共查询到18条相似文献，搜索用时 239 毫秒
1.
Landsat7 ETM+图像用作SPOT5图像森林分类的辅助数据研究 总被引：1，自引：1，他引：0
为改善面向对象的SPOT5图像分类精度,将Landsat7 ETM+数据作为辅助数据,试验了3种图像分割和对象特征提取方案,在图像分割、基于规则的分类、基于分类的分割和对象特征提取与筛选的基础上,进行了Bayes准则分类试验。结果表明:ETM+图像信息参与分类明显地提高了SPOT5图像的分类精度,但由于空间分辨率低,在森林分布破碎、类型和种类多样、结构复杂的研究区域,ETM+数据只能用于对象特征提取,不能实质性地参与图像分割,否则会导致图像对象边界不准确、同质性降低、异质性增加,影响图像分类精度。 相似文献
2.
全极化雷达图像的最大优点是能够获取目标的全极化散射特征,从而使其在地表植被的分类和森林参数反演中具有较大的应用价值。以紫金山国家森林公园为研究对象,2011年的全极化雷达数据、典型地类野外调查数据为主要信息源,在PAULI、 SINCLAIR、 CLOUDE-POTTIER、 FREEDMAN-DURDEN四种目标特征值分解基础上,采用最大似然、支持向量机、神经元网络和随机森林4种方法进行监督分类。结果表明,5种组合中12个特征值组成的特征图像的最大似然分类的精度最高,总体分类精度为58.20%, CLOUDE-POTTIER、 FREEDMAN-DURDEN 总体分类精度较低,分别为51.86%、52.36%;4种分类方法中,12个特征值组合的图像的随机森林分类方法的总体分类精度最高,总体分类精度为74.29%,神经元网络的分类精度较低,总体分类精度为56.98%;6种地类中,针叶林、阔叶林和建筑的分类精度较高,草地、水体和裸地的分类精度较低。 相似文献
3.
应用ERDAS遥感软件对SPOT5进行图像预处理、图像解释、图像监督分类,通过SPOT5图像获取林地面积,得出分类精度,找到一种监测退耕还林的新方法.这种方法在辽宁省康平县小城子乡进行实地应用,分类精度的kappa系数分别为76%和85%,表明应用SPOT5图像监测退耕还林是可行的. 相似文献
4.
遥感图像尤其是高分辨率（1~4 m）遥感图像在树种分类方面有着广阔的应用前景。利用主成分分析法对遥感数据去相关分析,然后通过对纹理提取过程的分析,探讨不同移动窗口大小对纹理特征的影响,以期为中山陵园风景区的森林调查提供依据,分类方法为经典的最大似然分类器。根据不同移动窗口大小的纹理因子相关性和对保持纹理信息丰富度的影响,来选择合适的窗口大小及纹理因子组合,以对树种分类精度的提高程度为评价标准。研究结果表明,利用窗口大小为19 19下的纹理信息可有效提高分类精度,总精度达到66%,Kappa系数达到0.59,比单纯的光谱信息最大似然法图像分类精度高,其中均值与均匀性、对比度、偏斜度纹理因子组合为最佳纹理组合,能有效减少数据冗余。高分辨率遥感数据纹理信息的运用为树种分类识别时的特征选择提供了有利技术参考。图4表3参19 相似文献
5.
以黑龙江省凉水国家级自然保护区为研究区,采用“高分一号”卫星提供的多光谱影像作为遥感数据源,通过对遥感影像进行小波变换处理,之后选择植被指数、纹理特征、地形因子作为分类特征,利用随机森林算法对该地区森林类型进行分类。结果表明,遥感图像在进行小波变换后,基于随机森林算法的森林类型分类精度为91.68%,Kappa系数为0.90,较未进行小波变换时的分类精度提高10.67%。总体来看,结合小波变换的随机森林分类方法可以获得比较高的分类精度。为森林类型分类提供一种新的思路,且为提高森林类型分类精度提供一种参考方法。 相似文献
6.
【目的 】机器学习模型在农作物分类研究领域有着较高精度,但如何利用历史样本用于当前时间的作物分类是一个难点。迁移学习的核心思想在于找到已有数据与新数据之间的相似性,文章旨在探索迁移学习方法使用历史样本进行作物分类的可靠性。【方法 】该文以嫩江市为研究区域,基于实地采样数据与遥感数据,用随机森林（Random Forest,RF）分类器,结合多种遥感指数,对2020—2021年嫩江市玉米与大豆种植区域进行分类;利用动态时间规整方法,以2020—2021年实地采样数据生成2022年的分类样本,用RF对2022年嫩江市的玉米与大豆种植区域进行分类。【结果 】（1）对2020—2021年玉米与大豆种植区域进行分类,RF的平均总体精度达到97.8%。（2）对动态时间规整方法生成的2022年玉米与大豆种植区域进行分类,RF的总体精度达到87.5%。【结论 】基于迁移学习的作物识别方法达到较高精度,具有实践意义,可提高历史时期样本的利用效率。 相似文献
7.
针对碳储量回归预测模型存在共线性和精度较低的问题,利用森林资源二类调查数据和SPOT5影像数据对北京市延庆县的杨树林进行碳储量反演研究。先对选取的10个指标进行主成分分析,在此基础上采用径向基函数(RBF)神经网络方法构建碳储量反演模型,用预留测试样本验证,并与实测值进行比较。研究结果表明:SPOT5数据和二类数据可以很好地结合起来用于森林地上碳储量反演研究;PCA-RBF神经网络森林碳储量遥感反演模型拟合精度为99.90%,平均预测精度达到96.71%,预估效果较理想;模型训练完成后,可以应用于延庆县森林地上碳储量反演。 相似文献
8.
9.
应用哨兵2A多时相遥感影像对树种的识别 总被引：1，自引：0，他引：1
森林树种类别的准确识别和专题图制作对于森林经营管理具有重要作用。以哨兵2A多时相遥感影像数据源,通过对单时相影像以及根据基尼系数(Gini系数)和信息熵进行的不同影像组合,利用随机森林算法对大孤家林场的树种类别进行识别和分类制图。结果表明:哨兵2A多时相影像组合能够显著改善树种分类的精度,多时相影像组合总体分度最高为87.45%,Kappa系数为0.825,比单时相遥感影像分类总体精度提升了4%~7%。 相似文献
10.
基于随机森林模型的陆地卫星-8遥感影像森林植被分类 总被引：6，自引：0，他引：6
以黑龙江省漠河县为研究区域,采用陆地卫星-8遥感影像为数据源,结合影像的光谱信息和数字高程模型辅助数据,分别采用最大似然分类法(MLC)和随机森林模型法(RFM)对研究区森林植被进行分类,并分析和评价光谱特征变量对模型的重要性、2种分类方法对森林植被类型分类的适用性。结果表明:随机森林分类方法的总体分类精度为81.65%、卡帕(Kappa)系数为0.812。与传统的MLC方法相比,RFM法均提高了3种森林类型的生产者精度和使用者精度,其中针阔混交林精度提高最多。通过分析特征变量的重要性,发现高程、归一化植被指数、红光波段、近红外波段、短波红外波段对模型分类精度有较重要的影响。说明随机森林模型方法结合多源信息是森林植被类型遥感分类的一种有效手段。 相似文献
11.
Chenghai Yang James H. EverittDale Murden 《Computers and Electronics in Agriculture》2011,75(2):347-354
High resolution satellite imagery offers new opportunities for crop monitoring and assessment. A SPOT 5 image acquired in May 2006 with four spectral bands (green, red, near-infrared, and short-wave infrared) and 10-m pixel size covering intensively cropped areas in south Texas was evaluated for crop identification. Two images with pixel sizes of 20 m and 30 m were also generated from the original image to simulate coarser resolution satellite imagery. Two subset images covering a variety of crops with different growth stages were extracted from the satellite image and five supervised classification techniques, including minimum distance, Mahalanobis distance, maximum likelihood, spectral angle mapper (SAM), and support vector machine (SVM), were applied to the 10-m subset images and the two coarser resolution images to identify crop types. The effects of the short-wave infrared band and pixel size on classification results were also examined. Kappa analysis showed that maximum likelihood and SVM performed better than the other three classifiers, though there were no statistical differences between the two best classifiers. Accuracy assessment showed that the 10-m, four-band images based on maximum likelihood resulted in the best overall accuracy values of 91% and 87% for the two respective sites. The inclusion of the short-wave infrared band statistically significantly increased the overall accuracy from 82% to 91% for site 1 and from 75% to 87% for site 2. The increase in pixel size from 10 m to 20 m or 30 m did not significantly affect the classification accuracy for crop identification. These results indicate that SPOT 5 multispectral imagery in conjunction with maximum likelihood and SVM classification techniques can be used for identifying crop types and estimating crop areas. 相似文献
12.
黄振国 《湖南农业大学学报(自然科学版)》2013,39(2):137-140
以湖南省株洲市区为例，利用2008年8月19日SPOT5卫星影像数据，采用非监督分类方法，并借助地面样方监测数据，在实现计算机自动识别的基础上，准确提取出株洲市区的水稻种植面积6 379.4 hm2。精度验证分析表明，研究精度达到95.70%。 相似文献
13.
为完善农用地占用税税收体系并提供理论依据和成果基础,促进农用地资源、资产的管理和利用,以耕地占用税征收标准数据和全国统计数据为基础,测算出一套省域尺度的园、林、草地占用税征收等别和标准,从生产能力、稀缺性、经济发展水平和特殊性4个角度出发,构建园、林、草地占用税征收等别指标,用AHP法和Delphi法综合得到各指标权重,再用多目标线性加权函数法计算得出全国不同省、自治区和直辖市的园、林、草地占用税综合分值,然后根据既定规则确定园、林、草地占用税综合分数对应的征收等别(园地和草地占用税均为5个等别、林地占用税为10个等别),最后利用数值模拟法和修正系数法综合测算出不同征收等别对应的征收标准。建议各地区在执行时,根据实际情况,以测算税额为基础,乘以适当的系数(园地占用税可按其基础征收标准的1.50、2.00、2.50或3.00倍计征;林地占用税可按其基础征收标准的1.50、2.00或3.00倍计征;草地占用税可按其基础征收标准的1.25、1.50、1.75、2.00或3.00倍计征)。通过测算的园、林、草地占用税征收标准与现行税额对比,表明园、林、草地占用税征收标准的测算结果符合实际要求。 相似文献
14.
在以往国内外相关研究的基础上,以我国东北长白山系典型林区为试验区,以2007年7月Landat5卫星TM多光谱图像为遥感数据,运用模糊C均值聚类方法对遥感图像进行分类试验．分类结果显示：模糊C均值分类方法在总分类精度和Kappa系数上都占有一定的优势,比传统分类方法有着更好的分类效果．模糊C均值方法在林地植被的遥感分类中具有较好的应用前景． 相似文献
15.
以安徽省屯溪区2009年SPOT5遥感影像为数据源,以ArcGIS10.0为数据加工与分析平台,建立不同林地类型遥感影像解析标志,进行林地小班界矢量化数据采集,生成.Shp格式小班图形数据,与小班属性数据链接,形成屯溪区林地小班图形与属性数据库,并对林地结构、林地保护等级、林地功能分区及林地保护利用方向进行了分析。结果表明:屯溪区林地面积5 364.35 hm2,其中:有林地面积4 451.43 hm2,疏林地面积13.86 hm2,灌木林地面积536.44 hm2,未成林地面积327.88 hm2,苗圃地面积10.93 hm2,宜林地面积19.14hm2,其他林业辅助生产用地4.67 hm2,以有林地居多,占林地面积的82.98%;林地保护等级共有3级,各等级林地面积由大到小依次是Ⅳ级林地面积>Ⅲ级林地面积>Ⅱ级林地面积;全区林地分为4个主体功能区,包括北部生态公益林区、西部与南部休闲游憩观光风景林区、东部重点旅游风景林区和东南部城郊防护林区。该研究为制定屯溪区林地1张图、实现林地资源数字化管理奠定了基础。 相似文献
16.
结合京杭大运河山东地区SPOT全色和多光谱融合后的遥感数据,应用面向对象分类法对其进行地物分类,并和传统的基于像元的分类方法进行结果对比分析。结果表明,该方法速度快、精度高、效果好,可以满足对京杭大运河保护规划监测的需求。 相似文献
17.
遥感影像融合与分类在城市边缘带扩展监测中应用研究 总被引：2，自引：0，他引：2
探讨了TM30m分辨率波段与SPOT10m分辨率全色波段通过融合来提高城市扩展动态监测精度的方法和应用潜力。首先采用IHS变换完成TM的多光谱波段与SPOT全色波段融合，增强变化信息在光谱和几何特征上的表征，然后采用最大似然分类方法对融合图像进行分类。实验结果表明光谱与纹理特征组合在用户精度上比单纯光谱、纹理特征分类分别提高21．87％和10．22％；在生产者精度上比各自分别提高8．4％和17．88％；Kappa系数分别提高0．10和0．21。通过高几何分辨率图像与多光谱波段融合方法可以，增强变化信息，纹理特征参与变化信息提取可以提高变化类型的分类精度。 相似文献
18.
High resolution satellite imagery has the potential to map within-field variation in crop growth and yield. This study examined
SPOT 5 satellite multispectral imagery for estimating grain sorghum yield. A 60 km × 60 km SPOT 5 scene and yield monitor
data from three grain sorghum fields were recorded in south Texas. The satellite scene contained four spectral bands (green,
red, near-infrared and mid-infrared) with a 10-m spatial resolution. Subsets were extracted from the scene that covered the
three fields. Images with pixel sizes of 20 and 30 m were also generated from the individual field images to simulate coarser
resolution satellite imagery. Vegetation indices and principal components were derived from the images at the three spatial
resolutions. Grain yield was related to the vegetation indices, the four bands and the principal components for each field,
and for all the fields combined. The effect of the mid-infrared band on estimates of yield was examined by comparing the regression
results from all four bands with those from the other three bands. Statistical analysis showed that the 10-m, four-band image
and the aggregated 20-m and 30-m images explained 68, 76 and 83%, respectively, of the variation in yield for all the fields
combined. The coefficient of determination between yield and the imagery increased with pixel size because of the smoothing
effect. The inclusion of the mid-infrared band slightly improved the R
2 values. These results indicate that high resolution SPOT 5 multispectral imagery can be a useful data source for determining
within-field yield variation for crop management. 相似文献