基于GF-1卫星遥感影像的生态空间周边建筑余泥渣土场提取方法研究

建筑余泥渣土存量增长速度不断加快,导致相关生态环境污染及安全问题不断增多。遥感技术具有快速、大范围、多时相的特点,对占地面积大、变化快的余泥渣土场实时监管具有显著技术优势。以深圳市部九窝余泥渣土场为研究区,基于高分一号(GF-1)卫星遥感影像,结合其波段设置特点及余泥渣土场与附近生态空间区域的可分性,间接通过植被指数试验与阈值分割参数提取,研究生态空间周边余泥渣土场快速提取方法。比较了归一化植被指数NDVI、比值植被指数RVI、增强型植被指数EVI、超绿指数EXG、归一化绿红差异指数NGRDI、可见光波段差异植被指数VDVI这6种指数计算结果及阈值分割后提取效果,结果表明NGRDI指数对余泥渣土场的提取效果最优,并基于三景GF-1影像,验证其提取精度在97.5%以上,Kappa系数大于0.8,最后基于该方法进行部九窝余泥渣土场变化检测并实地验证,相关研究成果可为生态空间区域及周边建筑余泥渣土场环境监管提供技术支持。     

基于高分1号影像的森林植被信息提取

实时最新森林植被信息的提取是林业航空植保作业的必要前提。论文以安徽省蚌埠市为研究区域,探讨了基于高分1号卫星遥感数据在亚热带农林植被混合地区的森林植被信息提取。根据植被物候信息差异选择了提取森林植被信息的5个关键时期高分影像,采用分区决策树方法监测森林植被的空间分布和面积信息,并与未分区决策树法的提取结果进行比较。结果表明：采用分区决策树法和未分区决策树法对于大中尺度森林植被信息提取的总体精度均优于85%。但分区决策树森林植被提取总体精度达到90.72%,较未分区决策树法提高3.80%、4.65%,Kappa系数达到0.81,较未分区决策树法提高约0.07~0.10,结合植被物候信息的分区决策树森林植被提取法好于未分区决策树法,能够满足林业航空植保作业的精度需求。具有较高空间分辨率、宽覆盖、短重访周期的高分1号影像,对于大区域的林业航空植保当年最新森林植被信息的提取表现出较大的潜力。     

基于无人机多光谱的沼泽植被识别方法

为了探究高分辨率无人机多光谱数据对沼泽植被群丛识别能力,在洪河国家级自然保护区的核心区、缓冲区和实验区分别建立典型样区,通过低空无人机搭载的RGB及多光谱相机获取研究区正射影像,构建多维数据集并确立4种分类方案.采用面向对象的随机森林（RF）算法,对输入的多维数据集进行变量选择和参数（mtry、ntree）调优,构建适合沼泽植被群丛尺度识别模型.结果表明：优化的面向对象的RF算法对沼泽湿地植被具有较高的识别能力,在95%的置信区间内,核心区方案四（结合了光谱波段、纹理特征、几何特征、位置特征、地表高程信息和植被指数）获得最高总体精度为87.12%,kappa系数为0.850,比方案二（结合了光谱波段、几何特征和位置特征）总体精度高12.27%,kappa系数高0.140;对于单一典型沼泽湿地植被识别精度中,芦苇获得最高的用户精度高于88%,生产者精度高于90%,小叶章的生产者精度高于85%,但是在核心区用户精度较低,仅为78%.该方法可以作为沼泽植被群丛识别的有效方法,为研究沼泽湿地生态环境变化提供更准确的数据支持.     

基于无人机多光谱影像的海滨景区浒苔信息提取研究

2007年以来,黄海绿潮（浒苔）灾害连年大规模暴发,对山东半岛近岸海域生态环境造成严重影响,大量靠岸浒苔若处置不及时会腐烂发臭,严重影响海滨景区旅游业及附近居民健康。为了提高绿潮灾害重点区域遥感监测的精度、提升靠岸浒苔预警的准确性和浒苔清理的工作效率,本研究利用无人机航拍的高精度影像对乳山市银滩海滨景区绿潮灾害进行监测,结合地物光谱仪实地测量浒苔和岸边植被的光谱特征,通过四种植被指数对浒苔和岸边植被进行光谱分析和识别对比,验证不同植被指数下浒苔和岸边植被的提取情况,并基于提取方法对靠岸浒苔生物量进行估算。研究表明:在红边波段,浒苔和岸边植被具有明显的可区分性,使其可以利用MTCI（MERIS terrestrial chlorophyll index）、NDVI_redge、SR_redge、MSR_redge四种植被指数与岸边植被进行区分,MTCI区分提取效果最好,精度可达91.3%,其次是SR_redge、NDVI_redge、MSR_redge,提取精度分别为85.3%,83.8%,81.2%;利用MTCI指数建立的生物量估算模型,估算的300 m研究区内靠岸浒苔约600 t,为海滨景区绿潮灾害动态监测及清理工作提供有效方法。     

基于遥感影像的峻河流域高寒灌丛决策树提取方法

本文选择青海湖流域内一个具有代表性的小流域—峻河流域为研究对象,通过该区域 IKNOS-2 高分辨率影像的分析,发现该区域高寒灌丛的分布与海拔、坡度、坡向等因素密切相关。 据此,将研究区1:5 万DEM 数据融入TM 影像植被分类过程中,建立一种新的决策树分类方法, 结果将分类总体精度提高到89.37%,Kappa 系数提高到0.7875,达到一般分类结果的精度要求。 这说明,加入多源数据,尤其是地形数据,能够显著提高高寒灌丛植被的分类精度。     

基于TM的陆良县遥感影像分类方法实验研究

以Landsat TM遥感影像为数据源,以云南省陆良县为研究对象,利用ENVI4.8对陆良县的Landsat TM遥感影像进行图像预处理以及最佳波段组合,运用监督分类中的平行六面体分类、最小距离分类、马氏距离分类以及最大似然分类等四种分类方法,对地物信息进行提取,并对其分类精度进行评价。最后发现,波段146组合适合陆良县的地物提取。在分类方法中,最大似然法分类的总体精度及Kappa系数均高于其他三种分类。     

赤潮期东海水体不同遥感分类算法应用分析

对赤潮期长江口及邻近东海海域水体进行了三种不同遥感分类方法的水体类别提取。首先进行了最大似然监督法和ISODATA非监督法两种代表性的水体遥感分类,之后提出了两种基于水体光谱曲线特征的波段比值阈值分割模型,即C1=Lrs(645)/Lrs(469)和C2=Lrs(555)/Lrs(469)。对比发现,三种方法分类结果均揭示出了长江口及邻近东海海域近岸到远洋的水体空间变化规律,依次为悬浮泥沙水体、富营养化水体、赤潮水体、赤潮边界水体和远洋洁净水体。其中最大似然监督法对像元亮度值较为均一的悬沙水体和富营养化水体提取精度较高。而ISODATA分类结果误判较严重,可以作为辅助判别依据。本文提出的阈值分割模型1对悬浮泥沙水体更为有效,总体精度为91.34%,Kappa系数为0.88;模型2对赤潮水体更有效,总体精度为94.14%,Kappa系数为0.92,精度均高于前两种方法。     

基于植被指数的GF-1与Landsat-OLI石漠化识别能力对比评价

植被指数是运用多源遥感影像提取石漠化过程中的主要参考指标之一。为了在石漠化提取中选择最优植被指数,论文以GF-1和Landsat-OLI为源数据,运用欧氏距离对多种植被指数在石漠化提取过程中的可分性和类型识别能力进行了定量的对比评价。结果表明：Landsat-OLI在石漠化与非石漠化、不同等级石漠化信息提取的可分性上略优于GF-1,共有71个参数的欧氏距离大于等于阈值1.56;通过植被指数光谱特征,可以对非岩溶区与石漠化地区进行较好的区分,其类型间欧氏距离普遍高于阈值;然而由于相邻等级石漠化之间植被覆盖率存在渐近式过渡关系,在遥感影像上光谱反射率接近,比间隔等级石漠化更加难于区分。在石漠化类型识别能力方面,波段差和比方法优于单一光谱指数。对于GF-1和Landsat-OLI而言,石漠化信息提取中推荐使用的最优植被指数均为NDVI,其次为GRNDVI。     

福建省长汀县植被覆盖度遥感动态监测研究

遥感估算植被覆盖度的关键在于:一是植被指数的选择,二是植被指数转换方法。针对中国南方多山的特点,论文提出了能较好地削弱影像中山体阴影、土壤背景、岩石、建筑用地等地物对植被覆盖度信息干扰的复合植被指数V BSI;在植被指数转换方法上,采用混合像元法,对福建省长汀县1994年和2003年的遥感影像进行了植被覆盖度的估算。研究结果表明:采用VBSI进行植被覆盖度的估算,影像阴影信息的干扰作用可以被削减为NDV I的50%,基于VBSI的混合像元法估算植被覆盖度的总体精度达到80%以上;动态监测表明,从1994至2003年研究区高植被覆盖面积增加了150.47km₂,占国土面积的比例提高了4.9个百分点,据调查,这与近年来长汀县加大水土流失治理力度有着重要关系。     

基于LandsatTM数据的济宁市水体识别方法研究

文章基于济宁市2009年LANDSAT TM影像,根据影像各波段间的相关性和地物在各影像上的灰度差异,分别采用单波段阈值法、多波段谱间关系法、改进的水体指数法(MNDWI)及HIS空间水体提取模型法对济宁市水体信息进行识别提取。在此基础上,结合归一化指数法和HIS空间水体提取模型,提出了一种综合性的水体信息提取方法,并对各方法提取结果进行了精度评价。结果表明,已有方法对济宁市水体识别存在一定的缺陷,而综合法集成了归一化指数法和HIS空间水体模型的优点,很好地弥补了已有方法的不足,对济宁市水体信息进行了较好的提取,尤其是细小水体,同时也很好地消除了建筑物、阴影、水生植被等的影响,提高了济宁市水体信息识别的精度,为更好地定量评价济宁市地表水体时空演变规律等提供帮助。     

基于光谱分析的生物结皮提取研究——以毛乌素沙地为例

利用典型地物高光谱数据和TM遥感影像,对毛乌素沙地处于旺盛生长期(7-9 月)的由苔藓结皮主导的生物结皮进行了提取研究.结果表明:① 苔藓结皮在生长期具有与绿色植物相似的光谱曲线变化趋势;红边参数显示,二者除红边位置非常接近外,红边振幅、红边宽度和红边面积差异均较大;在近红外区域,苔藓结皮比绿色植物的反射率低很多;苔藓结皮无明显的553 nm反射峰;低盖度苔藓结皮(33%)、藻类结皮和植被枯落物在整个波段光谱曲线比较接近,与裸沙相比,三者反射率均较低.② 基于TM影像,用生物结皮指数(BSCI)、归一化植被指数(NDVI)、监督分类和坡度分级相结合的方法提取生物结皮,发现苔藓结皮的像元面积为0.72×10⁴ km²,占研究区总面积的6.43%.     

Application of Holdridge life-zone model based on the terrain factor in Xinjiang Automous Region

This study improved the application of the Holdridge life-zone model to simulate the distribution of desert vegetation in China which gives statistics to support eco-recovery and ecosystem reconstruction in desert area. This study classified the desert vegetation into four types： （1） LAD： little arbor desert; （2） SD： shrub desert： （3） HLHSD： half-shrub, little half-shrub desert; （4） LHSCD： little halfshrub cushion desert. Based on the classification of Xinjiang desert vegetation, the classical Holdridge life-zone model was used to simulate Xinjiang desert vegetation＇s distribution and compare the Kappa coefficient result of the model with table of accuracy represented by Kappa values. The Kappa value of the model was only 0.19, it means the simulation result was poor. To improve the life-zone model application to Xinjiang desert vegetation type, a set of plot standards for terrain factors was developed by using the plot standard as the reclassification criterion to climate sub-regime. Then the desert vegetation in Xinjiang was simulated. The average Kappa value of the second simulation to the respective climate regime was 0.45. The Kappa value of final modeling result was 0.64, which is the better value. The modification of the model made it in more application region. In the end, the model＇ s ecological relevance to the Xinjiang desert vegetation types was studied.     

基于高分1号杭州湾南岸滨海陆地土地覆盖信息提取方法研究

针对滨海陆地复杂地物环境下如何提高土地覆盖信息遥感提取精度的关键问题,基于最新发射的国产高分(高分辨率)1 号和资源3 号影像,采用面向对象分类法和最大似然法,开展杭州湾南岸滨海陆地土地覆盖信息的遥感提取。结果表明,相比最大似然法,面向对象法结合高分1 号既考虑对象的光谱、空间和纹理等多种属性特征,又充分利用高分影像所提供的丰富纹理和空间信息,对于土地类型多样、边界模糊等混合像元具有较好的识别能力,获得较高分类总精度(90.4%)和Kappa 系数(0.876 7);分割尺度对高分影像分类精度具有重要影响,高分1 号2 m和8 m最优分割尺度分别为63%和65%,资源3 号影像最优分割尺度为66%;高分1号比资源3 号更能体现在植被和水体等地物信息提取方面的优势。     

影像融合技术在滩涂湿地植被分类中的应用

选择上海崇明东滩鸟类自然保护区的盐沼植被为对象,利用该地区2004年TM多光谱影像与同期SPOT5全色影像进行多种规则的融合,通过计算信息熵、均值、标准差、平均梯度、偏差指数、相关系数和均方根差7项指标,评价选取光谱信息较丰富、空间信息更清晰的融合影像.在此基础上,利用该融合影像进行植被分类,得到滩涂地区典型植被、光滩和水体等专题分类影像及其信息,并利用实地观测的134个样区进行比较验证.研究结果表明:相对于融合前的TM影像,利用Wavelet +IHS方法融合后的图像数据能很好地保留TM影像的多光谱信息,同时增加了其空间分辨率.融合技术可以充分利用各类遥感影像的空间和光谱信息,有效提高海岸带资源调查与监测的精度.     

环境污染监测中的植物光谱效应研究

介绍了健康植物光谱特征及各波段反射率的影响因子,以及植物受到污染胁迫后其光谱特征的变化情况,如可见光、近红外波段光谱反射率升高或降低,红边漂移等,同时指出污染物质主要通过改变植物叶片的色素含量而对植物光谱产生影响。阐述了污染植物光谱信息提取方法,及植物光谱效应在环境污染遥感监测中的应用情况,提出了今后高光谱遥感在植物监测应用方面需要进一步解决的问题。     

呼伦贝尔草原植被覆盖度估算的光谱模型

采用美国ASD公司Fieldspec3光谱仪和日本富士数码相机,于2009年7~8月在内蒙古呼伦贝尔草原区进行了植物高光谱和植被覆盖度测定,并运用回归分析方法,建立实测归一化植被指数(ASD NDVI)和植被覆盖度之间的地面光谱模型,分析MODIS/TERRA卫星的NDVI(MODIS NDVI)与ASD NDVI的关系,建立预测植被覆盖度的MODIS光谱模型,并对模型进行精度检验.结果表明所建的MODIS光谱模型是线性函数,该模型预测精度高于亚像元分解模型,标准误差为11.58%,平均预测精度达到88.75%.     

基于高空间分辨率遥感影像的城市绿地提取方法研究

城市绿地是城市生态系统的一个重要子系统,在改善城市环境质量和居民生活水平方面扮演着越来越重要的作用。因此,如何及时获取城市绿地的分布及其变化,对于保护城市生态环境至关重要。本研究提出了一种基于高空间分辨率遥感影像的城市绿地提取方法,并珠海市为研究区域,利用Worldview-2遥感影像进行了城市绿地提取实验。结果表明,城市绿地提取结果比较理想,总体精度为94．09%,Kappa系数为0．94,但建设用地和裸地、城市绿地和建设用地之间仍然容易错分。