共查询到20条相似文献，搜索用时 15 毫秒
1.
MODIS NDVI时间序列在三江平原湿地植被信息提取中的应用 总被引：11，自引：0，他引：11
以三江平原为研究区,利用多时相的中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)影像数据,采用一种基于归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列的监督分类方法获取了研究区湿地植被的分布数据。监督分类以NDVI时间序列的波形所反映出的植被物候特征作为分类器,将离散的傅立叶变换应用于NDVI时间序列以减少高频噪声对分类的影响,并运用傅立叶变换后波形幅度和相位的相似性来确定像素的归属类别。根据研究区植被的物候特征的差异,区分出7种地表(沼泽、沼泽化草甸、滩地、水田、旱地、灌木和林地)的植被类型,得到三江平原2005年湿地植被的分布数据。该方法的总体分类精度达到79.67%,Kappa系数为0.752 5。研究表明,基于MODIS多时相NDVI数据,采用基于傅立叶组分的相似度分类方法可以客观、经济、快速的提取湿地植被分布数据。 相似文献
2.
三江源区湖泊和沼泽遥感影像分类研究 总被引：4，自引：0，他引：4
为了进一步了解三江源区的湿地分布现状,尝试利用MODIS 16天合成的归一化植被指数(NDVI)数据,采用决策树分类方法对三江源区湿地的遥感影像进行了分类研究.在数据预处理时,采用中值滤波和主成分变换结合的方法有效地去除了MODIS数据的噪声;在决策树构建过程中,结合DEM数据有效地提取出湖泊;利用象元NDVI时序变化曲线规律,采用先控制曲线形状、再控制拐点阚值的方法对沼泽进行分类.通过精度验证,湖泊的分类精度达到了96.5%,总的分类精度达到了84.2%,Kappa系数为0.78.利用MODIS NDVI时间序列数据和决策树方法能够满足大范围区域湖泊和沼泽遥感影像分类要求. 相似文献
3.
基于MODIS影像的土地覆被分类研究——以京津冀地区为例 总被引：6，自引：1，他引：5
在全球变化研究中,如何快速、准确获取土地覆被信息对该项研究有着至关重要的作用.随着遥感科学的不断发展和应用领域的深入,研究者可以利用遥感影像进行土地覆被分类研究,并且具有准确、快速、自动化等优点.本文利用MODIS数据具有的多光谱、多时相特点,以京津冀地区为例,选取2013 年全年16-day 的MOD13Q1/EVI时间序列数据、2013 年5 月份一期的MOD09Q1(1、2 波段)和MOD09A1(3-7 波段)产品,并运用时间序列谐波分析法对全年MOD13Q1/EVI 时间序列数据进行去云、去噪的平滑重建处理,使其数据更能反映物候周期性变化规律.选择谐波分析后的全年MOD13Q1/EVI 时间序列数据、MODIS数据的1-7 波段地表反射率和NDWI(归一化差异水体指数)、MNDWI(改进归一化差异水体指数)和NDSI(土壤亮度指数),构建了3 种特征变量组合方案的CART决策树,分别进行京津冀地区的土地覆被分类研究.结果表明:方案一(全年EVI 的23 个时相)、方案二(方案一+MOD09 的1-7 波段地表反射率)和方案三(方案二+MNDWI+NDSI+NDWI)的总体分类精度分别达到86.70%、89.98%、91.34%,Kappa系数分别为84.94%、88.66%、90.20%.研究表明,仅利用MODIS遥感影像自身多种分类特征和决策树方法对宏观土地覆被分类就可达到较高精度,显示了本文分类方法在实践中的可行性及MODIS数据在区域尺度土地覆被分类研究方面的优势与潜力. 相似文献
4.
以洪湖为研究对象,采用分类与回归树(classification and regression trees,CART)方法,根据训练样本数据集中挖掘分类规则,集成遥感影像的光谱特征、植被指数、水体指数、纹理特征等特征变量,建立研究区湿地信息提取的决策树模型;在此基础上,探究水体透明度对水生植物遥感信息提取的影响,依据特征变量有、无水体透明度,分别建立两类决策树,即有水体透明度参与的决策树(CART 14)和无透明度参与的决策树(CART 13);在训练样本和验证数据相同的情况下,对比采用CART 14、CART 13、支持向量机(support vector machine,SVM)和最大似然分类(maximum likelihood classification,MLC)4种方法的分类结果的精度。研究结果表明,洪湖中水生植物覆盖面积约占洪湖湿地总面积的47%,洪湖中的水生植物以沉水植物为主;采用有水体透明度参与的决策树分类结果的总体精度比采用支持向量机和最大似然分类方法的分别提高了7.78%和16.36%,Kappa系数则分别增大了0.12和0.20,无水体透明度参与的仅比有透明度参与的决策树分类结果的总体精度降低了2.77%,Kappa系数减小了0.04。水体透明度的参与能提高分类精度,而无水体透明度参与的决策树分类结果的总体精度也高于其它传统方法的分类精度。因此,在实际湿地分类中,若无水体透明度数据,但决策树的辅助分类变量足够多时,无水体透明度参与的决策树也能较好地进行分类,提取水生植物信息。 相似文献
5.
多源多时相遥感数据在冬小麦识别中的应用研究 总被引：8，自引：0，他引：8
当前基于多时相遥感数据进行作物识别时往往只用到了单一的数据源,未能充分利用作物的时相特征和光谱特征.该文以胶东半岛为例,在冬小麦识别研究中采用一种基于多源多时相遥感数据的方法,利用MODIS NDVI产品和TM数据将冬小麦的时相特征识别与光谱特征识别充分结合.首先,基于4个时相的MODIS NDVI产品影像生成冬小麦掩膜,将冬小麦与其他作物区分开;然后将冬小麦掩膜应用于TM影像,并通过TM光谱识别的方法提取冬小麦,冬小麦识别精度达92.39%. 相似文献
6.
土壤盐渍化遥感应用研究进展 总被引：35，自引：4，他引：31
文章从地面数据的调查、盐渍土影象的目视判读特征、光谱特征和土壤盐渍化区域的植被特征以及多光谱、高光谱遥感技术等方面综述国内外应用遥感数据探测土壤盐渍化程度及其制图的研究。利用数字图象并结合野外调查数据进行目视解译和计算机自动解译、图象变换提取盐渍土信息;结合G IS方法在分类中加入非遥感数据来提高分类精度;在研究盐渍土的光谱特征的基础上应用高光谱技术定量或半定量地提取盐渍土信息。这都是制定综合治理措施、决定土地利用方向的关键,也是进行区域土壤盐渍化动态预报的重要依据。 相似文献
7.
基于MODIS数据的北京西北部地区土地覆盖分类研究 总被引：7，自引：1，他引：6
本文主要基于MODIS 16天合成的NDVI时间序列数据、8天合成 LST数据、1∶5万DEM数据以及其他辅助数据相结合,进行北京西北部地区土地覆盖分类的研究。首先选取适合于MODIS数据分类的土地覆盖分类系统,然后用PCA方法对NDVI时间序列数据进行信息增强与压缩处理,以排除各种干扰因素,提高分类精度。最后结合LST数据、DEM数据及降雨温度数据,利用?齂-均值非监督分类法,进行研究区的土地覆盖分类,经过分类后处理,得到北京西北部地区的土地覆盖分类图。分类结果表明,使用250m分辨率MODIS数据,结合本文所用方法,能够实现较大区域的土地覆盖分类,并且能达到较高的分类精度。 相似文献
8.
基于Sentinel-2A时序数据和面向对象决策树方法的植被识别 总被引：2，自引：0，他引：2
《地理与地理信息科学》2017,(5)
Sentinel-2A数据具有较高的空间分辨率和时间分辨率,克服了以往时序数据难以获取或空间分辨率低的问题。该文以山西省吕梁市陈家湾流域为研究区,基于Sentinel-2A时序数据,根据归一化植被指数(NDVI)时序曲线特征和光谱特征,构建基于面向对象决策树方法的分层分类模型,成功提取了陈家湾流域的植被信息,分类总体精度达到89.7%,Kappa系数为0.87。基于面向对象决策树方法的多时相分类结果与单时相分类结果相比,可以有效改善波谱特征相近和受地形影响较大地物的区分,减少混分现象;基于Sentinel-2A时序数据和面向对象决策树分类方法能够有效提高植被分类的精度。 相似文献
9.
快速、准确获取不同荒漠类型的分布信息,对于环境保护和生态修复有着重要意义。然而,受光谱与分辨率等因素影响,目前关于不同荒漠类型信息提取研究存在明显不足。选择青海省都兰县作为典型区,基于谷歌地球引擎(Google Earth Engine,GEE)并结合多源数据对研究区荒漠进行了分类,对比评估了不同分类特征组合应用于3种机器学习方法(RF、SVM、CART)的分类性能。结果表明：(1) RF的性能要优于CART和SVM,使用RF分类器并以光谱特征、雷达特征、地形特征、纹理特征为分类依据的总体分类精度最高,整体准确度为95.68%,Kappa系数为0.95,FM得分为94.28%,获得的都兰县荒漠面积为29 039 km2。(2)在特征重要性得分评估中,海拔与VH对荒漠分类的贡献比较突出,其他特征则差异不大。(3)在使用光谱数据的基础上,雷达特征对识别砾质荒漠与壤土荒漠的贡献突出,而地形特征则更适用于识别其他类型的荒漠。 相似文献
10.
基于决策树和MODIS植被指数时间序列的中亚土地覆盖分类 总被引：7，自引：0，他引：7
利用MODIS植被指数时间序列对中亚土地覆盖类型分类进行了研究。MODIS数据时间分辨率高,时间序列数据可以表征植被生理活动的动态变化。从时间序列数据中提取植被物候信息,可以实现对不同土地覆盖类型的定量描述。MODIS数据质量信息波段,记录了研究区遥感数据质量,提供植被指数可用性、气溶胶处理、云、冰雪可能性、合成方法等信息,为植被指数时间序列噪声的去除提供一种新的方法。决策树分类结构清晰、不基于正态统计分布假设、效率高、分类精度高。分类结果与统计数据比较,两者一致性较好,精度验证总体精度95.76％,kappa系数0.9516。 相似文献
11.
结合Landsat TM影像、Envisat ASAR的C波段雷达影像和地形辅助数据,采用决策树方法,包括分类回归树(C1assification and Regression Tree,CART)和随机森林(Random Forest,RF)算法,对扎龙湿地进行遥感分类。用实测GPS样本点对分类结果进行精度验证,并与最大似然监督分类方法(Maximum Likelihood Classification,MLC)对比。结果表明,地形辅助数据和雷达后向散射系数对湿地分类精度的提高起重要作用。基于RF算法分类结果的总精度和Kappa系数分别为92.6%和0.901,沼泽湿地的分类精度达到96.3%,较CART算法和MLC监督分类方法有明显提高。该研究提供了一种快速、高效的内陆淡水沼泽湿地遥感分类技术。 相似文献
12.
《干旱区地理》2016,(1)
目前土壤盐渍化遥感监测主要使用中低分辨率遥感影像,存在对土壤盐渍化细节信息监测能力不足的问题。通过使用国产"高分一号"卫星高分辨率遥感影像(GF-1 PMS),基于先进的面向对象方法和最大似然法进行了盐渍化信息提取,并比较了两种方法的提取效果,此外,又同Landsat8 OLI的提取结果进行了比较。通过对两种分类方法、两种最新传感器提取结果的比较,可以得出:国产高分一号影像在土壤盐渍化信息提取方面有着巨大的潜力,就提取方法而言,同最大似然法相比,面向对象方法精度更高,更适用于GF-1 PMS影像的盐渍化信息提取,面向对象法的总体精度和Kappa系数为92.94%和0.91,而最大似然法的总体精度和Kappa系数为87.78%和0.77,面向对象方法的精度高出了约5个百分点;就分辨率而言,同Landsat8 OLI影像相比,Landsat8 OLI影像分类精度只有63.47%,而GF-1 PMS高分辨影像分类精度要高很多,盐渍化信息细节描述更充分,可提取出受到盐渍化影响的植被信息,对农田尺度盐渍化遥感监测研究有重要意义,也对拓展国产高分一号影像GF-1 PMS的应用范围是有益的。 相似文献
13.
木薯作为重要的非粮能源作物,因其种植分散、与易混淆作物缺乏生长时相差,从而导致其种植分布信息难以正确获取,一直是困扰木薯乙醇资源正确评估的技术问题。该研究以广西壮族自治区武鸣县为研究区,应用高分辨率RapidEye影像数据,探讨利用面向对象分类方法合理提取木薯种植面积及其空间分布信息。研究表明,将归一化植被指数(NDVI)和数字高程数据(DEM)应用于遥感影像的多尺度分割,并结合基于隶属度函数和阈值的面向对象分类方法,提取木薯种植面积的精度达85%,分类精度(以Kappa系数表示)为0.9。相比最大似然监督分类方法和未辅以NDVI/DEM的面向对象分类方法,该方法的总精度分别提高了5%和12%,Kappa系数分别提高了0.2和0.3。因此,NDVI和DEM数据参与影像分割的面向对象的信息提取方法,可以有效地提高遥感图像分类的精度,并为提取种植分散、与相关植被时相差异小的作物的空间分布提供了有效的技术借鉴。 相似文献
14.
NDVI是监测地表植被变化的重要工具,但不同来源的NDVI数据集在不同尺度下的应用存在较大差异,需要对其进行一致性评估。本研究选取了SPOT、MODIS、GIMMS以及CDR AVHRR等四套NDVI数据集,采用相关分析和趋势分析的方法,评估了2000—2015年间四套数据集在三江源地区年际变化的一致性和差异性,结果表明：(1)从NDVI平均值的年际变化趋势来看,SOPT NDVI和MODIS NDVI均呈现出增加的趋势,且两者之间具有最强的相关性（R=0.72,p<0.001）,而GIMMS NDVI和CDR AVHRR NDVI则呈现出减少的趋势。(2)从栅格尺度的NDVI年际变化趋势来看,SPOT NDVI、MODIS NDVI以及GIMMS NDVI均呈现出整体变绿的趋势,变绿像元占比分别为86.94%、69.52%以及66.95%,而CDR AVHRR NDVI数据则呈现出整体变褐的趋势,变绿像元占比仅为33.38%。(3)从不同海拔梯度下四套NDVI数据集的差异来看,四套数据集中平均NDVI随海拔增加的变化趋势相同,但GIMMS的平均NDVI值要显著大于其他三套数据集... 相似文献
15.
提出一种基于精度较高的Landsat TM数据检测刺槐林枯梢状况的方法,整个过程分为:1)利用监督分类提取出林地分布范围,制作刺槐林地掩膜;2)对刺槐林地利用线性光谱混合模型进行混合像元分解,得到健康刺槐、非光合作用绿色植被(NPV)、土壤的丰度图,定义刺槐林的健康分类等级:健康或轻度枯梢、中度枯梢、重度枯梢或死亡;3)利用决策树分类器对丰度图像、归一化植被指数(NDVI)以及经缨帽变换获取的亮度和绿度成分定义一组规则,进行刺槐林生长健康状况分类,分类结果与实地样方数据具有较好的一致性,利用林冠分级向导进行精度分析,精度达82.2%,Kappa系数为0.752。 相似文献
16.
土壤盐渍化是制约农业生产和发展的主要障碍。目前土壤盐渍化的遥感监测主要基于中、低分辨率卫星影像,并采用传统的基于像元分类方法,对盐渍化信息的细节描述不足,监测精度不高。本文使用国产GF-1影像,结合自上而下的多尺度分割技术和面向对象的信息提取技术,针对田间尺度下的盐渍化信息进行精确地提取、分类,并与传统分类方法进行了对比。结果表明：面向对象法和最大似然法的分类总体精度分别为92.72%和84.31%,Kappa系数分别为0.90和0.78。该技术能准确提取田间尺度下的盐渍地信息,在未来的农田盐渍化高精度监测研究中具有一定应用价值和发展潜力。 相似文献
17.
雪盖信息在生态研究、水资源评价管理以及灾害防治中有重要的作用,MODIS利用冰雪指数(NDSI)和阈值提供全球每日积雪产品,微波遥感传感器AMSR-E提供南北半球不受云影响的雪水当量数据。通过融合同一天不同时间过境的MODIS积雪产品MOD10A1和MYD10A1为MOYD,融合MOYD和AMSR-ESWE积雪当量产品产生MODAM,以祁连山区气象站观测雪深数据为"真值",检验了2010-2011年积雪季MODIS积雪产品和AMSR-E识别积雪的精度,结果表明:MOYD产品和MODAM使云量减少了15%和100%,积雪精度和总体精度分别达到了24%、59%和88%、80%,通过融合多时相和多传感器数据大大提高了积雪监测精度,此外对祁连山积雪时间分布和不确定进行了分析。 相似文献
18.
基于LSWI和NDVI时间序列的水田信息提取研究 总被引：5，自引：0，他引：5
利用多时相的Landsat TM/ETM+和DEM数据,分别采用直方图匹配(HM)和准不变特征点(PIFs)方法对影像序列进行相对辐射校正,减少了影像的光照和大气条件在时间上的不确定性,提高了归一化植被指数(NDVI)和地表水分指数(LSWI)的计算精度。根据水稻在不同生育期表现出的生理特征,基于LSWI和NDVI时间序列及高程特征,采用二叉树方法提取了浙江省金华市水田信息。经过验证,在空间上水田信息的提取精度达到92.3%,在县域尺度上提取面积与统计年鉴具有0.97的相关度。 相似文献
19.
随着我国地膜使用面积的增加和人们对土壤微塑料污染问题的日益关注,大尺度的地膜遥感识别已成为农业生产管理、土壤污染防治的必要手段。针对地膜光谱反射特征的复杂性以及基于单一遥感影像光谱特征识别方法错分率高等问题,该文以河北省邯郸市邱县为试验区,利用GF-1数据的空间细节与Sentinel-2数据的光谱信息进行NN Diffuse Pan Sharpening融合,据此建立地膜识别的特征矩阵(NDVI、MNDWI、NDBI、IBI、PSI),基于该特征矩阵可实现自动阈值地膜分层分类识别。多种方法的地膜识别结果精度对比表明:多源光学遥感数据融合方法的总体精度为94.87%,Kappa系数达0.89,显著优于基于单一数据源的深度学习法的精度(93.14%)以及基于传统机器学习分类方法的支持向量机(85.91%)和随机森林分类法(86.78%)的精度;通过与Sentinel-2多光谱影像融合,弥补了GF-1数据光谱分辨率低的缺陷,实现了多源数据在地膜识别中的优势互补,可为相关部门农业规划与管理以及生态环境保护等研究提供大尺度、高精度的地膜分布参考数据。 相似文献
20.
陕西MODIS/NDVI的区域分布和季节变化 总被引：5，自引：0，他引：5
利用MODIS数据研究植被指数的时空变化特征,可以较详细地反映不同类型植被在其生长周期内的长势情况,以及各类植被生长状况在空间上的过渡和差异性。利用2004年全年的MODIS资料,采用NDVI多时相最大值合成法（MVC）,生成了一年的月合成NDVI数据集产品,分析表明：①陕西MODIS/NDVI年平均值为0.39,变化范围在-0.54～0.85之间。NDVI的年内频率分布只有在冬季（1月）呈现单峰型,其他季节均表现为双峰型。②冬季陕西NDVI的分布南北差异较小;春季延安以北和延安以南差异明显;夏季和秋季NDVI 值的分布体现了陕北北部长城沿线风沙区、黄土高原丘陵沟壑区稀疏植被、陕北南部子午岭和黄龙山林区森林植被、关中农田植被、秦巴山地森林植被和农田植被以及它们的地表差异特征。③不同植被类型的NDVI季节变化差别显著,这种NDVI时间序列曲线如实地反映了各种类型植被的生长规律,并能区分它们在生长规律上的细微差别,这又为植被区划、农作物种植面积的遥感监测提供了理论和实践基础。 相似文献