利用决策树模型的湿地提取与分类

为解决因湿地环境复杂且类型多样导致光谱混淆而难以对其自动遥感提取的问题,采用决策树模型的湿地信息提取方法,以Landsat OLI影像光谱特征和经缨帽变换后的数据为基础,结合不同类型湿地的环境特征和空间特征信息,提出先分区再分类的思想,构建决策树分类模型.对原始影像进行缨帽变换,利用变换后的湿度分量及地物的光谱特征规律,将研究区划分为水体区域、植被区域和非植被区域,然后分别对各个区域进行再分类,逐层分级,最终实现不同类型湿地的分级提取.研究结果表明:采用分区分类思想构建决策树模型,可以有效提取湿地信息,精度达87.50%.     

基于MODIS数据的百色水利枢纽水库水域提取研究

利用2006年11月4日的美国EOS-MODIS/TERRA卫星的MODIS遥感数据,采用图像差值运算和阈值法提取百色水利枢纽水库蓄水后的水域范围,统计像元数计算水域面积。结果表明,在差值图像上,水域具有较高的灰度值,表现为灰白色或白色,而陆地具有较低的灰度值,表现为灰黑色到黑色的过渡变化,水陆边界较为清晰,可以用于水域的目视判别和阈值的选定;提取出的百色水利枢纽库区水域呈树枝状分布,蓄水后形成一个大型人造湖泊,湖泊内形成多个岛屿,提取出的水域面积为167.875km2;受MODIS空间分辨率的限制,对于实际较细小的线状水域,提取出来的结果出现不连续现象。     

应用MODIS数据进行土壤盐渍化评价方法研究

土壤盐渍化是土地荒漠化的主要成因和表现形式,是一个世界性的资源问题和生态问题,给人类社会带来了严重的经济损失和生态危害.探讨了利用中分辨率遥感数据,对区域性盐渍化土壤进行分类评价的方法.以银川平原为例,选用分辨率为500 m的MODIS遥感影像数据,运用非监督图像分类方法中的ISODATA算法,对该区域的土壤盐渍化程度和分布状况进行定性和定量的评价分析.分析结果表明,在银川平原区内,非盐渍化土面积约4 088.50 km2,重度盐渍化土面积约170.00 km2,中度盐渍化土面积约659.00 km2,轻度盐渍化土面积约1 653.50 km2.与实际调查资料对比,得出本次分类结果精确度为77.6%.     

结合GIS数据的神经网络湿地遥感分类方法:以上海崇明岛东滩湿地为例

以上海崇明岛东滩湿地为例,利用改进的BP算法结合主成分分析,将光谱信息的主成分、NDVI、MNDWI以及GIS数据作为神经网络的输入参数对东滩湿地进行神经网络分类.结果表明,神经网络分类能够有效的提高分类的精度,适合湿地分类.     

基于ENVI的MODIS数据预处理实现

为给MODIS影像预处理软件实践操作提供参考,利用ENVI软件对MODIS影像进行几何校正和辐射校正实验研究.具体工作步骤是:去蝴蝶结效应;基于地理位置查找表法进行影像的几何校正;FLAASH大气校正模块的数据准备和参数设定.     

MODIS遥感数据的沈阳市植被变化规律

为确定2001-2011年间沈阳地区植被的分布特征和年际变化规律,采用NASA地球观测系统(EOS)提供的MODIS陆地植被指数产品MOD13A3,对沈阳地区进行分析,用归一化植被指数(NDVI)作为植被生长状态指标,以2001年植被指数为基准,用其它年份的植被指数与基准作差值处理,根据NDVI变化数据分级标准进行分级,分析了2001-2011年间沈阳地区植被的分布特征和年际变化规律.结果表明:沈阳地区植被覆盖密度由城区中心向周边逐渐增大;2001-2011年沈阳植被总体呈退化趋势;2002-2004年,沈阳城区边缘的植被有轻微退化外,其他地区植被均呈现中度和轻微改善;2005年以后沈阳市城区边缘的植被退化严重;在2008和2010年间,沈阳市周边地区如东陵区东南、苏家屯东南部、沈北新区西南部和于洪区东南部植被均有轻微和中度改善.     

基于MODIS数据的遥感旱情监测技术研究

本文基于笔者多年从事遥感减灾应用的相关工作经验,以基于MODIS数据的遥感旱情监测为研究对象,以某地区生长季的4月和7月为研究背景,分析了ANDVIj,VCIj及NDWI三个指标的变化趋势,给出了该地区旱情的变化趋势,全文是笔者长期工作实践基础上的理论升华,相信对从事相关工作的同行有着重要的参考价值和借鉴意义。     

利用ENVI软件处理MODIS 1B数据并提取积雪信息

本文主要介绍利用ENVI软件对MODIS 1B数据的处理，以及运用其相关功能利用积雪指数NDSI对积雪信息进行提取，讨论ENVI软件对处理MODIS数据并提取相关积雪信息的便利性。     

基于4因子模型的地形数据变化分类

为了完整的区分地形数据库中各种地理要素的变化类型，提出了地形数据变化分类所依据的4因子模型，即对象整体、对象组件、对象或对象组件的状态、属性值的逻辑运算结果，这4个因子具有一定的层次结构。变化类型首先根据高层次的因子判断，如果高层次因子无法区分变化，则逐渐降低确定变化的因子类型。基于提出的方法，建立了一个自动化提取和发布变化信息的信息系统。实验结果表明，该模型能满足空间数据生产者发布变化信息的需要。     

基于BP神经网络的湿地遥感分类

遥感图像分类的实质是通过计算机对图像像元进行数值处理，达到自动识别地物的目的．在对国内外湿地遥感分类研究的基础上，用BP神经网络方法对湿地遥感分类进行了研究，并与最大极然法进行精度比较分析．结果表明：BP神经网络分类法是一种有效的湿地分类技术，能够提高分类精度．     

基于MODIS数据的海洋叶绿素反演算法研究

海洋叶绿素的反演在海洋-大气系统的碳循环、赤潮灾害监测等方面具有重要意义。选择南海乐东县作为研究区,基于MODIS 250 m分辨率数据,将MODIS水色产品数据集和南海实测数据集作为实测值数据集分别建立二波段比值、植被指数NDVI以及逐步回归模型,反演研究区的叶绿素浓度。结果显示,基于南海实测数据集建立的反演模型精度普遍较高,R~2值都达到0.7以上,其中逐步回归模型精度最高,R~2值达到0.778 3。反演结果表明,在实测值支持下,MODIS高分辨率数据在叶绿素反演方面能够达到较好的反演效果,同时也提高了在MODIS数据使用方面的空间反演精度,证明MODIS高分辨率数据在海洋叶绿素反演方面能得到较好的应用。     

遥感数据的土地覆盖分类

为有效开展土地覆盖变化检测、碳循环评价和气候评估,从土地覆盖分类中使用的遥感数据、分类方法、土地覆盖分类系统以及分类结果对比4个方面,综述了近年来国际上土地覆盖分类的研究进展.这对建立一套能够反映中国实际,又能与国际上流行的分类系统兼容、灵活转换的土地覆盖分类系统,并建立开放的、及时更新的中国土地覆盖样本数据库,具有现...     

基于Landsat-TM数据鄱阳湖湿地植被生物量遥感监测模型的建立

建立合理的经验模型对地面植被生物量进行遥感监测是可行的方法．利用遥感影像获得的植被指数和实地得到的生物量做回归统计分析,得到近似的地面生物量估算模型,这种模型的合理性取决于数据处理的水平和样本数据的大小．任何模型在具体应用时都需要根据实际情况进行改进,生物量估算模型更是如此．该文首先说明了回归分析的理论依据和适用条件;然后基于大量的实地测量数据,选取了若干种植被指数,分别进行了植被指数与生物量的线性和非线性回归分析,结果表明,非线性回归得到的结果更优．但是不同于以往的是,该文从统计学的角度对这种结果做了进一步说明,指出这种分析的局限性,说明了模型的适用条件,希望结果能为比较准确地实施遥感监测和湿地调查提供参考。     

一种新的基于供应商管理库存的成品油物流配送模型

基于供应商管理库存(VMI)理论,提出了一种新的VMI模式下成品油物流配送模型.模型包括安全库存的动态管理模型、需求预测模型、基于路网的车辆配装模型和车辆路径问题(VRP)模型.给出了基于VMI的库存补给和安全库存动态管理的一体化解决方案,并将组合预测方法应用于成品油配送预测.应用结果表明,对于较大规模配送中心的配送活动,新模型优化结果良好.     

基于改进机会窗口理论的盐城湿地互花米草前缘时空变化研究

为分析江苏盐城湿地珍禽国家级保护区互花米草前缘的时空变化,提出了一种基于互花米草繁殖方式和遥感反演最小无干扰时间的改进机会窗口模型,在采用相关性分析和平均绝对误差对模型精度验证的基础上,分析了互花米草前缘的演变规律及其驱动机制。结果表明:1998—2010年,互花米草前缘全面向海推进;2010—2020年,前缘自北向南呈现淤-蚀-淤-蚀-淤的W形态变化趋势;2020—2021年,前缘北部持续侵蚀后退,中部相对稳定,南部大面积向海推进。     

基于多源数据及三层模型的小班林型识别

【目的】目前关于林型识别的研究区域主要为小范围森林区域和林场,为了探究较大范围内林型的识别方法,本研究使用Sentinel-2光学遥感影像、森林资源二类调查数据、数字高程模型(DEM)和Sentinel-1雷达遥感影像数据建立林型识别模型。【方法】以淳安县作为研究区域,针对淳安县各个小班中的7种林型:毛竹(Phyllosstachys edulis)林、茶树(Camellia sinensis)林、山核桃(Carya cathayensis)林、杉木(Cunninghamia lanceolata)林、马尾松(Pinus massoniana)林、阔叶混交林、其他硬阔林进行识别。研究采用分层的方法对林型进行识别,整体分为3层。第1层使用RF算法建立林地与非林地识别模型;第2层对林地数据进行树种结构识别,分别使用随机森林(random forest, RF)、极端梯度提升(eXtreme gradient boosting, XGBoost)和 轻量级梯度提升机(light gradient boosting machine, LightGBM)方法建立不同模型并对比分析实验结果;第3层将树种结构细分为林型。【结果】第1层RF林地与非林地识别模型总体精度为98.08%;第2层树种结构识别模型中对比了3个模型不同特征组合下的性能,其中LightGBM模型总体精度最高,达到81.43%;第3层模型对林型进行识别,基于所有特征结合雷达遥感因子建模的情况下,LightGBM模型精度为84.51%,经递归特征消除法(recursive feature elimination, RFE)选择特征后,最优精度为83.21%。【结论】通过各个模型的特征重要性图发现,光学遥感中的绿光、红光、近红外波段和红边波段,以及DEM提取的地形因子对研究区域小班林型识别有较好的效果,而Sentinel-1雷达中提取的自变量对林型的识别没有特别明显的帮助。     

基于GIS和RS的巢湖北岸湿地分类研究

文章以SPOT-5卫星影像为源数据,借助ERDASI MAGINE和Arc/INFO软件,探讨了RS和GIS技术在湿地识别、分类及制图方面的应用;运用4种融合方法对源数据做融合处理,利用比值法融合后的图像进行计算机监督分类,实现研究区土地利用类型的分类,绘制出巢湖湿地专题图,统计各类湿地的面积;对研究区各类湿地的空间分布规律及影响其分布的因素作了简单分析,并就巢湖周边资源如何实现可持续发展提出几点建议。     

光谱混合分解模型在草地退化研究中的应用

研究了光谱混合分解模型在草地退化(荒漠化)中的应用,探讨了模型运用中的遥感数据获取和预处理、端元选取、光谱混合分解结果的时序分析和数据融合等关键问题,并给出了相应的解决方法。最后探讨了该方法存在的问题和改进之处,指出高光谱遥感、模型数学、神经网络是光谱混合分解模型在草地退化研究中的发展方向。