共查询到17条相似文献，搜索用时 531 毫秒
1.
滨海湿地高精度的地物分类可以为湿地监测与保护提供数据支持和决策依据。以辽河口湿地为研究对象,以Landsat8 OLI多光谱影像为数据源,结合研究区域实际地物情况,采用像元纯度指数和均值波谱法确定端元光谱,并利用全约束最小二乘混合像元技术和决策树技术制定分类规则,最后将研究区域分为芦苇、翅碱蓬、水稻、滩涂、水体(海水、虾池水、河水等)和人工建筑(包括路面、人工设施、房屋等)六大类。结果表明:该算法分类精度高于90%,结合目视判读与野外实地调查,发现分类结果符合实际地物情况。 相似文献
2.
海冰具有良好的热力隔绝效应,它通过影响海洋和大气的热交换进而影响全球的气候变化。海冰密集度是极区海冰研究的重要指标之一。为实现高空间分辨率多类型海冰密集度的估算,本文将亮温极化梯度率和光谱梯度率引入基于全约束最小二乘法(fully constrained least squares,FCLS)的海冰密集度估算方法,并利用南极海冰过程与气候计划(Antarctic Sea Ice Processes and Climate,ASPe Ct)对改进方法的精度进行验证,然后与NASA Team2(NT2)算法和ARTIST Sea Ice(ASI)算法获得的海冰密集度结果进行了对比分析。结果显示,3种算法中本研究的方法精度最高,全年均方差13.8%,偏差为-0.7%;改进的方法对多年冰的估算精度优于一年冰。 相似文献
3.
《山地学报》2019,(5)
由于影像空间分辨率的限制,利用遥感影像反演植被覆盖度时,像元内通常存在植被与其他地物混合的现象。此外,受到物理属性、地形、阴影等因素的影响,植被内部存在较大的光谱差异。混合像元的存在,以及植被内部光谱变化较大都将导致植被覆盖度反演精度降低。本研究基于Sentinel 2A遥感影像,提出了一种基于光谱归一化的光谱混合分析方法,以期解决植被内的光谱差异以及与其他地物的混合问题。首先,对端元矩阵与遥感影像进行归一化预处理,以减弱植被内的光谱变化;然后,采用全约束最小二乘法(FCLSU)、部分约束最小二乘法(CLSU)、扩展线性混合模型(ELMM)三种混合像元分解算法来定量分析植被与其他地物的混合状态。在验证解混算法精度时,采用无人机高分影像分类结果作为植被覆盖度参考影像,并对归一化前后的精度进行对比。光谱归一化前,ELMM和CLSU的R和RMSE都接近0.903和0.353,FCLSU的R和RMSE为0.869和0.434。光谱归一化后,三种算法的R和RMSE都接近0.91和0.2。试验结果表明:端元和影像进行归一化后,降低了光谱变异性,三种算法的解混精度在整体上提高较大,且对四川丘陵地区的植被覆盖度的反演结果接近真实值。 相似文献
4.
传统的像元信息分解法在计算端元丰度时端元组合是固定不变的,而在土地利用复杂地区,固定端元组合并不符合实际情况。文章针对研究区用地类型特点,预先设定数种端元组合,通过最小二乘法选择误差最小的端元组合进行端元丰度反演,进而计算出植被覆盖度;并以实测的地表反射率作为端元反射率,避免了大气差异造成的多时相误差,有利于进行动态监测;预先进行水陆分离,仅对陆地像元进行计算,可以避免水体像元的干扰并提高模型效率。辅以同期成像的高分影像对模型精度进行验证,相关系数达到0.98。将模型应用于长汀县近18 年4 个时相的Landsat 卫星数据,认为近年来长汀县植被覆盖度总体呈现变好的趋势,尤其是汀江沿岸;而城市化、火烧坡、大型工程建设是长汀县植被覆盖度局部变差的主要原因。 相似文献
5.
基于Sentinel-2遥感时间序列植被物候特征的盐城滨海湿地植被分类 总被引：1，自引：0，他引：1
滨海湿地是具有重要功能的特殊海陆过渡带生态系统,精准获取滨海湿地植被时空分布信息具有重要意义。传统的湿地遥感观测研究集中于高空间、高光谱分辨率影像分类,往往受限于数据成本和覆盖范围,仅适用于小区域湿地监测。Sentinel-2A/B卫星影像时空分辨率高且免费共享,为大区域滨海湿地动态监测提供了可能。本文采用2018年Sentinel-2影像,提出像元级SAVI时间序列及双Logistic植被物候特征拟合重构模型,采用随机森林算法进行盐城滨海湿地植被分类,探讨Sentinel-2遥感时间序列植被物候特征分类方法的适用性。结果显示,分类总体精度达87.61%,Kappa系数为0.8358,分类结果与湿地实况相吻合,比常规单一时相分类精度总体提高19.57%。植被判别物候特征参数可为影像数据缺失或不足的滨海湿地分类提供不同植被的判别依据。研究表明,基于像元级时间序列植被物候特征的分类方法能实现植被群落混生带的精准分类以及对“异物同谱”植被的有效区分,对大区域滨海湿地植被分类具有很好的适用性,有效提高了滨海湿地植被分类精度。 相似文献
6.
城市降雨产流特征的定量研究对于城市雨水资源开发利用、科学规划和管理具有十分重要的意义。以广州市主城区为研究对象,提出一种改进的线性光谱解混方法提取遥感影像的不透水面、植被和土壤盖度,并结合SCS-CN 产流模型进行城区降雨径流模拟。首先利用线性光谱解混方法提取 2015-10-18 Landsat 8 OLI 遥感影像的不透水面、植被和土壤盖度;然后利用归一化建筑物指数和归一化植被指数进一步优化解混结果;最后结合优化的不透水面、植被和土壤盖度计算合成的 CN 值,并应用 SCS-CN 产流模型分析研究区在不同降雨重现期的降雨产流分布特征。结果表明：改进的线性光谱解混方法能较好地提高不透水面、植被和土壤盖度的提取精度;不透水面盖度越高的区域,CN 值越高;CN 值对地表径流深模拟有显著的影响;在不同重现期降雨条件下,研究区地表径流深空间分布格局差异显著;总体上,降雨量越大,不透水面盖度越高,形成的地表径流深越深,内涝发生的可能性越大。 相似文献
7.
准确提取端元并确定像元中端元组分和丰度是提高遥感分类精度的基础和前提。本研究根据福建省多数茶园特点,从对地观测角度将茶园分为垄前冠面、垄后冠面、沟中阴影面和沟中光照面4种端元,并测定各类端元光谱特征。根据光线入射方向和地形参数计算茶园中任意端元组合面的丰度,利用几何光学模型进行组分光谱混合模拟,最后把模拟结果与实测结果相比较。研究结果发现,模拟和实测的光谱曲线很接近,光谱的反射峰、吸收谷位置基本吻合,总体精度在85%以上,说明采用组分合成法模拟茶园光谱是可行的。 相似文献
8.
ALOS融合影像质量评价及其土地盐渍化应用研究 总被引：2，自引：1，他引：1
将经过配准的同一地区不同空间分辨率和光谱分辨率的遥感影像进行融合是提高土地覆盖/土地利用分析精度的有效途径。采用PCA、IHS、HPF和小波变换融合法对内蒙古杭锦后旗中部地区的ALOS全色和多光谱影像进行融合,并对融合结果进行了定性和定量评价。基于地物光谱特征、解译标志和监督分类法提取试验区土地盐渍化信息,比较多光谱影像和融合影像的土地盐渍化信息提取精度。结果显示,PCA、IHS和HPF融合影像的空间细节表现能力得到提升,而PCA和小波变换融合影像的光谱保真度优于IHS和HPF融合影像;PCA融合影像的盐渍化分类精度、总分类精度和Kappa系数均为最高,是最适于试验区土地盐渍化分类研究的融合方法。 相似文献
9.
以江苏省徐州市郊区为实验区,采用Jeffries-matusita距离方法分析了CBERS-02B与资源三号卫星(ZY-3)多光谱影像的光谱可分性。采用最小距离法、最大似然法和支持向量机3种分类算法进行影像分类,以用户精度、制图精度、总分类精度和Kappa系数作为分类精度的评价指标,探讨了CBERS-02B与ZY-3多光谱影像的光谱可分性。实验表明,CBERS-02B和ZY-3多光谱影像均有利于区分农田和水体类,而对建筑物、裸地及道路的光谱可分性较弱;ZY-3影像对建筑物类的光谱可分性优于CBERS-02B影像,但对裸地及道路类的光谱可分性不及CBERS-02B影像。研究结果对于卫星传感器设计和遥感数据应用具有一定的参考价值。 相似文献
10.
11.
针对遥感影像混合像元光谱复杂,其非线性特征,传统LSMM分解模型难以进行有效的混合像元分解的不足。通过基于SVR的二端元混合像元分解的研究,从真实遥感影像上获取典型的植被、非植被光谱信息,构造二端元混合光谱库,进行SVR模型的混合像元分解。当样本量为6%时,交叉验证获得最佳模型参数（C=1024.0和g=4.0）,进一步对全部混合像元进行混合像元分解。实验结果表明：SVR分解结果RMSE为5.95,R2为0.958,优于LSMM方法（RMSE=7.71,R2=0.932）,且在各个不同真值丰度下具有更好的稳定性,证明该方法对于非线性混合光谱具有很好的学习和推广能力。此外,该方法的精度不随训练样本量的增加呈明显变化,体现出SVR在有限样本情况下能够保证高效率的训练能力。 相似文献
12.
遗传算法优化的支持向量机湿地遥感分类——以洪河国家级自然保护区为例 总被引：6，自引：1，他引：5
湿地遥感分类作为湿地管理、监测与评价的重要手段,受到了广泛的关注。遗传算法(GA)借鉴了生物进化规律进行启发式搜索寻优,支持向量机(SVM)是一种新型的空间数据挖掘方法,二者相结合可以发挥各自的优势,寻找到支持向量机的全局最优参数,从而较准确地对湿地进行遥感分类。以洪河自然保护区为例,采用遗传算法优化的支持向量机方法进行了湿地遥感分类研究。同格网搜索下的支持向量机湿地遥感分类及最大似然监督分类对比,结果表明,遗传算法优化较格网搜索方式总精度提高了7.29%,较最大似然监督分类提高了12.06%,方法改善了沼泽、草地与裸地三种地物间的区分,是湿地遥感分类的有效手段。 相似文献
13.
遥感影像混合像元分解中的端元选择方法综述 总被引：7，自引：1，他引：7
端元选择是进行遥感影像混合像元分解的首要步骤,也是最关键的步骤,其直接影响混合像元分解的精度。该文对遥感影像混合像元分解中端元产生的特定背景、当前存在的端元选择途径和端元选择方法进行综述,并通过对当前端元选择方法的分析,提出了选择或构造端元选择方法应遵循的几个原则。 相似文献
14.
基于卷积神经网络和高分辨率影像的湿地群落遥感分类——以洪河湿地为例 总被引：2，自引：0，他引：2
以洪河国家级自然保护区为研究对象,应用卷积神经网络（CNN）方法进行高分辨率湿地遥感影像的分类研究,并与基于光谱支持向量机（SP-SVM）的方法和基于纹理及光谱的支持向量机（TSP-SVM）的方法进行了对比。结果显示,对于所选取的2个研究区域,CNN分类方法的全局精度高于SP-SVM方法5.61%和5%,高于TSP-SVM方法4.18%和4.15%。尤其对于部分湿地植被的分类精度明显高于SP-SVM和TSP-SVM方法。研究表明,卷积神经网络为湿地识别的精细划分提供了有利的手段。 相似文献
15.
混合像元的存在是传统像元级遥感分类和面积量测精度难以达到实用要求的主要原因,为了提高遥感应用精度,须解决混合像元分解问题。传统的方法主要通过改进分解模型提高分解精度,该文在不改变线性分解模型的条件下,分析不同分辨率尺度对于线性分解精度的影响。实验中运用像元合并的方法,得到不同分辨率的TM系列遥感图像,分别选取植被、裸地、水体3种典型地物进行线性分解;以分辨率更高的Quickbird图像分类结果作为真值进行精度评价。实验结果表明:随着图像分辨率的降低,植被的RMSE值不断缩小,在30 m分辨率尺度上均值为0.36,在150 m尺度上均值为0.17,分解精度提高了1倍左右;但随着分辨率进一步降低,由于混合像元现象加剧,RMSE值上升,分解精度随之降低。 相似文献
16.
基于Hyperion高光谱数据的土地退化制图研究--以陕西省横山县为例 总被引：3，自引：0，他引：3
以陕西省横山县境内的Hyperion数据为数据源,提出一种针对土地退化的制图方法:土地退化指数法(LDI: Land Degradation Index)。在影像分类的基础上,利用在分类过程中提取的训练样本进行线性波谱分离,得到各个端元的分离影像和RMS误差影像,再通过设置新的端元和反复运行线性波谱分离算法得到最终的训练样本,然后利用神经网络法对影像进行二次分类,最后在掩膜处理的基础之上把土地分为:轻度退化,中度退化和高度退化三种类型(Kappa=0.90)。文中分别采用了三种分类方法:监督分类与非监督分类相结合的混合分类方法、光谱角制图(SAM)方法、混合调制匹配滤波(MTMF)方法。结果显示混合分类方法(Kappa=0.71)具有比光谱角制图方法(Kappa=0.54)和混合调制匹配滤波方法(Kappa=0.60)更高的分类精度,所以选择在混合分类的基础上进行土地退化指数LDI的分析。 相似文献