共查询到20条相似文献，搜索用时 484 毫秒
1.
基于空间信息的高光谱遥感植被分类技术 总被引：5，自引：2，他引：5
高光谱数据常带有噪声,传统的仅考虑光谱信息的遥感植被分类方法效果不佳,融入空间信息进行植被分类显得尤为重要。以NDVI阈值法提取植被信息后,采用最小噪声变换对Hyperion高光谱影像进行压缩处理,取前60个分量数据,并采用一种空间与光谱信息相结合的高光谱影像植被分类法,完成研究区植被分类。结果表明,对各植被类型的平均分类精度达90.3%,而最大似然法的平均分类精度仅为70.0%。融入空间信息的高光谱遥感植被分类方法能有效地削弱噪声,在一定程度上提高了分类精度,在实际应用中有一定的参考价值。 相似文献
2.
多光谱遥感数据是沙地动态监测的数据源,从中提取的沙地信息是监测的基础数据.波段是否为最佳组合,直接影响沙地信息的提取和地物的分类.本文结合研究区域的实际情况,通过对单波段信息、波段间的相关性和OIF指数的分析,研究了提取物及其背景的特征,获得提取沙地信息的最佳波段组合为波段3、4、7.该组合形成的彩色图像地物信息丰富,... 相似文献
3.
高光谱遥感技术已广泛应用于植被类型制图。然而,稀疏植被冠层覆盖和土壤背景影响仍然是干旱区植被类型遥感分类的主要挑战,单独利用遥感数据光谱或纹理特征难以获得可靠的分类精度和稳定性。广义正态分布优化算法（Generalized Normal Distribution Optimization,GNDO）的特征优选结果在质量和稳定性方面相较传统优化算法具有优势,但目前还未应用于高光谱波段选取研究。为探索结合ZY-1 02D光谱与纹理特征进行干旱区植被类型遥感分类的可行性,验证GNDO方法应用于高光谱波段选取的有效性,同时探讨不同数量训练像元条件下,各特征选取方法的选择结果差异和对植被类型分类精度的影响,该研究以青海省都兰县宗加镇为例,在随机选取各分类类别不同数量训练像元（30、50、100、150、200）基础上,分别利用遗传算法（Genetic Algorithm,GA）、粒子群优化算法（Particle Swarm Optimization,PSO）、灰狼优化算法（Grey Wolf Optimization,GWO）以及GNDO算法进行高光谱波段选取并对比结果,同时利用灰度共生矩阵（Gray-Level Co-occurrence Matrix,GLCM）方法提取纹理特征,将提取的光谱特征和纹理特征组合成30组分类数据集,利用随机森林（Random Forest,RF）方法完成植被类型自动分类,对比不同分类数据集的分类精度。结果显示：蓝波段（400～450 nm）、红边波段（700～750 nm）和红波段（600～650 nm）对区分植被类型最敏感;基于光谱特征的分类数据集中,使用200个训练像元和GNDO方法进行特征优选获取的分类数据集（GNDO200）获得了最高的总体分类精度（80.44%）;随着训练像元的增加,各分类数据集总体分类精度整体均呈上升趋势,不同的特征选择方法的分类精度对训练像元数量表现出不同的依赖程度;图像纹理特征的加入,明显提升了植被分类精度,将使用200个训练像元和GWO方法进行波段优选的结果与纹理特征结合的分类数据集（GWO200+TEX）获得了最高的总体分类精度（82.86%）。该研究验证了ZY1-02D国产高光谱卫星数据光谱纹理特征结合进行干旱区植被类型划分的潜力,证实了GNDO方法对高光谱波段选取的有效性,为高光谱植被类型制图中光谱、纹理特征选取提供了一种思路。 相似文献
4.
黄河三角洲土壤含水量状况的高光谱估测与遥感反演 总被引：9，自引：0，他引：9
为探讨利用近地高光谱和遥感影像数据结合预测土壤含水量的可行方法,以黄河三角洲垦利县为研究区,采用中心波长反射率和波段平均反射率两种拟合方法,利用室外实测高光谱窄波段反射率数据模拟Land Sat8卫星宽波段反射率,进而通过组合,选取敏感光谱参量,应用多元逐步线性回归方法分别建立土壤含水量高光谱单一形式波段组合与多形式波段组合估测模型,并选取最优估测模型。采用线性混合像元分解处理遥感影像,同时采用比值均值订正方法对遥感影像反射率进行订正,在此基础上,将模型应用到经过订正的Land Sat8卫星影像,实现了对研究区土壤含水量的遥感反演。结果表明,最佳模型是基于波段平均反射率拟合方法建立的多形式波段组合估测模型。从反演结果看较为符合研究区土壤含水量的实际状况。 相似文献
5.
基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较 总被引：3，自引：6，他引：3
近年来,高光谱遥感数据广泛应用于农作物叶面积指数(LAI)反演。与常用的多光谱遥感数据相比,高光谱数据能否提高农作物LAI反演的精度和稳定性还存在争议。针对这一问题,该研究利用实测冬小麦冠层高光谱反射率数据,构造了不同光谱分辨率和波段组合的5种光谱数据。基于ACRM(a two-layer canopy reflectance model)模型、2套参数化方案及上述5种光谱数据,对冬小麦LAI进行反演,分析光谱分辨率、高光谱数据波段选择、模型参数不确定性3方面因素对LAI反演精度与稳定性的影响。研究结果表明:当波段选择适宜、模型参数不确定性较小且光谱数据分辨率较高时,LAI反演精度与稳定性更高,提高光谱分辨率对LAI反演精度的改进作用随光谱分辨率的升高而降低;反之,当高光谱数据波段选择不当或者模型参数不确定性较大时,提高光谱数据的分辨率并未提高LAI反演精度。该研究解释了"高光谱遥感数据能否提高植被参数反演精度"问题,为进一步发挥高光谱数据在农作物LAI反演中的潜力提供了科学参考。 相似文献
6.
基于无人机遥感技术的水土保持植被恢复率提取 总被引：1，自引：1，他引：0
植被恢复情况是生产建设水土保持监测的主要内容,也是生态环境恢复的重要指标。为高效精准进行植被恢复率计算,应用无人机航测影像数据,利用ENVI非监督分类及目视判别手段,在实现影像土地利用分类的基础上提取植被面积,以期为生产建设项目水土保持监测提供可靠的依据。结果表明:(1)无人机在能见度较高且风速稳定天气条件下,可快速获取小区域地面高分辨率影像。(2)无人机正射影像图在Envi 5.1软件非监督分类的基础上采用目视解释法可实现水土保持土地利用现状分类。(3)通过对各地物分析剖解,在目视判决准则下可划分植被并提取植被面积。(4)利用无人机获取试验区域的正射影像图,其水平精度可达0.2m。高精度无人机遥感数据可用于小范围生产建设项目水土保持土地利用分类及植被恢复分析。 相似文献
7.
8.
为了进一步提高低分辨率遥感数据用于干旱和半干旱地区地物分类精度,该文以新疆石河子垦区为研究区,利用PSA(purposive selection algorithm)算法结合地物分布的统计特性对样本窗口进行选择,确定了最佳样本窗口组合;采用概率密度估计的方法获取了真实的隶属度函数,基于类别隶属度函数构建地物辨别模型;建立了多分辨率数据大尺度土地利用/覆盖遥感分类流程。研究结果表明,借助高空间分辨率数据提取各地物类别的精细分布特征,与Erdas非监督分类相比,模糊分类的总体分类精度提高了20%。该研究可为低分辨率数据的研究与应用提供借鉴。 相似文献
9.
基于GEE和机器学习的河套灌区复杂种植结构识别 总被引：1，自引：1，他引：0
河套灌区作为中国重要的商品粮油生产基地,准确快速地获取主要作物空间分布对灌区的农业可持续发展具有重要意义。然而,河套灌区土壤盐渍化严重,作物分布破碎散乱,生育期前后紧邻的作物在遥感影像中难以区分。因此,基于Google Earth Engine（GEE）云计算平台,采用Sentinel-2遥感数据提取作物种植结构,通过引入GlobeLand30地物分类数据集、红边植被特征和作物纹理特征,利用随机森林、支持向量机、朴素贝叶斯和分类回归树4种分类器,探讨了不同分类特征及分类器组合对分类精度的影响。结果表明,使用全部特征波段时,随机森林的分类效果优于另外3种分类算法,灌区平均总体精度达到81%,Kappa系数达到0.68;在作物空间分布提取中,光谱特征对分类精度起决定性作用,基于红边波段计算得到的植被指数比其他常用遥感植被指数更有优势;进行波段优选后的光谱、植被和纹理特征方案是平均分类精度最高的组合,平均精度为86%。研究结果可为复杂种植结构地区准确快速获取农作物空间分布信息提供新的思路和可靠的参考方法。 相似文献
10.
基于红边位置变化特征的油菜种植区域提取 总被引：4，自引：3，他引：4
油菜种植区域的准确提取是进行长势监测、估产和灾情评估的前提,遥感手段已成为作物种植区域提取与监测的高效方法,而高光谱遥感具有波段多、波谱分辨率高、信息丰富等特点,因而提供了一种新的技术手段。为了探究高光谱遥感在作物识别与提取中的优势,该文基于2004年4月4日和5月6日2期EO-1 Hyperion影像,依据油菜盛花期到荚果期红边位置"蓝移"特征,区别于其他植被,实现了油菜种植区域的高光谱遥感提取。采用随机点验证方法对提取结果进行验证,总体精度为92.6%,Kappa系数为0.803,漏分和错分误差均处在合理的范围之内。该方法充分利用了高光谱遥感手段可提取植被红边参数的优势,且算法对地物光谱差异性不敏感,为油菜种植区域遥感提取提供了一套全新的思路与解决方案。 相似文献
11.
排土场复垦后受干扰情况影响重建生态系统的稳定性,直接关系煤矿区生态修复成败,针对长期恢复过程的干扰状况评价尤其重要。该文在MODIS全球干扰指数的基础上,将地表温度与增强型植被指数相结合,构建基于Landsat影像的排土场复垦干扰指数(dump reclamation disturbance index, DRDI),并计算山西平朔安太堡露天矿排土场28 a间的干扰指数及其时空分异特征。结果表明:复垦初期干扰强烈区呈现较强空间聚集特性,植被结构和功能恢复至自然水平的平均时长约为10a,单个排土场受干扰面积可下降至1.32%～17.76%之间。平朔安太堡露天煤矿4个排土场在稳定时限和干扰分布特征上呈现典型差异,受排矸方式、复垦方向、年限及地形地貌等因素驱动。DRDI可评估复垦排土场重建生态系统稳定时限,有效识别重建生态系统因干扰造成植被退化的空间范围和严重程度,应用于排土场复垦效果评价将为优化复垦模式、提高复垦效率提供参考。干扰指数对自然及人为因素响应的定量分析是未来研究重点。 相似文献
12.
基于GF-6卫星影像多特征优选的酿酒葡萄精准识别 总被引：2，自引：2，他引：0
多源遥感信息和特征优选是提高农作物识别精度的重要支撑,高分六号（GF-6）卫星作为首次引入红边波段的国产卫星,其丰富的光谱信息为作物识别提供了新的思路和解决途径。该研究基于宁夏回族自治区银川市永宁县2018年6月-2019年3月的GF-6数据,充分利用红边优势提取光谱特征、纹理特征和植被指数特征,构建多种特征组合方案,并根据随机森林算法对特征重要性进行度量,选取最优特征组合对酿酒葡萄进行精准识别。结果表明,与单一特征相比,多源遥感特征的增加显著改善了酿酒葡萄分类效果,其中,植被指数贡献程度最大,光谱特征次之;基于随机森林的优选特征组合分类效果最佳,其中,总体分类精度为94.15%,酿酒葡萄用户精度为94.23%,制图精度为92.59%;以实地调查的4个酒庄为验证区,将酿酒葡萄提取结果与统计数据进行对比,面积相对精度均在70%以上,其中优选特征结果相对精度在90%以上,研究结果将为国产卫星红边波段在植被分类和识别方面的应用提供数据参考。 相似文献
13.
倒伏水稻的识别对灾后农业生产管理、灾害保险、补贴等工作有重要意义。为应用高分辨率遥感影像准确提取倒伏水稻面积,本文利用2019年9月27日获取的哨兵2号多光谱遥感影像,研究黑龙江省同江市倒伏水稻的光谱、纹理特征,并基于光谱与纹理特征建立倒伏水稻的遥感提取模型。研究结果表明水稻倒伏后可见光-近红外-短波红外等8个波段的反射率均升高,其中短波红外、红光和红边1等3个波段的反射率上升大于0.06。倒伏水稻的典型植被指数中,归一化植被指数、比值植被指数、增强植被指数和红边位置指数均降低,但差值植被指数升高。倒伏与正常水稻在红光、红边1和短波红外等3个波段的均值纹理数值差距明显,红光波段的纹理均值差异最大。利用归一化植被指数、地表水分指数、比值植被指数和差值植被指数以及红光波段的纹理均值构建决策树分类模型,监测结果表明农场内倒伏水稻分布较散,其西部和南部水稻受灾面积较大,北部受灾面积较小,中部偏北和东部基本未倒伏。将本文模型所提取的结果与实测面积对比,正常与倒伏水稻的面积识别误差分别为3.33%和2.23%。利用随机验证样本与模型验证结果进行混淆矩阵分析,倒伏水稻的用户精度和制图精度均为92.0%,Kappa系数为0.93。该方法能够适用于大区域倒伏水稻提取,可为高分辨率多光谱遥感数据调查水稻倒伏面积提供相关依据。 相似文献
14.
精准获取葡萄种植区分布信息对其精细化管理和优质基地建设具有重要意义，通常大区域种植区识别主要基于遥感影像完成，但葡萄种植区空间位置的分散性和背景环境的复杂性，使得种植区识别的精度不高。该研究基于DeepLabv3+网络，改进网络输入通道数使其能够接受更多的光谱信息，同时构建波段信息增强模块（Band Information Enhancement，BIE），利用各波段特征图之间的相关性生成综合特征，提出了波段信息增强的葡萄种植区识别方法（BIE-DeepLabv3+）。在2016和2019年高分二号影像葡萄种植区数据集上训练网络，在2020年影像上测试其性能，结果表明，改进模型输出结果的平均像素精度和平均交并比分别为98.58%和90.27%，识别效果好于机器学习SVM算法，在深度学习DeepLabv3+模型的基础上分别提高了0.38和2.01个百分点，比SegNet分别提高了0.71和4.65个百分点。BIE-DeepLabv3+模型拥有更大的感受野和捕获多尺度信息特征的同时放大了地物间的差异，能够解决影像中葡萄种植区存在类间纹理相似性、背景和环境复杂等问题，在减少模型参数的同时预测出的葡萄种植区更加完整，且边缘识别效果良好，为较大区域内背景复杂的遥感图像葡萄种植区识别提供了有效方法。 相似文献
15.
充分挖掘遥感数据信息，改善作物识别环境，一直是农作物遥感监测的重要工作。以往研究表明最佳波段组合、纹理信息和植被指数信息可以在一定程度上提高分类精度，但这些手段是否一定可以提高作物识别的精度，不同分类器对不同特征信息组合的响应是否一致等都是值得探讨的问题，也是目前研究甚少的问题。为此，该文将平均值(Mean)、方差(Variance)、均一性(Homogeneity)、反差(Contrast)、相异性(Dissimilarity)、熵(Entropy)、角二阶矩(Angular Second Moment)、灰度相关(Correlation)7种纹理信息以及比值植被指数(RVI)、土壤调整植被指数(SAVI)、重归一化植被指数(RDVI)、植被液态水含量指数(NDWI)、有效叶面积植被指数(SLAVI)5种植被指数信息分别加入到TM多光谱数据中，同时还进行了最佳波段选择，利用最小距离、最大似然和支持向量机3种方法进行分类提取小麦，研究了不同特征信息对小麦测量精度的影响。结果表明：该试验区内最佳波段5、4、3组合，纹理信息和植被指数信息的加入，对小麦面积测量精度的提高没有贡献；同一个特征信息组合对不同的分类器影响不同。在实际小麦面积测量的操作中，作业员不应该盲目的加入特征信息。选用何种信息不仅仅和研究区本身的性质有关，还和使用的分类器有关。 相似文献
16.
[目的]探讨高寒矿区覆土处理对露天煤矿排土场植被恢复的影响,以评估覆土措施在露天煤矿排土场所达到的植被恢复效果,为高寒矿区生态保护和恢复提供技术依据。[方法]调查分析青海省木里煤田不同年限5个覆土处理和3个不覆土处理矿区排土场植被群落特征和土壤理化性质。[结果]在覆土处理下,随着建植年限的增加,木里煤矿排土场植被和幼苗盖度显著增加(p<0.05),土壤速效磷、全钾、速效钾和有机质含量呈增加趋势,但未达显著水平;煤矿区排土场不覆土和覆土处理,植被特征和土壤理化性质主要指标差异不显著;非度量多维尺度分析结果表明:影响高寒煤矿区排土场植被生长的主要土壤养分是全氮、速效氮、速效钾和有机质。[结论]高寒矿区露天煤矿排土场植被恢复的关键措施不是覆土处理,可通过施足有机肥和化肥的方式代替覆土处理达到植被恢复的目的。 相似文献
17.
18.
为了从高分辨率无人机影像中获取准确的城市不透水面信息,在可见光波段范围内建立绿-蓝光谱特征空间,综合土壤线及不透水面线,构造了能够将土壤、植被像元与不透水面像元有效分离的绿-蓝不透水面指数。以广州市局部地区的GF-2号影像为验证数据对比及分析垂直不透水层指数、比值居民地指数以及绿-蓝不透水面指数的提取结果,以验证绿-蓝不透水面指数的可行性与提取精度。同时,将眉山市洪雅县部分地区的无人机正射影像作为试验数据进行不透水面提取。结果表明,在3个不透水面提取指数的横向对比中,绿-蓝不透水面指数和垂直不透水层指数的提取结果总体精度相同,验证了绿-蓝不透水面指数的有效性。在对无人机正射影像的不透水面提取中,得益于无人机低空摄影技术能够获取地形特征的特点,解决了建筑物屋顶因植被覆盖导致的错分问题,提取结果总体精度达到了96.95%,Kappa系数为0.936 1。试验证明了绿-蓝不透水面指数能够代替归一化差值不透水面指数、垂直不透水层指数、比值居民地指数等,应用于无人机遥感影像的不透水面信息提取中。 相似文献
19.
[目的]分析基于不同空间分辨率遥感影像估算的地上生物量(above ground biomass, AGB)差异,为遥感估算荒漠生态系统AGB的研究中不同空间分辨率影像的选择提供依据。[方法]在地面AGB调查的基础上,结合Landsat 8与Sentinel-2影像建立AGB-MSAVI统计模型,对砒砂岩区AGB进行了遥感估算,并分析不同植被覆盖区(高、中、低)AGB估算的差异性。[结果] Landsat 8与Sentinel-2影像均能较好地实现AGB估算,AGB估算结果在空间分布上具有相似性。基于Landsat 8和Sentinel-2数据估算AGB模型平均相对误差分别为13.41%和11.42%,基于Sentinel-2数据的AGB估算精度较高。[结论]不同植被覆盖区Sentinel-2与Landsat 8数据估算的AGB存在一定的差异,低植被覆盖和高植被覆盖区,两种遥感数据估算的AGB差异相对较小;中植被覆盖区,遥感数据受到空间分辨率的制约,空间异质性影响相对显著,两种遥感数据估算的AGB差异较大。高空间分辨率遥感影像对AGB估算精度的提高具有一定效果。 相似文献
20.
利用Terra/MODIS数据提取冬小麦面积及精度分析 总被引：3，自引：4，他引：3
利用遥感技术提取作物播种面积是农情监测研究中一种实用而可行的方法。以河北省藁城市为研究区域,研究利用多时相Terra/MODIS数据提取2004年冬小麦播种面积的技术方法。在分析MODIS波谱特性与冬小麦生物学特征,并考虑了有关植被指数图像对面积提取精度的影响基础上,选择将MODIS数据的Red、Blue、NIR和ESWIR波段作为基础工作波段。利用4种方法提取了2004年藁城市各乡镇的冬小麦播种面积,并利用2004年各乡镇统计数据及土地利用数据进行了精度评价。结果表明：4种方法提取的冬小麦播种面积总体上都与参考值比较吻合,总体误差和平均误差均小于5%。可见,利用Terra/MODIS数据提取冬小麦播种面积是完全可行的。研究还发现,最佳的MODIS数据是冬小麦抽穗期的Red、Blue、NIR、ESWIR波段图像和冬小麦播种期与抽穗期EVI差值图像的组合。 相似文献