共查询到20条相似文献，搜索用时 15 毫秒
1.
新疆荒漠地区植被覆盖度遥感估算模型十分缺乏,给荒漠化监测等相关工作带来很大不便,开展植被覆盖度遥感估算经验模型研究,对于促进和完善相关地区的生态监测及研究工作具有积极的现实意义。通过对阜康市北部沙漠南缘和克拉玛依市中部平原荒漠进行无人机航拍,利用无人机遥感提取（光合）植被信息,并将无人机航拍影像的植被覆盖度统计单元与高分辨率卫星影像像元在空间上直接相对应,获取在高分辨率卫星影像像元尺度上的植被盖度,然后通过植被覆盖度和空间上与其相对应的源自高分辨率卫星影像的NDVI数据的拟合关系,建立基于源自高分二号影像的NDVI的阜康北部沙漠植被覆盖度遥感估算线性模型以及基于源自ZY1-02C影像的NDVI的克拉玛依平原荒漠植被覆盖度遥感估算二次多项式模型。研究中所采用的无人机遥感与卫星遥感相结合、植被覆盖度统计单元与卫星像元在空间上直接对应的方法,可避免以往相关工作中常以点位测量数据代表卫星像元数据所带来的不确定性。由于所用卫星影像的NDVI数据稳定性相对不足等原因,所建立的遥感估算模型的估算精度尚相对偏低,有待于今后进一步的工作加以改进。 相似文献
2.
针对仅使用无人机遥感RGB影像进行目标检测时精度不高、高程信息利用不足等问题,该文采用通道叠加和类IHS变换两种多通道数据融合方法对RGB影像与高程数据进行融合,使用DeepLabv3+卷积神经网络语义分割模型提取两种融合影像地物目标,并与RGB影像提取结果进行对比分析.结果表明,基于上述两种融合影像的地物目标识别精度高于仅使用RGB影像的识别精度,其中通道叠加影像的整体像素精度、平均像素精度和Kap-pa系数分别提高了3.52％、1.42％ 和14.99％.由于不同地物目标与周围地物的高程差不同,致使各融合方法对不同地物目标识别精度的提升效果不同,道路、建筑和地面识别精度的提升效果较好. 相似文献
3.
基于无人机遥感的喀斯特高原峡谷区火龙果单株识别提取方法 总被引：1，自引：0，他引：1
基于小型无人机搭载可见光镜头作为数据获取手段,通过对比可见光波段差异植被指数（VDVI）、过绿指数（ExG）、过绿减过红指数（ExG-ExR）、归一化绿红差异指数NGRDI和绿叶指数（GLI）5种可见光波段颜色指数方法应用于喀斯特高原峡谷区典型经济作物火龙果植株识别的适宜性,结合可视化空间建模工具模型构建器,提出一种以单植株平均面积分割株丛的思想,对火龙果进行植株识别分割和单株提取方法研究,结果表明：1）VDVI相比EXG、NGRDI、ExG-ExR、GLI等植被指数更适宜作为火龙果的识别分割方法;2）当VDVI的OTSU阈值取0.037时,能最大程度地分割目标地物与背景地物;3）通过人机交互基地实测获取的实际株数与提取株数验证,获得火龙果植株单株提取精度为91.7%。结果证实：以低空无人机可见光波段影像为数据源,VDVI指数作为识别方法,株丛分割应用于喀斯特高原峡谷区火龙果的单株识别提取具有可行性。 相似文献
4.
5.
基于无人机遥感的盛花期薇甘菊爆发点识别与监测 总被引：1，自引：0，他引：1
局域尺度上爆发点的识别与监测是薇甘菊（Mikania micrantha）入侵研究的一个难点,无人机遥感为此提供了新的研究手段。采用无人机搭载RGB相机获取研究地的正射影像,采用波段运算、影像分割和深度学习3种方法对盛花期薇甘菊的爆发点进行识别。结果表明：高分辨率的RGB拼接影像可直接用于目视识别薇甘菊的爆发点。过绿指数（EGI）、归一化过绿指数（NEGI）、蓝绿差异指数（BGDI）、绿红差异指数（GRDI）、归一化绿红差异指数（NGRDI）以及植被色素比值指数（PPR）均无法分离薇甘菊和其附主植物;但PPR指数可为面向对象的多尺度分割提供参数支持。面向对象的多尺度分割可自动识别薇甘菊的爆发点,但会低估其爆发面积。基于深度学习（Deeplab V3+）的自动识别方法,能准确识别薇甘菊的爆发点和爆发面积,测试集的平均交并比（mIoU）为78.46%,像素精度为88.62%。无人机遥感数据为局域尺度上的薇甘菊扩散机制研究提供了基础,也为薇甘菊入侵的监测、预警和精准防治提供了有力支撑。 相似文献
6.
无人机遥感在红树林资源调查中的应用 总被引：6，自引：0，他引：6
低空无人机（UAV,Unmanned Aerial Vehicles）遥感系统具有数据采集灵活、低成本且可快速获取超高分辨率影像的特色,是传统航空遥感和卫星遥感的重要补充。以广东省和广西壮族自治区交界处的英罗港港湾两侧为研究区域,将无人机遥感系统用于红树林资源的遥感调查,通过无人机航拍获取高分辨率影像,并且使用拼接的影像和目视解译方法提取红树林空间分布信息,进一步选择典型研究样地,采用面向对象的最近邻分类方法对红树林树种类型进行分类研究,并对比综述了无人机遥感和常规航空航天遥感技术对红树林资源调查监测的优缺点,无人机遥感系统非常适用于红树林资源调查。通过2 h 30 min的3架次无人机航飞工作,获取了研究区域25.29 km2的无人机影像,基于无人机影像和面向对象遥感分类方法提取的红树林空间分布信息精度超过了90%。未来无人机遥感系统将可成为调查和监测红树林资源的重要技术手段,可为相关管理部门对红树林资源的保护、管理、开发等方面的工作提供基础信息和技术支持。 相似文献
7.
北极冰面融池对于研究北极海冰质量平衡、海洋混合层热收支和盐量收支等具有重要意义。为了获得准确的融池覆盖率,本研究提出了一种利用无人机进行北极海冰融池及冰面粗糙度信息提取的方法。在第7次中国北极科学考察期间,利用无人机获取加拿大海盆周边浮冰区冰面航拍影像,针对海冰航拍图像特殊性改进了基于暗原色先验的图像去雾算法,对拼接后的航拍图像进行融池识别,计算得到航拍区域的融池覆盖率。同时利用航拍影像三维建模得到海冰表面相对高程和冰面粗糙度,继而对融池覆盖率和海冰表面粗糙度分布规律进行研究。结果表明,在本次航拍区域,海冰粗糙度大的区域具有更多小面积的融池,而融透的、面积大的融池多出现在粗糙度小的平整冰区。 相似文献
8.
针对目前利用无人机可见光影像进行城市居民区植被分类存在精度不高、效率较低的问题,该文构建一种改进的DeepLabV3+模型,选取南京市江宁A、B两处居民区无人机正射影像进行对比实验和模型迁移性能测试。实验结果表明：(1)基于改进DeepLabV3+模型的植被总体分类准确度、精确度、召回率、F1得分、平均交并比在验证集上达到95.27%、94.03%、93.55%、93.79%、84.94%,较原模型分别提高了2.36%、1.01%、2.09%、1.56%、8.71%,且参数量降低92.7%,训练用时减少25.7%;(2)在迁移性能测试中,乔木、灌木、草本分类精确度分别提高了2.88%、6.54%、2.29%。改进DeepLabV3+模型可提高城市居民区植被分类精度与效率,分类结果可为城市微尺度热环境研究提供基础数据。 相似文献
9.
《亚热带资源与环境学报》2017,(2)
为了发挥低空无人机的空间监测优势,提取滩涂湿地入侵物种"互花米草"(Spartina alterniflora)的植被信息,本研究以宁德三沙湾滩涂湿地为飞行试验区,对获取的低空无人机可见光影像进行光谱特征分析,参考多光谱植被指数的特点,构建了基于可见光波段的改进型土壤调整植被指数V-MSAVI,通过植被和非植被阈值的确定,实现了对入侵物种互花米草植被信息的有效提取。本方案以目视解译获取的互花米草像元为参考进行精度检验,结果表明,基于V-MSAVI植被指数提取的互花米草植被总体精度为89%,Kappa系数为0.77,提取结果具有较好的精度,本研究可为无人机的应用和滨海滩涂湿地的生态保护提供参考。 相似文献
10.
该文旨在探讨中分辨率遥感影像的土地覆盖变化对象识别方法。首先基于植被-不透水层-土壤(VIS)模型,参考OIF指数的信息量进行对象特征指标选取,基于过分割和欠分割指数确定最优分割尺度,对两期SPOT影像进行多时相分割,然后利用卡方变换方法自动选择阈值,进行植被、不透水层、土壤和水体4种土地覆盖类型之间的变化对象识别。精度评价表明,随着对象特征指标包含信息量的不断增加,检测结果的总精度不断提高,其中对影像所有特征指标进行主成分分析并选择前3个主成分作为特征指标组合对土地覆盖变化对象进行识别的总精度最高,为93.9%,Kappa系数为0.824,证明了该方法的有效性。 相似文献
11.
随着遥感技术的飞速发展,通过各种传感器获取的影像种类越来越多.传统的面向像元的影像分析技术已难以适应高分辨率影像,面向对象的影像分析技术应运而生.面向对象的影像分析技术所面临的首要问题是影像分割,如何选择合适的影像分割尺度已成为面向对象影像分析技术的关键.为了提高遥感影像分割尺度选择的准确性,通过对影像分析建立了分割质量函数,针对不同分辨率的多源遥感影像进行分割实验,获取了最优分割尺度,最后提出了一种顾及面积和光谱的分割匹配指数对最优分割尺度进行评价,并研究了分割尺度与亮度均值标准差、影像空间分辨率之间的对应关系.研究结果表明,构建的分割质量函数获取的最优分割尺度避免了人工分割带来的主观性,建立的同时顾及面积和光谱因子的分割匹配指数验证了最优分割尺度选择的正确性. 相似文献
12.
植被是湿地生态系统健康状况的"晴雨表",明晰湿地中植被的时空分布,是湿地修复与重建、保护与合理利用的前提和基础。以洪河国家级保护区为研究区,利用全极化C-band Radarsat-2和L-band PALSAR数据,根据极化合成孔径雷达(synthetic aperture radar,SAR)目标分解理论,提取了该保护区不同波长的极化分解参数和特征参量,整合为多源极化SAR数据集,利用多尺度迭代分割算法和Random Forest机器学习算法,构建了研究区中植被的遥感识别模型,实现了对研究区中植被的高精度分类,并对比分析了不同频率SAR数据集在植被识别精度上的差异。研究结果表明,利用整合PALSAR和Radarsat-2极化数据集,获取的植被遥感分类结果的总体分类精度为86.77%,比利用PALSAR极化数据集的分类结果精度提高了15%,但是其与利用Radarsat-2极化数据集的分类结果精度差异不显著;浅水草本沼泽的生产精度达到了90.91%,深水草本沼泽的用户精度为90.63%;C-band PALSAR数据比L-band PALSAR数据更适用于高精度识别洪河国家级自然保护区中的植被。 相似文献
13.
植被是湿地生态系统健康状况的"晴雨表",明晰湿地中植被的时空分布,是湿地修复与重建、保护与合理利用的前提和基础。以洪河国家级保护区为研究区,利用全极化C-band Radarsat-2和L-band PALSAR数据,根据极化合成孔径雷达(synthetic aperture radar,SAR)目标分解理论,提取了该保护区不同波长的极化分解参数和特征参量,整合为多源极化SAR数据集,利用多尺度迭代分割算法和Random Forest机器学习算法,构建了研究区中植被的遥感识别模型,实现了对研究区中植被的高精度分类,并对比分析了不同频率SAR数据集在植被识别精度上的差异。研究结果表明,利用整合PALSAR和Radarsat-2极化数据集,获取的植被遥感分类结果的总体分类精度为86.77%,比利用PALSAR极化数据集的分类结果精度提高了15%,但是其与利用Radarsat-2极化数据集的分类结果精度差异不显著;浅水草本沼泽的生产精度达到了90.91%,深水草本沼泽的用户精度为90.63%;C-band PALSAR数据比L-band PALSAR数据更适用于高精度识别洪河国家级自然保护区中的植被。 相似文献
14.
基于GF-1卫星数据的面向对象的民勤绿洲植被分类研究 总被引：1，自引：0，他引：1
以民勤绿洲为研究区,以GF-1遥感影像为数据源,采用面向对象的分类方法,结合分层技术,对影像逐级进行分类,以获取植被信息。根据归一化植被指数（NDVI）阈值区分植被与非植被,分割尺度为10;使用归一化水体指数（NDWI）阈值提取非植被中的水体,分割尺度为35;利用野外采样点获取的训练样本,将植被进一步分为耕地、林地和草地,分割尺度为25。总体分类精度达到83.02%,Kappa系数为0.745 1,比较基于象元的监督分类,其总体分类精度为69.37%,Kappa系数为0.497 0,表明面向对象的分类方法在干旱区绿洲植被信息的提取上较传统的基于象元的分类方法更有优势,分类精度更高。 相似文献
15.
基于区域合并影像分割技术的多尺度地表景观分析 总被引：6，自引：1，他引：5
分割是面向对象影像分析的前提,景观空间异质性特征给遥感信息获取提出了多尺度的要求。影像分割的多尺度分析以尺度效应与对象异质性最小原则为前提,描述多尺度效应分析的必要性与可行性。基于区域合并的分割原理与方法,为多尺度影像分析提供理论与技术支持,在两个样区进行多尺度影像分割技术的应用实践,分析基于区域合并的多尺度分割数据的几何丰富度与语义丰富度。 相似文献
16.
目前海岛经济快速发展,为避免海岛建筑无序扩建,了解海岛建筑分布特征尤为重要。机器学习方法是从高分遥感影像提取地物目标的常见方式,然而建筑物遥感特征复杂,机器学习方法出现鲁棒性差、难以充分挖掘深层次特征的弊端。文章提出基于DeepLabv3plus网络模型的深度学习语义分割方法提取海岛建筑,并对网络结构进行改进,使用组归一化（GN）方法替代批归一化（BN）以适合小batch size下的语义分割操作。针对海岛建筑数据量较少的问题,采用迁移学习策略,设计基于多源数据的国内城市建筑数据集的预训练样本智能采集和标注方法,再人工标注中国部分海岛建筑进行算法实验。结果表明,在batch size较小时,基于GN的DeepLabv3plus语义分割算法的平均精度和mIoU均得到提升,能够获得更为精确的像素级海岛建筑提取结果。 相似文献
17.
基于无人机可见光影像的高原丘陵盆地区山药植株识别 总被引：1，自引：0，他引：1
采用四旋翼无人机采集特色作物山药种植区影像,针对山药种植时间和管护水平差异导致的植株生长差异化特征,通过筛选红绿比值指数（RGRI）、过绿指数（ExG）和过绿减过红指数（ExG-ExR）等颜色指数获取山药植株最优颜色指数计算方法;以高斯高通滤波（GHPF）增强和保留山药植株高频信息,抑制杂草、玉米植株的噪声;结合田间测量山药植株数据,通过人机交互解译方法对图像滤波增强后的影像进行灰度分割和提取山药植株信息。结果表明：1）样区总体提取精度为91.14%,样区A、B、C的提取精度分别为90.94%、91.96%、90.81%,精度验证完整性为93.16%;2）随着山药植株多株连体生长复杂程度的增强,过绿指数具有的土壤与植被的分离性仍优于红绿比值指数和过绿减过红指数;3）使用高斯高通滤波能够有效消除杂草、玉米植株的影响,减小山药植株多株连接生长所产生的干扰;4）高斯高通滤波卷积核大小79×79适用于不同时相和不同生长情况的山药植株影像处理,针对不同的山药植株生长情况和不同时相的可见光影像,需调整灰度分割的阈值参数t,单株山药植株面积S由田间测量确定。该方法以快速灵活、低成本的方式识别和计算不同生长状态的山药植株数目,适用于喀斯特山区的精准农业监测研究和现代农业生产活动。 相似文献
18.
《地理与地理信息科学》2017,(5)
在核函数集成SVM分类框架下,提出一种融合多尺度光谱-空间-语义特征的高分辨率遥感影像分类方法。首先,以多尺度影像分割集为基础,利用潜狄利克雷分配模型对分割图斑的语义特征进行建模,并结合原始影像的光谱特征以及分割图斑内的空间均值特征,在不同分割尺度下分别开展光谱-空间-语义特征的多核函数融合分类;然后根据多数投票法原则在决策级集成多尺度分类结果,通过最小尺度下的分割影像实现像素级分类结果至面向对象分类结果的转化。不同场景和分辨率数据下开展的实验结果表明,该分类方法能够实现分类结果的自适应平滑分类,并在一定程度上提高建筑物和道路等"同谱异物"地物的区分能力,分类总体精度由基于光谱特征SVM的66.7%和63.7%提升至86.8%和87.2%。 相似文献
19.
选择对角线法、之字型法、随机采用法及全采样法提取干旱区稀疏芦苇覆盖度,对比分析不同采样方法获取参数的精度,同时结合遥感影像,采用线性混合像元分解模型、亚像元变密度分解模型、三波段最大梯度差模型提取样地覆盖度信息,与地面实测覆盖度参量信息进行对比分析,探讨适宜的干旱区植被盖度野外监测方法及遥感模型。研究表明:对角线法及之字型法所获取参数可以满足样地总体植被覆盖度参数精度要求;地面验证结果表明:2006年线性混合像元分解模型所提取的覆盖度精度最高,为19.72%,与地面实测值20%最为接近,证明该模型可有效提取干旱区低覆盖度植被信息,但端元的正确选取较难,从而影响其运用;亚像元分解模型预测值为22.30%,高于实际覆盖度值,绝对误差为11.5%;而三波段最大梯度差法模型与实测值相差最大,绝对误差达到了-75%,说明该模型对于极端干旱区稀疏植被敏感度低。 相似文献
20.
极端干旱区荒漠稀疏河岸林遥感分类研究 总被引：5，自引：0，他引：5
研究以位于极端干旱区的塔里木河干流中下游地区为例,基于Landsat TM影像,结合决策树分类、几何光学模型与光谱角匹配,解决混合像元信息分解,实现干旱区稀疏荒漠河岸林类别识别。首先从遥感视角的角度,将地物分解为目标和背景,提出塔里木河干流荒漠河岸林植被分类系统;其次以多变量决策树法将非荒漠植被信息剔除,采用几何光学模型模拟各类荒漠植被的像元光谱,最后以光谱角匹配的方法将荒漠植被进一步进行分解,得到塔里木河干流中下游地区典型研究区的植被分类专题图,分类精度结果表明:基于混合像元分解与几何光学模型的分类方法总精度达到了79.43%,Kappa系数为0.718,表明分类质量良好。 相似文献