积雪覆盖监测是地球科学研究的基础,对于研究全球气候变化,开展防灾减灾救灾等工作都有重要的意义.高分四号卫星是我国高分辨率对地观测系统重大专项中唯一一颗民用高轨卫星,也是世界上首颗静止轨道高分辨率光学成像卫星,其机动灵活、高频次观测能力在积雪遥感业务化监测中具有广阔的应用前景.该文利用高分四号卫星多谱段、高时效、大幅宽和中分辨率等成像优势,紧密结合积雪和移动云层在多时相图像上的反射特点,提出了基于多时相高分四号卫星数据的积雪覆盖范围提取方法.首先对高分四号卫星全色图像进行二值化分割以消除低反射目标的影响;然后对多时相云雪覆盖区域进行合成来剔除移动云层的干扰;在此基础上,利用云、雪在多时相近红外图像上反射值变化的差异性,通过对多时相高分四号卫星近红外图像的最小值合成和阈值分割精细化地提取积雪覆盖范围,进一步去除变化云层的影响.以新疆中西部为试验区,通过与基于HJ-1B卫星的积雪覆盖结果比较,实验表明:两类数据提取的积雪空间分布具有较好的趋势一致性,高分四号卫星影像监测积雪范围更广,总体精度达92.19%,高于HJ-1B卫星图像的89.84%;但受空间分辨率和"不变云层"的影响,基于高分四号卫星影像的积雪识别精度为85.16%,低于基于HJ-1B卫星图像的识别精度94.53%.

[目的]卫星影像已经被广泛用于小麦、玉米、水稻等种植范围较广的粮食农作物空间分布信息提取和面积估算。但是，利用遥感影像研究苹果园光谱与纹理特征，获取苹果园地面积与分布的应用研究较少。以往的研究已经指出高分纹理特征有利于苹果园地分类，但是中分影像的数据保障性会更强，可提供时序的光谱特征，因此，文章提出了一种综合利用非最佳观测期获得的高分辨率影像纹理信息和多时相中分辨率影像光谱信息提取苹果园地的方法。[方法]该方法以GF-2号卫星及哨兵卫星数据为数据源，首先利用灰度共生矩阵（GLCM）提取GF-2的纹理特征，然后将提取的GF-2的纹理特征和光谱特征与5期不同时期的哨兵影像相结合，形成5组GF-2纹理和光谱特征与某一期哨兵影像的组合特征（记录为GF-2+单时相哨兵），1组GF-2纹理和光谱特征与所有哨兵影像的组合特征（记录为GF-2+多时相哨兵），以7组不同的组合特征（GF-2纹理和光谱特征、5组GF-2+单相哨兵和1组GF-2+多时相哨兵）为输入，使用三种不同的分类方法（C4.5、CART和Random Forest）提取苹果园地的分布，比较分析不同特征组合对苹果园分类精度的影响以及三种不同决策树学习方法的优劣。[结果]苹果园提取时，GF-2+单时相哨兵特征组合与GF-2+多时相哨兵特征组合明显优于GF-2纹理和光谱特征组合，GF-2+4月（花期）哨兵是最佳特征组合，其苹果园的分类精度和整个研究区域的总体精度分别比GF-2单独分类提高至少8.14%和8.29%，比GF-2+多时相哨兵分类提高至少1.14%和0.95%。当采用相同组合特征时，随机森林分类方法提取苹果园地效果最好，苹果园提取精度均在90%以上。[结论]利用非最优时相高分影像与花期中分影像提取苹果园能够得到最优的精度；如果没有花期中分影像，其他时相中分影像与非最优时相高分影像组合也能够得到比较优的精度。

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。

利用多时相陆地资源卫星Landsat TM和增强型专题绘图仪ETM影像数据,使用像元二分模型对浙江省庆元县1994-2007年植被覆盖度及其动态变化进行研究。结果表明:13 a来,庆元县植被覆盖度持续增长,至2007年高植被覆盖度区域占全县总面积的90.77%,植被覆盖度等级间的转移方向以中高覆盖区(50%～75%)向高覆盖区(>75%)转变为主,其中1994年至1999年间的变化最为显著。13 a间植被覆盖度随坡度的增大而增加,坡度越小植被覆盖度增长幅度越大,特别是地形平缓区域(<15°)的植被覆盖度增长幅度达15%以上。全县植被覆盖度时空变化分级统计结果显示,1994-1999年,庆元县东...

研究目的:为进一步拓展土地整治遥感监测手段,本文以多时相高分辨率遥感数据为数据源,在土地整治工程地物信息提取基础上,构建形象进度评价模型以综合掌握项目实施进展。研究方法:挣值分析法,实证研究法,文献研究法。研究结果:从遥感影像提取的工程矢量信息分析评价结果符合项目实际进展。研究结论:在遥感监测信息提取的基础上,本文提出的工程形象进度评价模型可用于计算项目整体工程进展,评价项目进度情况,并找出导致项目进展缓慢的工程建设内容。

森林植被类型信息对于生态的保护、规划和建设具有重要的意义。论文针对单一时相遥感数据在提取森林植被类型信息方面的局限性,探讨了基于多时相MODIS遥感数据实现提取主要森林植被类型信息的方法。将四川省的森林植被划分为常绿落叶混交林、常绿阔叶林、常绿针叶林、落叶阔叶林、落叶针叶林5种类型。通过对其年内生长差异的分析,选取多时相(2005年1月9日、2月26日、4月22日、7月19日和10月23日)特征数据,利用光谱和时相特征知识建立了常绿林、落叶林和针叶林的提取模型;通过特征组合与逻辑判断,实现了5种植被类型信息的提取,提取精度总体达到84%,植被类型最低精度达到76%。研究表明,该方法可以节约大量...

城市化是全球变暖和城市热岛效应的重要影响因素,影响着区域气候、环境和社会经济发展。本研究采用两个不同季相TM/ETM+影像分析福州市及其周边地区土地覆盖及其热场的时空分布。为了精确获取土地覆盖信息,采用高分辨率影像提取不透水面并获取不透水面面积百分比信息,计算各级不透水面百分比的地表温度、归一化植被指数与归一化建设用地指数的平均值。通过各级平均值定量分析归一化植被指数、归一化建设用地指数、不透水面百分比与地表温度的关系,并计算各级不透水面对区域地表温度的贡献。分析结果显示:归一化建设用地指数,不透水面百分比与地表温度的相关指数分别>0.61和>0.67,明显高于归一化植被指数与地表温度的相关指...

利用Sentinel-2遥感影像研究一种快速、准确提取茶园空间分布的新方法,可为茶园经济林资源及其动态变化的快速检测提供新的手段。以浙江省西北部为研究区,根据实地调查选取6类典型植被,基于4个季节的Sentinel多光谱影像分析不同植被物候及光谱特征。茶园在5月经历修剪后与其他植被区别较大,根据红边与短波红外波段构建归一化茶园指数(NDTI)。基于新指数建立决策树模型提取茶园,通过谷歌地球对结果进行验证。结果显示:归一化茶园指数可以最大限度扩大茶园与其他植被之间的差距。基于该指数提取茶园的总精度达93.83%,Kappa系数为0.917,成功实现了浙西北茶园信息的提取,证明了使用红边波段提取茶园的潜力。图6表1参17

[目的]及时准确获取农作物种植结构信息,对农作物种植结构调整具有重要意义。[方法]文章以多期GF-1卫星PMS影像为主要数据源,通过分层分类方法成功提取了朱仙镇一个种植年内秋播蔬菜、冬小麦、春花生、早熟西瓜、夏玉米、夏花生等农作物,并通过叠加分析得到朱仙镇的农作物种植模式。[结果]朱仙镇有10种种植模式,以一年两熟的冬小麦-夏玉米为主要倒茬模式,占比49.7%,其他9种种植模式所占比例之和接近50%;从整体景观的角度对朱仙镇的主要作物种植模式进行衡量,斑块丰富度PR达到9.0,香农多样性指数SHDI达到1

狼毒(Stellera chamaejasme)是近年来青藏高原高寒草地的主要入侵毒杂草之一，及时高效的调查与监测可为狼毒综合防控与退化草地恢复提供重要的技术支持。本研究选取花期前与盛花期的Sentinel-2A多光谱影像，将Google Earth Engine平台去云、环境要素掩膜、特征优选和随机森林分类相结合，探讨区域尺度的狼毒遥感识别方法。结果表明，通过狼毒敏感指数计算，以及Spearman秩相关性分析与随机森林重要性排序相结合的二次降维，提取了7项狼毒分类特征并构建了4个特征组合方案。与单时相特征组合相比，多时相特征组合有效提高了狼毒识别精度，其中，基于随机森林模型的6个特征组合方案的分类总精度为84.62%，狼毒分类精度均大于80%，识别效果最佳。本研究显示，影像去云及掩膜预处理能够有效减少分类干扰信息，花期前与盛花期提取的多时相特征组合增强了狼毒群落与其他群落的影像光谱差异，在区域尺度狼毒遥感识别中具有较好的应用潜力。

【目的】探索无人机遥感在氮效率分类识别中的潜力，构建小麦品种氮效率分类方法，为氮高效品种筛选提供理论依据和技术支持。【方法】通过6个成熟期与氮效率密切相关的农学指标（产量、植株氮积累、氮素生理利用效率、植株干生物量、籽粒总吸氮量、N收获指数）构建主成分综合值，并对其进行K-Means聚类分析，将121个小麦品种划分为氮高效型、氮中效型和氮低效型3种类型。利用无人机遥感平台搭载多光谱相机，在小麦拔节期、孕穗期和开花期获取无人机遥感影像，并提取34种植被指数，分析植被指数与氮效率综合值的相关性；对比支持向量机（SVM）、随机森林（RF）和K最近邻（KNN）分类方法的氮效率分类模型精度，使用总体分类精度（OA）和Kappa系数比较不同生育时期下小麦品种氮效率分类识别的能力；并使用3种不同的特征集筛选方法（ReliefF算法、Boruta算法和RF-RFE算法）对优化的特征子集进行综合评价，确立适宜的小麦品种氮效率分类识别方法。【结果】随着小麦生育时期的不断推进，植被指数与氮效率综合值的相关性逐渐提高，开花期最高（r=0.502）；利用植被指数全特征集对小麦品种氮效率进行分类，对于单生育时期数据而言，以开花期的SVM模型分类效果最好（OA=77.1%,Kappa=0.591），拔节期最差（OA=65.6%,Kappa=0.406）；总体而言，多生育时期数据融合的品种氮效率分类精度高于单生育时期，其中以拔节期+孕穗期+开花期3个生育时期数据融合的SVM模型的分类效果最优（OA=80.6%,Kappa=0.669）。为减少多生育时期数据融合的特征集变量数量，比较分析RF-RFE、Boruta和ReliefF 3种算法的特征优化效果，基于RF-RFE算法得到的优化特征子集分类精度最高，其OA和Kappa系数比全特征集分类模型分别提高了4.0%和10.1%，其中，以3个生育时期数据融合的分类效果最好（OA=85.4%,Kappa=0.749）。【结论】确立6个氮效率指标—主成分分析—K-Means氮效率评价方法；RF-RFE算法有效优化多生育时期组合的特征子集数量，且获得较高的分类精度，确立基于多生育时期组合—RF-RFE—SVM技术融合的小麦品种氮效率分类模型，为小麦氮高效品种的快速准确分类鉴定提供理论依据和技术支撑。

【目的】本文针对国内外利用多时相高分辨率遥感影像进行森林可燃物分类研究匮乏的情况,探索高分辨率影像的分类方法,并研究多时相森林可燃物分类结果的差异,以及与海拔、坡度变化的关系。【方法】以鹫峰林场为研究区,针对鹫峰林场内植被状况及以往研究成果,主要依据植物群落、林型和燃烧特性划分可燃物类别,研究对比不同森林可燃物类型的光谱特征曲线,建立遥感图像与森林可燃物的联系。选用GF-1号5、8、10月的遥感影像为原始数据,利用En MAP-box中的支持向量机(SVM)算法、随机森林(RF)以及基于CART的决策树分类方法进行森林可燃物分类,将可燃物类别最终划分为:针叶林、阔叶林、针阔混交林、灌木林和非林地5种类别,并分别对其特征进行描述,之后将最优分类方法应用到多时相的遥感影像中,并使用变化检测算法来确定非防火期(5—10月)森林可燃物类型之间土地面积的变化情况。同时,我们将数字高程模型(DEM)分为4类(1类( 750 m)),坡度分3类:缓坡( 35°),并使用Jenks方法分别对海拔和坡度每个类别土地面积变化计算百分比,研究随着海拔和坡度变化,森林可燃物面积的变化规律。【结果】划分的5种森林可燃物类别的光谱特征具有很好区分性,SVM分类最为准确,取得惩罚参数(C)为1 000和核参数(g)为10使得SVM分类模型达到最优,其总体分类精度为91. 88%,Kappa系数为0. 89,精度相对RF和CART分别提高了2. 72%和9. 36%。非防火期内(5—11月)森林可燃物类型变化有一定的规律,针叶林、混交林属于中等稳定类别,没有显著变化,分别保持93. 74%和94. 87%不变。相比之下,阔叶林和灌木林发生了较大变化,分别发生14. 64%和13. 36%。随着海拔的增加和坡度的变化,森林可燃物类型土地面积也发生了变化,海拔500～750 m和坡度16°～35°的土地上面积变化最大,达到了20%以上。【结论】多时相高分辨率遥感影像的森林可燃物分类中,基于SVM分类方法能够将可燃物更好地分类,且随着时间、海拔和坡度的变化,森林可燃物面积的变化有一定的规律,5—10月阔叶林和灌木林在海拔500～750 m和坡度16°～35°变化最大。

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...

多熟种植是中国重要的种植制度,在农业生产中具有重要的地位。复种指数反映了耕地实际利用强度,及时获取其空间分布信息是国家农业决策的基础。论文在重新理解和定义复种指数的基础上,提出了一种基于NDVI曲线迭代修正的复种指数遥感提取方法,并以SPOT/VGT多时相NDVI数据为基础,提取了1999~2004年中国北方17省市区农用地的复种指数。结果表明:提取的复种指数空间分布符合我国耕作制度区划,基于目视解译的样点检验总体精度为95.24%,Kappa系数为0.905 7,与根据统计数据得出的复种指数结果的线性回归斜率为0.928 8(R2=0.915 9,P<0.001),表明该方法能够准确快捷地提...