基于多源遥感影像融合的武汉市土地利用分类方法研究

准确高效的获取土地利用信息,对于合理利用和开发土地资源具有十分重要的意义。在快速城镇化地区,土地利用活动频繁且密集,土地利用格局演变十分剧烈,增加了城市土地利用精准分类的不确定性;且受环境气候和云雨天气影响增加了有效光学影像获取的难度。为提高城市土地分类精度,该文选取武汉市中心城区为研究案例,以Sentinel-1A和Landsat8 OLI影像为数据源,采用Gram-Schmidt变换方法进行影像融合,选取最大似然、支持向量机、CART决策树、BP神经网络等4种分类方法对融合的影像进行分类,提取了研究区土地利用信息,并对其进行分析。进一步,通过与光学影像的分类结果对比,探究了Sentinel-1A和Landsat8 OLI融合影像在土地利用信息提取方面是否具有优势。研究结果表明:(1)对比其他3种方法,CART决策树分类方法对于融合后的影像分类精度最高,总体分类精度和Kappa系数分别达到88.55%和0.841 4;(2)与光学影像相比,Sentinel-1A和Landsat8 OLI融合影像可以更有效地获取高精度城市土地利用信息;(3)基于多源遥感影像融合的CART决策树分类方法是获取研究区高精度土地利用信息的一种行之有效的技术手段。研究成果可为快速城镇化区域的土地利用分类提供参考。     

基于C5.0决策树和时序HJ-1A/B CCD数据的神农架林区植被分类

我国神农架林区海拔高、气候复杂,森林类型多样,结构破碎,森林遥感分类难度较大。将2013年时间序列HJ-1A/B CCD遥感影像作为数据源,计算出植被指数(NDVI、DVI、RVI)和主成分第一分量(PC1),使用DEM数据生成地形因子(高程、坡度、坡向),构建植被分类时序因子集。运用C5.0决策树分类法将神农架林区植被细分为七类:针叶林;针阔混交林;落叶阔叶林;常绿和落叶阔叶混交林;常绿阔叶林;灌丛和草甸。结果表明:该方法的总体精度为72.7%,Kappa系数为0.67;在6~8月,针叶林、草甸和灌丛的植被指数明显低于常绿阔叶林、常绿和落叶阔叶混交林、落叶阔叶林和针阔混交林,对分类的贡献较大,称为植被分类的"窗口期"。PC1、NDVI和高程因子对神农架林地的区分度较高,而坡度、坡向和RVI因子对分类帮助不大。作为一种智能分类方法,C5.0决策树分类方法应用于30m分辨率的时间序列HJ-1A/B CCD数据,能够将地貌复杂的神农架林区植被分为七类,提高了类别精度,具有更高的应用价值。     

基于ETM影像的植被指数在土地利用中的特征——以雅安市雨城区为例

利用LandSAT7号卫星的ETM数据、土地利用现状数据，在GIS空间分析工具与ERDAS空间建模语言的支持下，提取ETM影像的RVI、NDVI和MSAVI等3类植被指数，在ArcGIS中应用样带统计分析工具，统计并分析3类植被指数在各土地利用类型中的分布与特征。结果表明：RVI与NDVI、MSAVI在各土地利用中的特征相似，都能较好的反映土地利用类型的覆盖程度，但各植被指数的表现形式有异，即RVI值高的，NDVI、MSAVI值较低，代表的植被覆盖度也较低，反之亦然；3类植被指数能较好的区分出农田用地、非植被覆盖区、植被覆盖区，而林地与灌木林、早地与园地则不易区分。     

基于中低分辨率遥感影像的分类方法对比研究——以鄱阳湖水鸟栖息地遥感分类为例

选取中国鄱阳湖南矶山湿地为研究范围,通过分析候鸟在越冬期的栖息特征,构建适宜于提取候鸟栖息地的湿地分类系统。以Landsat8卫星OLI遥感影像为数据源,采用面向对象分类方法,通过多尺度分割、特征提取和决策树建立等关键步骤,实现湿地信息的快速提取;通过与传统像元法的分类结果对比,系统分析了面向对象方法在基于中低分辨率遥感影像的湿地信息提取中的有效性。研究表明:在面向对象湿地信息提取中,构建不同等级的分割尺度,在多个尺度上提取同一地物,可以更好识别复杂的湿地景观类型;相比仅依据像元光谱特征进行分类的传统像元方法,面向对象方法综合利用光谱、空间、形状和纹理等多种特征,因此可以获得更高的精度(总体分类精度达到87.64%,Kappa系数为 0.855 2);基于中低分辨率遥感影像,采用面向对象分类方法,能够获得较高精度的湿地景观分布,是一种成本较低且行之有效的技术手段。     

基于实测数据与遥感影像的鄱阳湖水体光学分类

鄱阳湖是我国最大的淡水湖泊,受季风气候影响其水体空间动态变化大,且广阔的水域内部差异也较大,因此湖泊水体光学分类对反演湖泊水质参数及监测湖泊水质有着重要意义。以鄱阳湖为研究区,根据实测的反射光谱数据形态特征将鄱阳湖的水体分为4类:特别浑浊、中等浑浊、轻度浑浊和清水区,并分别对每一类结果进行分析。考虑到实测光谱数据局限于湖区某些离散点的情况,不足以观测整个鄱阳湖区域内所有不同水体类型的空间分布和动态变化,从而将该方法利用于遥感影像以便观测整个湖区水体类型。在Landsat OLI遥感影像上任意选取采样点,根据其波谱形态建立基于斜率的分类算法,并应用决策树模型把鄱阳湖水体分为5类:特别浑浊、中等浑浊、轻度浑浊、清水区和特别清澈,影像的分类结果图与实地考察的情况相一致。把模型应用于其他时期的遥感影像进行鄱阳湖水体分类,对比影像的分类结果图表明:2002、2005和2009年鄱阳湖区分别出现3种、4种和4种不同的水体类型,且水体浑浊范围呈现出动态变化。研究表明水体光学类型分类可以更好的监测湖泊水质的时空变异性。     

基于周至县农耕区Landsat8 OLI影像的融合算法和分类研究

本文以陕西省周至县农耕区的OLI影像为研究对象,分析了新型传感器多光谱波段之间的统计特征和相关性,运用分融合、小波融合和PCA—小波变换三种融合算法对OLI影像进行融合实验,研究其算法对影像的适应性,再基于融合效果好的影像采用支持向量机和BP神经网络进行分类实验,并根据地表感兴趣区域进行精度评价。结果表明,依据典型地物的分类效果来看,主成分融合算法更适合OLI影像,同时,支持向量机的分类总体精度和Kappa系数均高于BP神经网络,因此支持向量机的分类算法更适合PCA主成分融合影像。     

基于遥感的上海崇明东滩湿地典型植被净初级生产力估算

湿地是具有丰富的生物多样性和较高生产力的生态系统，在全球碳循环中占有重要地位。湿地植被净初级生产力（NPP）是衡量湿地生态系统健康状况的重要指标。以上海崇明东滩湿地3种典型植被--芦苇、海三棱藨草、互花米草为研究对象，结合实地调查、实验室测定和遥感技术进行湿地植被净初级生产力估算研究。首先，设置湿地3种典型植被样方，测量植被鲜重、高度、密度、盖度和叶面积指数（LAI）等反映植被生物学特性的特征参数，按不同植被类型分别建立基于LAI的样方NPP回归模型；其次，利用一景相近时相的SPOT5影像，经过几何纠正和辐射定标后，采用面向对象分类方法对影像分类，同时，计算出能较好地反映植被特征和消除土壤背景影响的修正土壤调节植被指数（MSAVI），建立了基于MSAVI的3种典型植被LAI遥感估测模型；最后，分别根据样方3种典型植被的NPP估测模型以及LAI遥感估测模型，进行尺度化转换，估算出崇明东滩湿地典型植被净初级生产力。模型简单可行，精度较高，可为快速定量评估湿地植被碳贡献及碳储量提供依据     

基于面向对象的石漠化山区植被信息提取及分布特征研究

重庆东北部地区是重庆岩溶石漠化重点治理区，该区地形复杂，山高坡陡，植被退化现象严重。了解该地区的植被分布特征，对该区环境的改善和石漠化治理具有十分重要的现实意义。基于Landsat OLI等数据，运用面向对象分类方法对研究区植被信息进行提取，然后对分类后的数据进行统计、制图和分析，并在空间布局上进行总结和探讨，旨在了解该区域植被的空间分布特征和规律。结果表明：（1）在eCognition 9.0软件中进行多尺度分割，再结合地物类型特征使用隶属度函数法进行分类，该方法符合山地地物类型的分布规律和特点，分类精度达到81.35%；（2）研究区属典型的中山地区，海拔在500~1 500 m之间的地区约占64.49%，林地和耕地是该区域主要的地物类型，所占总面积为8 872.22 km2，占研究区总面积的96.50%，各地物类型分布受地形地势的影响较大；（3）综合研究区地形因子(高程和坡度)与植被分布的相关性可知，耕地和草灌主要分布在高程为200~1 500 m且坡度等级在2~4级（5°~35°）之间，该区域人类活动频繁，故受人类活动影响较大，植被覆盖度低，群落生长不稳定，容易受到干扰。针阔混交林主要分布在高程>500 m且坡度等级在2~4级（5°~35°）之间。马尾松林、阔叶林和柏木林主要分布在高程大于500 m且坡度等级在2~5级（5°~45°）之间。 关键词： 多尺度分割；面向对象分类；地形因子；植被空间分布     

基于时空数据融合的江汉平原水稻种植信息提取

及时、准确监测水稻种植面积,对区域粮食政策制定、粮食安全以及农业发展具有重要意义。然而我国南方地区水稻生长期内降水充沛的气候特点使得遥感影像"云污染"现象严重,为解决水稻种植信息遥感提取存在可用数据不足的问题,以江汉平原为例,利用时空数据融合模型(Spatial and Temporal Data Fusion Approach,STDFA)将Landsat 8 OLI与时序MODIS数据融合,重构出具有高时-空分辨率特征数据,然后采用面向对象的SVM分类方法对研究区内水稻种植信息进行提取,结果如下:融合后的红与近红外波段反射率与真实反射率的相关系数分别为0.84和0.81,研究区水稻提取精度为94.46%,Kappa系数为0.91。说明时空融合模型能够较好地重构出高时空分辨率数据,从而实现多云雨地区农作物种植信息遥感提取。     

基于PCA变换和神经元网络分类方法的中国森林制图研究

主要讨论基于NOAA AVHRR数据生成的NDVI时间序列数据与其他来源的地理数据结合进行中国森林细分类和制图的研究。首先利用ISODATA聚类方法对由NDVI时间序列数据派生的NDVI矩阵变量因子进行土地覆盖类型的分类，然后利用已有的植被类型图、TM影像以及地面样点数据作为参考依据, 进行类合并，获得中国森林边界。然后用PCA方法对NDVI时间序列数据进行信息增强与压缩处理，以排除各种干扰因素，提高分类精度。最后结合部分地理数据和地面样点调查数据，利用神经元网络方法进行中国森林分类，并依据种属和物候学特征、中国气候区划图以及国家植被分类二、三级分类系统，进行重新归类，得到最后的1 km中国森林分类图。分类结果表明，所用方法能够更加细致地划分森林类型，并且能保留一个相对较高的分类精度。     

Monitoring regional vegetation change using reflectance measurements from multiple solar zenith angles.

Many traditional models of vegetation canopy reflectance have commonly used one of two approaches. Either the canopy is assumed to consist of discrete objects of known reflectance and geometric-optics are then used to calculate shading effects, or, as in the turbid medium approach, the canopy is treated as a horizontally homogeneous layer of small elements of known optical properties and radiative transfer theory is used to calculate canopy reflectance. This paper examines the effect of solar zenith angle on the reflectance of red and near-infrared radiation from forests using a combination of these modelling approaches. Forests are first modelled as randomly spaced eucalypt crowns over a homogeneous understorey and the fractional coverage of four components: shaded and sunlit canopy and shaded and sunlit understorey are calculated. Reflectance from each fraction is then modelled for a range of solar zenith angles using the Verhoef SAIL model. The overall scene reflection as seen by a nadir viewing satellite sensor is compared for three forest types representing a gradient of crown density from open dry grassy woodlands to dense wetter closed forest with an understorey of mesophytic plants. Modelled trends in scene reflectance change are consistent with aircraft measurements carried out at three different solar zenith angles. Results indicate that an increase in both tree density and solar zenith angle leads to an increase in the dominance of shaded components. In the visible band, both the sparsely treed woodland and the medium density dry forest show similar trends to that predicted by a turbid medium model, however, the wet forest shows a less rapid decrease in reflectance with solar zenith angle. In the near-infrared band, as tree density increases from woodland to wet forest, overall scene reflectance shows increased departure from that modelled using the traditional assumption of smooth homogeneous canopies, changing from an increase with solar zenith angle for the woodland to a decrease with solar zenith angle for the forest types.     

Identification of Forest Vegetation Using Vegetation Indices

Spectral feature of forest vegetation with remote sensing techniques is the research topic all over the world, because forest plays an important role in human beings' living environment. Research on vegetation classification with vegetation index is still very little recently. This paper proposes a method of identifying forest types based on vegetation indices, because the contrast of absorbing red waveband with reflecting near-infrared waveband strongly for different vegetation types is recognized as the theoretic basis of vegetation analysis with remote sensing. Vegetation index is highly related to leaf area index, absorbed photosynthetically active radiation and vegetation cover. Vegetation index reflects photosynthesis intensity of plants and manifests different forest types. According to reflectance data of forest canopy and soil line equation NIR=1.506R+0.0076 in Jingyuetan, Changchun of China, many vegetation indices are calculated and analyzed. The result shows that the relationships between veg     

Identification of Forest Vegetation Using Vegetation Indices

Abstract

Spectral feature of forest vegetation with remote sensing techniques is the research topic all over the world, because forest plays an important role in human beings' living environment. Research on vegetation classification with vegetation index is still very little recently. This paper proposes a method of identifying forest types based on vegetation indices, because the contrast of absorbing red waveband with reflecting near-infrared waveband strongly for different vegetation types is recognized as the theoretic basis of vegetation analysis with remote sensing. Vegetation index is highly related to leaf area index, absorbed photosynthetically active radiation and vegetation cover. Vegetation index reflects photosynthesis intensity of plants and manifests different forest types. According to reflectance data of forest canopy and soil line equation NIR=1.506R+0.0076 in Jingyuetan, Changchun of China, many vegetation indices are calculated and analyzed. The result shows that the relationships between vegetation indices and forest types are that perpendicular vegetation index (PVI) identifies broadleaf forest and coniferous forest the most easily; the next is transformed soil-adjusted vegetation index (TSVI) and modified soil-adjusted vegetation index (MSVI), but their calculation is complex. Ratio vegetation index (RVI) values of different coniferous forest vary obviously, so RVI can classify conifers. Therefore, the combination of PVI and RVI is evaluated to classify different vegetation types.     

Sensitivity analysis assessment of remotely based vegetation indices to improve water resources management

Normalized Difference Vegetation Index (NDVI) is estimated from Landsat 8 sensor acquired in June 2013 to drive four different water-related indices calculated as NDVI derivatives. Different vegetation indices (VIs) have been extracted exclusively in estimation of different VIs: Leaf Area Index, Water Supply Vegetation Index, Crop Water Shortage Index, and Drought Severity Index in addition to estimation of daily evapotranspiration (ET). Sensitivity analysis assesses the contributions of the inputs to the total uncertainty in the analysis outcomes. Vegetation indices are complex and intercepted, therefore the interceptions of the five different vegetation indices are considered in the current study. A comparative analysis of Gaussian process emulators for performing global sensitivity analysis was used to conduct a variance-based sensitivity analysis to identify which uncertain inputs are driving the output uncertainty. The results showed that the interconnections between different VIs vary, but the extent of the features sensitivity is uncertain. Findings from the current work conducted are anticipated to contribute decisively toward an inclusive VIs assessment of its overall verification. Daily ET is the less sensitive and more certain index followed by Drought Vegetation Index.     

Application of remote sensing techniques toward the role of traditional water bodies with respect to vegetation conditions

Sri Lanka being an agrarian country, the role of water is important for agricultural production. In Sri Lanka, various tank cascade systems, earthen dams and distribution canals have been accepted as few of the most complex ancient traditional water systems of the world. Rainfall, surface water, groundwater and runoff are linked with each other, they have close interactions to land cover classes such as forests and agriculture. The monitoring of vegetation conditions can show subsurface manifestations of groundwater. In this study, an effort to understand the role of traditional water reservoirs and groundwater recharge was made using remote sensing techniques. We have analyzed various vegetation indices such as Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI-2), Soil-Adjusted Vegetation Index (SAVI), tasselled cap transformation analysis (TCA brightness, greenness and wetness) and their relations with the existence of soil, vegetation and water. Result shows that EVI, SAVI, and TCA-based Greenness Index indicates good relationship with the vegetation conditions as compared to other indices. Therefore, these indices could play a crucial role in depicting the interaction between soil, vegetation, and water. However, multi-temporal observations can provide significant results about these interactions more accurately.     

四川省甘孜州松茸栖息地动态变化研究

应用3S技术结合野外调查,对甘孜州松茸栖息地10 a间（1994~2004）的动态变化特征进行综合分析。结果表明：（1）根据建群种的生活型可将松茸栖息地划分为3大栖息地类型（12个群系）,分别为硬叶常绿阔叶林栖息地、针阔叶混交林栖息地以及针叶林栖息地;（2）松茸栖息地破碎化整体上呈增加趋势,主要表现为最大斑块指数减小,斑块边界总密度、形状指数及多样性指数增大;（3）至2004年松茸栖息地总面积达1 728 96309 hm2,较1994年面积增加4329%;新增川滇高山栎川西云杉混交林和高山松黄背栎混交林两大斑块类型,面积分别为409 95468 hm2和24 61428 hm2;栖息地面积、类型及数量的增加,对破碎化的发展速度起到一定的延缓作用;（4）鳞皮冷杉林、高山松林、川滇高山栎川西云杉混交林以及高山栎鳞皮冷杉混交林为栖息地的优势斑块类型,有必要对其乔木层片与灌木层片中栎类植物的组成比例进行调整,改善栖息地环境质量     

金沙江流域植被覆盖时空变化特征

金沙江流域是长江上游生态脆弱地区,是长江上游水土保持重点防治工程、天然林保护工程和退耕还林工程等生态建设工程的重点实施区。首次利用遥感数据的归一化差值植被指数，采取线性相关分析方法，借助地理信息系统软件，定量化的分析金沙江流域生态建设工程对流域植被的影响。研究结果表明：1999～2008年，金沙江流域年均NDVI在波动中呈显著增加趋势，变化趋势的空间分布存在明显的区域差异，增加速率最快的是农田植被，增加趋势最显著的是灌丛植被；季节平均的NDVI空间分布与年内变化具有明显的空间分异性，不同季节NDVI的变化趋势也存在空间分异性，春、夏、秋和冬季金沙江流域NDVI呈增加趋势的像元分别占总像元的1650%、830%、1170%和1403%；春、夏和秋季都是灌丛NDVI的增加占主导地位，冬季则是草地NDVI的增加占主导地位。基于分析，在“长治”工程、天然林保护工程和退耕还林工程等生态建设工程的综合治理和气候变化的双重影响下，金沙江流域环境向有利的方向发展     

长江上游生态建设工程与植被覆盖时空变化的响应特征研究

"退耕还林"、"天然林保护"等重大生态建设工程在长江上游实施已有十余年,剖析重大生态建设工程实施以来长江上游植被覆盖时空变化特征与生态建设投入间的响应关系,对区内未来生态建设的布局具有重要指导意义。以年际时间序列的SPOT-VEGETATION NDVI遥感数据为基础,利用遥感及地理信息系统技术,趋势拟合等方法,研究长江上游地区2002年至2013年植被覆盖时空动态变化特征。并以县级行政区为单元,分析长江上游植被覆盖时空变化与生态建设工程投入的响应关系。结果表明:研究区内植被指数NDVI(Normalized Difference Vegetation Index)整体呈现缓慢增加趋势,年均增长率为1.06%,主要体现为中等植被覆盖向高植被覆盖转化;植被覆盖增加区域远远大于植被覆盖减少区域,其中增加的区域占整个长江上游流域的86.02%,主要分布于秦巴山地以北、云贵高原以及横断山区中小起伏的山地;植被覆盖减少区域占6.09%,主要分布于汶川地震灾区以及成都,重庆、昆明等大型城市群及其周边。其次,近10 a生态建设重大工程投资对长江上游植被覆盖增长起促进作用,在研究区内有261个县级行政区具有较好的造林效率,达县级行政区总数的90%,集中分布于云贵、川陕交界处及西部高山、高原区。     

长三角地区植被退化的空间格局及影响因素分析

植被退化是陆地生态系统功能下降的重要表征。利用2000~2010年SPOT-VEGETATION NDVI遥感数据、土地利用数据,采用趋势分析、叠加分析和格网计算方法,对长三角植被退化的空间格局及其影响因素进行分析。结果表明:10a间长三角地区最大化NDVI均值空间分布南北高、中间低,区域14%的植被覆盖面积显著退化。植被退化呈现一定的空间分异,而人类活动是导致植被退化的主要原因。在长江以南、太湖的北部与东部,环杭州湾地区及南京、南通和台州等城市快速无序的城镇化,造成了建设用地面积增加和耕地的破碎化,使植被退化区域集中连片分布。经济利益驱动农民将水田转化为向水产养殖,引起植被退化。部分区域植被面积未减少而呈退化态势的原因有待研究。