.     

基于谷歌地球引擎的开封城区2010—2019年水体分布变化研究

为了研究开封市年际水体分布变化,选用Landsat系列多时相影像数据,在谷歌地球引擎google earth engine(GEE)云平台上结合归一化水指数、改进的归一化水指数、归一化植被指数以及归一化建筑指数构建光谱特征使用分类回归树、支持向量机、随机森林分类方法对开封市城区的水体进行提取并分析.结果表明:基于GEE云平台和机器学习的分类,能够很好地提取出开封市城区年际水体分布变化情况;开封市城区的水体面积处于不断变化中,先减少后增加,总体上趋于增加,随着城市的发展变化,城区的景观格局发生较大改变,影响开封市水体面积产生变化的主要因素是北部黄河水量的变化以及开封市近年来正在实施的"城市双修"对水体的影响;使用随机森林分类能更好地对开封市城区的水体进行提取,提取水体的最小精度为94.6％,平均总体分类精度为96.9％,平均Kappa系数为0.954.     

基于特征优选的随机森林算法在湿地信息提取中的应用——以湖北洪湖湿地自然保护区为例

以湖北洪湖湿地自然保护区为研究区,采用随机森林算法对研究区内湿地信息提取.以Sentinel-2A遥感影像为数据源提取光谱特征、植被指数、水体指数、红边指数、纹理特征等特征变量,在随机森林算法框架下,对不同特征变量进行特征重要性评估,比较分类后精度并对特征组合进行优选.将基于随机森林算法的分类精度与传统的基于像元的支持向量机分类方法和最大似然分类方法的分类精度相比较,并通过双比例Z检验比较各算法中正确分类像元的比例统计各分类算法之间的分布差异.结果表明： 1) 特征个数为13时,分类精度达到最大,随着特征个数的增多,分类精度呈现波动减小的趋势; 2) 特征变量中蓝光波段重要性得分最高,达到2.85,可见光(B2、B3)与红边指数(IRECI、MCARI)重要性排名靠前,对于提取湖泊湿地信息具有重要意义; 3) 基于特征优选的随机森林方法分类精度优于支持向量机和最大似然法分类后的精度,其总体精度分别高出6.02%和7.57%;经检验, χ2分别达到25.891和38.895,具有显著差异,表明基于特征优选的随机森林算法分类对湿地信息提取发挥重要作用。     

城市不透水面遥感信息提取方法的比较研究

不透水面信息是有效评估城市化进程及发展水平的重要参数.以处于快速发展中的杭州市为例,基于Landsat和SPOT卫星遥感影像数据,计算并分析4种光谱指数(NDISI、ENDISI、BCI和BUAI)及2种监督分类方法(支持向量机和神经网络)对不透水面的提取精度,以确定遥感提取杭州市主城区不透水面信息的最佳方法.结果表明：BCI指数法的提取精度最高,其次是BUAI指数法,NDISI指数法的提取精度最低.该研究可为有关部门快速且高效提取分析不透水面信息提供参考.     

面向对象方法的复杂地形区地表覆盖信息提取

探讨在复杂地形区基于面向对象分类方法与中等分辨率的Landsat 8 OLI影像相结合能否获得较好的信息提取精度.结果表明:单波段标准差、多波段相关系数和最佳指数因子是选择波段的较优方案,可有效减少各波段间的信息冗余量.通过对研究区进行地理分区的方式建立每一地理子区的分类层次、设定分割参数及规则,根据地物类别的分布特征引入归一化植被指数、归一化建筑物指数、改进归一化差异水体指数、数字高程模型数据、坡度等与地类相关的专题数据,以提高复杂地形区分类精度;整个流域脑山区总分类精度最高,达88.33%,Kappa系数0.86.     

成都市不透水面扩张与生态环境质量变化的关系

以成都市为研究对象,围绕不透水面与生态环境质量的时空变化规律展开研究,并探讨两者间的关系。以2000年、2009年和2018年的遥感卫星影像为基础数据,利用归一化不透水面指数提取不透水面信息,通过主成分分析构建遥感生态指数(RSEI)评估成都市近20年间的生态环境质量,最后运用回归模型定量分析不透水面覆盖度与生态环境的关系。结果表明:2000-2018年成都市不透水面增加了1 072 km~2,RSEI均值由0. 603下降到0. 504,降幅为16%,RSEI空间变化格局与不透水面扩张格局基本一致;回归模型发现不透水面覆盖度与地表温度为指数函数关系,与植被指数呈线性负相关;多元逐步回归分析证明植被、地表温度和不透水面均是影响城市生态环境质量的重要因素,而不透水面信息起到了决定性作用。     

宁夏石嘴山地区盐碱地变化的目标级检测

采用同一地区、不同时相的Landsat 8OLI影像数据,结合影像的光谱、纹理和地理特征等24个变量,分别采用随机森林分类法(RF)和支持向量机分类法(SVM)对宁夏石嘴山地区进行影像分类,研究发现:影响分类模型精度的有DEM数据、归一化差异植被指数(NDVI)、短波红外波段、归一化差异湿度指数(NDMI)与第一主分量均值(M)等重要参量。RF的分类精度略高于SVM,总体分类精度为95.492%,Kappa系数为0.947;盐碱地的分类精度为98.510%,计算效率是SVM的16.5倍;RF方法更适合进行盐碱地目标级的变化检测。根据两个时相影像的RF分类结果,得到2014—2017年研究区盐碱地面积减少约133.56km2,减少比例56.368%,生态环境改善和盐碱地改良趋势较好。     

基于随机森林特征变量优化的湿地植物分类与密度反演

以长江口滨海湿地为研究区域,采用随机森林算法对滨海湿地植被进行分类。在提取Landsat?8 OLI影像植被指数和水体指数的基础上,提出利用植被指数季节差值对模型进行特征变量优化,分析了长江口滨海湿地植物群落分布的空间特征。以所占面积最大的互花米草（入侵物种）为例,采用多元线性回归模型结合实地测量数据,估算了秋季的互花米草植物密度的空间特征。提出的多时相遥感数据结合随机森林特征变量优化方法,可以较为便捷地提取长江口湿地3种优势物种的空间分布特征,与最大似然法相比,分类精度有较大提高,总体分类精度由78.35%提高至87.55%,Kappa系数由0.72提高至0.84。该方法适用于存在“异物同谱”问题的湿地植物群落研究。     

基于EO-1 Hyperion的中国典型森林冠层高光谱特征分析

由于冠层结构和功能性状的差异,不同森林表现出不同的光谱特征.分析不同森林冠层的光谱特征差异可以为精确森林分类和冠层参数反演提供依据.因此,理解我国典型森林类型的高光谱特征将有助于提高我国森林分类以及森林理化参数反演的精度.研究以中国生态网络中的长白山、神农架、千烟洲和鼎湖山4个典型森林站点为研究对象,利用EO-1 Hyperion星载高光谱数据提取4种森林像元尺度上的反射光谱曲线,并进行一阶微分变换,同时计算多种遥感光谱指数,定量分析其光谱特征差异.结果表明:(1)神农架阔叶混交森林光谱反射率在整个光谱范围内显著高于其他3种森林类型.千烟洲针叶混交森林在整个光谱范围内表现出较低的反射特征.长白山和鼎湖山森林的反射率居中.(2)4种森林的红边斜率存在显著差异.神农架森林的红边斜率最高,暗示了其冠层叶绿素含量高,健康状况最好.千烟洲的红边位置相比其他3种森林有所红移,红边位于720 nm左右.(3)遥感指数方面,神农架阔叶林具有较高的归一化氮指数(NDNI),千烟洲马尾松湿地松为主的针叶林具有较低的NDNI,反映出树种间真实的叶片氮浓度差异.另外,由于森林覆盖度较高,增强型植被指数(EVI)比归一化植被指数(NDVI)更能够指示森林类型之间绿度和覆盖度的变化.研究对于我国森林参数的遥感反演和森林类型高精度分类具有一定的参考意义.     

基于随机森林的MODIS遥感影像水体分类研究

本文采用随机森林分类方法提取MODIS影像中的水体,根据水体和非水体在不同波段的反射率特征差异计算水体指数,选择一年内水体指数总和大于零的点构造分类特征,以全球30 m地表覆盖数据作为真值进行训练和验证.依据在随机森林中分类特征的重要性选出了10个分类特征,并通过一定量的实验统计选出有较好分类结果的随机森林模型参数.采用混淆矩阵及相关精度指标、Kappa系数等进行精度评价,获得较好的水体分类结果.     

无人机航高对落叶松毛虫虫害遥感监测精度的影响

【目的】探究无人机航高对落叶松毛虫(Dendrolimus superans)虫害监测精度的影响机制，以期构建先进的森林虫害监测技术框架，为无人机近地面森林虫害遥感监测提供重要参考。【方法】以大兴安岭落叶松毛虫虫害频发区为试验区，以无人机不同航高下采集的多光谱遥感影像为基础数据，获得健康、轻度和重度虫害的386株落叶松树冠层光谱指数和纹理特征，通过方差分析法(ANOVA)及连续投影算法(SPA)提取对虫害严重程度敏感的光谱特征，结合随机森林(RF)和支持向量机(SVM)算法构建虫害严重程度监测模型，揭示航高对监测精度的影响。【结果】(1)光谱指数和纹理特征的总体(轻度+重度)监测精度均随航高上升呈下降趋势，而轻度和重度虫害的监测精度却有不同变化态势。(2)光谱指数(修正型三角植被指数2、绿光归一化差值植被指数2、绿光归一化差值植被指数、差值植被指数、简单比值指数1)+纹理特征(MEA 3)组合的虫害监测精度达到最优(总体精度和Kappa值分别为92.3%和0.891),但其总体和轻度的监测精度随航高上升呈下降趋势(下降速率分别为0.04%/m和0.03%/m),重度的监测精度有上升趋势...     

基于定量遥感产品的土地覆盖分类方法研究

准确进行土地覆盖类型提取具有重要的实际应用价值,但是目前常用的分类数据较为单一,通常使用地物反射率数据或植被指数,较少使用定量遥感产品.为此,本文使用反照率等产品评价定量遥感产品在地物分类中的实际应用效果.提取定量遥感产品的年平均值、标准差等特征作为地物分类依据,运用随机森林分类方法建立中国地区土地覆盖分类的自学习模型,与仅用地物反射率和NDVI数据进行分类的结果进行比对.结果显示,定量遥感产品辅助下的随机森林模型宏观尺度土地覆盖分类方法的总体精度为89.8%,Kappa系数为0.86,比仅用反射率和NDVI数据进行土地覆盖分类的总体精度提高了12.9个百分点;通过下降梯度法对分类特征的重要性进行评价,发现叶面积指数和反照率2种定量遥感产品在土地覆盖分类模型中重要性较大.结果表明,定量遥感产品用于土地覆盖类型的信息提取,会提高资源环境要素提取的精度,本文方法可为地物分类提供新的思路.     

基于随机森林算法的特征选择的水稻分类——以南昌市为例

在南方水稻遥感分类中,耕地细碎化;干扰性其他植被多是造成分类效果差主要因素。针对此类因素可对多时相影像进行特征提取、叠加成多时相特征集合,利用随机森林并结合归一化特征重要性对多时相影像特征集合进行特征测试,分析每个特征对分类结果的影响。根据每个变量的影响程度(贡献程度)的不同进行一个排序,从而选出最优的分类的特征优选子集。再利用随机森林作为分类器,对特征优选子集进行水稻的分类提取的识别方法。与3组未进行特征选择的SVM(支持向量机)算法的分类结果进行对比。实验结果表明:1)多时相影像的特征集合的分类精度高于单时相影像的特征集合的分类精度;2)基于随机森林对原始特征集合进行特征选择后的总体精度92.09%和Kappa系数90.36%,特征选择能有效去除冗余信息,从而提高分类精度。综上所述,在耕地细碎化,多植被干扰的南方丘陵地带中,结合随机森林的归一化特征选择的方法为水稻的识别和提取研究提供了有效方法。     

基于InSAR技术提取南昌地区不透水面信息

目前城市不透水面信息提取的研究主要基于光学遥感影像提取.但使用光学遥感手段提取不透水面信息易受到云层遮挡及光谱混淆等问题的影响.为此,提出了一种新的基于InSAR技术的图像分类方法.通过对Sentinel-1影像进行干涉分析,计算出各地物的后向散射特性中的相干系数值,然后建立随机森林并利用回归分析法获取不透水面的相干系...     

南昌市城市不透水面及其与城市热岛的关系分析

通过分析南昌市不透水面和城市热岛的相关关系从而为缓解城市热岛效应提供技术指导.以南昌市2002年、2014年Landsat TM/TIRS遥感影像作为数据源.采用改进的归一化水体指数(modified normalized difference water index,MNDWI)进行水体的提取,结合归一化差值不透水面指数法(normalized difference impervious surface index,NDISI)对南昌市不透水面信息进行提取,然后采用单窗算法进行温度反演.分析比较2个时期的不透水面分布图和地表温度分布图,在2002-2014年间,南昌市不透水面面积与高温分布面积都明显增加,且主要是沿赣江两岸扩张.而从二者的线性回归方程式中可以看到,它们之间存在着显著的正相关性,这说明城市不透水面面积的增加会加剧城市热岛效应.     

基于SVM和线性光谱混合模型的城市不透水面丰度提取

不透水面丰度的提取在城市环境监测和规划研究中具有重要价值.基于2006年7月30日合肥市TM影像数据,运用支持向量机(SVM)监督分类与线性光谱混合模型(LSMM)相结合的方法提取研究区不透水面丰度值,并与单一运用线性光谱混合模型提取结果进行比较.研究结果表明:支持向量机监督分类和线性光谱混合模型相结合的方法RMSE为12.8%,提取精度高于线性光谱混合模型,该方法提高了城市不透水面丰度提取的精度.     

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。     

随机森林算法在干旱区土地利用遥感分类中的应用研究

为了验证随机森林算法在干旱区土地利用遥感分类中的效果,本文采用随机森林算法,结合Landsat8遥感影像以及DEM、NDVI等辅助数据,解译了干旱区典型流域玛纳斯河流域的土地利用图。分析结果表明:(1)分析决策树数量(k)和分类变量数量(m)对分类精度具有很大影响。通过优化2个参数得到最优随机森林模型,当k取103、m取6时,模型分类精度可达95%;(2)通过土地利用分类精度的影响因子分析发现,海拔高程和归一化植被指数对土地利用分类的影响程度比坡向的影响更大。(3)通过分类结果对比分析发现,应用随机森林算法分类的精度比用最大似然法的分类精度高9%,利用变量重要性筛选出的遥感波段构建优化随机森林模型,能有效降低遥感数据源数据量,而Kappa系数保持在0.97不变。随机森林算法可以在干旱区土地利用分类中广泛应用。     

基于Sentinel-2光谱与地形特征的山区森林分类——以武夷山国家公园为例

为了提高山区复杂地形条件下的森林分类精度，以武夷山国家公园为研究区开展山区森林分类研究.以Sentinel-2遥感影像作为数据源，采用多尺度分割方法进行影像分割，并通过ESP2算法选取影像的最优分割尺度.首先构造了Sentinel-2光学影像的初始27维光谱特征，通过计算随机森林Gini指标对分类特征变量进行优化，最终确定17维最优特征变量，然后将提取的研究区地形特征与最优特征变量相结合，应用随机森林算法进行森林分类.结果表明：在27维光谱特征中选取重要性排名前17的特征参与分类时，精度最高值为0.911 0，其中，Sentinel-2影像的红、红边和近红外波段及其相应的光谱指数在森林分类中有较高重要性；在不同的特征参与分类时，在参考光谱特征中依次加入红边指数和地形因子，分类的总体精度分别为88.13%、89.50%、90.87%,Kappa系数分别为0.854 6、0.871 0、0.887 8.研究证明将Sentinel-2丰富的光谱特征与地形因子相结合，可有效获取各森林地物类型在不同地形特征下的不同光谱特征，此方法在森林地物信息提取中具有较高的应用价值，为今后地形复杂的山区森林进...