共查询到15条相似文献，搜索用时 296 毫秒
1.
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
2.
为了准确获取青岛市主要农作物冬小麦的种植信息,以GF-1/16 m卫星影像为主要数据源,将高程、土地利用和田间调查数据作为辅助数据源,根据冬小麦主要发育期与其他地物在GF-1/16 m卫星影像上的光谱差异,计算得到4月份为青岛市冬小麦遥感面积提取的最佳时相。在最佳时相内,采用决策树分类法,通过分区解译方式,提取出青岛市2017年冬小麦种植面积和分布区域,并利用GF-2融合后 1 m卫星影像、地面调查数据和统计局公布数据对分类结果进行精度验证。结果表明:利用GF-1/16 m卫星影像在幅宽、时间和空间分辨率的优势,将土地利用和高程等引入决策树分类模型,进行区域尺度的冬小麦种植面积遥感估算的方法是可行的。经精度验证,2017年青岛市冬小麦遥感解译总精度为94.3%,Kappa系数为0.857。遥感提取面积略小于统计局公布数据,面积总量提取精度为93.6%。本研究为基于高分卫星影像的区域尺度作物种植面积提取提供参考。 相似文献
3.
利用无人机遥感技术提取农作物植被覆盖度方法研究 总被引：2，自引：0，他引：2
基于无人机的遥感信息获取技术已广泛应用在农业领域。无人机遥感平台获取农作物信息技术具有高时效、高分辨率、低成本、快速、准确等特点,是目前精准农业中农田信息获取的重要手段之一。利用无人机遥感技术获取可见光影像,以棉花、花生和玉米为研究对象,选取不同的植被指数进行可见光图像阈值分割,结合研究区域可见光影像监督分类结果,确定3种作物提取植被覆盖度方法。试验结果表明,利用无人机可见光图像植被指数阈值分类方法,可以有效提取作物植被覆盖度。该方法对于棉花、花生和玉米3种作物植被覆盖信息的提取精度较高。 相似文献
4.
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
5.
基于GF-1卫星影像的中国冬小麦制图研究 总被引：1，自引：1，他引：0
旨在实现冬小麦面积自动化提取,本文提出一种基于冬小麦NDVI加权指数(WNDVI)的分类算法。将影像分割成标准的小区域,从而构建冬小麦分类单元,采用自适应方法确定冬小麦种植区和非种植区WNDVI分割阈值。以2013年10月至2014年5月期间的GF-1卫星WFV影像为例,构建了全国14个省（市、区）的1180个分类单元的WNDVI,实现了2014年全国主产区冬小麦种植区的空间分布图;采用14233个样本对结果进行验证精度,总体精度达到了90.6%。本方法自动化程度高,结果稳定,适合大范围冬小麦面积监测业务化运行。 相似文献
6.
基于中等分辨率遥感影像的桃源县竹林信息提取研究 总被引：2，自引：2，他引：0
为了提高竹资源调查效率,为资源的合理开发和科学规划提供依据,以湖南省桃源县为研究对象,以中等分辨率Landsat TM遥感影像、桃源县二类调查资源分布图等为数据源,利用ENVI 4.5对Landsat TM进行图像预处理,运用非监督分类、最大似然分类、马氏距离分类、最小距离分类4种分类法对竹林信息进行提取,并对其精度进行评价。结果表明：非监督分类、最大似然分类、最小距离分类、马氏距离分类总体精度分别为60.47%、92.15%、71.70%、82.81%,Kappa系数分别为0.4263、0.8890、0.6085、0.7595。监督分类的精度比非监督分类要高,其中最大似然法分类的总体精度、用户精度、Kappa系数均比其他3种分类精度要高,在保证竹林分类精度的同时,其他植被类型的分类精度也能得到满意的结果,因此它是进行竹林信息提取的较为理想的方法。 相似文献
7.
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
8.
9.
Landsat-8能够提供15 m全色波段和30 m分辨率的多光谱波段,Landsat-8上携带有OLI（operational land imager,陆地成像仪）和TIRS（thermal infrared sensor,热红外传感器）2个主要载荷,OLI陆地成像仪包括9个波段,TIRS包括2个热红处波段,全色波段Band8波段范围较窄,这种方式可以在全色图像上更好区分植被和无植被特征。本研究以攸县为例,采用Landsat-8遥感影像为数据源,进行缨帽变换及主成分分析处理,利用决策树分类模型进行提取。结果表明：Landsat-8遥感数据经过缨帽变换和主成分分析处理后,增强纹理信息,突出各地物的特征,把各地物在经过处理后的灰度值作为决策树分类模型的阈值,利用计算机自动提取,提取的总体精度为84.7%,攸县森林植被的面积为150911.7 hm2与以往的只利用波段的灰度值及植被指数等作为阈值相比,精度明显提高,方法也得到改善,得到了比较好的提取结果。 相似文献
10.
在高分辨率遥感影像中,线性特征提取一直是个难题,难主要表现在线性地物的边缘信息和噪音是一对矛盾体,边缘信息越明显,噪音就越强。本文利用高通滤波和统计滤波器,构建一个多重滤波,对IKONOS影像进行处理,通过三种不同高通滤波窗口对IKONOS影像处理结果的比对,得到一个较好的高通滤波处理窗口,处理后的IKONOS影像边界特征突出、区域模糊程度减小,目标地物大致轮廓已经区分出来,在此基础上对影像进行统计滤波处理,噪音明显减少,灰度分布更加集中和平滑,对高通滤波和统计滤波处理后的图像进行边缘检测,经过统计滤波后的图像较只进行高通滤波后的图像检测结果较好。实验结果表明：滤波后的影像噪音明显降低,信噪比明显提高,统计滤波后的影像,能够提高检测精度,表明了从高分辨率卫星影像上自动提取矢量信息的可行性,并为边缘检测的细化与跟踪处理提供了可靠的数据来源。 相似文献
11.
为准确获取水稻种植面积,提高遥感监测精度,利用环境卫星数据,在农作物掩膜的基础上,结合野外实测地物光谱确定端元组分,采用线性光谱混合模型提取湖北省监利县中稻种植面积,将其结果分别与统计数据和实地调查数据相比较。结果表明：采用确定端元选取的方法是可行的,其混合像元分解方法提取作物面积总量精度为93.68%;样本精度为83.67%。因此,利用HJ卫星影像数据开展平原地区水稻遥感监测可为政府决策部门提供信息服务。 相似文献
12.
【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
13.
主要从遥感数据质量的不确定性、分类算法的不确定性、分类评价方法的不确定性及分类后处理的不确定性四个方面讨论了遥感影像分类结果的不确定性。 相似文献
14.
为了探索利用高光谱高空间分辨率遥感数据进行湿地植被物种识别，笔者在分析6 种湿地植被原反射光谱、二阶微分及连续统去除光谱的基础上，利用马氏距离法和相关系数法提取特征波段，并将其作为特征参数参与C5.0 决策树分类与信息提取。结果显示：（1）基于机器学习的C5.0 决策树法总体分类精度为79.87%，Kappa 系数为0.765，与监督分类最大似然法相比，植被信息提取总体精度提高9.95%，Kappa系数提高0.114；（2）机器学习C5.0 决策树法与最大似然法相比，其独特的优势在于对藻类的信息提取精度大大提升，狐尾藻和水蕴草的用户精度提升最大，分别提升了18.67%和15.86%。该方法能够实现湿地植被物种信息的高精度提取，为同类研究提供借鉴，为湿地生态健康评价提供科学与技术上的支持。 相似文献
15.
基于多时相MODIS数据监测水、旱作物种植面积及空间分布 总被引：1，自引：1，他引：0
针对农业信息服务中大范围水田、旱田种植面积信息调查业务的现状与需求,以黑龙江省为研究区,通过分析水田、旱田作物发育期特征、MODIS数据植被指数(NDVI、EVI、LSWI)时序特征,引入积温条件分区构建决策规则,提取检测农田与其他、水田与旱田作物种植的空间分布。以实地调查地面验证点对分类结果进行验证,结果表明,分类结果达到了较高的识别精度,分类结果的总体精度为90.68%,Kappa系数为0.81,其中水稻制图精度为81.13%,用户精度为97.73%;旱地制图精度为98.46%,用户精度为87.07%;与不考虑积温条件相比,分类结果总体精度提高了12.77%,水稻制图精度提高了22.57%,旱地制图精度提高了5.94%。本研究通过引入积温条件,提高了大范围水稻、旱地作物提取精度,具有自动化程度高、分类结果稳定的特点。 相似文献