一种基于高斯拟合的水生植被遥感分类阈值确定方法

水生植被作为浅水湖泊的重要组成,其丰度和盖度变化影响着湖泊生态系统的平衡。卫星遥感技术是浅水湖泊水生植被类群时空监测的有效手段,决策树是目前主流的水生植被遥感分类方法。但决策树中分类特征的阈值大多是通过与影像同步的大量实测样点训练确定,对于缺少实测样点的影像,难以获取准确阈值,成为水生植被类群分布历史重建的瓶颈。基于HJCCD影像数据,获取洪泽湖水生植被类群敏感光谱特征图像的直方图,结合高斯模型,建立了一种基于高斯拟合的水生植被遥感分类阈值计算方法,计算得到分类特征的阈值并建立决策树,开展洪泽湖的水生植被类群提取,分类总体精度为84%,Kappa系数为76%.该方法可实现缺少同步实测样点时,水生植被分类特征阈值的准确、自动化计算,为浅水湖泊的水生植被分布的历史重建提供了有力的方法支撑,进而可对湖泊高效管理和生态修复等提供理论指导。     

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。     

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.     

基于像元和对象分类的城区植被高分辨率遥感制图比较研究

本研究利用高空间分辨率遥感影像和LiDAR数据,参照美国USGS植被分类体系,在两种不同分类层次上,评价了基于像元和基于对象分类两种方法的城区植被覆盖专题制图效果.采用传统的基于像元监督最大似然分类时,在下层分类层次,分类总精度仅为70.5%,Kappa系数为63.5%.当在上层分类层次进行分类时,分类精度相对下层分类层次有明显提高,总精度达84%,Kappa系数为75.8%.而采用面向对象的分类方法时,在下层分类层次,分类总精度为86%,Kappa系数为82.3%.在上层分类层次,总精度达90.8%,Kappa系数为86.2%.研究结果表明,在城区两种不同植被分类层次,面向对象分类结果都取得了优于基于像元的分类结果.     

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...     

基于机器学习的多源遥感影像融合土地利用分类研究

为了快速获取准确的城市土地利用信息,提高西南地区遥感影像城市土地利用分类信息提取的精度,探讨了当前快速发展的机器学习技术在该领域中的分类实验.选用昆明市主城区作为研究区域,以Landsat8与Sentinel-1A影像为原始数据,使用GS变换法对影像进行融合,使用卷积神经网络(Convolutional Neural Network,CNN)和BP神经网络(Back Propagation Network)2种分类算法对融合前后的遥感影像进行土地利用分类信息提取,对分类结果进行分析.研究结果表明:基于Landsat8和Sentinel-1A的融合影像数据的卷积神经网络分类算法具有最好的分类效果,其总体分类精度和Kappa系数分别为85.8091%,0.8124,认为基于多源遥感影像融合的卷积神经网络分类方法是获取准确的城市土地利用分类信息的一种可行的方法,可以为高原地区城市的土地利用分类提取研究参考.     

基于RS的贵州威宁草海湿地植被分类研究

以贵州威宁草海自然保护区的核心区域为研究对象,利用环境卫星CCD影像数据为数据源,结合实地采集的样点数据,利用遥感技术如监督分类,非监督分类和决策树分类对草海的植被进行分类和精度验证,通过三种方法的分类结果比对,发现草海核心区几乎长满水生植被,且分布的规律为湖中央到岸边依次为沉水植被、挺水植被、浮水植被.     

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...     

基于面向对象的热带林分类方法研究

【目的】为了加强热带林资源的保护,采用遥感技术对热带林植被进行分类研究。【方法】基于SPOT6高分辨率遥感影像,采用ESP多尺度分割评价模型与专家知识结合的方法确定最优分割尺度参数,在分割的基础上充分挖掘目标地物的光谱、形状及纹理信息,合理选择分类特征组合,建立分类规则,构建了一套基于面向对象的热带林多尺度分类方法。【结果】与单一尺度的分类方法相比,该方法分类精度有明显提高,分类总体精度达到84.46%,并且缩短了传统目视确定最优分割参数的时间,提高了分割效率和精度。【结论】基于面向对象的多尺度分类方法能够实现高精度的热带林植被信息提取,可为遥感分类技术在热带林的应用提供参考。     

基于Sentinel-2影像红边光谱指数与特征优选的竹林提取研究

为了从Sentinel-2A影像中快速、准确提取竹林分布信息,以福建省永安市上坪乡竹林为研究区开展竹林提取研究.在影像分割的基础上,提取原始波段光谱、红边光谱指数、纹理3类共18个特征变量,利用随机森林Gini系数法进行特征变量重要性排序,设计5种不同特征变量组合方案,采用随机森林分类进行竹林分布信息提取.结果表明：原始波段光谱特征在Sentinel-2A影像竹林信息提取中具有重要作用,红边光谱指数特征次之,纹理特征未发挥显著作用.在红边光谱指数特征中,基于红边综合效应指数（MVIred1）构建的红边竹林指数3(BImvired1)具有良好的分类性能;利用随机森林Gini指标结合OOB泛化误差法有效减少了噪声数据的影响,筛选出最有利于竹林提取的特征变量子集,基于该特征子集的竹林分类总体精度（OA）达到94.58%、Kappa系数0.91、生产者精度（PA）为95.09%、用户精度（UA）85.54%.     

基于Sentinel-2A岷江上游地表生物量反演与植被特征分析

 Sentinel-2A光学遥感卫星具有很高的空间分辨率、13个多光谱波段、独特的"红边"波段、大宽幅同时数据免费,为区域植被生态环境特征信息提取分析提供全新的解决方案。以岷江上游流域为研究区,选取欧洲空间局（ESA）发布的Sentinel-2A数据,通过对卫星参数、数据类型、格式等级、预处理方法进行分析,利用ESA的SNAP软件,提取岷江上游流域的L2A级数据和场景分类图;在生成的L2A数据基础上结合SNAP软件中生物物理量参数处理模块,分别计算反演出岷江上游的叶面积指数、光合有效辐射吸收率、叶绿素含量、冠层含水量和植被覆盖度5类生物量指标和5个县域内生物物理量均值与标准差,利用叶面积指数、光合有效辐射吸收率和叶绿素含量指标诠释岷江上游5个县域内植被生长及健康状态,再结合场景分类结果对岷江上游植被特征进行区位分析,该研究为区域生态环境定量评估提供了快捷高效的参考依据。     

基于 CatBoost 算法的面向对象土地利用分类

为实现较高层次的遥感影像分类及有效去除高维特征的信息冗余,以 Sentinel-2 遥感影像为数据源,应 用 CatBoost 算法对龙江县进行了面向对象的土地利用分类。利用 CatBoost 算法对全部特征集进行降维,分别使 用 CatBoost、ＲF(Ｒandom Forest)和 AdaBoost 算法进行土地利用分类并对分类结果进行对比。研究结果表明, CatBoost、ＲF 和 AdaBoost 算法的 Kappa 系数均在 0． 77 以上,且 CatBoost 算法的 Kappa 系数高达 0． 911 4。因此 CatBoost分类法是土地利用分类的有效方法,为土地类型的划分提供了快捷可行的方法。     

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.     

基于多时相Sentinel-2数据的中牟县冬小麦种植面积提取

农作物的遥感识别监测是开展农作物长势监测、估产的前提和出发点，是农业遥感的焦点之一.利用遥感数据监测作物种植面积，日益成为农业管理及政策制定的重要技术支撑.以中牟县为研究区，选取2020—2021年期间的6幅Sentinel-2遥感影像数据，主要依据农作物的物候期光谱特征曲线变化和时序归一化植被指数曲线的变化，利用面向对象提取方法提取中牟县冬小麦面积及空间分布.将提取结果与谷歌地球高分辨率影像结合野外调查得到的验证样本进行精度验证，评价结果显示：总体精度93.33%,Kappa系数86.38%，结果能够较好地反映中牟县冬小麦种植面积及空间分布情况.该方法为大区域农作物的面积提取提供了重要方法参考.     

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。     

基于面向对象分类法的高分辨率遥感滑坡信息提取

运用面向对象分类法中的基于监督分类和基于规则的滑坡识别方法,选择合适的特征属性,利用Aster和Geoeye的融合影像对构林坪流域进行滑坡信息提取,并对分类结果进行精度评价和比较.结果表明:基于监督分类的滑坡信息提取总体精度为66.58%,Kappa系数为0.65,具有较高的分类精度;基于规则的滑坡信息提取方法也取得了84.7%的识别结果,但是区域特殊地形地貌和引发滑坡因子的复杂性导致了72.6%的分歧因子.总体上基于面向对象分类法的高分辨率遥感滑坡信息提取在白龙江流域具有良好的适用性.     

基于易康软件的QuickBird遥感影像林分类型识别——以福建省将乐林场为例

【目的】研究基于面向对象方法的林分类型识别,解决森林资源监测的核心问题。【方法】以福建省将乐林场为研究样本,采用基于QuickBird遥感影像的蓝、绿、红、近红外4个多光谱波段为面向对象分类的试验数据,借助eCognition Developer 8.7(易康)软件,设置10种分割尺度(25～250,步长为25),应用带有线性核函数支持向量机分类器(support vector machine,SVM),分别对每种分割尺度下的3组特征(单独光谱、光谱+纹理、光谱+纹理+空间)进行面向对象林分类型分类。【结果】以尺度参数150对QuickBird遥感影像进行分割质量最高(ED3_Modified=0.37)。10种尺度上,在光谱特征中加入纹理特征能够明显提高分类精度,但引入空间特征分类精度几乎无变化。基于光谱+纹理特征在分割尺度150时获得了最高分类精度(总精度达到85%,Kappa系数为0.86)。【结论】分割尺度对面向对象林分类型识别精度有着重要影响。在所有尺度(25～250)下,光谱、纹理特征分类精度均高于单独使用光谱特征分类总精度,空间特征在林分类型分类中并没有起到作用。匹配良好的分割和参考对象时能够得到更高精度的分类结果,同时,轻微的过度分割或分割不足不会明显影响分类结果。基于易康软件的面向对象方法对QuickBird多波段遥感数据进行林分类型分类能够获得比较满意的结果。     

面向对象的遥感影像水体信息提取

基于面向对象的遥感影像分析方法,在不同尺度分割遥感影像的基础上,根据影像对象的特征,如亮度、光谱、归一化植被指数(NDVI)、面积和上下文等信息,对水体信息进行了提取和分类.结果显示:与传统的基于像元的分类方法相比,面向对象的遥感影像信息提取方法具有很好的效果,同时也提高了信息提取的精度.     

基于J-M距离的多时相Sentinel-1农作物分类

为准确获取云雨天气较多地区的农作物分布信息,以敦化市西北部的黑市乡和额穆镇为研究区,以高分一号(GF-1)卫星宽视场(wide field view, WFV)传感器和哨兵一号(Sentinel-1)为数据源,通过WFV数据提取耕地范围,利用J-M(Jeffries-Matusita)距离可分性进行Sentinel-1影像最优分类时相组合的判断,根据选取Sentinel-1数据通过最近邻分类器多次循环对研究区主要农作物的分布信息进行提取。研究结果表明,进行多次循环产生的分类结果优于单次循环结果,循环次数达到5次结果趋于稳定,总体分类精度为84.23%。可见利用Sentinel-1数据进行敦化市农作物分类是可行的,多次循环的最近邻算法有利于获取更精准的农作物分布信息。