共查询到20条相似文献，搜索用时 31 毫秒
1.
《国土资源遥感》2017,(3)
以高分一号(GF-1)16 m空间分辨率多光谱影像为数据源,对沙化土地类型的光谱特征以及其全年的NDVI变化特征进行了分析,发现时间序列数据变化信息可提高沙化土地类别之间的可分离度。对单一时相影像的分类结果和加入时间序列NDVI之后的分类结果进行了对比分析,结果表明,基于生长季单一时相原始影像的分类结果精度为73.34%,Kappa系数为0.7;非生长季单一影像与NDVI时间序列数据的分类结果总体精度为81.44%,Kappa系数为0.77;生长季单一时相影像并加入NDVI时间序列数据之后精度提高到了92.04%,Kappa系数达0.87,明显改善了对沙化土地类型的识别精度。表明单时相影像结合时间序列NDVI数据在沙化土地分类识别中有巨大的应用潜力。 相似文献
2.
实时、准确地获取森林生态系统树种类型对森林资源调查与监测有重要意义.本文以吉林省抚松县为中心研究区,利用不同时相Landsat-8影像,讨论森林生态系统各地类在不同时相上光谱特征的差异,结合多时相影像的互补信息并使用支撑向量机(support vector machine,SVM)分类方法对森林树种类型进行分类.结果表明,总体分类精度达到73.67％,Kappa系数为0.65,可以满足实际应用需求. 相似文献
3.
4.
《国土资源遥感》2017,(3)
卧龙自然保护区(世界自然遗产地)是大熊猫最主要的栖息地之一。结合雷达遥感全天时、全天候观测优势,以及森林覆盖对栖息地生境评价的重要性,开展多时相、双极化雷达数据森林精细成图研究就显得尤为重要。本研究首先对雷达数据进行辐射地形校正;然后选用5个时相ALOS PALSAR数据,采用支持向量机(support vector machine,SVM)方法进行森林精细成图。研究选取了5个多时相、双极化典型特征信息参与初始训练和分类,即HH_m,HV_m,TSD,HH_m-HV_m和HH_m/HV_m;接着通过对不同信息组合分类精度的试验与对比,获取了最优特征组合HH_m,HV_m,TSD,HH_m-HV_m。对应分类总体精度、森林及非森林类别用户精度分别为86.90%,82.34%和92.83%,显著优于单时相单极化数据分类结果(分类总体精度55.47%)。研究结果验证了多时相、双极化雷达遥感数据在自然遗产地森林精细成图中的有效性,并揭示了雷达遥感在多云多雨地区生境监测与评价中的潜力与应用价值。 相似文献
5.
6.
单变量特征选择的苏北地区主要农作物遥感识别 总被引：2，自引：0，他引：2
遥感识别多源特征综合和特征优选是提高遥感影像分类精度的关键技术。农作物遥感识别中,识别特征的相对单一和数量过多均会导致作物识别精度不理想。随机森林(random forests)采用分类与回归树(CART)算法来生成分类树,结合了bagging和随机选择特征变量的优点,是一种有效的分类方法。单变量特征选择(univariate feature selection)能够对每一个待分类的特征进行测试,衡量该特征和响应变量之间的关系,根据得分舍弃不好的特征,优选得到的特征用于分类。本文基于随机森林和单变量特征选择,利用多时相光谱信息、植被指数信息、纹理信息及波段差值信息,设计多组分类实验方案,对江苏省泗洪县的高分一号(GF-1)和环境一号(HJ-1A)影像进行分类研究,旨在选择最佳的分类方案对实验区主要农作物进行识别和提取。实验结果表明:(1)多源信息综合的农作物分类精度明显高于单一的原始光谱特征分类,说明不同类型特征的引入能改善分类效果;(2)基于单变量特征选择算法的优选特征分类效果最佳,总体精度97.07%,Kappa系数0.96,表明了特征优选在降低维度的同时,也保证了较高的分类精度。随机森林和单变量特征选择结合的方法可以提高遥感影像的分类精度,为农作物的识别和提取研究提供了有效的方法。 相似文献
7.
针对多时相遥感影像变化检测存在数据不确定性、检测精度不高等问题,提出了一种结合变化向量分析（CVA）和直觉模糊C均值聚类算法（IFCM）的多时相遥感影像变化检测方法. 首先通过CVA构建两个时相遥感影像的差异影像;然后采用直觉模糊C均值聚类算法对差异影像进行聚类得出变化区域和未变化区域;最后对变化检测结果进行二值化处理并进行精度评价. 选取两个时相的高分一号遥感影像和Szada数据集影像作为实验数据. 实验结果表明,采用提出的方法可有效解决传统方法存在的数据不确定性问题,变化检测精度达到了95.92%和92.70%,是一种可行的遥感影像变化检测方法. 研究结果可用于森林动态变化监测、土地复垦利用规划变化分析以及灾损评估. 相似文献
8.
9.
《国土资源遥感》2017,(1)
基于2001―2013年获取的MOD13Q1 NDVI数据,采用低通平滑Savitzky-Golay(S-G)滤波方法、插值法及切比雪夫多项式(Chebyshev Polynomial)拟合对NDVI时序数据进行重构;通过提取植被生长季开始日期、生长季长度、生长季结束日期、生长季NDVI最大值及NDVI最大值出现日期等关键物候特征参数,对研究区典型复垦植被类型进行分类。结果表明:研究区不同植被的物候特征具有显著差异,从生长季开始日期及NDVI最大值出现日期来看,农作物较有规律;而林地的生长季NDVI累积总值则明显区别于农作物及草地;农作物、草地和林地基于植被物候特征参数分类取得了较好结果,总体分类精度达到89.67%,优于采用多时相非监督分类的结果;该研究为山西省煤炭矿区生态环境恢复评价提供了一定的数据基础。 相似文献
10.
11.
多时相双极化合成孔径雷达干涉测量土地覆盖分类方法 总被引：5，自引：1，他引：4
综合采用时相、极化和干涉3种维度的SAR数据进行土地覆盖分类。以黑龙江省逊克县多时相ALOS PALSAR数据覆盖区为研究区,利用不同时相极化SAR、干涉SAR信号对地物特征的敏感性,结合后向散射强度和干涉相干的时变特征进行地物解译,发展了基于多时相、多极化、干涉SAR数据的SVM土地覆盖分类方法。研究结果表明,引入双极化SAR中不同极化(HH-HV)间的相干系数,并结合所选择的时相特征、极化特征以及干涉相干特征进行分类,可解决双极化SAR影像中林地与城市及建设用地的混分问题,得到更高精度的土地覆盖分类结果。 相似文献
12.
综合多特征的Landsat 8时序遥感图像棉花分类方法 总被引：3，自引：0，他引：3
传统的多时相遥感图像分类大多拘泥于单一特征,本文基于多时相的Landsat 8遥感数据,开展了综合多特征的特征提取与特征选择方法研究。综合了NDVI时间序列、最佳时相反射率光谱特征以及纹理特征作为初始分类特征,并采用基于属性重要度的粗糙集特征选择算法对其进行特征约简。分类结果表明:(1)利用初始分类特征,分类的总体精度达到92.81%,棉花提取精度达87.4%,与仅利用NDVI时间序列相比,精度分别提高5.53%和5.05%;(2)利用粗糙集选择后的特征分类,分类总体精度可达93.66%,棉花分类精度达92.73%,与初始分类特征提取结果相比,棉花分类精度提高5.33%。基于属性重要度的粗糙集特征选择不仅提高了分类精度,同时有效降低了分类器的计算复杂度。 相似文献
13.
为探究时序合成孔径雷达(SAR)影像在干旱地区土地利用分类中的能力,该文以新疆石河子市为研究区域,基于时序Sentinel-1A SAR影像,采用随机森林、CART决策树、支持向量机3种分类方法对时序SAR影像进行分类并与单时相SAR影像分类结果的进行对比.结果表明,时序SAR影像相较于单时相SAR影像可以更加有效地获取高精度土地利用信息,3种分类方法的分类效果均优于单时相SAR影像,其中随机森林分类的分类精度最高,总体分类精度和Kappa系数分别达到92.77％和0.91. 相似文献
14.
基于随机森林特征优选的冬小麦分类方法 总被引：1，自引：0，他引：1
本文基于多时相Landsat 8 OLI数据,进行综合光谱、植被指数的特征提取与特征选择的方法研究。通过分析光谱与植被指数特征时序变化,提取最佳时相光谱,构建小麦提取特征;采用基于重要性与Pearson相关性的随机森林特征选择算法优选特征。结果表明:利用优选特征分类时,总体精度为89.78%,小麦分类精度为98.33%;与优选前特征的分类结果相比,精度分别提高了2.96%、2.55%;基于重要性与Pearson相关性的随机森林特征选择提高了分类精度和分类器工作效率。 相似文献
15.
多时相Radarsat数据在广东肇庆地区稻田分类中的应用 总被引：11，自引：2，他引：11
将1996年获取的4个时相的Radarsat图像用于广东肇庆地区的稻田分类试验,结果表明,多时相Radarsat数据对水稻类型的识别精度较高,而且稻田的轮作规律容易推测出来。本文系统地介绍了这一试验研究的最新进展,探讨了神经网络分类方法在SAR图像处理中的应用潜力和Radarsat数据在中国南方水稻监测中的最佳时相选择和有效分辨率问题。 相似文献
16.
基于Sentinel-1多时相InSAR影像的云南松切梢小蠹危害程度监测 总被引：1，自引：0，他引：1
《国土资源遥感》2018,(4)
森林病虫害是森林健康生长的重要威胁之一,开展其危害程度监测对森林保护具有重要意义。基于多时相Sentinel-1C波段雷达数据、云南松物候和地面高度2 m处的相对湿度资料,对SAR相干系数和后向散射系数的时变特征及与相对湿度的相关性进行了分析,提出一种利用合成孔径雷达干涉(interferometric synthetic apertrue Radar,InSAR)影像进行森林病虫害危害程度监测的方法;并以云南省祥云县为研究区,进行了云南松健康林与不同程度受害林的分类研究。结果表明:(1)后向散射系数和相干系数的时序变化均与云南松物候期相关;(2)相干系数与相对湿度的相关性很小,后向散射系数与相对湿度有一定的相关性,其中轻度受害林的相关性达到0. 78;(3)通过实测数据验证,用多时相相干系数进行分类,精度高于后向散射系数分类,其中降轨数据的精度最高,可达到83. 15%,表明多时相C波段SAR相干数据可有效识别健康林与不同程度的受害林;(4)该方法对多云雨地区的森林病虫害监测与分类有一定的优势,可以进一步提升遥感监测病虫害的能力。 相似文献
17.
提出了一种基于案例(CASE)推理的多时相SAR影像分类方法.选用北京地区2000年(4景)和2004年(3景)的多时相Radarsat-1 SAR影像及相应地理基础分类图作为数据进行实验,结果表明,该方法能得到较好的SAR影像分类结果.分类总体精度可望达到85%. 相似文献
18.
为研究我国首颗携带红边波段的高分六影像（GF-6）在林地与非林地上的识别贡献,本文选择复杂林地类型的安徽省黄山市作为研究区,采用特征优选（RFE）与随机森林（RF）相结合的方法开展了林地与非林地识别潜力研究。首先根据实地调查、Google Earth影像及林地"一张图"样本数据构建了样本库;然后基于DEM、多时相光谱特征、植被指数、红边指数等特征开展分类,并比较不同模型精度及不同变量的重要度。结果表明：GF-6红边信息对林地非林地识别较为重要,引入红边信息可将总体分类精度提升2%,其他新增波段及地形特征对林地与非林地识别贡献并不明显;多时相数据的运用相比单时相数据可整体提高林地类型的分类精度2.93%~4.1%,单时相分类结果6月最好,9月次之,12月最差;特征优选可以有效减少数据输入维数（46到15）,并取得最高分类精度,在不牺牲精度的同时保证了运算数据量的减少且明确了不同变量的贡献,具有较强的应用意义。 相似文献
19.
由于中高分辨率遥感影像数据时序性不强,分类过程中无法准确记录地物的时序特征。为增加地物时序变化特征,本文使用时空融合模型重建高时序高分辨率遥感影像,分析加入时相特征对分类结果的影响。以河北省石家庄市中部地区为例,本文采用3种时空融合模型重建高时序的30 m分辨率的遥感影像,增加影像时序分类特征,采用随机森林对年度重建时序影像分类,分析不同重建时序影像数量和不同时间跨度对分类结果的影响。试验表明,通过重建年度时序影像分类比单一影像分类精度增强;分类精度随着时序影像数量增加而增大,当时序影像数量选定为12景,也就是1月1景时,分类精度趋于稳定;不同时间段对分类结果影像程度不同,引入植被变化期间的时序影像,分类精度最高。 相似文献
20.
本文旨在研究基于地块数据约束的深度学习模型的分类特征表示方法,以识别不同作物在不同时相上光谱差异从而对作物类型进行分类。通过Google Earth Engine平台获取作物生育期内全部Landsat 8影像,利用其质量评定波段完成研究区无云时相及区域上的地块统计,提取地块级别的各波段反射率均值按照时相顺序及波长进行排列,构建波谱、时相二维特征图作为该地块的抽象表示。通过构建相对最优的卷积神经网络CNN(Convolutional Neural Network)结构完成对特征图的分类,从而完成对地块的分类。构建CNN模型并不需要手工特征和预定义功能的需求,可完成提取特征并遵循端到端原则进行分类。将该模型的分类结果与其他最为常用机器学习分类器进行了比较,获得了优于常用遥感分类算法的分类精度。结果表明地块数据的加入可以有效的缩减计算规模并提供了准确的分类边界。所提出得方法在地块特征表示及作物分类中具有突出的应用潜力,应视为基于地块的多时相影像分类任务的优选方法。 相似文献