主被动遥感特征优化的天然林森林蓄积量估测

结合国产主被动遥感数据高分六号（GF-6） PMS和高分三号（GF-3）双极化PolSAR估测森林蓄积量,并针对多源遥感数据的冗余问题进行特征组合优化。以新疆巩留县天然林地为研究区,提取GF-6 PMS数据的光谱信息、植被指数、纹理以及植被覆盖度信息和GF-3 PolSAR数据的后向散射系数、极化分解参数,结合地形因子,在森林样地调查数据的基础上,利用快速迭代特征选择的 K 最近邻法（K-Nearest Neighbor with Fast Iterative Features Selection,KNN-FIFS）估测研究区的森林蓄积量。对比国产主被动遥感数据和单一遥感数据源时的估测结果,基于最优特征组合反演研究区的森林蓄积量,结果表明：联合GF-3 PolSAR和GF-6 PMS数据估测研究区森林蓄积量的精度为 R2=0.72,RMSE=92.48 m3/hm2,相比于仅使用GF-6 PMS数据估测的精度（R2=0.56,RMSE=118.8 m3/hm2）,R2提高了0.16,提高了28.6%,RMSE降低了26.32 m3/hm2,降低22.2%。说明主被动遥感数据协同反演可以提高森林蓄积量估测精度,KNN-FIFS方法可以有效地估测天然林森林蓄积量。     

森林叶面积指数遥感反演模型构建及区域估算

基于eCognition面向对象分类算法及校正后的TM遥感影像,获取研究区2010年土地利用/覆被数据。同时在ArcGIS平台下,提取遥感影像6个波段反射率及RVI、NDVI、SLAVI、EVI、VII、MSR、NDVIc、BI、GVI和WI等10个植被指数,并辅助于DEM、ASPECT、SLOPE等地形信息,在与植物冠层分析仪(TRAC)实测各森林类型叶面积指数相关性分析的基础上,研究表明:相对多元线性回归方法,偏最小二乘法能够更好地把握各森林类型LAI动态变化,而后结合研究区森林覆被信息进行区域估算。     

山东省黄河流域森林蓄积量遥感定量估测模型研究

采用2006年的TM遥感影像作为研究区的基本数据源,利用GPS、全站仪等仪器,采用典型随机抽样方法采集了378个抽样点的外业数据;借助MATLAB、SPSS、SAS、ERDAS等工具,运用主成分分析法、多元线性逐步回归法,结合RS、GPS和GIS技术,借助数学和物理理论,建立以像元为单位的山东省黄河流域森林蓄积量定量估测模型,为实现流域森林生态系统的平衡,最大限度地发挥森林的生态、经济和社会效益提供科学依据。     

基于随机森林的高分辨率 PM2.5 遥感反演 ——以广东省为例

细颗粒物(PM2.5)监测是大气污染治理的重要手段,受限于地面观测点的数量,从遥感反演 PM2.5 是常规地面观测的有效补充,是当前的研究热点。通常遥感反演 PM2.5 的思路是先反演大气气溶胶光学厚度,然后基于统计关系由大气气溶胶光学厚度反演 PM2.5。该方法容易造成误差传递,从而 导致反演模型的不稳定。该文提出了一种基于随机森林算法(一种机器学习算法)的 PM2.5 遥感反演方法,直接建立中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)影像与地 面实测 PM2.5 的关系,可以避免传统反演 PM2.5 时先反演大气气溶胶光学厚度带来的误差,最终得到精度更高的 PM2.5 反演结果。该方法先用随机森林算法对 MODIS 影像和经过克里金插值后的地面监测站PM2.5 数据进行训练和测试;然后,根据测试的均方根误差从多个模型中选取最优(均方根误差最小)的模型;最后,将此模型用于整幅 MODIS 影像,得到整个区域的 PM2.5 反演结果。实验选取了广东省 四个季节多幅 MODIS 影像数据进行验证,并通过决定系数和均方根误差两个表现指标进行对比和分析,验证了所提算法的优越性。     

基于KNN离群点检测和随机森林的多层入侵检测方法

入侵检测系统能够有效地检测网络中异常的攻击行为,对网络安全至关重要.目前,许多入侵检测方法对攻击行为Probe(probing),U2R(user to root),R2L(remote to local)的检测率比较低.基于这一问题,提出一种新的混合多层次入侵检测模型,检测正常和异常的网络行为.该模型首先应用KNN(K nearest neighbors)离群点检测算法来检测并删除离群数据,从而得到一个小规模和高质量的训练数据集;接下来,结合网络流量的相似性,提出一种类别检测划分方法,该方法避免了异常行为在检测过程中的相互干扰,尤其是对小流量攻击行为的检测;结合这种划分方法,构建多层次的随机森林模型来检测网络异常行为,提高了网络攻击行为的检测效果.流行的数据集KDD(knowledge discovery and data mining) Cup 1999被用来评估所提出的模型.通过与其他算法进行对比,该方法的准确率和检测率要明显优于其他算法,并且能有效地检测Probe,U2R,R2L这3种攻击类型.     

乌苏里江水深遥感反演

文中在分析卫星遥感测深机理的基础上,利用SVCHR-1024高光谱成像仪确定了可见光反演水深的最佳波段,通过对HJ星CCD数据各波段反射率、波段比值组合对水体、水深的敏感性分析,建立了适合于乌苏里江的单波段对数水深反演模型,从而快速获取乌苏里江河道地形信息,并探测了河道深泓线,整体精度达到80%以上.遥感反演水深可快速探测河道深泓线的方法,为乌苏里江河势演变研究提供了新的思路.     

大兴安岭森林火灾遥感调查方法初探

1987年5月,黑龙江省大兴安岭林区东经121°30′—125°,北纬52°30′—53°30′地域内发生了一起特大森林火灾。为搞清火灾区的范围,过火面积及林火的轻重程度,我们利用遥感技术对火区进行了初步调查。一、使用的资料及工作程序 1/20万的火灾期Landsat TM影像、     

基于随机森林的实时头部姿态估计方法

本文设计了一个基于随机森林方法的实时头部姿态估计系统。将头部姿态估计问题转化成一个分类问题,标记正负样本集,采用样本加分类标签的形式进行训练,结合随机森林回归方法估计头部姿态。     

基于知识和遥感图像的神经网络水质反演模型

为进一步提高遥感图像水质反演的精度，提出了一种基于知识和遥感图像相结合的神经网络水质反演模型。该模型利用遥感图像数据以及与水质相关的知识数据作为BP神经网络的输入，经训练后，确定神经网络的结构，在训练好的BP神经网络基础之上对水质进行反演。以中国太湖为例进行实证研究，实验中，使用的知识数据包括太湖的地理信息知识和先对太湖TM图像上的水域解译进而对水质进行分类的知识。实验结果表明，本文提出的水质反演模型较常规的线性回归模型和传统的神经网络模型有更高的反演精度。     

基于分区和多时相遥感数据的山区植被分类研究

山区地形的特殊性导致了山区植被分类的复杂性。位于不同光照区域的同种植被,其光谱亮度值具有较大差异,分区使分类规则及阈值的设计更具针对性。多时相遥感数据能够充分利用不同植被类型间光谱特征时间效应。基于此提出了利用分区和多时相遥感数据进行山区植被的分类研究。研究表明,该方法在山区植被分类中具有明显的技术优势,分类总体精度和kappa系数分别为81.3%和0.72。     

基于遥感植被生物量估算模型自变量相关性分析综述

应用遥感估算植被生物量越来越受到人们的关注。在利用遥感信息参数以及其它因子构建模型时,往往要挑选一些对生物量具有显著影响的因子作为自变量,因此自变量个数的确定、自变量的选择对估算模型的可靠性及精度影响很大。从单变量模型、多变量模型以及参数、非参数模型等几个方面论述了植被生物量估算遥感信息模型自变量相关性,并提出了一些建议,希望能对植被生物量估算模型自变量的选择提供参考价值。     

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。     

Remote Sensing Estimation of Forest Coverage based on Histogram and Pixel Decomposition Model

Forest coverage is the percentage of forest cover for hooking out the forest stand boundary,and quantitative coverage information can be used for describing the temporal and spatial variability of vegetation in the horizontal scale.Pixel decomposition model has been widely used in remote sensing estimation of vegetation coverage.However,there are still many problems.For example,it is difficult to find a pure spectrum of tree canopy coverage to estimate the crown coverage with high accuracy in forest vegetation applications.In this paper,combining land use and soil type data,it is proposed to determine the endmember parameters of the different vegetation-soil types by using the histogram method based on pixel decomposition model for estimating the regional scale forest coverage in the Three Gorges.And the results were verified using the 161 samples of field data in the Three Gorges Reservoir area,R² was found to be 0.742 4~0.853 6,the estimated results are satisfactory.This method will provide a reference for remote sensing estimation of high-resolution forest coverage at regional scale.     

积雪遥感动态研究的现状及展望

简要讨论了积雪遥感研究的现状,主要包括常用传感器的物理参数及其可行性和局限性,云和雪的区分技术,雪盖面积和积雪深度的提取,雪水当量换算以及积雪遥感在融雪径流模拟、雪灾监测与评价、积雪对气候变化的影响研究等方面的应用。并对积雪遥感研究的发展趋势做了简要的分析与展望。     

鄱阳湖湿地遥感分类研究及应用

综合应用遥感技术对湿地不同类型进行分类,分析湿地植被的光谱特征、不同类型的特征参数变化、空间结构差异、季节性变化等特点,对于不同的湿地类型采取不同的方法解译,由易至难的方式有效地确立了一套湿地遥感综合分类方法。以鄱阳湖湿地为例,利用此方法分类不仅减轻了大量的人工解释工作的负担,而且能够提高分类的精度。     

基于遥感技术的城市化进程中南京浦口区的土地利用变化

揭示城市郊区的土地利用变化规律对于城市化过程中如何正确规划和合理利用有限的土地资源具有重大的意义。利用1988、2000和2006年的遥感影像对南京市浦口区进行了土地利用分类,并把2000年和2006年的分类矢量图层进行GIS空间叠置,结合数理统计分析,对江浦2000~2006年这段时间内土地利用类型的变化进行了时空变化分析,揭示了该区土地利用类型变化的数量特征和空间变化特征,全面分析了影响土地利用类型变动的经济、人口、政策等主要因素,并对本地区未来几年的土地利用变化趋势做了预测。