共查询到18条相似文献，搜索用时 342 毫秒
1.
采用青海省隆宝滩地区的多角度高光谱CHRIS遥感数据,通过研究+36°、0°和-36°三个角度影像的组合变换,提出影像变换+不同角度波段组合的方法,用以获取地物的分类信息。该方法首先对0°影像进行穗帽变换,选择其湿度图像,再与+36°和-36°影像的第4波段(0.461 μm)进行RGB组合,生成新的彩色合成影像,然后再进行支持向量机(SVM)的监督分类。结果显示,利用该方法对隆宝滩湿地分类的精度可达到90.02％;而利用传统的监督分类对0°影像直接进行分类,其精度为75.46%。由此可见,利用不同角度信息进行波段组合的方法,大大提高了高光谱影像进行湿地信息提取的精度,为湿地信息提取提供了一个有效的方法。 相似文献
2.
[目的]利用多角度高光谱数据,分析不同角度下东洞庭湖湿地典型植被群落的光谱特征,确定多角度信息融合的最佳方法,并对融合影像进行湿地植被类型精细识别。[方法]使用CHRIS多角度高光谱数据,针对洞庭湖湿地植被的光谱特征,研究计算窄波段NDVI的最佳波段组合和角度,评价CHRIS 0°影像与NDVI的像素级融合方法,进而对洞庭湖地区湿地植被进行提取。[结果]计算NDVI的最佳红波段和近红外波段分别位于667.6 nm和926.95 nm,对应于CHRIS数据的第24波段和第55波段;选取HSV、Brovery、Gram-Schmidt和PCA 4种融合方法进行融合,发现PCA融合图像的光谱信息丢失最少、纹理细节更丰富,信息量最大;PCA融合影像的总体精度为81.36%,比单角度影像提高7.93%,Kappa系数提高0.097 6,且苔草的漏分误差和泥蒿的错分误差得到明显改善。[结论]基于NDVI的多角度信息融合是提高湿地植被识别精度的一种有效途径,多角度信息融合丰富了地物的信息量,提高地物识别精度。 相似文献
3.
为实现湿地植被的精细分类和高精度制图,为湿地管理部门提供准确的决策依据,以美国加州萨克拉门托—圣华金水域的典型湿地植被为研究对象,以高光谱影像为数据源,结合野外GPS采样点,对典型湿地植被的光谱反射率作一阶导数和二阶导数处理,基于均值置信区间原理筛选特征波段,基于单因素分析法筛选能够明显区分植被类型的植被指数。联合特征波段和植被指数构建特征集,利用机器学习C5.0决策树生成知识规则并提取湿地植被信息。结果表明,基于机器学习C5.0决策树的湿地植被提取总体精度为80.09%,Kappa系数为0.792,与最大似然法比较,总体精度提升10.79%,Kappa系数提升0.105,说明基于机器学习的C5.0决策树法能够实现植被的精细分类,方法切实可行。 相似文献
4.
基于时序NDVI数据的洞庭湖区湿地植被类型信息提取 总被引：1，自引：0，他引：1
《林业资源管理》2017,(4):103-109
洞庭湖湿地是我国及国际重要的湖泊湿地,基于遥感时空融合模型,通过融合高时间分辨率的MODIS数据与中等空间分辨率的Landsat数据,得到时序Landsat NDVI数据,并利用时序Landsat NDVI数据对湿地植被信息进行提取。研究结果表明,该方法能够有效提取研究区湿地植被类型,总体分类精度与Kappa系数分别为91.52%与0.85,较单时相Landsat8 OLI光谱影像总体分类精度与Kappa系数分别提高了4.16%和0.03。苔草沼泽、芦苇沼泽、杨树林沼泽和水稻田几种湿地植被的分类精度提高较为明显,用户精度分别提高了2.35%,0.67%,10.47%和4.75%,生产者精度则分别提高了3.57%,2.31%,10.11%和6.21%。研究结果可为阴雨天气较多的南方地区的湿地信息提取提供有效的技术和方法。 相似文献
5.
基于 SAM 算法的遥感影像湿地植被分类 总被引：2，自引：0，他引：2
以黑龙江省扎龙自然湿地保护区高光谱遥感影像为试验区域,通过对野外试验调查数据和预处理后的高光谱遥感影像进行前期处理,再采用光谱角填图(SAM)图像分类方法进行植被分类实验得出结果,并与最大似然法和支持向量机(SVM)分类方法结果进行对比研究分析,通过实验结果得出误差矩阵和精度评价分析,得到最大似然法的总体分类精度和以及Kappa系数是最低的,而光谱角填图分类方法的总体精度为89.87%,Kappa系数为0.880 7,分类结果要好于其他两种分类方法,其对高光谱遥感影像植被分类实验更具有准确性和实用性。 相似文献
6.
《中南林业科技大学学报(自然科学版)》2015,(5)
选择广西典型岩溶山区灌草植被类型设置91块样方,运用Green Seeker手持光谱仪实测不同覆盖度植被的光谱响应并构建归一化植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、修正植被指数(MVI)和修改型土壤调节植被指数(MSA VI)等5种植被指数,同时运用数码相机垂直拍摄样方照片并进行监督分类,提取植被覆盖度,最后对样方的植被覆盖度和植被指数进行相关分析、建立回归模型和精度验证。结果表明:NDVI、RVI和MVI与植被覆盖度高度相关,相关系数超过0.9;而且用NDVI反演的植被覆盖度与实测值在α=0.05显著水平下进行t检验,结果无显著差异,平均精度达到95%以上,比其他植被指数模型更优秀。研究结论对广西岩溶石漠化地区植被覆盖度的快速、连续监测与评估具有重要参考价值。 相似文献
7.
高光谱识别是采用大量比较窄的波段对目标物进行同时观测,以实现对目标物更好的观测效果。以东洞庭湖为研究对象,对典型湿地植被苔草、芦苇、芦蒿、辣蓼和旱柳开展野外高光谱观测的基础上,开展数据变换和分类识别。在对数据进行剔除、滤波和重采样后,对高光谱数据进行导数运算、对数运算、对数的导数运算、归一化运算和归一化后导数运算,以突出植被的光谱特征差异。采用主成分分析方法,对高光谱数据进行降维。并运用BP(Back Propagation)神经网络、马氏距离(Mahalanobis)分类法、贝叶斯(Bayes)分类法、费希尔(Fisher)分类法、光谱角度制图法(Spectral Angle Mapper,SAM)、支持向量机(Support Vector Machine,SVM)等6种方法开展湿地植被识别。结果表明:在多种数据变换方法中,LOG(N(R))变换效果最好,而湿地植被识别方法中,光谱角度制图法的精度最高。 相似文献
8.
【目的】提出一种基于全卷积神经网络(FCN)与面向对象的滨海湿地植被分类方法,以提高滨海湿地植被监测效果。【方法】以浙江慈溪部分杭州湾滨海湿地为研究区,基于高分辨率Quick Bird影像,采用FCN与面向对象相结合的方法监测滨海湿地植被:1)融合Quick Bird影像的多光谱数据和全色数据提高影像空间分辨率,运用目视判读制作标签图,以100×100窗口选取样本后进行翻转、旋转等操作,获得训练样本4 904对、测试样本544对,采用FCN对样本完成训练后得到相应的模型参数用于整幅影像,获得全图分类结果; 2)对原始影像进行多尺度分割,利用平均全局评分指数法确定最优分割尺度为170,以最优分割结果对FCN分类结果进行边界约束,得到最终分类结果并制作滨海湿地植被分类图; 3)基于混淆矩阵对仅采用FCN处理的结果影像及采用FCN与面向对象相结合处理的结果影像进行精度评价。【结果】1)采用FCN处理的影像分类总体精度达94.39%,典型滨海湿地植被精度均在85%以上,但分类结果存在少量椒盐现象,分类误差产生的主要原因是滨海湿地下垫面背景复杂,不同植被类型空间分布杂乱; 2)将面向对象与FCN相结合处理的结果影像可消除椒盐现象,总体精度达97.56%,典型滨海湿地植被精度均在90%以上。【结论】基于FCN的滨海湿地植被分类方法能够有效从高分辨率影像中提取典型滨海湿地植被信息,在此基础上结合面向对象的多尺度分割方法可有效消除椒盐现象,弥补基于像元分类的缺陷,优化滨海湿地植被分类结果,在滨海湿地植被监测方面值得推广和运用。 相似文献
9.
对2002年3月7日的泉州湾湿地ETM+卫星影像采用SFIM融合法、PCA融合法、Brovey融合法和IHS融合法对多光谱影像和全色波段进行融合,并进行融合影像评价,选取融合效果最好的SFIM融合影像进行进一步分析。将ETM+原始未融合影像与SFIM融合影像采用相同分类模板、相同波段和相同分类方法进行分类。研究表明,2种方法提取的泉州湾湿地信息精度都满足精度要求;而SFIM融合影像的分类精度有所提高,但效果不是很明显,这可能是因为湿地地物类型相对较简单,各地物间的可分性相对较高的缘故。 相似文献
10.
[目的]通过机载遥感影像对普洱山区进行植被分类研究,为山区森林经营规划与可持续经营方案的制图提供高效应用途径。[方法]将2014年4月航拍的机载AISA Eagle II高光谱和Li DAR同步数据融合,利用点云数据提取的数字冠层高度模型(CHM)得到树种的垂直结构信息,结合经过主成分分析(PCA)的高光谱降维影像,选用支持向量机(SVM)分类器进行分类。[结果]普洱市万掌山实验区主要树种分为思茅松、西南桦、刺栲、木荷等。融合影像数据分类的总体精度和Kappa系数分别为80.54%、0.78,比单一高光谱影像数据分类精度分别提高6.55%、0.08,其中主要经营树种思茅松的制图精度达到了90.24%。[结论]该方法对山区主要树种的识别是有效的,将机载Li DAR与高光谱影像融合可以有效改善分类精度。 相似文献
11.
笔者在传统照像法的基础上,探索性地用数码相机在小尺度样方内拍摄不同分辨率的数码像片,用图像处理软件Photoshop提取植被覆盖度信息,在遥感软件ENVI下用非监督分类的方法对提取结果进行再分类。同时,在原像片的基础上构建验证样本,并对植被覆盖度提取精度进行了评价。结果表明,Photoshop提取不同分辨率的植被覆盖度信息精度较高,总体精度80％以上,Kappa系数在0．6以上,利用Photoshop软件对植被覆盖度信息提取是一种可行的方法。 相似文献
12.
高光谱遥感在植被特征识别研究中的应用 总被引：4，自引：0，他引：4
总结了高光谱遥感在植被物种识别、结构特征分析、理化信息提取等主要领域的应用研究现状; 分析了高光谱遥感在植被特征识别中所涉及的光谱特征优化、混合光谱分解、图像分类识别等关键性技术环节的最新进展; 剖析了目前研究中存在的主要问题, 并对今后的发展态势进行了展望。 相似文献
13.
14.
15.
在分析广东粤西湛江、雷州半岛区城CBERS-02遥感影像数据特征的基础上,利用遥感与地理信息系统软件处理遥感影像的方法,对图像数据进行几何校正和融合处理,采用遥感图像多源信息复合、人机交互解译与GIS技术相结合的解译方法,实现湿地信息的提取,提取的总精度高达83.5%,比单纯的采用监督分类精度提高20%,获得了理想的结果,为广东湿地环境可持续发展提供决策支持。 相似文献
16.
17.
Mohamad M.Awad 《林业研究》2018,(5)
Mapping forests is an important process in managing natural resources.At present,due to spectral resolution limitations,multispectral images do not give a complete separation between different forest species.In contrast,advances in remote sensing technologies have provided hyperspectral tools and images as a solution for the determination of species.In this study,spectral signatures for stone pine(Pinus pinea L.) forests were collected using an advanced spectroradiometer "ASD FieldSpec 4 Hi-Res" with an accuracy of 1 nm.These spectral signatures are used to compare between different multispectral and hyperspectral satellite images.The comparison is based on processing satellite images: hyperspectral Hyperion,hyperspectral CHRIS-Proba,Advanced Land Imager(ALI),and Landsat 8.Enhancement and classification methods for hyperspectral and multispectral images are investigated and analyzed.In addition,a well-known hyperspectral image classification algorithm,spectral angle mapper(SAM),has been improved to perform the classification process efficiently based on collected spectral signatures.The results show that the modified SAM is 9% more accurate than the conventional SAM.In addition,experiments indicate that the CHRIS-Proba image is more accurate than Landsat 8(overall accuracy 82%,precision 93%,and Kappa coefficient 0.43 compared to 60,67%,and 0.035,respectively).Similarly,Hyperion is better than ALI in mapping stone pine(overall accuracy 92%,precision 97%,and Kappa coefficient 0.74 compared to 52,56%,and -0.032,respectively). 相似文献