共查询到20条相似文献，搜索用时 15 毫秒
1.
为了准确地识别红树林中的各种红树物种种群分布区,以广东湛江红树林国家级自然保护区核心区的高桥红树林区为研究区,采用决策树算法、随机森林算法、自适应提升算法、梯度提升决策树算法、极端梯度提升算法和轻量级梯度提升机算法,利用WorldView-2卫星的高分辨率影像数据,构建影像的原始光谱波段、原始光谱波段+植被指数、原始光谱波段+植被指数+纹理特征3种特征组合数据集,识别研究区红树林中的各种红树物种种群分布区,分析各种算法在红树物种识别中的适用性。研究结果表明,5种集成学习算法的分类结果都优于决策树算法,其中,轻量级梯度提升机算法分类结果的分类精度最高,基于WorldView-2影像的8个原始光谱波段+12种植被指数+28种纹理特征,轻量级梯度提升机算法分类结果的总体分类精度值为93.15%,其分配不一致性值为5.07%,数量不一致性值为1.78%;极端梯度提升算法和随机森林算法在红树物种识别中也具有良好的适用性。WorldView-2卫星影像是对红树林中各种红树物种进行遥感分类的理想数据源,其纹理特征能显著提高分类精度,轻量级梯度提升机算法在红树物种识别中具有很大的应用潜力。 相似文献
2.
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
3.
《湿地科学与管理》2021,(3)
森林沼泽作为独特的湿地类型,对区域碳循环和生物多样性保护具有重要作用。以吉林省哈尼湿地为研究对象,集成应用Sentinel-1雷达和Sentinel-2多光谱影像,充分挖掘Sentinel-1多极化波段特征和Sentinel-2红边指数对森林沼泽遥感识别的潜力,应用随机森林方法实现哈尼湿地森林沼泽分布信息的提取。结果表明:当森林沼泽信息提取最优决策树数目为1 200,融合Sentinel-1 VV与VH后向散射系数雷达波段特征与Sentinel-2红边波段特征能显著提高森林沼泽分布信息的提取精度,保护区森林沼泽信息提取总体精度与Kappa系数分别高达89%、0.85,提取质量相对较高。哈尼湿地景观类型多样化,天然湿地、人工湿地与非湿地景观类型并存。在天然湿地类型中,森林沼泽面积最大,为27.1 km~2,占保护区总面积的11.2%;河流面积最小,为0.7 km~2,占保护区总面积的0.3%。森林沼泽提取方法为哈尼湿地的可持续管理提供数据支持,也为其他地区森林沼泽制图提供案例指导。 相似文献
4.
以黑龙江流域中的扎龙湿地及其上游区域为研究区,将Sentinel-2红边波段和Sentinel-1雷达波段影像数据相结合,根据面向对象原理,采用随机森林算法,对研究区的湿地进行遥感分类和信息提取;利用3种特征变量集,进行实验对比,研究红边波段反射率和雷达后向散射系数对湿地信息提取的作用。研究结果表明,红边波段反射率和雷达后向散射系数对土地覆盖分类精度的提高起到了重要作用,两者结合得到的分类结果的总体精度达到了88.72%,Kappa系数为0.87,其中,水体、水田和沼泽的用户精度分别为100%、98.18%和91.37%。利用红边波段和雷达波段影像数据,分别使土地覆盖分类总体精度提高了5.26%和2.51%,红边波段影像数据对沼泽提取精度的提高贡献最大,使生产者精度提高了12.5%。 相似文献
5.
基于多类型无人机数据的红树林遥感分类对比 总被引：2，自引：0，他引：2
使用固定翼无人机、消费级旋翼无人机和专业级旋翼无人机获取广东珠海淇澳岛红树林保护区多类型无人机遥感影像，使用基于面向对象分类的K-最近邻与随机森林分类器对研究区影像进行红树林树种精细分类和对比分析，并探讨了不同类型无人机平台在红树林资源调查应用中的优缺点。结果表明：1）固定翼无人机、消费级旋翼无人机和专业级旋翼无人机数据使用K-最近邻法的分类精度分别为：73.8%、72.8%和79.7%；使用随机森林法的分类精度分别为：81.1%、84.8%和89.3%。3种平台类型的无人机数据均适用于红树林精细分类研究，对于无人机红树林遥感数据，随机森林的分类方法优于K-最近邻方法。2）以拍摄面积与用时之比估算采集效率，固定翼无人机、消费级旋翼无人机和专业级旋翼无人机分别为0.036、0.013和0.003 km2/min。固定翼无人机的采集效率具有明显优势。3）固定翼无人机适合大范围红树林数据采集，要求较高；消费级旋翼无人机适于获取小范围精细数据，成本低且易学易用；专业级旋翼无人机适合搭载质量稍大的如成像光谱仪、LiDAR等专业传感器获取多源数据。最后给出了无人机在红树林遥感研究中的注意事项和建议。 相似文献
6.
以中国东北赤峰市美林地区5种典型优势树种为研究对象,采用与当地森林植被生长期相对应的5景Senti-nel-2影像,借助支持向量机模型(SVM)与递归特征消除算法(RFE),根据可见光-近红外波段(VNIR)与不同红边谱段(RE)及红边指数(REVI)组合条件下的森林优势树种可分性测度及结果精度差异,探讨Sentinel-2影像不同红边谱段及其指数特征对区域优势树种遥感识别的影响.结果表明:Sentinel-2影像红边谱段的不同组合方式对不同生长期优势树种识别影响存在显著差异(P<0.05),其中VNIR+B5+B6为生长盛期的最佳组合方式,能够在VNIR基础上将生长盛期的识别精度均值提升约7.71％;叶全变色期是进行优势树种识别的最佳时期(P<0.05),该时期基于VNIR波段的识别精度均值达71.28％,在叠加红边波段B5+B6后提升至75.41％.此外,采用SVM-RFE算法构建适用于不同生长期的最佳REVI组合,其平均识别精度能够在全年5个生长期达到72.00％～84.31％,相比同时期基于RE+VNIR组合的最优识别结果平均提升了10.77％;在此基础上,构建适用于全生长期的优选植被指数PSRI+mSAVI+CIred-edge时间序列,可实现89.03％的平均识别精度,比单时相最佳REVI组合提升了4.72％～17.03％.研究证明Sentinel-2影像红边谱段及其衍生指数特征在区域森林优势树种识别中具有较高的应用价值,可为快速、准确地提取不同生长期森林植被信息提供技术方法参考. 相似文献
7.
以洪河国家级自然保护区为研究区,选取了多时相的Sentinel-1B和Sentinel-2A影像为数据源,制定出9种多时相主被动遥感数据组合方案,用于沼泽湿地遥感分类;分别对根据9种方案整合的多维数据集,进行基于尺度继承的多尺度分割,得到面向对象的分割影像,建立与不同方案对应的特征数据集;采用随机森林机器学习算法,对多维特征数据集进行特征优化,并进行参数调优,构建沼泽植物的最优遥感识别模型,实现对沼泽湿地中地物的识别与分类。研究结果表明,采用递归特征消除(recursive feature elimination,RFE)算法的变量优选和采样随机森林的参数调优,可以优化随机森林模型,显著减少数据冗余,整合多时相主被动遥感数据方案九的随机森林模型的最佳参数mtry和ntree分别为4和1500,模型训练精度为93.06%,Kappa系数为0.916,其模型训练精度在所有方案中最高;经过变量优选得到最佳特征变量组合,交叉极化方式的后向散射系数(Mean_VH)对于沼泽分类的重要性比同向极化方式的后向散射系数(Mean_VV)高;光谱特征是遥感图像分类的最主要特征,其中,红光和绿光波段(Mean_R和Mean_G)、多光谱红边波段(Mean_REG1和Mean_REG2)、近红外波段1(Mean_NIR1)、红边植被指数(CIgreen和CIreg)都对分类具有较高的重要性;纹理特征熵(GLCM_Entro、GLCM_Ent2)和位置特征像元坐标(X_Min_Pxl和Y_Max_Pxl)对沼泽湿地分类也起到重要作用,相对于其它特征,形状特征对分类的贡献性较小;利用方案九的数据得到的分类结果的总体分类精度为94.42%,主被动遥感数据的特征变量和不同时相的特征变量都对分类做出重要贡献,其中,6月的多光谱特征变量的贡献大于9月的变量;9月的SAR特征变量的贡献大于6月的变量;对分类贡献最大的9月的特征变量为多光谱红边波段2(Mean_REG2),对分类贡献最大的6月的特征变量为绿光波段(Mean_G);融合多时相主被动遥感数据源,可以将不同数据源、不同时相对分类具有较大贡献的特征变量集合在一起,充分利用光谱信息和雷达数据反映的结构信息,构建多维度最佳特征变量组合方案,有效提高沼泽湿地分类精度。 相似文献
8.
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
9.
以广东沿海红树林为研究对象，结合谷歌地球引擎（GEE）云计算平台，以1986—2018年32期3 359景Landsat系列卫星遥感影像为数据源，采用随机森林（RF）方法提取1986—2018年广东省红树林面积，比较全省沿海城市红树林年际时空变化特征，并从景观斑块角度分析广东省红树林斑块演变特征。结果表明：1）1986—2018年红树林遥感分类总体精度均高于90%，广东省沿岸红树林面积总体呈先减少后增加的趋势，且其在2014年后变化幅度逐渐减小。2）从各沿海城市来看，红树林共分布在14个市内，其中湛江和阳江是红树林面积分布最大的2个城市；各市红树林面积变化可分为先减后增、波动增加和无明显变化3类。3）1986—2018年广东省红树林斑块数量总体呈减少趋势，但斑块平均面积（MPS）呈上升趋势，红树林破碎化程度减轻。获取年际红树林面积分布信息和空间结构变化趋势，可为红树林合理开发与保护提供数据和参考，服务于红树林生态恢复和精细化管理。 相似文献
10.
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
11.
《山地学报》2017,(2)
本研究以Landsat 8为遥感数据源,以样地调查数据和森林资源二调数据为辅助数据对西藏林芝县的森林蓄积量进行反演研究。研究通过多元回归分析构建了林芝县森林蓄积的估算模型。为验证纹理信息的加入能否提高森林蓄积量遥感反演的精度,研究通过灰度共生矩阵提取了Landsat 8的纹理特征。在分析了森林蓄积量与遥感影像各波段、植被指数、纹理特征以及地形因子之间的相关关系后,分别以(1)光谱和地形因子、(2)纹理信息、(3)光谱因子、地形特征和纹理特征结合为自变量构建森林蓄积量的遥感估测回归模型。实验结果表明:传统的森林蓄积量反演方法得到的精度最低,而基于光谱因子、地形特征和纹理特征结合的森林蓄积量估测模型得到结果的精度最高,达到80.24%,均方根误差RMSE为1.018。研究结果证明随着纹理信息的引入,原本仅基于光谱和地形因子的森林蓄积量反演复相关系数从0.5843提高到0.7075,反演精度提高了10.06%,这说明纹理信息对森林蓄积的反演精度有提高的作用。本研究构建的基于光谱因子、地形特征和纹理特征结合的回归模型对研究区内的森林蓄积量反演具有可靠性,对于森林资源的监测和管理具有重要的意义。 相似文献
12.
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
13.
《山地学报》2018,(6)
为有效实施植被信息获取及监测,亟需分类准确及易于推广的植被信息识别技术。本文利用无人机航拍获取植被光学影像,利用深度语义分割技术建构植被种类识别模型,为植被变化动态监测提供准确的植被类别信息。首先,基于安溪县龙门镇崩岗区的采样点,获取20 m航拍高度的无人机影像,构建FCN-VGG19植被识别模型,探讨不同特征融合结构对FCN-VGG19识别性能的影响,测算出各植被的覆盖面积;其次,取安溪县另一取样点的无人机影像作为验证集,分析FCN-VGG19的迁移学习能力,验证模型稳健性。结果表明:(1)基于20 m高度的无人机影像建立的FCN-VGG19-8s模型识别正确率最高,为86. 30%;(2) FCN-VGG19-8s识别精度高于FCN-VGG19-32s;并从测试集中随机抽取一张图,测算该测试图的马尾松覆盖面积为78. 38 m2,芒萁覆盖面积为12. 77 m2,柠檬桉覆盖面积为0. 89 m2;(3)在模型的迁移学习能力试验分析中,当A数据集占训练集的比例下降时,对模型识别B数据集的影响不大;当B数据集的数据量减少时,其识别精度稍有下降,仍有84. 5%。本文基于无人机光学影像,结合深度语义分割模型进行植被识别,以福建安溪县为例验证模型稳健性,分析模型在测算植被覆盖面积的适用性,旨在为植被识别研究提供新思路。 相似文献
14.
由于云污染、实地验证点的匮乏,以及地形地貌的复杂、破碎化,多云山区土地覆被的准确分类较难实现。以藏东南这一典型的多云山区及生态过渡区为研究区,基于Google Earth Engine(GEE)平台和野外实测数据,结合多光谱数据、雷达数据、高程数据、辅助数据,提取光谱特征、纹理特征、地形特征等信息,利用递归特征消除法对特征进行优化,并采用随机森林算法构建分类模型,以期有效利用多源遥感数据提高土地覆被分类精度。结果表明：(1)并非特征越多分类精度越高,特征选择后数量由58个减至38个,分类精度（总体精度93.96%,Kappa系数0.92）较未优化前（总体精度93.11%,Kappa系数0.92）略有提升。(2)地形特征及雷达特征对藏东南土地覆被分类具有重要作用,地形特征对多数土地覆被类型的分类精度具有影响,而雷达数据对裸地、建设用地、灌丛影响较大,分类过程中如不考虑地形及雷达特征,总体精度分别降至88.98%,92.48%。纹理特征以及时序特征仅对提高具有明显纹理以及时序变化的土地覆被类型的精度有帮助。结合随机森林和特征优化算法,能够在保证土地覆被分类精度的同时,高效整合多源数据信息,... 相似文献
15.
基于高分辨率遥感影像的城市典型乔木树种分类研究 总被引：2，自引：0，他引：2
《地理与地理信息科学》2016,(1)
为探索高分辨率遥感影像对城市复杂环境优势乔木树种分类的有效性,采用面向对象分类方法,基于WorldView-2影像对首都师范大学及周边地区(CNU)、北京师范大学及周边地区(BNU)两个研究区进行优势乔木树种(泡桐、法国梧桐、杨树、国槐、银杏)分类。首先对WorldView-2影像进行分割,获得树冠区域及其49个属性特征,包括31个光谱属性和18个纹理属性;随后利用随机森林RF与支持向量机SVM两种分类算法对树冠区域进行分类。CNU研究区SVM与RF总体分类精度分别为86.5%、75.8%,Kappa系数为0.801、0.648;BNU研究区SVM与RF总体分类精度分别为66.9%、65.3%,Kappa系数为0.541、0.520。实验表明WorldView-2影像能有效实现城市非阴影区域优势乔木树种分类,但异质性较高、树种分布分散的区域分类精度低于异质性较小、树种分布密集的区域;WorldView-2影像的4个新增波段尤其是红边波段的派生属性在分类过程中所占权重值较高。 相似文献
16.
《湿地科学》2015,(4)
红树林是潮滩木本植物群落,其光谱和陆生植被极其相似。利用EO-1卫星ALI(advanced land imager)获取的深圳湾区域影像数据,针对处于水分吸收带的波段5P和波段5,提出了这两个波段的角度指数(angle index),分别表示为b1.25和b1.65。以b1.25-b1.65和归一化差值植被指数(normalized difference vegetation index,NDVI)分类特征,采用决策树方法,开展了红树林遥感识别实验。研究结果表明,红树林独特的滨海湿地特点,使得其像元反射率在波段5P和波段5明显低于陆生植被,从而导致红树林的b1.25-b1.65值明显大于陆生植被;通过结合b1.25-b1.65和NDVI分类特征的决策树方法,能够对红树林进行有效识别,其错分率和漏分率分别为4.29%和5.11%。因此,具有众多红外波段的ALI遥感器在红树林识别中能够发挥重要作用。 相似文献
17.
基于特征优选的随机森林模型的黄河口滨海湿地信息提取研究 总被引：1，自引：0，他引：1
以2016年8月26日Landsat-8 OLI影像为数据源,针对特征变量数目可影响分类精度和运算速率问题,采用一种基于特征优选的随机森林模型,提取了黄河口滨海湿地高精度信息。首先,采用Relief(relevant features)-F算法,对全部特征变量进行权重排序,剔除不相关变量;然后,分别采用基于特征优选的随机森林模型、最大似然方法和神经网络分类算法,提取黄河口滨海湿地信息,比较基于特征优选的随机森林模型与其它两种分类方法在滨海湿地信息提取应用中的精度和效率。研究结果表明,基于特征优选的随机森林模型滨海湿地分类效果最佳,总精度为86.39%,Kappa系数为0.81,明显高于最大似然和神经网络分类方法;其中,河流湿地分类精度最高,为95.83%,盐田分类精度最低,主要原因在于盐田与养殖池、水库/坑塘的光谱和几何特征极为相似,易于混淆;但与最大似然分类和神经网络分类方法相比,该方法提取效果明显改善,分类精度分别提高了16.84%和4.44%。本研究结果证明,采用Relief-F算法特征优选的随机森林模型提取滨海湿地信息的方法,具有分类精度高、运算速率快的优势,适用于滨海地区不同类型湿地高精度信息提取。 相似文献
18.
基于阈值分割的黑龙江省森林类型遥感识别 总被引：1，自引：0，他引：1
全球变化背景下,准确获取森林覆盖是监测森林资源动态、实现林业可持续发展的重要基础。为将省级尺度森林资源清查面积资料空间化,以黑龙江省为例,利用1999-2003年该省森林资源清查面积数据,结合2000年500 m分辨率的MODIS数据,构建了基于阈值分割的森林类型遥感识别方法。该方法利用不同地表覆被类型归一化植被指数时间序列的季节分异特征,以森林资源清查面积为标准,设定森林类型的划分阈值,识别了黑龙江省森林类型的空间分布。最后,基于分层随机抽样和精度评价方法,表明森林类型识别结果与地面参考数据具有较高的一致性,总体分类精度为78.1%;特别是季节特征明显的落叶林,精度可达80%以上。本文所构建的方法可将森林清查统计数据进行准确的空间定位,同时结合多期森林资源连续清查资料和遥感信息,可为识别并量化区域生态系统生物量和碳库变化等提供科技支撑。 相似文献
19.
Sentinel-1A合成孔径雷达数据不受云、雾等天气条件的影响并具有丰富的纹理信息，为提取城市建设用地信息提供了一种新的数据源。本文发展了一种基于Sentinel-1A合成孔径雷达数据和全卷积网络的城市建设用地监测方法。该方法的优势主要在于可以有效复合不同极化方式下的Sentinel-1A合成孔径雷达数据和综合集成多尺度特征。在甘肃省张掖市甘州区的应用表明，该方法的提取结果总体精度为92.50%，Kappa系数为0.85。与现有方法“KTH-Pavia城市提取器”相比，Kappa系数提高了37.10%，总体精度提高了11.50%。因此，该方法具有良好的应用潜力。 相似文献
20.
《湿地科学》2017,(5)
利用2015年4~11月8景C波段Rardarsat-2影像SGX产品数据和2015年9月10日Landsat 7的7个波段的反射率数据,采用面向对象分类方法,获得8个日期的扎龙湿地淹水区,计算出淹水频次;选取的19个特征变量分别为Landsat 7影像的1波段~7波段的反射率、归一化植被指数、二阶距、对比度、相关性、差异性、能量、同质性、中值、HH和HV极化波段的后向散射系数、淹水范围和淹水频率,采用随机森林算法,提取扎龙湿地的土地利用类型信息。研究结果表明,有淹水频率参与的分类精度为91.73%,无淹水频率参与的分类精度为76.49%,精度提高主要体现在沼泽湿地与草地的分类上。本研究为准确地更新湿地基础信息提供了方法示范。 相似文献