共查询到20条相似文献，搜索用时 438 毫秒
1.
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
2.
基于无人机重建点云与影像的城市植被分类 总被引：2，自引：0，他引：2
针对以往无人机遥感用于城市植被分类时多利用影像光谱、纹理和形状等特征,影像重建点云数据未能充分利用的问题,提出一种综合影像重建点云与光谱信息的城市植被分类方法。首先,基于运动恢复结构(structure from motion,SFM)、多视图聚簇(cluster multi view stereo,CMVS)和基于面片模型的密集匹配(patch based multi view stereo,PMVS)算法重建研究区密集点云;然后,经滤波、插值生成研究区数字高程模型(digital elevation model,DEM)和归一化数字表面模型(normalized digital surface model,n DSM),同时结合影像光谱信息对不同高度的城市植被进行分类提取;最后,采用面向对象的影像分析方法,根据n DSM信息与归一化绿红差异指数(normalized greenred difference index,NGRDI)及可见光波段差异植被指数(visible-band difference vegetation index,VDVI)等光谱信息,分别建立了水生植被、草地、灌木、小乔木和乔木等不同植被的分类规则。实验结果表明综合利用影像重建点云得到的n DSM信息与影像光谱信息提取不同高度的植被是可行的,总体分类精度达到92. 08%。该方法可为城市植被分类与制图提供理论支持和应用参考。 相似文献
3.
针对现有植被水分反演算法在华北平原地区适用性差、反演精度低、不能实施有效监测的问题,该文基于地面实测冬小麦植被含水量(VWC)数据,基于归一化型和比值型植被水分指数这两种常见的指数类型,提出调节植被水分指数以削弱土壤背景的影响,使用多个波段反射率数据反演VWC,提高拟合精度80%以上,发展适用于华北平原的农作物水分含量反演模型。拟合冬小麦植被含水量的决定系数为0.51,均方根误差为0.95(kg·m~(-2))。结果表明:调节植被水分指数能够削弱土壤背景影响,大幅度提高植被水分反演精度;同一种指数计算形式中,在水汽吸收谷内,基于更长波段反射率的植被水分指数反演精度更高;归一化型和比值型植被水分指数在反演精度方面无明显优劣,归一化型植被水分指数反演精度。 相似文献
4.
高邮湖湿地是江苏省重要湿地之一,对生态、环境控制、调节气候和保护生物多样性具有重要意义。采用2007年的LandsatTM影像作为遥感信息源,选择影像的光谱特征和比值植被指数(RVI)、差值植被指数(DVI)、归一化植被指数(NDVI)、归一化差异绿度指数(NDGI)、土壤调节植被指数(SAVI)和最佳土壤调节植被指数(OSAVI)6种植被指数做了光谱特征分析,从而确定出最佳指数模型,并基于决策树方法,实现研究区景观信息的遥感分类。研究结果表明,决策树分类法易于综合多种特征进行遥感影像分类,植被指数参与到决策树分类中能够提高分类的总体精度,其总体精度达到79.58%,Kappa系数为0.721 0,分类结果理想且人工参与灵活。 相似文献
5.
不同传感器的模拟植被指数对水稻叶面积指数的估测精度和敏感性分析 总被引：5，自引：0，他引：5
本研究利用水稻冠层高光谱数据,模拟NOAA-AVHRR,Terra-MODIS和Landsat-TM的可见光波段反射率数据,计算各传感器的多种植被指数(NDVI,RVI,EVI,GNDVI,GRVI和Red-edge RVI),比较植被指数模型对水稻LAI的估测精度,分析不同植被指数对LAI变化的敏感性.相对于红波段植被指数,红边比值植被指数(Red-edge RVI)和绿波段指数GRVI与LAI有更好的线性相关关系,而GNDVI和LAI呈现更好的对数相关关系.MODIS的Red-edge RVI指数不仅模型拟合的精度最高,还有独立数据验证的估测精度也最高,而且它的验证精度较拟合精度下降幅度最小;其次是绿波段构建的GNDVI和GRVI植被指数的估测精度,再次是NDVI和EVI的估测精度,而RVI的估测精度最差.敏感性分析发现,13个植被指数对水稻LAI的估测能力都随着LAI的增加而下降,但归一化类植被指数和比值类植被指数对LAI变化反应的差异明显,归一化类植被指数在LAI较低时(LAI<1.5)对LAI变化的反应开始非常敏感,但迅速下降,而比值类植被指数在LAI较低时,明显小于归一化类植被指数,之后随着LAI的增大(LAI>1.5)比值类植被指数对LAI的变化敏感性,则明显高于归一化类植被指数.Red-edge RVI和绿波段指数GRVI和LAI不仅表现了很好的线性相关关系,而且在LAI大于2.9左右保持较高的敏感性. 相似文献
6.
利用无人机技术进行社区植被覆盖率调查 总被引：1，自引：0，他引：1
无人机遥感与传统遥感方法相比具有成本低、周期短、分辨率高等优势,适合小区域内地理信息的快速获取与更新。本文提出一种基于无人机的社区植被覆盖率调查方案,使用无人机获取社区范围内的航拍影像生成正射影像图,再基于可见光波段差异植被指数VDVI提取植被像素。为了解决拼接影像的VDVI直方图缺少双峰特征而导致的阈值选择困难,引入OTSU(大律法)来确定植被与非植被的分割阈值。为了解决偏绿建筑导致的伪植被现象,提出一种使用蓝红波段阈值来剔除偏绿建筑的方法。通过江阴市江锋社区的航飞数据进行实验证明,本文所提出的社区植被覆盖率调查方案具有生产周期短且准确率高的优点。 相似文献
7.
典型湿地类型分类对于湿地生态环境保护和生态环境建设具有重要意义。本研究以高分一号宽幅多光谱影像数据作为数据源,以鄱阳湖典型湿地作为研究对象,进行典型湿地类型分类。研究采用主成分分析、归一化植被指数、比值植被指数和归一化差异水体指数等方法对不同湿地类型进行光谱特征分析,结果表明:高分一号宽幅多光谱影像反演的归一化植被指数和归一化水体指数能够较好地区分水体、泥滩、挺水植物和湿生植物等常见湿地类型。通过归一化植被指数将湿地类型分为植被和非植被,归一化差异水体指数将植被类型进一步分为挺水植物和湿生植物,将非植被分为水体和泥滩。构建决策树对典型湿地类型进行自动分类,经过精度评价和分析验证,该方法针对高分一号宽幅数据进行典型湿地分类总体精度能够达到82.28%,Kappa系数0.7346,优于常规的监督分类和非监督分类。 相似文献
8.
基于无人机影像对不同农作物植被在不同生长期的净初级生产力进行估算.本文对试验田区域的可见光植被指数(GRRI、GBRI、NGRDI、NGBDI、VDVI及RGBVI)与NDVI指数进行相关性分析,发现可见光波段差异指数(VDVI)与NDVI指数呈显著相关性.在此基础上,将无人机影像的VDVI指数代入CASA模型,对试验田的农作物的月净初级生产力进行估算.结果表明:1)VDVI指数可以很好地区分水稻、玉米和黄豆等作物.2)碳密度月均值的大小与作物的生长时期有直接关系.处于枯萎期的玉米的碳密度均值小于实验田的碳密度月均值,处于生长期的水稻、黄豆和芋头等作物植被的碳密度值大于实验田的碳密度月均值.3)作物混种的碳密度均值大于单一作物的碳密度均值. 相似文献
9.
针对山区植被分类受地形复杂、植被类型多样、验证数据获取困难等因素限制基于多光谱数据的亚热带山区土地利用/覆盖分类存在困难,探究利用物候信息对亚热带山区植被实施分类的效果。综合运用归一化植被指数(NDVI)、比值植被指数(RVI)、归一化水指数(NDWI),同时考虑到海拔高度对植被类型的影响,建立决策树模型。该模型基于多时相Landsat TM影像,利用了不同地物类型的物候特征和光谱差异,将漓江上游地区分为8种土地覆盖类型。实验结果表明,分类结果总体精度达到86.40%,Kappa系数为0.83。 相似文献
10.
《国土资源遥感》2021,(3)
潮滩地形与滩涂湿地生态系统的结构和功能密切相关,准确获取高精度的地形数据,对于分析潮滩的冲淤动态和盐沼植被扩散过程具有十分重要的意义。受自然潮滩观测时间有限、观测条件恶劣及植被覆盖等因素影响,传统的潮滩地形监测方法往往存在操作困难、效率较低、成本过高及覆盖范围有限等不足。文章通过无人机低空遥感方法获取航拍影像与其波段信息,基于运动结构技术提取影像三维坐标信息,构建研究区高精度数字表面模型(digital surface model,DSM),利用DSM模型直接获得无植被覆盖的光滩数字高程模型(digital elevation model,DEM);对于有盐沼植被覆盖的区域,利用红、绿、蓝3个可见光波段信息计算可见光差异植被指数(visible-band difference vegetation index,VDVI),同时结合野外现场调查,获取潮滩盐沼植物株高与VDVI指数的定量关系,建立株高反演模型;并利用株高反演模型从DSM中滤除植被,准确反演出潮滩植被区的DEM,从而整体获得潮滩地形的反演结果。结果表明,结合无人机低空遥感和现场调查的方法可以较好地实现对潮滩地形的精确反演:光滩区地形均方根误差为0.07 m,其精度与高精度三维激光扫描仪测量结果接近;经过植被滤除后,潮滩植被区地形均方根误差下降到0.14 m,数据精度可提升60%,优于传统的点云过滤方法。文章提供了一种基于无人机和现场调查的潮滩地形反演方法,实现了潮滩地形高效、大范围的监测,研究方法可应用到其他类似的潮滩或海岸区域,为海岸带滩涂湿地保护和管理提供重要的技术支撑。 相似文献
11.
基于指数分析法的西安市土地利用变化及驱动力研究 总被引：1，自引：0，他引：1
基于2000和2007年2期TM遥感影像,利用指数分析法,分别提取出归一化差异建筑指数(NDBI)、修正归一化差异水体指数(MNDWI)和归一化差异植被指数(NDVI)3种指数模型,分别代表西安市的3种最主要的土地利用类型--建筑用地、水体和植被.采用神经网络分类器进行监督分类,借助ERDAS Imagine 9.0、ENVI、ArcGIS 9.2和Matlab等软件平台,计算出西安市土地利用类型的动态转移矩阵,构建了土地利用变化动态度指数模型,定量分析西安市土地利用的时空变化.依据研究区土地利用变化的结果分析,变化的驱动力因子主要是人口增长、经济增长和政策变动. 相似文献
12.
一种基于TM影像的不透水面信息提取方法 总被引：1，自引：0，他引：1
针对TM影像不透水面提取的研究,通过综合分析被广泛应用于提取不透水面的归一化差异不透水面指数法和归一化差异植被指数法,从而提出一种改进的快速提取不透水面的方法--实验指数组合法,即通过将植被指数取反减去水体指数。以高分影像ZY3和可提供经纬度信息的Google Earth作为参考,将归一化差值不透水面指数、归一化差值植被指数和实验指数组合法得到的提取结果分别进行评价,获得了图像的分类精度,对比可知实验组合指数法的精度高于其他两种指数结果,其精度为88.16%。 相似文献
13.
罗东山 《测绘与空间地理信息》2013,(5):111-113,118
针对Landsat5-TM遥感影像植被监测方法进行了研究,采用了变化向量分析方法,通过分析采用绿度指数GVI和垂直植被指数PVI来进行植被检测,并通过最大类间方差进行阈值的选取,采用Landsat5-TM遥感影像数据进行了试验,通过变化检测分类图和变化类别图斑统计的方法对结果进行了评价,变化检测分类精度较高。 相似文献
14.
针对GF-1 WFV和Landsat-8 OLI两种传感器的参数特点,选取归一化植被指数(NDVI)、增强型植被指数(EVI)、大气阻抗植被指数(ARVI)、土壤调整植被指数(SAVI)和修正的土壤调整植被指数(MSAVI)5种植被指数,采用同一时期的两种传感器数据对四川省茂县进行植被信息提取,并结合像元二分模型估算植被覆盖度,计算分析两种数据源下不同植被指数的差异性。结果表明:GF-1数据提取的NDVI植被效果最好,其中2013年分类总精度为94.55%,Kappa系数为0.88;2015年分类总精度为90.47%,Kappa系数为0.85。对于Landsat-8数据提取的SAVI的结果最佳,其中2013年分类总精度为94.38%,Kappa系数为0.86;2015年分类总精度为95.83%,Kappa系数为0.88。根据统计指标分析表明:在高原山区地形环境下,利用植被指数估算植被覆盖度,GF-1卫星采用NDVI、Landsat-8卫星采用SAVI比较合适,且GF-1数据的估算精度要高于Landsat-8数据。 相似文献
15.
基于TM影像的城市建筑用地信息提取方法研究 总被引：2，自引：0，他引：2
本文选用金华市Landsat TM影像为研究的数据源,在归一化裸露指数基础上,利用归一化植被指数提取出非植被信息,通过图像二值化、叠加分析以及掩膜处理去除了低密度植被覆盖区域的噪音信息,自动提取了金华城市建筑用地信息。研究结果表明,归一化裸露指数和归一化植被指数相结合的方法弥补了单一利用归一化裸露指数来提取城市建筑用地信息的不足,提高了提取精度,而且结果客观可信,是一种不经人为干预的、快速有效的提取城市建筑用地方法。 相似文献
16.
基于Sentinel-2的潮间红树林提取方法 总被引：1，自引：0，他引：1
位于潮间带的红树林可能在高潮时被海水淹没的特点，使得传统的植被提取方法在红树林信息提取方面存在局限性。本文在对比分析了出露的红树林、高潮水位淹没的红树林、海水水体的光谱特征后，提出了一种利用归一化潮间红树林指数（NIMI）提取潮间带红树林的方法。该指数是由植被强吸收的红波段，强反射的两个红边波段和近红外波段组成的归一化表达式。利用该指数对福建省龙海九龙江口湿地的红树林进行了分类提取，提取结果与高分二号影像目视验证和现场调查结果进行了对照。结果显示，该方法提取红树林的用户精度达到93.98%，并显著优于利用归一化水体指数（NDWI）、归一化植被指数（NDVI）及随机森林的结果。 相似文献
17.
准确地估测植被覆盖度对于生态环境、自然资源评估有着重要的意义.本文通过无人机获取多光谱影像结合DEM,对拍摄区域植被面积进行估测;利用无人机遥感平台搭载的Sequoia多光谱相机获取影像数据,研究了常见的4种植被指数(归一化差值植被指数(NDVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)、绿度归一化植被指数(GNDVI))在植被面积估测中的适用性.实验结果表明,无人机多光谱影像结合DEM,在植被面积估测中具有可行性.其中,归一化差值植被指数(NDVI)可使植被从土壤、水体、阴影等复杂背景因素中分离出来,能较为准确地统计植被覆盖面积.通过无人机多光谱影像估测绿植覆盖面积,可为精细化作物管理、农业估产提供决策依据. 相似文献
18.
《武汉大学学报(信息科学版)》2010,(7)
用监督分类方法提取出Landsat TM影像中的刺槐林区域,将归一化植被指数NDVI、归一化水分指数NDWI、土壤调节植被指数SAVI、修正的土壤调节植被指数MSAVI和K-T变换应用于刺槐林影像,用聚类分析将刺槐林分成4个等级的树冠活力。实测结果表明,通过树冠活力来分类,NDWI分类精度最高,达到82.5%。 相似文献
19.
特征提取和决策树法土地利用遥感分类 总被引：1，自引：0，他引：1
文章以安徽省淮南市为例,采用2005年Landsat-5 TM多光谱数据,分析地物谱间关系,选择改进归一化差异水体指数(MNDWI)、归一化植被指数(NDVI)、归一化建筑指数(NDBI)、TM4+ TM5、TM4+ TM5+TM7、DEM高程和坡度等特征值,构建决策树分类规则,完成研究区土地利用遥感分类.结果表明:MNDWI和TM4+TM5特征值能较好地区分水体与非水体;NDVI和NDBI可完成非水体区域植被与非植被信息分类;DEM和TM数据6波段和值可完成建筑用地、裸地和沙(旱)地分类;DEM和TM4+ TM5+ TM7能较好地解决耕地和园地混淆问题.决策树法分类总精度和Kappa系数分别为90.29％和0.87,相比较于最大似然分类法和基于特征提取波段的最大似然分类法,精度均有所提高. 相似文献
20.
基于小型无人机可见光遥感的蓝藻识别研究 总被引：1，自引：0，他引：1
以无人机航拍获取的可见光影像为数据源,研究小面积水域中蓝藻的提取方法。首先采用无人机获取可见光影像,运用4种可见光植被指数对图像进行运算,提出了用于蓝藻识别的可见光归一化差异植被指数与增强型红绿差值植被指数,以人工目视解译统计得到的蓝藻面积作为判别依据。结果表明:利用增强型红绿差值植被指数对湖泊中蓝藻的分类及提取,精度可达95.89%,Kappa系数为97.03,质量稳定,精度较高。 相似文献