基于MODIS数据的森林可燃物分类方法——以黑龙江省为实验区

森林可燃物是森林燃烧环理论中的重要三要素之一,它是森林火灾发生的内因,对于火险等级预报、火行为预报、火灾扑救等森林防火工作具有重要意义。介绍了基于MODIS数据与GIS技术相结合的森林可燃物分类方法。在研究中,以黑龙江省为实验区,利用多时相的MODIS数据生成实验区16天的最大归一化植被指数后,通过主成分分析,采用非监督分类与监督分类相结合的方法,并在GIS技术的支持下,完成了实验区内的森林可燃物的分类,为进一步获得适合全国的利用现代高新技术的森林可燃物分类方法打下了坚实基础。     

MODIS数据在树种长势监测中的应用

近年来,世界各国日益重视利用“3S”(遥感、地理信息系统和全球定位系统)技术对陆地表面植被进行研究。利用Terra-MODIS数据,分别采用了归一化植被指数(NDVI)、环境植被指数(EVI)、土壤调节植被指数(SAVI)以及比值植被指数(RVI)对实验区典型树种的长势进行了比较研究;同时对实验区典型树种的植被指数的地域变化和时间变化进行了分析,为探讨我国可燃物的时空变化规律打下了基础。     

基于MODIS产品的区域土壤遥感分类研究——以新疆为例

以新疆维吾尔自治区全境为研究区域，采用中高分辨率MODIS遥感数据和地形数据，在第二次全国土壤普查数据库的支持下，采用自动分类方法，探讨了遥感技术在常规土壤调查工作受限制的干旱地区进行土壤调查的效果和适用性。研究中使用了MODIS地表反射率、植被指数、地表昼夜温度等数据产品，提取了多种图像特征，并结合了DEM生成的地形参数。研究区土壤分类系统在发生学分类的基础上集合遥感信息特征进行了调整，形成了具有26个土壤类型及特殊地表覆被的土壤遥感分类系统。经分类试验，总体精度为70%左右。
     

浅谈提高遥感数据分类精度的方法

本文介绍目前遥感数据自动分类的常用算法及其改进方向，指出在现有技术条件下，多元、多维信息复合法是提高遥感数据自动分类应用性的有效途径。     

基于Landsat影像和不规则梯形方法遥感反演延安城市森林表层土壤水分

反演模型对土壤水分评估结果有重要影响,基于此,以黄土沟壑区城市森林表层土壤为研究对象,以3期Landsat影像和实地土壤水分传感器测定数据为数据源,分别通过像元在二维空间（LST-NDVI与STR-NDVI,LST为地表温度,NDVI为归一化植被指数,STR为短波红外转换反射系数）中的散点图及其拟合的干燥边界与湿润边界,获取TOTRAM（热学—光学不规则梯形模型）和OPTRAM（光学不规则梯形模型）的参数,然后在像素水平上（30 m×30 m）反演出延安城市森林表层土壤水分（W）,验证两模型的精度,并比较两模型估算结果的差异及线性边界与非线性边界对反演结果的影响。结果发现：①除OPTRAM 模型在Landsat 7和Landsat 8上干湿边界呈现非线性外,像素在LST-NDVI空间和STR—NDVI空间中的干湿边界均呈线性,且包络成不规则梯形形状;②与实地测定数据相比,TOTRAM与OPTRAM两模型的平均误差（ME）分别为0.009和0.0455,表明两模型估算结果均偏高,但OPTRAM模型的均方根误差（RMSE）较TOTRAM模型更接近0。OPTRAM模型估算的W值均匀地分布在1∶1参考线两侧,且位于参考线上的点数多于TOTRAM模型,表明OPTRAM准确度高于TOTRAM模型,且非线性边界的反演精度高于线性边界;③与TOTRAM模型相比,OPTRAM模型估算出的W空间分异规律与土地利用/覆被类型具有较高的相关性,且OPTRAM模型对植被覆盖度极低的区域敏感。因此,在后续研究中,应在OPTRAM模型中探讨干湿边界复杂性与模型准确性改善之间的关系,同时考虑周围环境、降雨量、森林干扰和NDVI饱和等因素对两模型估算准确性的影响。     

基于环境卫星数据的沿海滩涂地物类型分类的随机森林方法

基于环境卫星遥感影像,利用随机森林数据自适应探测特性,构建了面向沿海滩涂区域的地物类型分类方法,并以大丰为例进行了实证分析,探讨了基于随机森林方法的滩涂分类的参数选择与精度分析。结果显示:基于随机森林的沿海滩涂地物分类方法分类精度较传统监督分类(平行管道法\,最小距离法和最大似然法)精度提高明显,且具有很好的分类稳定性。
     

基于AISA Eagle Ⅱ机载高光谱数据的森林可燃物类型识别方法

为形成林场级森林可燃物类型遥感精细识别方法,以内蒙古大兴安岭根河林业局潮查林场为试验区,结合地面调查和森林资源调查等资料,建立了该区域的森林可燃物类型机载高光谱影像数据分类体系;通过对各类型的原始光谱曲线、一阶微分曲线、二阶微分曲线和包络线消除曲线进行分析,得到了适用于各类型识别的特征波段;并基于生成的特征波段的主成分...     

基于NDVI时间序列数据的湿地演变RSM

针对传统湿地演变遥感动态监测方法中存在的监测效率差,且精度低等问题,提出基于NDVI时间序列数据的湿地演变遥感动态监测方法。掌握NDVI曲线时序形状和数值的特征改变情况,运用兰氏距离与交叉相关光谱匹配,获取湿地演变值指数与形指数,建立湿地演变监测指标;借助Top-Hat算子剔除影像噪声,提升遥感目标与背景间的对比度;探究湿地动态变化动力机制,分析湿地变化源头及趋势,通过湿地动态改变向量,获得各时期湿地类型转移矩阵;建立分类树并区分节点中各类解释标记,将技术、精度、时间和成本作为指标,通过优化理论与多属性效用函数,构建分类优选模型,完成湿地演变遥感信息提取,获得演变趋势监测结果。仿真结果表明,采用所提方法进行湿地演变遥感动态监测的效率较快,且监测精度较高。     

基于NDVI和纹理变化的城镇扩展检测--以浙江省绍兴市为例

以绍兴市作为研究区，选取两景不同时相的TM影像，进行了城镇扩展的研究。该研究区位于中国东部沿海地区，其地理位置和投资环境决定了其城镇的快速发展，因此对其进行城镇扩展的研究具有非常重要的意义。本假定以植被覆盖为明显标志的景观生态和基于NDVI的城镇土地利用之间的相互关系，给出了一种新的城镇扩展检测方法，即使用NDVI公式生成植被指数，然后提取1984年和2000年归一化差分纹理指数的纹理影像，这些指数显示了这些纹理影像变化的比率，该方法成功地显示了两景影像间的变化区域。当然为了获取正确的结论往往需要相关的地面数据。研究结果显示，在城镇外围地区具有明显的植被覆盖变化。     

TM验证MODIS过火面积产品精度分析——以黑龙江省重大森林火灾为例

鉴于准确估测森林的过火面积对森林火灾的损失评估和过火区植被的恢复所具有的重要作用,选取了2006年～2010年黑龙江省51个重大森林火灾记录,分别利用MODIS的MOD14A2（Terra）火产品数据和TM遥感影像数据估算过火面积,并利用Kappa指数分析过火面积在数量和空间位置上的一致性。结果表明：在单个火场尺度上,小于3.72km2的森林火灾不适于利用MOD14A2产品来估算过火面积,而年过火总面积的相对误差小于15%。MOD14A2火产品可以有效地估测年度尺度上森林的过火面积;数量Kappa指数明显大于位置Kappa指数和标准Kappa指数,位置Kappa指数较低,这可能是由于MODIS数据的空间分辨率较低、林火记录坐标位置不够准确等原因造成的,有待进一步研究。     

城市绿化现状高分辨率卫星数据遥感图像分类探讨——以石家庄市城市绿化现状遥感图像分类处理为例

本文主要应用IKONOS高分辨率卫星数据，依据城市建筑物、城市道路、植被的波谱特征，对城市绿化现状遥感调查分类进行了深入的探讨，通过非监督分类和监督分类，试图达到自动分类识别的目的。就石家庄市城市绿化现状遥感调查分类结果而言，分类效果令人满意。     

基于对象的QuickBird遥感图像多层次森林分类

随着高空间分辨率、相对低光谱分辨率的新型遥感图像的出现和普及,基于像元、依赖于光谱信息特征的传统遥感分类方法已不能很好地适应新型数据的分类工作.通过应用面向对象的多层次分割分类方法对广东省黑石顶自然保护区的QuickBird遥感图像进行了分类尝试.分类结果显示相对于传统的基于像元的分类方法,基于对象的多层次方法具有更准确的分类结果、更明确的分类边界和更均一的内部同质性.     

一种基于植被指数的遥感影像决策树分类方法

以江苏省徐州市为研究区,采用2000年ETM+多光谱影像作为遥感信息源,选择影像的光谱特征和归一化植被指数（NDVI）、绿度植被指数（GVI）、比值植被指数（RVI）等10种植被指数作为分类特征,基于See5决策树学习软件构建分类决策树,实现了研究区景观格局的遥感分类。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的分类,植被指数参与到决策树分类中能够提高分类的总体精度。     

应用遥感信息复合方法的森林分类和动态监测研究

在森林资源清查和动态监测中，一般要求能识别树种、在树种复杂时也要求识别到树种组。成图时要求可直接使用几何精度高、类型边界清晰的中比例尺如１：２．５万的影像图。为了满足生产的需要，我们进行了遥感信息复合、遥感与非遥感信息复合及复合方法等实用技术应用的研究。实验中应用了ＭＳＳ与ＴＭ卫星图像、ＴＭ不同时相的图像、ＴＭ与Ｓｐｏｔ的复合，及复合前后信息特征变化的定量分析等研究。从而为最优波段组合、特征信息提     

基于哨兵2时间序列组合植被指数的作物分类研究

时间序列是一种常用的物候研究方法。为充分利用哨兵2数据在红边波段的丰富信息,本文利用多种植被指数组合成时间序列进行作物分类。将NDVI、EVI、红边NDVI三种植被指数进行组合,构建时序植被指数图像,然后使用支持向量机、随机森林、CART决策树和最大似然4种不同的算法对四种作物、三种林草、裸露地表、水体进行分类。原始分类结果中,总体精度最高的随机森林为87.92%,最低的最大似然为80.07%,在分类细节上,随机森林和支持向量机的边界最清晰,4种分类结果中,农作物的分类精度均高于其他地类,仅次于水体的精度,误差主要来自三种林草的混分,表明时间序列组合植被指数用于农作物分类是可行的。     

基于MODIS遥感数据的宏观土地覆盖特征分类方法与精度分析研究

针对宏观土地覆盖遥感分类的现状,充分利用MODIS相对于AVHRR数据具有的多光谱和分辨率优势,提出了利用MODIS数据进行分类特征选择与提取并结合多时相特征进行宏观土地覆盖分类的分类方法,并在中国山东省进行了分类试验,得出以下结论:①不同比例下的训练样本与验证样本影响着总体分类精度;②从MODIS数据中得到的植被指数EVI、白天地表温度Tday、水体指数NDWI、纹理特征局部平稳Homogeneity等可以作为分类特征配合参与到多波段地表反射率Ref1-7遥感影像中,能明显提高分类精度,而土壤亮度指数NDSI则没有贡献;③提取的分类特征对总体分类精度贡献大小为:EVI贡献最大,提高近6个百分点,其次是Homogeneity、NDWI,均提高近4个百分点,而最少的Tday也贡献了近3个百分点;④各分类特征对不同地物类别具有不同的分离度,在提高某些类别的分离性时,有可能降低了其它类别的分离性。试验结果表明:在没有其它非遥感信息的前提下,仅利用MODIS遥感自身信息对宏观土地覆盖分类就可达到较高精度。     

基于MODIS遥感数据的宏观土地覆盖特征分类方法与精度分析研究

针对宏观土地覆盖遥感分类的现状,充分利用MODIS相对于AVHRR数据具有的多光谱和分辨率优势,提出了利用MODIS数据进行分类特征选择与提取并结合多时相特征进行宏观土地覆盖分类的分类方法,并在中国山东省进行了分类试验,得出以下结论:①不同比例下的训练样本与验证样本影响着总体分类精度;②从MODIS数据中得到的植被指数EVI、白天地表温度Tday、水体指数NDWI、纹理特征局部平稳Homogeneity等可以作为分类特征配合参与到多波段地表反射率Ref1-7遥感影像中,能明显提高分类精度,而土壤亮度指数NDSI则没有贡献;③提取的分类特征对总体分类精度贡献大小为:EVI贡献最大,提高近6个百分点,其次是Homogeneity、NDWI,均提高近4个百分点,而最少的Tday也贡献了近3个百分点;④各分类特征对不同地物类别具有不同的分离度,在提高某些类别的分离性时,有可能降低了其它类别的分离性。试验结果表明:在没有其它非遥感信息的前提下,仅利用MODIS遥感自身信息对宏观土地覆盖分类就可达到较高精度。     

基于多源遥感数据融合的地表覆盖分类方法

针对当前地表覆盖分类结果精度低的问题,提出基于多源遥感数据融合的地表覆盖分类方法。首先,将红-绿-蓝（Red Green Blue,RBG）、数字表面模型（Digital Surface Model,DSM）和归一化植被指数（Normalized Differential Vegetation Index,NDVI）作为编码器的3个分支,生成地表覆盖遥感影像语义分割网络;其次,利用多源遥感数据融合技术构建地表覆盖分类模型;最后,通过对模型的训练和优化,输出空白域自适应与影像地表覆盖分类结果。实验结果表明,该方法可以实现对多种地表覆盖类型的高精度划分,具有一定的应用价值。     

基于对象的QuickBird遥感图像多层次森林分类

随着高空间分辨率、相对低光谱分辨率的新型遥感图像的出现和普及,基于像元、依赖于光谱信息特征的传统遥感分类方法已不能很好地适应新型数据的分类工作。通过应用面向对象的多层次分割分类方法对广东省黑石顶自然保护区的QuickBird遥感图像进行了分类尝试。分类结果显示相对于传统的基于像元的分类方法,基于对象的多层次方法具有更准确的分类结果、更明确的分类边界和更均一的内部同质性。