无人机遥感植被覆盖度提取方法研究综述

在介绍了无人机平台及携带的多种传感器的基础上,总结了无人机遥感提取植被覆盖度的算法,并将算法分成了三大类:颜色空间法、植被指数法和机器学习分类法;针对无人机遥感提取植被覆盖度所存在的问题及发展趋势进行了讨论.结果表明:颜色空间法能有效消除无人机图像中亮度和饱和度等因素的干扰;植被指数法原理简单,且具有良好的精度,是应用最广泛的方法;机器学习分类法适用于不同传感器获取的图像且提取精度高.     

基于HSV色彩空间和Otsu算法的无人机影像植被覆盖度自动提取

随着无人机遥感技术的不断发展和普及,其在生态学等领域中的应用已成为当前研究热点。植被覆盖度信息提取是无人机遥感的重要应用领域之一,然而目前无人机影像的植被覆盖度提取存在阈值难以选取、耗费时间过长等问题。为提高植被覆盖度提取的精度和速度,本文提出一种基于HSV色彩空间与Otsu算法的图像分割方法。该方法将无人机影像进行色彩空间变换,在HSV色彩空间中提取H分量并结合Otsu阈值分割方法,全程快速自动地完成植被覆盖度提取。实验结果表明,Otsu算法能显著缩短植被覆盖度提取时间,且提取精度较高,并且在结合HSV色彩空间时,准确度更高,对比传统植被覆盖度阈值提取有较为明显的优势,提高了植被覆盖度提取的时效性。     

山东省植被覆盖度变化的气象驱动力分析

基于遥感和GIS技术获取2000—2010年的归一化植被指数(NDVI)数据,对与植被生长有关的气象影响因子进行相关性分析。结果表明,山东省植被覆盖度变化与夏季平均气温主要为负相关关系,与夏季降水量具有较显著的正相关关系,不同地区的气象因素对植被覆盖度的影响具有较大差异。     

郑州市植被覆盖度动态监测与分析

植被覆盖度是用来衡量地表植被状况的重要指标之一.植被覆盖度及其变化也是区域生态环境变化的重要指标.拟基于郑州市1994年7月2日、2002年6月19日、2009年6月29号和2013年6月28日的TM/ETM+遥感影像数据,利用ENVI 5.1软件,分别采用像元二分法和监督分类法,提取郑州市植被覆盖度信息,并对比分析研究期间郑州市植被覆盖度的变化情况.从而得到郑州市植被覆盖度在研究期间的变化趋势.结果表明:郑州市植被覆盖度呈先下降后上升的变化趋势,但区域内分布不平衡;在提取植被覆盖度时,像元二分模型比监督分类法更具有优势.     

基于无人机高光谱影像的植被覆盖度遥感估算模型比较

为了探寻光谱解混模型估算植被覆盖度的精度及适用性,对广东省中山市民众镇义仓村内的一块香蕉林地,利用无人机高光谱数据,比较了3种植被覆盖度估算的经典模型(像元二分模型、Carlson模型和Baret模型)以及目前较为常用的3种光谱解混模型(线性光谱混合模型(Linear Mixed Model, LMM)、后验多项式非线性混合模型(Polynomial Post-nonliner Mixing Model,PPNMM)和考虑光谱变异的正态组分模型(Normal Compositional Model,NCM))估算植被覆盖度的效果. 实验结果表明:像元二分模型高估了植被覆盖度;Carlson模型低估了植被覆盖度;Baret模型在低植被覆盖度区域内高估了植被覆盖度、在高植被覆盖度区域内低估了植被覆盖度;LMM模型在高植被覆盖度区域有较好的估算效果;PPNMM模型在低植被覆盖度出现小幅度高估;NCM模型估算的效果最佳.     

基于遥感技术的植被覆盖度信息提取

本文以TM影像为数据源,以重庆南川市为例,结合地面调查数据,利用ERDAS遥感处理软件,对植被覆盖度信息提取方法、植被覆盖度与植被指数的关系、植被覆盖度分类等方面进行了研究。3S技术的结合,能快速准确地获取植被覆盖度信息。     

基于遥感技术的地表水源地植被覆盖度的动态变化

植被覆盖及其动态变化可以有效地反映出区域环境变化特征,监测植被变化在评价区域生态环境质量中是不可缺少的一部分。数据源采用Landsat遥感影像,在运用归一化植被指数及像元二分模型的基础上,提取出2002、2009、2018年珲春老龙口水库地表水源地植被覆盖度,并进行动态变化分析。结果表明:2002—2018年珲春老龙口水库地表水源地区平均植被覆盖度值呈先减少后增加的趋势,2009—2018年,该研究区植被覆盖度处于相对良好的状态,中高度植被覆盖区与高度植被覆盖区占总面积的比重达到86.99%。从空间上来看,地表水源地的东北部分植被覆盖度较高,由东向西呈降低趋势。高植被覆盖区变化明显,近20年内增加了1 818.80 km~2。政府政策、生态恢复工程、人类活动等是影响珲春老龙口水库地表水源地植被覆盖度的主要因素。     

宁化县地形及土壤特征对植被覆盖度的影响

为研究地形及土壤特征对植被覆盖度的影响,以宁化县2009年Landsat遥感影像和1：50万地形图为数据源,利用3S平台及归一化植被指数（NDVI）提取宁化县植被覆盖度,对植被覆盖度进行分类,通过GIS生成高程、坡度和坡向三个地形因子,并将植被覆盖度与三个地形因子和土壤类型分别进行空间叠加分析．结果表明,宁化县的植被覆盖度与其高程、坡度及土壤之间存在较大的关联,而坡向对其影响甚微．     

基于无人机与机器学习的黄河源高寒草地植被覆盖度反演技术

针对高原高寒地区大面积草地植被覆盖度调查与实验过程中地面测量效率低下,遥感数据质量不佳、数量源受限与反演结果不确定等问题,在黄河源地区利用低空无人机(unmanned aerial vehicle, UAV)遥感技术、统计建模与机器学习方法,开展基于可见光影像的高寒草地植被覆盖度反演与验证。结果表明:基于可见光构建的过绿指数与植被覆盖度的相关系数达0.676,比归一化差异指数高出近5.2%,具有较高的可靠性;利用过绿指数建立的高寒草地植被覆盖度统计模型中,对数模型和Gamma模型精度较高,但具有显著的地域差异性;直接利用低空无人机遥感波段值建立的机器学习模型精度显著优于各个统计模型,获得的均方根误差、估算精度、相对偏差和决定系数比统计模型中表现最优的对数模型分别提高2.68%、3.75%、7.35%和13.91%,且无需计算植被指数,在成本、效率和精度等方面具有较大的优势。     

三江源自然保护区植被覆盖度遥感估算

采用了基于重归一化植被指数的像元二分模型,并结合实测数据和相关辅助数据,对三江源自然保护区2007年的植被覆盖度进行了估算和精度验证.植被覆盖度实测值和遥感估算值之间的线性相关系数达到了0.9017,平均精度为81.52%.结果表明使用此方法进行大面积植被覆盖度的遥感估算是有效可行的.     

多源遥感数据在植被覆盖区的水体信息提取

针对单一遥感影像难以准确提取南方植被覆盖区水体信息的问题,提出了先对光学影像进行混合像元分解,消除植被干扰,增强水体信息,再联合雷达影像的多源遥感数据提取方法。以地物类型丰富,水体发育的湖南衡阳地区为研究对象,选择Landsat8光学影像和PALSAR雷达影像为主要数据源,先利用混合像元分解模型从Landsat8光学影像提取出植被信息,对水体光谱进行重建,再综合去除植被的Landsat8影像的光谱信息和PALSAR影像的纹理信息进行面向对象的多源遥感水体信息提取,并与单源影像的水体信息提取结果进行对比。结果表明,该方法进行水体信息提取的精度更高,尤其在水陆过渡带,能够较好地去除植被干扰,提取被覆盖的水体信息,在南方植被覆盖区水体信息定量提取上具有很好的效果和潜力。     

区域覆盖的多机协同探测任务分配策略

为满足战场环境下对兴趣区域进行覆盖探测的任务需求,提出了一种基于区域覆盖的多无人机协同探测任务分配策略。首先通过最小圆覆盖法确定无人机在兴趣区域中的目标航迹点,其次进行多机协同任务规划,在目标分配模型的基础上进一步建立时间分配模型,然后利用改进灰狼算法对任务分配模型进行求解,最终实现资源优化分配决策方案的获取。仿真结果表明,所提算法相比其他算法具有更快的收敛速度,能够更加有效地解决区域覆盖探测资源优化分配问题。     

分布式无人机网络覆盖优化算法

针对非均匀目标区域中的热点区域覆盖优化场景,提出一种分布式无人机网络覆盖优化算法。首先对满足网络连通性的最少无人机节点数目和热点区域覆盖范围进行估计,其次融入热点区域信息改进布谷鸟算法位置更新方程并重构优化目标函数,然后对发现概率参数进行自适应调整,最终实现热点区域覆盖率的重点优化。在仿真实验分析中,在相同仿真环境下与标准布谷鸟算法和其他经典算法进行对比,结果表明所提算法的热点区域覆盖率较其他算法提升了约4%,迭代次数减少了约30次,证明了该算法收敛速度快、耗时少,能够更加有效地提高热点区域的覆盖率。     

基于无人机点云数据的露天采场矿车提取方法

针对在基于无人机点云数据进行露天采场验收测量过程中,由于矿车点集的存在导致验收精度降低的关键问题,提出了一种露天采场矿车点集自动提取方法.以哑巴岭露天采场无人机点云为数据源,首先利用渐进式形态学滤波算法分割出地面点与非地面点,然后通过改进的欧氏聚类算法对非地面点中的矿车点集进行聚类提取,最后基于国际摄影测量和遥感学会(ISPRS)提出的误差评判标准对矿车提取结果进行评估分析.分析结果表明,该方法可以有效提取露天采场中的矿车点集,为实现露天采场快速高效验收提供了重要的技术支持.     

基于TM影像的伏牛山植被覆盖度变化研究

为研究伏牛山地区植被覆盖的变化情况,利用1991、2002和2011年三期TM卫星遥感影像,基于NDVI的像元二分模型,对整体植被变化趋势进行研究,并比较三期变化;同时结合数字高程模型对不同海拔的植被覆盖变化做对比分析;最后,分析气象因子的变化趋势.研究结果表明:(1)从分布上看,研究区整体植被覆盖状况较好.植被覆盖度随海拔的上升先增加后降低,临界点在海拔1 700¹ 800m之间.(2)从变化上看,21年以来,植被覆盖度呈增加趋势.海拔高度1 650m以下区域的植被覆盖度变化情况最为明显,这是由于人类活动主要集中在海拔较低的区域,而海拔高于1 650m的区域变化较小,受人类活动的影响较小.(3)从21年温度和降水变化来看,研究区域内植被覆盖度和温度的变化趋势并不一致,而和降水量变化的趋势有较高的一致性,具体表现为随降水量的增加,植被覆盖较好的Ⅳ级(F≥0.7)植被覆盖度区域面积增加.     

基于Worldview-2数据的东洞庭湖湿地区域植被覆盖度估算研究

利用Worldview-2卫星数据八波段多光谱数据特点,分析与近红外波段重叠并具有更高信息量的近红外2新波段特征构建植被指数(VI)的关系。以湖南东洞庭湖湿地区域为研究区,建立近红外2新波段参与的归一化植被指数(NDVI)植被覆盖度估算模型。通过与实测样点结果比较发现:近红外2波段参与改良后的NDVI法的估算结果与实测值验证结果更加匹配,精度达到87.8%;原始近红外波段参与的NDVI法的估算结果精度最低。研究表明运用Worldview-2数据,并采用改良后的NDVI法可以大区域、准确、快速的进行植被覆盖度估算。     

基于遥感的东营市植被覆盖动态变化研究

以东营地区1995年和2010年两期TM影像为数据源,通过计算归一化植被指数,并利用混合像元二分模型计算植被覆盖度,其植被覆盖变化从低到高分为5个等级．植被覆盖度变化结果如下：从1995年一2010年东营地区植被中高和高覆盖度类型面积增加,其面积变化率分别为483．2％和168．35％,极低和低植被覆盖度类型面积减少,其面积变化率分别为61．01％和51．11％．从空间上看,东营地区整体植被覆盖度都有所增加,而北部沿海、中部城区的植被覆盖度有所下降,这与东营市近年来重视植被保护和城市化加速有密切的关系．     

基于自适应遗传算法的无人机轨迹优化

针对目前无人机爬升轨迹优化算法存在的收敛速度慢、容易陷入局部最优解等问题,提出了一种基于自适应遗传算法的爬升轨迹优化方法。首先,结合无人机爬升阶段的运动方程和性能指标给出爬升段轨迹的优化模型。其次,为提高染色体的多样性和算法的收敛速度,对自适应遗传算法做了相应改进,使其更适合用于爬升轨迹的优化。最后,根据无人机爬升段轨迹特点,给出具体优化步骤,并对某型无人机爬升段轨迹做了优化仿真验证,结果表明所提出的方法能够在一定程度上节省运营成本。     

基于ASTER影像的土壤流失方程植被覆盖因子估计

针对土壤流失方程中植被覆盖度遥感估计存在的方法不确定问题,利用ASTER影像数据,使用植被指数及混合像元线性分解方法,结合地面调查数据,对土壤流失方程中植被因子做了进一步的研究分析,改进了利用混合像元分解定量估计土壤流失方程植被覆盖因子的方法.