共查询到16条相似文献，搜索用时 109 毫秒
1.
2.
3.
文章对多源遥感在森林资源监测的应用现状及发展趋势进行阐述，相比传统森林资源监测投入大量人力开展外业调查，卫星遥感和无人机遥感在森林资源监测中具有明显优势。在基于多源遥感数据开展的森林资源监测研究中，笔者重点对比5种多源遥感在森林资源监测中的应用，包括森林病虫害监测、林分树高测定、森林冠层结构测定、树种组成及森林分类、森林生物量测定。认为资源卫星、微波遥感、成像光谱技术及三维遥感中的森林资源监测新技术、新方法，如深度学习智能分类、多源遥感融合技术将成为未来多源遥感森林资源监测新手段，应用差分GPS、三维遥感及高光谱结合数学计算机技术，可以提高不同层级的森林资源估测精度；无人机遥感的自动化、信息化将是无人机遥感应用于森林资源监测中的发展趋势；此外，长时间续航能力、搭载多类型传感器将进一步提高无人机遥感对森林资源的精准监测。 相似文献
4.
【研究目的】为了实现遥感影像的作物自动分类,并探索空间信息在分类中作用,【方法】本文提出结合光谱和空间信息的作物分类方法。首先,借助光谱信息实现地物初始分割,然后以目标作物历史空间分布为语义约束,根据隶属度提取目标作物。最后,在多时相遥感影像条件下,以冬小麦为目标作物进行了方法的验证,【结果】结果显示,本文方法可实现冬小麦自动提取与识别,总体精度为95.33%,Kappa系数为0.90,可满足农情监测的实际需求。另外,在单时相遥感影像条件下,本文结合几何语义知识的作物分类精度也达到了较高水平。【结论】相对于遥感影像单一光谱信息的分类方法,本文方法利用了作物空间信息,不仅能满足精度要求,还实现了分类的自动化,对工程化应用具有一定的参考价值。 相似文献
5.
冬小麦非监督分类结果的类别选择研究 总被引：1，自引：0，他引：1
为了实现基于遥感影像作物的自动分类,发挥遥感技术宏观、迅速的大范围监测特点,本文在遥感影像非监督分类的基础上,提出了一种基于ISODATA非监督分类结果的自动分类方法。该方法分为ISODATA非监督分类过程和自动分类过程,自动分类过程又可分为冬小麦样本点占比排序和类冬小麦类别确定两个方面。当非监督分类类别设置为40或50类、每类样本数量为4或5类时,冬小麦遥感分类精度较高且分类精度稳定。在200个样本点组合（40个分类类别,每个类别中5个样本点）中,基于ISODATA非监督自动分类结果的总体精度相较于最大似然分类方法提高了2.5个百分点,KAPPA系数提高了19.4%。在500个样本点组合（100个分类类别,每个类别中5个样本点）下,基于ISODATA非监督自动分类结果总体精度和KAPPA系数与最大似然分类方法相近。基于ISODATA非监督分类结果的自动分类方法可以在样本量较少时保持较高的分类精度,人机交互少,分类效率高,适用于业务化应用。 相似文献
6.
基于GF-1卫星数据与面向对象分类的达里诺尔湿地自然保护区土地覆盖信息提取 总被引：1，自引：1，他引：0
以达里诺尔湿地自然保护区为研究区,基于国产GF-1遥感影像,采用面向对象和传统目视解译的分类方法对研究区土地覆盖遥感信息进行提取,并对其结果进行对比分析,采取混淆矩阵对面向对象分类结果进行精度验证。结果表明：（1）充分利用了GF-1遥感影像的光谱信息,面向对象分类采取试错法确定最优分割尺度为550,形状和紧致度因子分别为0.6和0.5,各波段权重均为1。（2）面向对象分类总体分类精度达98.22％,KAPPA系数为0.96;（3）面向对象分类方法可快速准确提取类型较为复杂的土地覆盖信息,为内陆湿地精准快速提取研究区土地覆盖分类信息提供参考,以期为湿地遥感业务化监测提供技术规范。 相似文献
7.
基于遥感的黑龙江省东部水稻种植信息提取 总被引：5，自引：2，他引：3
为了实现黑龙江省东部地区水稻种植信息遥感监测的业务化,通过采用实地调查、ISODATA非监督分类、遥感数据融合和光谱耦合等方法,研究提取研究区水稻种植分布的方法,并进行面积推算。结果表明,2012年黑龙江省东部地区水稻种植面积为15389.01 km2,主要集中在佳木斯、双鸭山和鸡西地区,分类精度达89.19%。该方法可为区域水田空间分布信息提取提供借鉴。 相似文献
8.
研究旨在应用高分辨率遥感卫星影像对干旱沙区的植被进行调查、监测和统计。以甘肃省民勤县石羊河下游的青土湖为研究对象,运用法国Pleiades-1卫星的影像数据,通过面向对象分类方法对沙区的植被信息进行提取分类,对分类结果进行精度评价。结果表明,面向对象分类的方法提取精度达到95%,Kappa系数为0.8035,分类结果精度较高,有效地避免了基于像素分类方法的噪声和光谱的影响,具有极强的实用性,为高分辨率卫星影像分类提供了新的思路和方法。 相似文献
9.
利用无人机技术可以快速获取林业自然保护区高分辨率遥感影像,无人机影像在林业资源调查与监测中具备传统卫星影像无可比拟的优势。本研究以丹霞山湿地自然保护区为研究对象,基于无人机遥感影像,提出了一种人工林地单株立木自动化提取方法。研究采用遥感影像多尺度分割算法,对研究区无人机遥感影像进行多尺度分割,然后通过构建林地特征信息模型,实现对案例区人工林地单株立木自动化提取。结果表明：该方法在丹霞山湿地保护区人工林地自动化提取中具有较高的可行性,Kappa系数达到了0.979,总体分类精度达到了98.40%,能够满足人工林地提取的需要。该方法省去了人工林地分类前的人工干预和先验知识输入,大幅度提高了无人机影像在林地资源调查应用中的工作效率,为精准林业调查提供了一种新方法。 相似文献
10.
土地利用动态监测中多源影像融合方法的比较研究--以陕北黄土丘陵沟壑区为例 总被引：1，自引：0，他引：1
在陕北黄土丘陵沟壑区,采用单一传感器的遥感影像提取土地利用信息,存在着识别的土地利用类别少、某些类别混分现象较严重、分类结果的精度较低等问题。以TM多光谱数据和SPOT全色光谱数据的融合为例,提出了适宜于该地区的两种影像融合方法:主成分变换法和乘积运算法,并从影像的光谱质量、纹理信息和目视效果等方面对其进行了对比与评价。结果显示,主成分变换法为较理想的融合方法。以陕北无定河流域为实验样区的土地利用自动分类结果表明,该方法的应用使土地利用各类别的提取精度都有不同程度的提高;水体、水田和城镇用地等面积较小的类别分类正确率提高达到10%以上;坡耕地与林草地的混分明显减少,分类精度均提高了5%以上;分类总精度从82.0%提高到89.2%,取得了良好的分类效果。此研究对于遥感影像融合技术的评价与应用进行了有益的探索,同时为该地区的土地利用动态监测提供了关键技术。 相似文献
11.
随机森林方法在玉米-大豆精细识别中的应用 总被引：5，自引：0，他引：5
研究基于遥感影像的作物精确识别技术方法, 对获取作物分布信息具有重要意义。随机森林分类(random forest classification, RFC)是机器学习的一种, 本文使用Landsat-8 OLI卫星影像数据, 针对研究区内的大豆、玉米和其他地物等3种主要作物类型, 系统比较了该方法与较为成熟的最大似然分类(maximum likelihood classification, MLC)、支持向量机分类(support vector machine, SVM)方法的分类精度。结果表明, MLC、SVM、RFC的总体分类精度分别为91.68%、91.49%、94.32%, Kappa系数分别为0.87、0.87、0.91, RFC方法作物识别精度比MLC和SVM分类显著提升。对原始7波段影像进行主成分变换(principal component analysis, PCA), 提取前4个主成分分量, 同时计算归一化植被指数(normalized difference vegetation index, NDVI)和归一化水体指数(normalized difference water index, NDWI), 将6个额外辅助特征波段叠加到原始7个波段影像上进行再次分类, MLC和SVM方法作物识别精度未有提升, RFC方法总体精度提高了1.49个百分点, Kappa系数提高0.03, 精度提升幅度有限, 主要原因是6个辅助波段在类型识别中作用较小。在分类耗时上, MLC、SVM、RFC分别为145 s、11 000 s、1800 s, 表明随机森林分类具有最好的分类精度和适中的耗时。综合评价后, 随机森林分类方法在进行大豆-玉米精细识别中具有较大优势, 具有业务应用的潜力。 相似文献
12.
基于Landsat8 OLI数据的山东省耕地信息提取研究 总被引：3，自引：0，他引：3
为了探讨美国最新发射的陆地卫星Landsat8 OLI影像在耕地信息提取方面的效果,为了解该影像的应用潜力提供一些信息,采用遥感图像处理软件ENVI,对覆盖山东省区域的12幅Landsat8 OLI影像进行了计算机校正和增强处理,通过目视解释、监督分类和非监督分类交互式的分类方法提取山东省的耕地信息。结果表明,基于Landsat8 OLI数据提取耕地信息适宜波段是543波段和652波段组合,提取精度达到91.8%,Landsat8 OLI数据可以满足耕地利用及管理中对耕地信息适时获取的要求。
相似文献13.
不同分类方法在竹林遥感信息识别中的应用 总被引：1，自引：1，他引：0
应用遥感技术开展竹资源监测与调查,能快速、高效地为竹资源的科学管理和高效利用提供基础数据支撑。利用福建省顺昌县TM影像,采用最大似然法、子像元分类和光谱特征分类3种方法进行竹林信息提取研究。结果表明：子像元分类总体精度最高为77.33%,基于光谱特征分类和最大似然法的总体精度分别为76.50%、76.17%;3种分类方法的Kappa系数分别为72.8%、71.8%、71.4%;与顺昌县2007年森林资源二类清查竹林面积进行比较,光谱特征分类法精度最高为95.68%,最大似然法和子像元分类法的精度分别为93.41%、92.97%。 相似文献
14.
HJ卫星数据在棉花种植面积提取中的应用研究 总被引：6，自引：0，他引：6
探索利用环境小卫星数据进行棉花种植面积的提取,旨在利用国产卫星数据建立一种方便快捷的棉花种植面积提取技术,为棉花的遥感估产奠定基础;选取2011年新疆北部国营农场棉花不同生育期内两期HJ卫星影像,根据棉花与研究区其他作物物候和光谱差异性、农作物生长规律,运用监督分类算法、密度分割和逻辑运算,辅助于人机交互的目视解译,得到研究区棉花种植面积;结果表明：不同监督分类算法中,神经网络分类法和最大似然法分类效果最佳;最终提取的棉花面积总体精度为87.7%;本文采用的方法较为实际、便捷,提取棉花种植面积的精度符合农场生产要求,可为棉花估产和作物种植结构分析提供科学依据。 相似文献
15.
枸杞作为柴达木地区特色经济作物之一,利用高分辨率遥感影像开展枸杞种植区识别与提取,有利于政府和农业部门开展市场调控和作物精细化管理。以柴达木典型枸杞种植区诺木洪农场为例,利用随机森林、Softmax、支持向量机、BP神经网络和最大似然5种分类器开展农场内不同生长年限枸杞种植区精细化提取,并对结果进行精度验证。结果表明：采用随机森林的分类效果最佳,其总体分类精度达到93.8%,Kappa 0.93,采用Softmax、支持向量机和BP神经网络方法也均获得了较高的分类精度,其总体分类精度均达到了86.6%~87.6%,Kappa系数达到0.84~0.86,而最大似然法分类效果最差,其总体分类精度仅为76.9%,Kappa系数为0.73。通过实验利用国产高分辨率卫星结合较优的分类器能够实现包括枸杞等小宗特色经济作物种植区域和种植结构的精细化识别和监测。 相似文献
16.
基于HJ卫星的中国南方地区甘蔗面积提取研究 总被引：1，自引：0，他引：1
为了研究大范围甘蔗种植面积的提取方法，以广西、云南、广东湛江和海南为研究区，以30 m空间分辨率的多时相HJ卫星影像为数据源，采用基于NDVI时间序列的决策树分类模型提取研究区内2014/2015年度甘蔗种植面积。结合农业部门的统计数据对甘蔗种植面积提取结果进行精度评价，总体精度达到87.5%。对研究区广东湛江甘蔗种植区域进行抽样调查，抽样调查精度达到93.2%，Kappa系数为0.81。表明该方法可以高效地应用于中国南方地区的甘蔗种植空间信息识别。 相似文献