共查询到20条相似文献，搜索用时 31 毫秒
1.
固定样地用于中分辨率遥感影像解译精度的研究 总被引：1，自引：0，他引：1
在总结了中国森林资源连续清查体系现状的基础上,以吉林省第7次森林资源连续清查固定样地资料和吉林省TM遥感影像为基础,对固定样地调查结果与遥感影像分类结果进行了对比,并采用点对点匹配法,分析了固定样地作为遥感影像解译标志时的精度.结果表明,采用固定样地调查与遥感影像分类调查森林资源总体精度较高,森林覆盖率误差仅为-1.04%,而点对点匹配检验时森林类型误差达到52.99%. 相似文献
2.
德国、奥地利和法国的多目的森林资源监测述评 总被引：11，自引：0，他引：11
郑小贤 《北京林业大学学报》1997,19(3):79-84
以德国、奥地利和法国３国为例，对西欧林业发达国家的国家森林资源调查的最近动向与展望作了分析．综述３国的国家森林资源调查体系，包括抽样调查法、调查项目、ＧＩＳ和遥感、信息系统、成果公开和面向用户，共同特点是①收集包括木材和非木材资源的各种信息；②从野外临时样地调查向森林资源与环境变化监测方向发展；③在森林资源连续调查中应用遥感和ＧＩＳ提供最新森林资源信息；④野外调查和数据处理的计算机化．根据以上述评，建议在我国森林资源调查中采用以遥感和ＧＩＳ为基础的兼有环境监测功能的国家森林资源调查体系 相似文献
3.
基于数学形态学和最大似然法的遥感图像分类研究 总被引：2，自引：0，他引：2
《北京林业大学学报》2005,(Z2)
随着高空间分辨率遥感影像应用范围的不断扩大,传统基于灰度值的遥感图像分类方法很难满足实际需要.该文通过数学形态学方法,对高空间分辨率遥感全色图像进行处理,通过交互式选择训练区,构造包含形态学梯度、高帽变换和灰度均值的三维特征向量,利用Bayes最大似然分类器对高空间分辨率遥感图像不同土地利用类型进行自动识别,改善了分类精度.这种分类方法,可以用于指导森林资源监测、土地利用现状调查和国土荒漠化监测与评价的工程实践. 相似文献
4.
森林资源分布具有辽阔性、复杂性、通达性差等特点,而遥感技术具有宏观、动态、便捷、可周期重复和成本低等优点,成为研究森林资源状况的理想手段。目前,在森林遥感应用中,多源遥感数据的提供能力越来越强。但由于遥感信息的综合性、复杂性,遥感信息处理技术相对落后。基于不同区域、不同季相和不同背景特征的森林遥感分类技术远未成熟。利用中巴资源卫星遥感数据,经过图像处理(包括图像的校正、图像的增强和图像的分类等),获取样地的灰度值,结合少量地面实测样地资料,通过线性回归建立森林郁闭度的数学模型,并进行检验以确保估测的精度,为林业生产和建设提供依据。 相似文献
5.
基于自注意力卷积网络的遥感图像分类 总被引：1，自引：0，他引：1
6.
7.
基于专家分类知识库的林地分类 总被引：8，自引：3，他引：8
将闽江流域林地划分为有林地、灌木林地、疏林地和其他林地,并将有林地划分为杉木林、马尾松林、阔叶树林、竹林和经济林.利用福建省第5次森林资源连续清查固定样地资料,提取闽江流域各林地类型在闽江流域遥感图像图上的像元光谱值,分析各林地类型光谱曲线变化规律,基于遥感图像处理软件的专家分类知识库,建立闽江流域林地分类模型,对闽江流域林地利用现状进行分类.所建立模型划分出了闽江流域林地利用现状,林地分类精度总体达79%. 相似文献
8.
为探讨高分辨率遥感图像用于中小尺度森林分类的模式,利用SPOT5遥感数据、地面样地调查数据和前期森林资源规划设计调查G IS资料,以图像的光谱和纹理信息为主、历史调查数据的知识为辅构建专家知识分类系统对SPOT5图像进行森林分类,并探讨了历史调查数据在该模式中的贡献率。结果表明,对于所选取的8个类别,总体分类精度达到了92.97%,各类别的分类精度均达到87%以上,分类效果良好;历史调查数据在分类过程中的总体贡献率为11.55%,对提高SPOT5图像分类有较大的帮助作用,尤其对竹林、八角和玉桂、灌木林分类的辅助作用表现更为明显。 相似文献
9.
美国、加拿大和日本多目的森林资源监测的现状与展望 总被引：4，自引：2，他引：4
郑小贤 《北京林业大学学报》1998,20(1):53-58
对美国、加拿大和日本３国的国家森林资源调查的现状与展望作了分析和综述,包括抽样调查法、调查项目、ＧＩＳ和遥感、信息系统及成果公开和面向用户几个方面．共同特点是：①收集包括木材和非木材资源的各种信息;②从野外样地调查向森林资源与环境变化监测方向发展;③在森林资源连续调查中应用遥感和ＧＩＳ提供最新森林资源信息;④野外调查和数据处理的计算机化．根据上述分析,建议在我国森林资源调查中采用以遥感和ＧＩＳ为基础的兼有环境监测功能的国家森林资源调查体系． 相似文献
10.
以内蒙古自治区根河市根河生态站为研究区,探讨在大面积复杂林区、具有红边波段卫星数据支持下,高空间分辨率遥感影像林地类型精细分类方法。以2016年7月的RapidEye遥感影像和2017年的GF-1PMS遥感影像为主要数据源,综合利用影像的光谱特征、纹理特征与根河森林资源小班数据等辅助信息,以及2016年林地类型外业调查样本数据,分别对2种数据源采用传统的监督分类方法[最大似然法（MLC）和支持向量机法（SVM）]和基于IDL语言的ImageSVM和ImageRF分类方法进行林地类型精细识别。最后以外业调查数据和根河森林资源小班数据作为检验样本对分类结果进行精度验证,通过建立混淆矩阵对分类结果进行评价。结果表明:①ImageRF和ImageSVM等2种分类方法对林地类型信息提取精度较高。在RapidEye影像中,针叶林、阔叶林、灌木林等8种地物类型总体分类精度分别为90.26%和90.02%,Kappa系数均大于0.88。ImageSVM和ImageRF分类结果中,灌木林、针叶林和阔叶林制图精度和用户精度均高于支持向量机法和最大似然法;相对于支持向量机法和最大似然法,ImageSVM法总体分类精度分别提高了6.18%和7.06%,Kappa系数分别提高了0.07和0.08;ImageRF法总体分类精度分别提高了5.93%和6.82%,Kappa系数分别提高了0.07和0.08,能确保森林资源调查成果的精细化、准确性、高效性。②在林地类型精细识别中,携带红边波段信息的RapidEye影像比无红边波段信息的GF-1影像具有更好的识别精度和可分性。研究证明,ImageSVM和ImageRF分类方法是有效的林地类型信息精细识别方法,具有精度高和可信度高的优势,是进行复杂山区林地类型精细分类的有效手段,可满足森林资源调查、变化监测、数字更新等林业应用需求。 相似文献
11.
【目的】农作物精细分类是面积估算、长势监测、产量预测及灾害评估的重要前提和基
础。近年来,无人机低空遥感技术因其操作成本低、空间分辨率高、灵活性强等优势,成为田
块尺度下农作物精细分类的重要工具。【方法】文章系统总结了国内外近10 余年无人机遥感在
农作物分类领域的研究进展,介绍了目前常用的无人机平台和传感器,归纳了农作物分类特征
及算法的使用情况,指出了无人机遥感农作物精细分类研究存在的问题。【结果】当前无人机
遥感农作物精细分类研究存在一些不足之处：（1）无人机遥感监测面积小,无法在较大尺度区
域实现农作物精准监测。（2）适用于无人机遥感的农作物分类特征仍需进一步挖掘,面向高光
谱影像的农作物分类特征及特征组合尚需进一步明确。（3）分类器使用单一,分类算法的普适性
和稳定性不强。【结论】无人机遥感农作物精细分类研究的发展趋势主要包括3 个方面：（1）无人
机遥感影像与星载遥感数据的高效融合,拓宽无人机的监测范围。（2）面向无人机遥感影像
的农作物分类特征提取与优化研究。（3）适合无人机遥感的农作物分类算法改进。 相似文献
12.
13.
14.
采用自主开发设计的森林资源规划调查系统,在大的地性线与已有林班线为边界控制条件下,对常用于森林资源调查的SPOT5遥感影像进行了多尺度、多层次逐级分割,获取了影像对象.同时,综合运用分割对象的光谱、空间特征和纹理特征形成分类规则,在此基础上进行小班区划,试验结果表明,该方法得到了较好的小班区划精度. 相似文献
15.
16.
基于Landsat 8 OLI辅助的亚米级遥感影像树种识别 总被引：4，自引：2，他引：2
为研究高空间分辨率遥感影像与多光谱遥感影像协同进行面向对象树种识别的有效性,本研究以QuickBird高空间分辨率(全色0.61 m)和Landsat 8 OLI(30 m)遥感影像为基础数据,在分类的过程中采用2种分割方案(有Landsat 8 OLI遥感影像辅助的QuickBird遥感影像分割和无Landsat 8 OLI遥感影像辅助的QuickBird遥感影像分割)进行多尺度分割,对2种分割方案进行比较。基于QuickBird遥感影像和Landsat 8 OLI遥感影像提取光谱、纹理、空间3方面68种分类特征,应用最邻近分类法和支持向量机分类方法进行面向对象树种分类,采用相同的分类系统、统一的分割尺度以及同一套验证样本,利用Kappa系数、总精度、生产者精度和用户精度4个评价指标进行精度评价。结果表明:单独使用QuickBird高空间分辨率遥感影像的分割结果优于QuickBird高空间分辨率遥感影像与Landsat 8 OLI遥感影像协同分割的结果,最优分割阈值与合并阈值分别为25和90。在最优分割结果的基础上,多光谱Landsat 8 OLI遥感影像与QuickBird高空间分辨率遥感影像协同进行面向对象分类,最邻近分类法和支持向量机分类方法的分类总精度分别为85.35%(Kappa=0.701 3)和88.12%(Kappa=0.853 6);单独使用QuickBird高空间分辨率遥感影像进行面向对象分类,2种方法的分类总精度分别为79.67%(Kappa=0.693 9)和83.33%(Kappa=0.792 5)。QuickBird遥感影像在Landsat 8 OLI遥感影像辅助下,分类结果的地物边界更加清晰,总体精度及主要树种识别精度均得到了提高。研究成果应用在实地森林调查与区划时可有效缩短调査时间、减少调查成本、降低劳动强度、提高成果质量。 相似文献
17.
GIS与RS集成的高分辨率遥感影像分类技术在地类识别中的应用 总被引：17，自引：0，他引：17
为提高高分辨率遥感影像的分类精度，本文提出了一种GIS与RS集成的分类技术，它从遥感影像和GIS矢量数据一体化的角度出发，充分利用了矢量数据的图斑边界信息，通过提取单一地类图斑内的灰度特征，纹理持征和形态特征识别图斑所属地类，经研究表明，无论在实验结果上还是在分类的机理上都证明了，在高分辨率遥感影像的土地利用分类中，这种GIS与RS集成的分类技术的准确率超过了传统遥感影像的分类的准确率。 相似文献
18.
卫星遥感图像的目视判读,作为获取林业地面信息的应用方法,配合固原市原州区森林资源二类清查工作,对该区森林资源分布、蓄积量、林地生产力、资源管理等都能在遥感图片上有所体现,获取内容极为丰富,提高了清查成果的准确性和可靠性。结合清查工作介绍判读任务及精度要求,具体判读步骤及判读结果与综合分析,并分析了利用卫星遥感图像判读森林资源状况存在的问题,提出了发展前景。 相似文献
19.
基于遥感手段的森林类型/树种（组）的精准识别是森林参数提取和计算的前提,是林业遥感领域的研究前沿,可为宏观尺度快速获取森林资源信息提供重要途径。对多源遥感数据在森林树种识别中的应用研究进行总结分析发现,当前基于遥感数据的树种识别已成为林业遥感的研究热点。利用卫星遥感数据和近地低空遥感数据结合随机森林、支持向量机等分类方法进行树种识别已相对成熟。近年来,无人机技术不断发展,以其灵活性强的特点在林业中有较强的应用潜力,在计算机技术、数字图像处理技术和机器学习领域不断发展成熟背景下,低空遥感数据结合深度学习技术应用于森林树种的精确识别是值得深入研究的科学问题。 相似文献