基于ENVISat ASAR影像的湿地植被冠层下淹水范围提取以扎龙保护区为例

以扎龙自然保护区湿地为例,结合ENVISat ASAR多极化(HH/HV)雷达影像与传统的光学影像Landsat TM (band1~5,7),分析雷达影像后向散射系数与Landsat TM影像不同波段反射率在淹水植被、非淹水植被、明水面和裸土不同地表覆被类型的差异。选择训练样本,采用分类回归树(Classification and Regression Tree,CART)模型,分别对两种影像进行分类,可视化表达湿地植被淹水范围空间分布情况。基于实测的植被冠层下淹水范围与非淹水范围样本点对两种数据源的分类结果进行精度验证。结果表明:HH/HV极化影像中,植被覆盖下水体的后向散射系数与其他地表覆被类型有明显区别,分类结果总精度为79.49%,Kappa系数为0.70,湿地植被淹水范围提取精度较高。而TM影像分类结果中,由于部分地区植被覆盖水体,淹水植被分类误差较高。将雷达影像引入沼泽湿地研究,提高了植被淹水范围提取效果,为有效分析湿地生态水文过程提供基础,对湿地水资源合理利用及生物多样性保护具有重要意义。     

CBERS与TM遥感影像湿地覆被分类对比分析

为了对比CBERS与TM两种遥感影像在地表覆被信息提取中的具体性能,验证基于CBERS遥感影像进行湿地覆被分类的可行性,以典型内陆淡水湿地区为对象,基于CBERS与TM遥感影像,针对各波段进行信息量统计及光谱特性分析,获取了各波段覆被探测性能的初步认识;运用非监督、监督与面向对象三种代表性分类方法进行分类实验,通过精度误差矩阵对比分类结果,分析了两种遥感影像在湿地覆被分类中的准确程度差异;基于分类结果,通过景观格局指数计算,对比分析了两种影像在湿地覆被信息提取结果上的空间差异和特性。     

基于多尺度分割的遥感影像滨海湿地分类

基于多尺度的高分辨率遥感影像分类方法研究,可以为滨海湿地动态监测、规划保护提供更详尽的湿地分类信息和更快速的数据获取方法,对湿地保护具有重要意义。选取连云港青口河入海口处湿地为研究区,以高分辨率遥感影像WV\|Ⅱ和航空遥感影像为数据源,利用多尺度分割方法将影像分割成不同层次的实体对象;在不同层次,以实体对象为单元,结合光谱、形状、纹理等不同影像特征,进行滨海湿地分类研究,结果表明:利用该方法分类后,研究区各种湿地类型都达到较高精度。基于多尺度分割的影像分类方法能充分利用各种影像特征完成湿地分类,有效地减少了遥感影像中的“椒盐”现象,提高了分类精度;选择适宜的分割尺度和分割参数是基于多尺度分割的遥感影像分类方法提高精度的前提。     

基于多源遥感数据的干旱区湿地变化研究

本文以塔里木盆地南缘于田、策勒绿洲为研究区,利用IANDSAT MSS,IANDSAT TM,CBERS-02遥感影像,通过对多种分类手段的比较,采用监督非监督分类相结合的方法,以农田、荒漠、草地、湿地四类为分类体系,提取了于田、策勒地区50年来土地利用变化信息;以湿地为主要研究对象,通过转移矩阵表和转入转出分析图定量反映了研究区内湿地时空变化规律,指出人为因素对湿地变化过程中具有重要作用。     

基于雷达后向散射特性进行湿地植被识别与分类的方法研究

选择东北地区典型内陆沼泽湿地——三江平原洪河自然保护区作为研究区,结合SAR的极化特性,分析了多时相ENVISAT ASAR不同极化下洪河湿地保护区不同地物植被类型的散射特性,利用长波L波段PAL-SAR数据对植被的可穿透性及水分的敏感性,结合与光学影像TM融合后进行神经元网络分类的方法,应用决策树方法进行了多波段、多时相SAR合成湿地植被识别试验。本文将两种方法相结合,分两步完整识别出沼泽、灌丛、岛状林、草甸、开阔水体及少量农田。     

基于RS与GIS的野鸭湖湿地土地利用/土地覆盖动态变化研究

通过对野鸭湖湿地的Landsat—TM影像和印度的IRS影像进行融合处理，得到卫星影像分类图。结合实地调查，标定土地利用类型，运用ArcView的解译及数据统计功能，分析研究野鸭湖湿地6年来土地利用／土地覆盖的变化。研究结果表明：耕地、居民点及工矿用地面积增加，水域面积减少，湿地生态环境受到严重破坏。其主要是由自然条件、人口和经济增长所致。水域面积、植被覆盖率的减少，使栖息和越冬鸟类丧失了大量的栖息地。为保护湿地环境，应逐步退耕还草、还林；恢复芦苇、沼泽，确保区内生态平衡和系统生态质量不断优化。     

GIS支持下的湿地遥感信息高精度分类方法研究

遥感影像高精度自动分类方法的实现是制约遥感数据应用的瓶颈之一。以知识和地理信息系统为支撑,进行湿地遥感影像的分类,并对各项分类方法的精度进行比较评价,从而为湿地遥感的分类方法提供依据。实验结果表明经辐射增强降噪处理后湿地边界更加明晰;而对于处于生长期的湿地影像,经过光谱增强缨帽处理后,明显提高了区分湿地亚类的精度。结合以上两种分类方法的优势,利用GIS技术对二者进行空间处理,取长补短,生成了湿地遥感影像分类图。实验证明基于3S技术的分类方法精度更高,是一种较好的湿地影像自动分类方法。     

GIS支持下的湿地遥感信息高精度分类方法研究

遥感影像高精度自动分类方法的实现是制约遥感数据应用的瓶颈之一。以知识和地理信息系统为支撑,进行湿地遥感影像的分类,并对各项分类方法的精度进行比较评价,从而为湿地遥感的分类方法提供依据。实验结果表明经辐射增强降噪处理后湿地边界更加明晰;而对于处于生长期的湿地影像,经过光谱增强缨帽处理后,明显提高了区分湿地亚类的精度。结合以上两种分类方法的优势,利用GIS技术对二者进行空间处理,取长补短,生成了湿地遥感影像分类图。实验证明基于3S技术的分类方法精度更高,是一种较好的湿地影像自动分类方法。     

遥感分类精度对湿地模拟预测的影响分析

湿地是生态系统中最为重要的一个生态系统,同时也是近些年来遭受人类活动破坏最为严重的生态系统。近些年来,关于湿地的保护也引起了人们的广泛关注。本文以三江保护区的1999年和2007年两期TM遥感影像为基础,结合人工神经网络和元胞自动机模型,通过对不同分类精度的一系列遥感分类影像作模拟预测,比较分析它们的预测精度,最后结果表明:分类精度和模拟预测精度有着正相关的线性关系,当分类精度达到(Kappa系数)0.75以上时,预测的精度(Kappa系数)才可以达到0.69以上。这一结论为利用元胞自动机模拟预测湿地的空间格局演化时分类精度的选择提供了一定的指导。最后,用此元胞自动机模型预测了2015和2023两年的该区域湿地空间格局图,为三江保护政策的实施提供了一定的依据。     

基于面向对象—深度学习的闽东南低海拔海岸带地区湿地动态遥感分析

海岸带湿地具有重要的生态价值和经济开发价值,明确其时空变化特征与影响因素对于维持区域生态系统平衡和可持续发展具有重要意义。以Landsat TM/ETM+/OLI影像为基本数据源,综合利用面向对象与深度学习分类方法对1985~2015年闽东南低海拔海岸带地区的湿地信息进行提取,以揭示其时空演变特征与驱动力因素。结果表明：基于面向对象—深度学习分类方法对湿地进行信息提取,整体分类精度可达93%以上,分类结果整体性好;1985~2015年自然湿地面积呈减少趋势,人工湿地面积呈增加趋势,分别减少和增加250.31 km²和251.36 km²;湿地二级类型中,30 a间河口/浅海水域和淤泥质海滩面积减少最大,盐田/水产养殖场面积增加最大;1985~2015年湿地变化类型多样,且2000~2015年较1985~2000年湿地变化更为剧烈;湿地变化是人类活动和自然环境变化共同作用的结果,其中人类活动是影响湿地变化的主要原因。该方法及研究结果可为海岸带湿地监测与保护管理提供技术支持和决策参考。     

基于知识规则的洪泽湖湿地信息提取及动态变化研究

湿地是自然生态系统的重要组成部分。快速、准确地获取湿地基础信息,对湿地的动态监测、保护和可持续利用具有重要意义。本文利用知识规则分别提取出洪泽湖1988年10月25日和2002年11月9日两时相遥感影像的湿地信息,然后通过叠加分析比较了两个时相的湿地信息变化情况。研究发现,洪泽湖湿地植被在这14年间急剧减少,有待采取有效的措施进行保护。     

基于ALOS影像的盐城海滨湿地遥感信息分类方法研究

盐城海滨湿地类型丰富多样,湿地植物覆被类型之间的生态交错带十分明显,如何更为准确地获得海滨湿地覆盖信息,对湿地研究具有重要价值和意义。以ALOS影像为数据源,江苏盐城海滨湿地核心区为试验区,开展湿地信息遥感分类研究。在对研究区进行非监督分类,分析其限制分类精度原因基础上,针对研究区域的特点提出适合的分类精度改进方法。以非监督分类后的结果为模板,借助分区分层分类方法的思想,通过分析遥感影像光谱信息、纹理信息、主成分变换信息,得到知识规则,以基于知识规则修改的方法对芦苇、米草和盐蒿3种植被交错带进行修正。然后以基于GIS规则的方法对剩余区域进行修正。通过GPS数据进行精度检验,分类精度达到92.6829%,Kappa系数为0.9098。实验证明基于GIS规则和知识规则的分区分层分类法是提高海滨湿地遥感分类精度的有效方法。     

基于遥感监测的黄河三角洲湿地演变分析研究

为保护黄河三角洲湿地生态系统,掌握湿地变化趋势,以 1986—2018 年间 15 a 卫星遥感影像为数据源,通过 ERDAS 9.0 和 ArcGIS 10.3 平台开展黄河三角洲湿地遥感解译,建立土地利用转移矩阵,分析黄河三角洲湿地面积和分布格局及变化特征。结果显示：湿地是黄河三角洲主要生态系统类型,主要分布在沿海区域, 与 20 世纪 80 年代相比,黄河三角洲湿地面积整体下降,其中自然湿地萎缩严重,人工湿地增长迅速,湿地面积和结构均发生较显著变化,而区域土地资源开发是湿地结构变化的主要因素。研究成果表明：基于遥感解译,采用 ERDAS 9.0 和 ArcGIS 10.3 平台能快速获取较多湿地类型信息,提高提取精度,可为大范围土地利用分类研究提供方法参考。     

Monitoring the change of urban wetland using high spatial resolution remote sensing data

Accurate and timely information describing wetland resources and their changes over time, especially in coastal urban areas, is becoming more important. In this study, we mapped and monitored land-cover change in an urban wetland using high spatial resolution IKONOS images acquired in June 2003 and January 2006. An optimal iterative unsupervised classification (OIUC) method was used to overcome the limitations of unsupervised classification. The images were categorized into six classes, and an accuracy assessment was conducted using error matrices and the Kappa coefficient. The overall accuracies were 83.2% and 86.3% for the 2003 and 2006 images, respectively. A post-classification comparison method was used to detect the wetland change by calculating a detailed land-cover type transformation matrix. The results indicated a decrease in the area of water bodies and an increase in the area of vegetation in the wetland. This paper shows that high spatial resolution remote sensing data is advanced in studying an urban wetland at a local scale. An OIUC method, combined with visual interpretation, could yield high classification accuracy. A post-classification comparison method is also efficient in wetland change detection.     

基于SPOT影像的水体信息提取以及在湿地分类中的应用研究

利用SPOT影像数据,对研究区进行遥感图像融合处理实验,探讨了基于SPOT影像的水体信息提取的方法,以及在湿地分类中的应用。     

Progress of Chinese Coastal Wetland based on Remote Sensing

Coastal wetlands as a unique ecosystems with high productivity and abundant biology diversity,has many important resource values,ecological values,economic values and scientific research values.Due to the multi\|temporal,multi\|platform,macroscopic,objective,informative,real\|time,highly effective,comparable and so on,so the remote sensing technology has been gradually approved and widely promoted in coastal wetland research in the past three decades.Current status of coastal wetland research based on remote sensing technique in China was systematically discussed from multiple aspects,including remote sensing data sources,theories and methods,and the application of remote sensing technology to Chinese coastal wetland is reviewed from the aspects of coastal wetland resource investigation and management,landscape pattern and dynamic change,ecological environment monitoring,ecosystem quality and service evaluation.This paper also points out some shortcomings existed in Chinese coastal wetland research by remote sensing technology include the spatial and temporal distributions of the study area is uneven and dominated by small and medium scale,lack of interdisciplinary comprehensive research,focus on theoretical research and ignore application intelligent application of remote sensing technology,information sharing ability is poor,the improve of interpretation accuracy is difficulties.Related research prospects should be to carry out such as monitoring and mapping on all scale,strengthen the multidisciplinary collaboration,strengthen the comprehensive and comparative study,establish a unified classification system of coastal wetland based on remote sensing and the national coastal wetland information system,emphasis on the development of new remote sensing technology and fusion of multi\|source data,emphasis on the use of new methods and new models.     

基于多季相Sentinel-2影像的白洋淀湿地信息提取

白洋淀湿地是华北平原上重要的浅水湖泊湿地,对雄安新区绿色发展具有重要的生态价值。对白洋淀高度异质化的景观格局进行分类,能够为白洋淀湿地资源的遥感监测提供指导意义。针对湿地季节变化的特点,对白洋淀每个季节选取一期具有代表性的Sentinel-2影像,采用分类与回归树（CART）、支持向量机（SVM）、随机森林（RF）3种常用的机器学习分类器对15种季相组合实验方案进行分类,分析不同季相遥感影像及其组合对白洋淀湿地信息提取的优劣。结果表明：相较于使用单一季相影像分类,多季相影像的组合能够显著提高分类精度,春&夏季相组合能够得到最优的分类效果,相对单季影像总体分类精度提高了10.9%~25.5%,Kappa系数提高了0.09~0.29;SVM分类器的分类表现较为稳定,能够得到最高的平均分类精度,CART分类器在处理高维特征的能力不如随机森林和SVM;不同特征类型对湿地信息提取的贡献度从高到底依次是红边光谱特征、传统光谱特征、缨帽变换特征、主成分分析特征、纹理特征。实验成果能为湿地信息的遥感识别提供依据。     

基于JESS的四湖湿地景观的遥感分类

详细介绍了如何在ENVI系统中嵌入JESS专家系统语言,并给出了相应的代码,在分析湖北省四湖湿地多源遥感数据的基础上,总结出了遥感分类的专家知识与分类规则,利用该方法实现了四湖湿地景观的遥感分类,表明JESS专家系统不仅能很容易、方便地应用到遥感领域,而且其代码与专家知识和规则分离的特征将使其在农业遥感系统开发领域中有广阔的前景。     

基于神经网络和数据融合的红树林群落分类研究

及时准确地掌握红树林群落现状信息可为保护和修复红树林生态系统提供重要的决策依据。对红树林群落进行遥感分类在实际应用中具有较大的意义。但红树林各群落间的光谱差异很微弱,有必要采用多源遥感数据融合的方法来提高分类的精度。本文以珠海淇澳岛红树林区为例,使用SAR图像与TM图像,探讨了监督分类、非监督分类以及神经网络分类3种分类方法和IHS融合、小波融合以及主成分融合3种融合方法对红树林群落进行分类的效果。结果表明,对SAR与TM主成分融合图像应用神经网络分类方法能够取得最好的分类效果。