共查询到19条相似文献，搜索用时 154 毫秒
1.
遥感组合指数与不同分类技术结合提取农业用地方法 总被引：1，自引：0，他引：1
多光谱遥感影像因具有丰富的波谱信息,提高了地表覆盖的辨识能力,利用遥感数据高精度自动提取专题信息是目前研究的热点和难点。本文以北京市ASTER影像为例,通过对城市生态环境中土地类型及其光谱特征规律分析,组合归一化差异植被指数、修正归一化差异水体指数和归一化差异建筑指数三种指数,制作组合指数新影像。对组合指数影像采用基于支持向量机的面向对象分类方法进行农业用地信息提取,同时将该方法分别与基于原始影像、组合指数影像的最大似然及支持向量机的分类方法进行对比分析。实验结果表明:组合归一化差异指数影像压缩了数据维数,降低了覆盖地物相关性,易于农业用地信息提取。对组合指数影像采用基于支持向量机的面向对象分类方法精度达95.701%。 相似文献
2.
为了准确提取较大范围的塑料大棚分布信息,以地处太湖流域的常州市为例,利用Landsat8影像,基于塑料大棚光谱特征分析和可分离性分析,选取Landsat8影像7个OLI多光谱波段、1个TIR热红外波段以及归一化植被指数、归一化裸土指数、改进的归一化水体指数等3个常用遥感指数,运用Logistic回归分析法,构建新塑料大棚指数(new plastic greenhouse index,New PGI)。精度验证结果表明,在样本区域,基于高空间分辨率影像制作的塑料大棚参考图,New PGI的总体分类精度为94. 9%,Kappa系数为0. 74;在整个常州市,基于Google Earth影像选取的验证样本点,New PGI的总体分类精度为91. 28%,Kappa系数为0. 78;且相比于现有塑料大棚指数,New PGI在复杂地表覆盖情况下塑料大棚的提取效果更好。 相似文献
3.
红树林物种遥感分类受影像分辨率、波段信息、分类策略、影像特征选择方法等因素影响。现有的红树林物种遥感分类研究大多关注于分类精度的比较,较少报道商业高分与国产高光谱卫星的结合在物种分类的应用。基于湛江高桥红树林保护区的高分（WorldView-2）和高光谱（珠海一号）卫星影像,本文旨在利用随机森林分类方法,比较不同特征选择算法（极端梯度提升（XGBoost）、极端随机树（ERT）、连续投影算法（SPA））和不同空间分辨率（WorldView-2影像从0.5 m的分辨率重采样为1 m、2 m、4 m、8 m、10 m）对红树林物种分类精度的影响,并耦合WorldView-2与珠海一号影像研究红树林物种空间分布格局及影响因素。每种空间分辨率的WorldView-2影像提取248个特征（52个光谱特征及196个纹理特征）,珠海一号影像提取117个光谱特征。结果表明,XGBoost方法优于ERT和SPA,在影像特征选择中具有巨大优势;与其他空间分辨率相比,2 m分辨率的WorldView-2影像具有更高的分类精度;耦合WorldView-2和珠海一号影像的分类精度（分辨率：2 m,总体精度：88.98%,kappa系数：0.846）高于单一的WorldView-2影像（分辨率：2 m,总体精度：83.47%,kappa系数：0.768）和珠海一号影像（分辨率：10 m,总体精度：78.50%,kappa系数：0.703）;另外,林窗、高程、离岸距离一定程度上影响红树林物种分布格局。本文表明WorldView-2与珠海一号高光谱影像的结合在景观及区域尺度上精确提取红树林物种信息具有巨大潜力,有利于红树林生物多样性保护及科学管理。 相似文献
4.
基于Sentinel-2的潮间红树林提取方法 总被引：1，自引：0，他引：1
位于潮间带的红树林可能在高潮时被海水淹没的特点，使得传统的植被提取方法在红树林信息提取方面存在局限性。本文在对比分析了出露的红树林、高潮水位淹没的红树林、海水水体的光谱特征后，提出了一种利用归一化潮间红树林指数（NIMI）提取潮间带红树林的方法。该指数是由植被强吸收的红波段，强反射的两个红边波段和近红外波段组成的归一化表达式。利用该指数对福建省龙海九龙江口湿地的红树林进行了分类提取，提取结果与高分二号影像目视验证和现场调查结果进行了对照。结果显示，该方法提取红树林的用户精度达到93.98%，并显著优于利用归一化水体指数（NDWI）、归一化植被指数（NDVI）及随机森林的结果。 相似文献
5.
针对高光谱影像分类问题，提出了一种显著性特征提取方法。首先，利用超像素分割算法将高光谱影像3个相邻波段分割为若干个小区域。然后，基于分割得到的小区域计算反映不同区域的显著性特征。最后，沿着光谱方向采用大小为3、步长为1的滑窗法获得所有波段的显著性特征。进一步将提取的显著性特征与光谱特征进行结合，并将结合后的特征输入到支持向量机中进行分类。利用Pavia大学、Indian Pines和Salinas 3组高光谱影像数据进行分类试验。试验结果表明，与传统的空间特征提取方法和基于卷积神经网络的高光谱影像分类方法相比，提取的显著性特征能够获得更高的高光谱影像分类精度，且结合光谱特征能够进一步提高分类精度。 相似文献
6.
面向对象的影像分析技术在高分辨率影像地物信息的提取中有着重要应用.利用Sentinel-2高分辨率多光谱影像数据,以合肥市包河区作为研究区域,应用多尺度分割技术将影像分割成对象,并对特征空间进行选择和优化,基于面向对象分类方法提取出研究区域最近邻的六种典型地物,分类结果与面向像元的最大似然分类、支持向量机、神经网络的结果进行比较.结果表明:利用面向对象方法进行土地利用分类的总体精度88.90％,Kappa系数为0.8579,优于三种传统的监督分类方法.证明了面向对象的影像分析技术在土地利用分类中的实用性. 相似文献
7.
土地利用/覆被专题信息的快速、高效、准确提取是遥感图像处理研究的重要方向。传统的遥感分类方法常依靠像元的光谱值,未充分利用影像的空间信息。本文将面向对象影像分割和支持向量机方法相结合,复合光谱和纹理信息,建立了Object-SVM分类模型,并与面向对象的模糊函数和基于像元的SVM方法相比较,探寻区域尺度土地利用/覆被信息提取方法。结果显示,Object-SVM模型有效地提高了遥感图像的分类精度和分类效率,对于区域尺度影像的快速、准确、客观的信息提取具有实际意义。 相似文献
8.
基于光谱特征的湿地湿生植物信息提取研究 总被引：1，自引：0，他引：1
基于湿生植物光谱特征分析,采用面向对象分类方法提取湿地典型植被信息。在大量的野外实地调查基础上,确定提取的典型植物类型为芦苇(Phragmites australis)、长芒稗(Echinochloa crusgallii)和睡莲(Nymphaeatetragona);采集湿地优势植物光谱数据,将优势植物与提取对象芦苇、长芒稗和睡莲的光谱特征进行相关性分析,获取物种间区分性好的波段及波段组合,参与影像分割权重的设置;根据典型植被的分布特征,确定面向对象分割尺度(其中芦苇的分割尺度为50,长芒稗的分割尺度为20,睡莲的分割尺度为100)。通过研究发现:基于光谱特征分析的面向对象的分类精度为96%,而未利用光谱特征的面向对象的分类精度为87.3%,传统监督分类精度仅为82.3%。证明在面向对象提取前对植物光谱特征分析得到区分性好的波段及波段组合参与分割,对提高分类精度起关键作用。 相似文献
9.
融合像素—多尺度区域特征的高分辨率遥感影像分类算法 总被引：1，自引：0，他引：1
针对基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象和面向对象影像分析方法的"平滑地物细节"现象,提出了一种融合像素特征和多尺度区域特征的高分辨率遥感影像分类算法。(1)首先采用均值漂移算法对原始影像进行初始过分割,然后对初始过分割结果进行多尺度的区域合并,形成多尺度分割结果。根据多尺度区域合并RMI指数变化和分割尺度对分类精度的影响,确定最优分割尺度。(2)融合光谱特征、像元形状指数PSI(Pixel Shape Index)、初始尺度和最优尺度区域特征,并对多类型特征进行归一化,最后结合支持向量机(SVM)进行分类。实验结果表明该算法既能有效减少基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象,又能保持地物对象的完整性和地物细节信息,提高易混淆类别(如阴影和街道,裸地和草地)的分类精度。 相似文献
10.
基于决策树方法的Landsat8 OLI影像红树林信息自动提取 总被引：1，自引：0，他引：1
《国土资源遥感》2016,(2)
基于广西山口国家红树林生态自然保护区的Landsat 8 OLI影像数据,选用广泛应用于植被液态水含量反演的归一化差值湿度指数(normalized difference moisture index,NDMI)和修正的归一化差值池塘指数(modified normalized difference pond index,MNDPI)作为分类特征,运用决策树方法进行红树林信息的自动提取。研究结果表明:红树林独特的滨海湿地生境特点,使其光谱同时包含植被和湿地信息;MNDPI和NDMI可分别反映可见光-近红外波段反射率同短波红外波段反射光谱的反差,可成功应用于湿地植被信息的提取,能有效地将红树林同其他地物相区分;采用Landsat8 OLI遥感数据,并结合NDMI和MNDPI分类特征构建的决策树模型可有效地提取红树林信息,其错分率和漏分率都较低,分别为5.34%和1.69%。 相似文献
11.
面向对象的旱区植被遥感精细分类研究 总被引：1，自引：0，他引：1
针对旱区植被分类尺度过大、种群无法准确提取的问题,该文提出了面向对象的CFS-RF分类模型,即利用CFS算法对先验样本数据集进行特征优选,结合随机森林构建分类规则,完成分类过程。以新疆阿勒泰为研究区,利用GF-2数据,通过CFS、ReliefF两种不同特征选择方法和J48、SVM、RF 3种分类算法构造出6种面向对象分类方案来实现小尺度植被种群提取。结果表明,经过特征选择,上述分类方案的精度和效率均得到了提升。其中,CFS-RF算法最优,总体精度达到92.41%,Kappa系数为0.90,更适用于旱区植被遥感精细分类。 相似文献
12.
Tanumi Kumar Abhishek Mandal Dibyendu Dutta R. Nagaraja Vinay Kumar Dadhwal 《国际地球制图》2019,34(4):415-442
In remote sensing the identification accuracy of mangroves is greatly influenced by terrestrial vegetation. This paper deals with the use of specific vegetation indices for extracting mangrove forests using Earth Observing-1 Hyperion image over a portion of Indian Sundarbans, followed by classification of mangroves into floristic composition classes. Five vegetation indices (three new and two published), namely Mangrove Probability Vegetation Index, Normalized Difference Wetland Vegetation Index, Shortwave Infrared Absorption Index, Normalized Difference Infrared Index and Atmospherically Corrected Vegetation Index were used in decision tree algorithm to develop the mangrove mask. Then, three full-pixel classifiers, namely Minimum Distance, Spectral Angle Mapper and Support Vector Machine (SVM) were evaluated on the data within the mask. SVM performed better than the other two classifiers with an overall precision of 99.08%. The methodology presented here may be applied in different mangrove areas for producing community zonation maps at finer levels. 相似文献
13.
以地块分类为核心的冬小麦种植面积遥感估算 总被引：5，自引：0，他引：5
以提高冬小麦种植面积估算精度为目标,选取种植结构复杂的都市农业区,采用QuickBird影像数字化农田地块边界,以多时相TM影像为核心数据源,以地块为基本分类单元,进行不同特征向量组合、不同分类器的冬小麦地块分类方法研究,并对比分析了基于地块分类和基于像元分类的冬小麦种植面积估算精度。研究结果表明,基于地块分类的冬小麦种植面积估算方法的总量精度和位置精度均高于像元分类;植被指数和纹理信息的引入有助于进一步提高地块分类精度;支持向量机与最大似然均能得到高达97%的总量精度和90%的位置精度,支持向量机地块分类所需的训练样本量远低于最大似然,因此支持向量机更加适合于冬小麦地块分类;冬小麦错分与漏分情况大多发生在细碎地块,其面积总量较小,而大地块错分和漏分较少,因此相对于像元分类,地块分类能在整个区域能得到较高的冬小麦位置精度和总量精度。 相似文献
14.
高分辨率影像的植被分类方法对比研究 总被引：12，自引：0，他引：12
高分辨率影像的纹理信息可解决用光谱分类面临的“同物异谱”和“同谱异物”问题,更精确地分辨地物的细微变化,但将纹理作为主要信息进行植被分类的研究较少。本文以南京市钟山景区为例,利用IKONOS影像数据的纹理信息进行植被分类,并将结果与用光谱信息、植被指数信息的分类结果比较。共使用了4个灰度共生矩阵纹理量：CON（对比）、COR（相关）、HOM（同质）和MCON（改进的对比）分析各类植被的纹理表征设阈值分割;用3个植被指数：NDVI（归一化指数）、MSAVI（改进的土壤调节指数）和SAVI（土壤调节指数）（L取0.5和5）选择发现SAVI5最能区分。对纹理和指数信息均设各类型的阈值进行分割提取;基于光谱信息分别用最小距离监督分类和ISODATA非监督分类。研究中先进行数据恢复,再分别用三种信息将试验区植被分为6类：草地、竹林、常绿针叶林、常绿阔叶林、混交林和园地,最后将三种方法4个结果进行比较。精度评价的结论是：纹理信息分类的精度最高,植被指数次之,光谱信息中的非监督分类最低,纹理反映地物光谱及差异信息,可作为最佳方法用于植被分类。 相似文献
15.
基于NDVI的植被覆盖度变化的研究与分析——以河北省张家口市为例 总被引：1，自引：0，他引：1
为分析河北省张家口市在经过三北防护林三期建设后林地覆盖度变化情况,通过利用张家口2006,2010年两景同期TM影像数据,使用ERDAS软件首先提取植被指数(NDVI),根据像元二分法利用ERDAS的建模工具Spatial Modeler计算出该地区植被覆盖度,利用非监督分类方法对植被覆盖度进行分类、赋色,最后得出张家口市2006—2010年的植被覆盖度分类图,结果表明四年间该市植被覆盖面积增加698.44 km2,与第二次国家林业调查数据基本相符,说明利用遥感反演的方法能够快速、准确地获取该地区的植被覆盖度信息,以及利用NDVI监测植被覆盖度变化方法的可行性。 相似文献
16.
科学准确地监测红树林是保护海陆过渡性生态系统的基础和前提,但红树林分布于潮间带,难以进行大规模人工监测。遥感技术能够对红树林进行长时间、大面积监测,但已有研究尚存不足。一方面,红树林分布于热带、亚热带区域,受到天气条件限制难以获得长时间覆盖的有效光学遥感数据;另一方面,红树林极易与其他陆生植被混淆,仅利用多波段数据的光谱信息难以精确识别。本文以恒河三角洲孙德尔本斯地区为例,基于谷歌地球引擎GEE（Google Earth Engine）获取2016年全年的Landsat 8 OLI和Sentinel-2 MSI数据,利用物候信息进行红树林提取研究。首先,基于最小二乘回归构建两个传感器在相同指数之间的关系,重建时间序列数据,之后根据可分性判据选取增强型植被指数EVI（Enhanced Vegetation Index）和陆地表面水分指数LSWI（Land Surface Water Index）。其次,对两个指数的时间序列数据进行Savitzky-Golay滤波处理,并分别提取生长期始期等13种物候信息。最后,将两个指数的物候信息进行特征级联,采用随机森林RF（Random Forest）方法进行分类,提取研究区红树林范围。实验结果表明：Landsat 8 OLI和Sentinel-2 MSI数据融合可有效提升时间序列质量,与基于单一传感器数据的分类结果相比,总体精度提高1.58%;物候信息可以显著增强红树林与其他植被的可分性,与直接使用时间序列数据的分类结果相比,总体精度提高1.92%;同时考虑EVI和LSWI指数可极大地提升分类效果,与采用单一指数相比,总体精度分别提高14.11%和9.69%。因此,本文通过数据融合、物候信息提取和指数特征级联可以更好地提取红树林,总体精度达到91.02%,Kappa系数为0.892。研究验证了物候信息在红树林遥感监测中的应用潜力,提出的方法对科学准确地监测全球或区域红树林具有一定参考价值。 相似文献
17.
基于SVM决策支持树的城市植被类型遥感分类研究 总被引：17，自引：0，他引：17
城市植被类型不同,生物量不同,其生态功能与绿化效应也不同。在目前难直接获取城市“绿量”实测数据的情况下,可以绿地面积和植被类型间接反映绿地的生物量和绿化效应。本文利用高分辨率卫星影像IKONOS,以实验区与验证区城市植被类型信息为对象,在对常用的参数和非参数分类方法进行对比实验的基础上,对SVM的核函数进行了分析,构建了基于SVM决策树的城市植被类型分类模型。分类实验结果表明：与其他传统方法分类结果比较,SVM的决策树分类方法对植被类型的分类精度达到83．5％,绿化面积总精度接近95％,取得了良好的效果。 相似文献
18.
The present study attempts to assess the biological richness in Sunderban Biosphere Reserve (SBR) using a three-pronged approach
i.e. satellite image (IRS 1D LISS-III) for vegetation/land use stratification, landscape analysis for disturbance regimes
assessment and the disturbance regimes together with the ecosystem uniqueness, species richness and importance value for biological
richness modelling. The study showed that four mangrove categories, viz., Avicennia, Phoenix, mixed mangroves and mangrove scrub, cover 23.21 per cent of the total geographical area of SBR. The largest area is occupied
by mixed mangroves (18.31%). The overall accuracy of the vegetation/land use map worked out to be 91.67 per cent. The disturbance
analysis revealed that the vegetation types were not much disturbed. Shannon-Weaver’s index of diversity was highest in case
of mixed mangrove. The results revealed that 75 per cent forest area has high biological richness. 相似文献
19.
Support vector machines for tree species identification using LiDAR-derived structure and intensity variables 总被引：1，自引：0，他引：1
Zhenyu Zhang 《国际地球制图》2013,28(4):364-378
Tree species identification and forest type classification are critical for sustainable forest management and native forest conservation. Recent success in forest classification and tree species identification using LiDAR (light detection and ranging)-derived variables has been reported in many studies. However, there is still considerable scope for further improvement in classification accuracy. It has driven research into more efficient classifiers such as support vector machines (SVMs) to take maximum advantage of the information extracted from LiDAR data for potential increases in the accuracy of tree species classification. This study demonstrated the success of the SVMs for the identification of the Myrtle Beech (the dominant species of the Australian cool temperate rainforest in the study area) and adjacent tree species – notably, the Silver Wattle at individual tree level using LiDAR-derived structure and intensity variables. An overall accuracy of 92.8% was achieved from the SVM approach, showing significant advantages of the SVMs over the traditional classification methods such as linear discriminant analysis in terms of classification accuracy. 相似文献