共查询到17条相似文献，搜索用时 109 毫秒
1.
近年来红树林群落中物种结构简单、功能退化等环境问题日趋严重,为了及时准确掌握红树林群落的物种空间格局与分布,本文首先基于深圳福田红树林自然保护区无人机高光谱影像,利用归一化差值植被指数和归一化潮间红树林指数提取植被区域;然后在植被区域根据最佳指数法选取信息量大、波段相关性小的波段组合,分别采用基于像素支持向量机分类方法和面向对象影像分类方法对红树林物种进行分类。试验结果表明,基于像素支持向量机分类方法的总体精度为81.03%;利用面向对象影像分类方法的总体精度为85.58%。面向对象影像分类方法能有效去除椒盐噪声,充分利用对象光谱、形状及纹理信息,提供更准确的红树林分布信息。 相似文献
2.
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
3.
利用温湿度指数提高红树林遥感识别精度 总被引：1，自引：0，他引：1
针对使用TM图像反射波段信息难以将红树林与陆地植被、尤其是与水体—植被混合像元有效区分的问题,结合不同潮位的TM图像,基于反射波段信息,引入TM6热红外波段信息,提出了温湿度指数(temperature-moisture index,TMI)。分析结果表明,综合潮位信息、热红外波段信息及温湿度指数能显著提高红树林与其他地物之间的可分性。采用光谱角度制图(spectral angle mapping,SAM)监督分类法对红树林进行分类识别,较之其他研究者所采用的分类特征,热红外波段信息及温湿度指数能使红树林分类精度明显提高(Kappa系数提高了0.14,错分率降低了19.9%),说明利用潮位信息、热红外波段信息及温湿度指数可以提高红树林的遥感识别精度。 相似文献
4.
针对复杂环境条件下水体遥感提取结果不连续且易与植被、建筑物、阴影相混淆的难题，基于Landsat 8 OLI影像，以石家庄市平山县岗南水库和宿迁市骆马湖附近河流为研究区，提出了一种空-谱角匹配与多指数法相结合的水体信息提取方法；并与单波段阈值法、归一化差分水体指数法（NDWI）、光谱角匹配法（SAM）、自动水体提取指数法（AWEI）和一类支持向量机法（OC-SVM）的水体提取结果进行对比分析和精度评定。试验结果表明，本文提出的方法兼顾了多特征之间的互补性优势，引入的空间信息有效地抑制了噪声的干扰，且以像素为基元的提取策略较好地保持了水体的边缘信息，避免了出现平滑掉细节信息的情况；与传统方法相比，本文方法受植被、建筑和阴影的干扰最小，对细小水体也具备较好的识别能力。 相似文献
5.
基于高分辨率遥感影像的地理国情普查水体信息提取方法 总被引：2，自引：0，他引：2
地理国情普查体系内容之一是提取水体地表覆盖信息,掌握我国水体现状以及空间分布情况。常规归一化差异水体指数（NDWI）算法不能完全满足基于高分辨率遥感影像提取水体信息的需要。本文以WorldView2的4波段（B、G、R、N）影像为数据源,研究基于高分辨率遥感影像的、面向对象的水体信息提取方法。研究发现：水体在蓝波段（Layer B）上表现出较强反射特性,利用蓝波段的比率值（Ratio Layer B）、标准方差值（Standard Deviation Layer B）两项指标,结合水体指数,能够构建基于高分辨率遥感影像水体提取的基本规则集,完成水体信息的自动提取,并且提取的结果质量较好。通过选取验证区,对提取方法的稳健性进行了验证,结果证明：该方法能够在地理国情普查这种基于高分辨率遥感影像的工程化生产应用中发挥重要作用。 相似文献
6.
针对遥感影像只具有红（R）、绿（G）、蓝（B）3个可见光波段时无法利用归一化植被指数（NDVI）方法提取植被信息的现状,本文提出了一种基于色调饱和度亮度（HSL）模型的可见光植被提取方法。利用自主研发的系统,将影像从RGB彩色空间变换至HSL彩色空间,构建归一化色调亮度植被指数（NHLVI）,通过分析植被与非植被信息在HSL彩色空间中的特征,以及NHLVI、H、S、L、R、G、B各分量的特征,确定协同NHLVI、S分量提取植被信息,利用B分量特征剔除结果中的非植被信息,从而实现植被信息提取,并提高提取精度。研究表明,该方法在现有NHLVI指数方法基础上,加入S分量,提升了可见光植被提取的精度及方法的适用性。 相似文献
7.
以辽宁省为研究区,本文基于GEE遥感云平台,使用Sentinel-2遥感影像,提出了一种多特征多层次的湖库水体提取算法。该算法选择自动水体指数(AWEIsh)和改进的归一化水体指数(MNDWI)提取水体,并利用归一化植被指数(NDVI)、归一化建筑指数(NDBI)、归一化差异红边指数(NDREI)、Sentinel-2的B8和B9波段及DEM数据多层次地消除暗地物和高亮地物噪声,对提取结果中被云雾遮挡而部分缺失的水体进行修复,最后将河流及细小像素剔除。利用此算法提取了辽宁省2017—2021年每年4、7、10月的湖库水体,并对比了不同水体提取算法及不同的水体数据产品。试验结果表明,本文算法在大尺度条件下提取水体具有良好的效果,总体精度达96%以上,可以较好地去除植被、阴影等暗像元表面,并且保证了水体信息的完整性,在大尺度水体提取方面具有一定的适用性和稳定性。 相似文献
8.
基于卫星遥感的水体提取算法对面积较大的水体效果较好,应用于细小水体时受混合像元、异物同谱等因素影响,容易出现误判。Sentinel-2卫星多光谱遥感数据空间分辨率为10 m、20 m、60 m,双星时间分辨率5 d,时间和空间分辨率较高,因此本文采用了Sentinel-2绿光波段（560 nm）、红边波段（705 nm）、近红外波段（842 nm、865 nm）和短波红外波段（2190 nm）的遥感反射率,提出了一种植被红边水体指数算法RWI（Vegetation Red Edge based Water Index）。对比分析了植被、阴影、建筑物、混合像元、裸土、水体6种地物的归一化遥感反射率,从机理上解释了为什么RWI比其他水体指数具有更好的提取细小水体的效果。本文对比了常用的几种水体提取算法,包括改进的归一化差异水体指数MNDWI（Modified Normalized Difference Water Index）、多波段水体指数MBWI（Multi-Band Water Index）、自动水提取指数AWEI（Automated Water Extraction Index）,以人工目视解译的水体结果为准,对比以上几种算法得到的水体提取结果,得出RWI、MNDWI、MBWI、AWEIsh、AWEInsh的面积提取差异分别为3.6%,4.2%,12.2%,8.8%,19.8%。从结果可以看出RWI算法精度最高。从影像提取结果来看,本文提出的RWI算法提取的水体边界效果更佳,而且能够一定程度上消除山体和建筑物阴影、云阴影以及混合像元的影响。同时,在2016-01—2018-12时间范围内筛选选取了共43景无云的Sentinel-2影像,利用本文提出的算法对雄安新区、神东矿区、永城矿区3个区域的细小水体分布开展了多时相分析。观察后发现每个时相的结果均十分良好,细小水体的边界区分度较高,基本没有错提、漏提,算法具有良好的适用性和稳定性。 相似文献
9.
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
10.
针对GF-2卫星影像数据的特点，选取了临夏回族自治州境内两个不同研究区域，分别采用单波段阈值法、归一化差分植被指数法（NDVI）及其他3种水体提取指数法（NDWI、SWI、MSWI）对两个研究区进行水体提取试验。通过分析比较各水体指数模型中阈值对水体提取精度和稳定性的影响，发现研究区1（城区）中单波段阈值法提取效果最高达到71.29，且稳定性较好。研究区2（山区）中MSWI方法提取精度最高为95.76，稳定性较单波段法次之。本文试验为GF-2影像在不同区域进行水体提取时选择不同模型及阈值时提供可靠的参考依据。 相似文献
11.
大范围的红树植物遥感提取容易受地物遮挡、海水浸淹以及红树植物本身覆盖程度等因素影响,为了解决这一问题,2019-04在中国广东省湛江市通明海湾红树植物生长区域进行了现场调研,并使用高分一号（Gaofen-1, GF-1）卫星遥感影像提取红树植物分布范围。首先,根据地物波谱特征,使用归一化水体指数提取水陆边线,建立红树植物适宜生长区域;然后,使用面向对象方法逐步精确红树植物生长区域,采用光谱归一化差值指数、植被指数的方法二次提取通明海湾红树植物的分布区域;最后,对两次提取结果取并集,最大化精细提取红树植物生长范围。利用经验模型对该海湾进行海水的叶绿素a反演,分析该区域红树植物周围海水叶绿素a的浓度及分布特征,对红树植物与其周围水环境叶绿素a浓度的相关性进行研究。研究结果显示,红树植物生长区域的水体叶绿素a浓度极高,且近岸水体有红树植物的区域,其叶绿素a浓度要高于无红树植物区域。相关性分析表明叶绿素a浓度与红树植物之间有较好的相关性,叶绿素a浓度由高浓度急剧降低为低浓度,证明红树植物周围水体叶绿素a浓度及分布特征有明显变化规律,可以使用该方法精细提取全部红树植物生长范围。 相似文献
12.
针对国产风云三系列中分辨率卫星快速有效地进行水体识别的问题,基于2011—2016年数据进行了辽宁省主要湖泊水库的光谱分析,提出了晴空条件和有云情况下分别采用归一化水体指数方法和通道值与归一化水体指数相结合方法进行湖泊水库的提取。结果表明:FY3B/MERSI湖泊光谱曲线具有水体光谱特征,具体表现为8通道的数据反射率最高,18通道数据反射率最低。通过与49景TM数据水体提取结果进行对比,FY3B/MERSI数据水体提取的面积精度达到85%以上,总体分类精度达到90%以上,Kappa系数在0.56~0.95之间。提出了简便、快捷的计算模型,为国产卫星数据的业务应用提供了初步方法。 相似文献
13.
氮素是植被整个生命周期的必要元素,红树林冠层氮素含量（CNC）遥感估算对红树林健康监测具有重要意义。以广东湛江高桥红树林保护区为研究区,本文旨在基于Sentinel-2影像超分辨率重建技术进行红树林CNC估算和空间制图。研究首先基于三次卷积重采样、Sen2Res和SupReMe算法实现Sentinel-2影像从20 m分辨率到10 m的重建;然后以重建后的影像和原始20 m影像为数据源构建40个相关植被指数,采用递归特征消除法（SVM-RFE）确定CNC估算的最优变量组合,进而构建CNC反演的核岭回归（KRR）模型;最后选取最优模型实现CNC制图。研究结果表明：基于Sen2Res和SupReMe超分辨率算法的重建影像不仅与原始影像具有很高的光谱一致性,且明显提高了影像的清晰度和空间细节。红树林CNC反演波段主要集中在红（B4）、红边（B5）、近红外波段（B8a）以及短波红外波段（B11和B12）,与“红边波段”相关的植被指数（RSSI和TCARIre1/OSAVI）也是红树林CNC反演的有效变量。基于3种方法重建后10 m的影像构建的模型反演精度（R2val>0.579）均优于原始20 m的影像（R2val=0.504）;基于Sen2Res算法重建影像构建的反演模型拟合精度（R2val=0.630,RMSE_val=5.133,RE_val=0.179）与基于三次卷积重采样重建影像的模型拟合精度（R2val=0.640,RMSE_val=5.064,RE_val=0.179）基本相当,前者模型验证精度（R2cv=0.497,RMSE_cv=5.985,RE_cv=0.214）较高且模型变量选择数量最为合理。综合重建影像光谱细节及模型精度,基于Sen2Res算法重建的Sentinel-2影像在红树林CNC估算中具有良好的应用潜力,能为区域尺度红树林冠层健康状况的精细监测提供有效的方法借鉴和数据支撑。 相似文献
14.
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
15.
针对高分辨率遥感影像中阴影对道路提取产生较大干扰的问题,提出了一种基于脉冲耦合神经网络(PCNN)的城市道路提取方法。该方法首先在近红外波段检测并消除阴影和水体的影响,并使用PCNN对消除阴影后的灰度图像进行分割处理;然后使用形态学建筑物指数(MBI)和归一化差分植被指数(NDVI)分别提取出建筑物和植被信息,消除建筑物和植被的影响;最后提取受行道树影响较大的道路,并对处理后的图像作数学形态学法的处理。该文以深圳市SPOT-7高分辨率影像进行实验。实验表明,该方法能保留原始的道路边缘细节信息,并对阴影具有很好的抗干扰作用,提取的道路信息具有很好的连续性和完整性。 相似文献
16.
D. G. Shah Anjali Bahuguna B. Deshmukh S. R. Nayak H. S. Singh B. H. Patel 《Journal of the Indian Society of Remote Sensing》2005,33(1):155-163
Mangroves of the Marine National Park constitute the second largest patch of mangroves in Gujarat, extending up to 11,000
ha, comprising six species of mangroves. Earlier studies carried out using remote sensing data pertained to baseline data
generation and mapping and monitoring the mangroves (density-wise) of the Park from 1975 to 1993. Using IRS IC/ID LISS III
data (1998–2001) supported by ground data, the distribution of different mangrove communities in the Park has been attempted.
Amongst various image-processing techniques, band ratioing followed by supervised classification gave the best result (classification
accuracy was 92%).Avicennia community is the most dominant community accounting for more than 70% of the area. TheRhizophora community occupies the inward margins of the creeks and theCeriops community is present in the interior regions. The ecotone between the marsh and mangrove communities has been identified
as the transitional mangroves (Avicennia alba, Sueada), representing the transition from the less saline mangrove to the highly saline marsh community. The zoning of the mangroves
has also helped in assessing the diversity of the region. Based on the richness of species, three areas, namely Bhains Bid,
North-east Dide Ka Bet and South-east Chhad Island have been identified as highly diverse (most suitable area for preservation). 相似文献
17.
研究山区地表水体信息OLI遥感数据去阴影自动提取方法,设计基于数字高程模型与指数提取的决策树分类方法,提高水体自动识别的精度。该方法选取改进的归一化水体指数、归一化植被指数、比值植被指数、主成分分析前3个分量以及波段之间的组合运算,并结合DEM构建决策树分类规则。综合采用单波段阈值、谱间关系、植被指数和水体指数阈值完成山体水体的去阴影识别研究,与计算机自动识别分类方法比较,其精度明显提高。结果表明,决策树分类方法在精度上明显高于常用的计算机自动分类方法,可以很好地被利用于OLI遥感数据水体信息的海量、大范围提取。 相似文献