森林在全球碳循环及大自然空气调节中发挥着重要作用,对森林分布的监测与制图意义重大。以黑龙江省逊克县两景星载ALOS PALSAR多时相数据覆盖区为研究区,利用不同时相极化SAR、干涉SAR对植被结构变化特征的敏感性,结合后向散射系数与干涉相干性的时变特征进行林地类型分类研究,发展基于多时相、多极化、干涉SAR的SVM林地类型分类识别方法。结果表明:多时相的平均干涉相干性对有林地、疏林地及灌木林地的识别十分有效;综合运用所选取的多时相干涉、极化比等有效维度信息能很好地突出地物的边缘与结构,更细致地区分不同林地类型。

[目的]及时、准确地获取旱地作物类型、种植面积及空间分布信息,可为农业生产管理,国家粮食政策提供重要依据。文章主要是对河北省冀州市棉花、玉米、水体和建筑进行分类,比较不同时相及分类方法下RADARSAT-2数据对4种地物的分类精度。[方法](1)计算得到每个时相(2018年7月14日、8月7日、9月24日)全极化RADARSAT-2数据的39个特征;(2)结合随机森林分类器比较不同分解方法(Freeman分解、Yamaguchi分解、MCSM模型和Cloud分解)得到的特征对旱地作物的分类精度影响;(3)分析参与分类的特征数量和时相对分类精度的影响;(4)将多时相多特征相结合,确定研究区内旱地作物的最佳识别方案。[结果]不同分解方法得到的特征越多、分类精度越高;就仅使用单景影像而言,在9月24日(玉米成熟期早期、棉花吐穗期中期)总体分类精度最高;不同分解方法得到的极化特征之间有一定的相关性,同一时相下,增加参与分类的极化特征数量不能有效提高分类精度;使用3个时相上117个极化特征,结合随机森林分类器,可以得到最佳分类精度(总体分类精度达92.89%,Kappa系数为0.885 9)。[结论]结合多时相与多特征相RADARSAT-2数据,能够有效提高复杂种植结构下旱地作物的识别精度,该研究可为旱地作物种植面积的快速提取提供参考。

[目的]基于多时相Sentinel-2A/B影像，探究深度学习模型在森林植被上的分类效果。[方法]以黑龙江省孟家岗林场为研究区，以多时相Sentinel-2A/B影像、数字高程模型（DEM）为数据源，通过各森林类别的JM距离，确定最佳单一时相。同时，构建多时相植被指数及红边指数特征（DVI、mNDVI、CIred-edge、NDre1）。采用支持向量机和优化的U-Net模型分别对单一时相+DEM和单一时相+DEM+多时相植被指数两种方案进行分类实验。[结果]（1）在单一时相+DEM基础上，加入多时相植被指数后，U-Net模型精度为77.87%，比单一时相+DEM精度高6.67%;(2)U-Net模型的总体精度明显优于支持向量机，并且分类效果更好。同时，深度学习U-Net模型能够避免“椒盐”现象，分类结果更细腻。[结论]基于多时相Sentinel-2A/B影像，构建植被指数及红边指数时序特征，同时采用U-Net模型在一定程度上能够提高林分类型分类精度。

【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。

应用机载单基线极化干涉SAR(Pol-InSAR)数据,基于极化相干层析(PCT)技术提出了一种反演森林地上生物量的新方法。首先采用单基线PCT提取每个像元的森林相对反射率垂直分布,然后按林分统计得到森林平均相对反射率垂直分布;再次对森林平均相对反射率垂直分布进行高斯函数拟合,提取林分层析测量高;最后以通过样地调查统计得到的20个林分的地上生物量为参考数据,采用交叉验证方法建立和评价基于层析测量树高的地上生物量估测模型,并与基于经典三阶段反演的林分优势木平均树高估测地上生物量的方法进行对比。结果表明:基于层析测量高的反演模型决定系数(R2)为0.822,均方根误差(RMSE)为53.14 t·...

地表覆被分类对国土资源调查评估及全球变化具有基础性和关键性意义,但山区由于地形和云雾等的影响,可利用光学遥感影像和其他资源十分稀缺。因此,论文以渝东南山区为研究区,基于Sentinel-1A极化合成孔径雷达(SAR)数据,通过系列预处理,得到后向散射系数值,同时对各类地物的VV/VH极化后向散射系数、纹理、高程和坡度等特征值统计分析,综合这些特征值运用面向对象分类方法对单时相与多时相SAR数据进行地表覆被分类,最后将这两种分类方法与Landsat 8 OLI数据分类作对比。研究表明:1)在同时运用面向对象

【目的】利用国产合成孔径雷达（ＳＡＲ）系统（ＣＡＳＭＳＡＲ）获取的机载Ｐ－波段全极化ＳＡＲ（ＰｏｌＳＡＲ）数据，分析ＳＡＲ对森林地上生物量（ＡＧＢ）的响应与地形的关系，建立融合地形因子的高精度多项式模型，以提高森林ＡＧＢ的估测精度。【方法】首先以基于机载激光雷达（ｌｉ ＤＡＲ）数据得到的研究区坡度分布图与结合实测样地ＡＧＢ数据得到的森林ＡＧＢ分布图作为参考数据进行系统抽样，分析森林ＡＧＢ与Ｐ－波段ＰｏｌＳＡＲ后向散射强度的关系以及不同坡度下二者的相关性变化；然后利用ｌｉ ＤＡＲ得到的高精度数字高程模型（ＤＥＭ）结合机载Ｐ－波段的轨道数据计算当地入射角，进而建立以后向散射强度、当地入射角以及雷达．．．

【目的】探讨复杂中山区域、多源数据支持下，高空间分辨率遥感影像林地类型层次化精细分类方法，以促进高分辨率遥感数据在森林资源调查与监测方面的深入应用。【方法】以嘉陵江上游甘肃省小陇山林业实验局百花林场为研究区，以ＳＰＯＴ５和高分一号（ＧＦ－１）遥感影像为主要数据源，综合利用影像光谱特征、植被指数特征、纹理特征与时相特征、地形特征、森林资源＂二类调查＂成果数据与林相图等辅助信息，及典型地类与主要森林类型外业调查样本数据，发展针对暖温带典型天然次生林区、复杂山区地形条件下高空间分辨率遥感影像林地类型多层次信息提取与森林类型精细识别的有效方法。在分析不同时相影像光谱特征的基础上，构建并优选归一化植被指．．．

【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。

【目的】研究对象特征对高空间分辨率遥感影像与星载全极化SAR数据协同面向对象林分类型识别的影响,评价2种数据协同林分类型识别的适宜性,为多源遥感影像结合面向对象分类技术提供科学依据。【方法】以QuickBird遥感影像和Radarsat-2数据为试验数据,选取福建省三明市将乐县将乐国有林场为试验区进行杉木、马尾松和阔叶林面向对象分类。在面向对象分类过程中,采用基于QuickBird多光谱波段分割、基于Radarsat-2数据分割和QuickBird&Radarsat-2协同分割3种分割方案,每种分割方案采用10种尺度(25～250,步长为25),应用QuickBird遥感影像和Radarsat-2数据提取的光谱、地形、高度和强度4方面32个特征指标,进行4种不同特征组合,运用支持向量机分类器进行面向对象林分类型分类,利用混淆矩阵计算的生产者精度、用户精度、总精度和Kappa系数4个指标对分类结果进行精度评价。【结果】所有组合的分类精度(Kappa系数)均随着尺度增大表现出先增加后降低的趋势,且以只使用单一光谱特征的分类精度最低,依次低于光谱+地形两特征和光谱+地形+高度三特征的分类精度,引入强度后的四特征组合分类与三特征组合无明显差异。QuickBird&Radarsat-2协同且在最优尺度参数为100时,结合对象光谱、地形、高度和强度四特征组合进行面向对象林分类型分类精度最高(OA=86%, Kappa=0.86)。【结论】高空间分辨率遥感影像(QuickBird)与SAR数据(Radarsat-2)协同最优尺度多特征组合进行面向对象林分类型分类优势明显,在光谱和地形特征中引入高度特征可进一步提高分类精度。本研究结果可提高面向对象分类中的特征选择效率和科学性,能够为其他影像的面向对象分类技术提供较好的参考依据。

[目的]作物遥感分类是作物面积监测的核心问题，也是进一步开展农作物长势、产量等专题监测的前提。特征选择是作物遥感分类的关键步骤之一，能够有效提高作物遥感分类精度和效率。文章使用后向消除的特征选择方法明确最优特征集的大小和内容，比较不同优选特征集的分类效果分析4种特征排序方法的优劣。[方法]（1）提取河北省深州市旱地作物关键生长期（6月3日、6月27日、7月21日）RADARSAT-2数据的3类特征变量共114个。（2）比较基于不同度量方式的4种特征重要性排序方法，根据特征排序结果采用后向消除方法逐步简化特征变量，确定最优特征个数，得到优选特征集。（3）比较不同优选特征集在随机森林方法下的分类效果。[结果]特征排序方法中极限树的效果最好。使用极限树算法优选的特征集参与随机森林分类，能用最少的特征（11个），达到最高的精度（92.63%）。并且与全部特征（114个）的分类结果相比，总体精度只下降了1.78%。[结论]后向消除特征选择优选出的特征集能够明确最优特征个数，能够在保障分类精度的同时有效提升分类效率，优选出的特征集可为同种种植结构下的旱地作物分类提供参考。

[目的]农作物播种面积信息不仅可为农情监测和作物估产提供重要的数据保障,还是国家制定粮食政策和经济计划的重要依据。快速、准确地获取农作物播种面积信息能为农业生产管理提供决策支持。极化SAR不受云雨天气的影响,在农作物遥感监测方面具有巨大的应用潜力,有效利用极化SAR数据进行农作物识别研究对促进雷达技术在国家农业遥感监测和农业供给侧结构性改革中发挥更大作用具有重要意义。[方法]以星载极化SAR技术的发展过程为论述主线,从单、双极化SAR数据,单、双极化SAR数据结合光学影像,全极化SAR数据三个发展阶段,对极化SAR数据在农作物分类识别中的研究与应用进行总结,并对比分析不同的识别特征、融合算法以及分类算法的优缺点。[结果]以往研究存在以下不足:当前研究多以识别水稻为主,对于难以识别的旱地作物研究较少;目前对旱地作物识别精度不高,平均识别精度不足85%;缺乏对不同作物散射机制及其随时相变化的研究,导致分类算法机理性不足,普适性较差。[结论]在今后的研究中,旱地作物散射机制的定量确定,如何利用散射机制及其变化来提高旱地作物遥感识别精度和普适性;目前分类算法大都是基于光学影像设计,如何利用SAR特殊的成像方式优化设计适用于极化SAR数据的分类算法,得到更高的分类精度;如何更好的跟光学遥感等多源数据(光学数据、GIS数据等)结合来提高精度,将成为未来极化SAR农作物识别中三个亟需重点解决的问题。

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。

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%.

以4种MODIS时序数据为基础,以湖北省为研究区,开展区域森林类型快速提取的分类方法研究。将湖北省的森林植被划分为针叶林、阔叶林、混交林、竹林、灌木林和非林地6种地类,通过分析不同森林类型一年内的生长差异,根据各植被指数的均值建立了研究区各森林类型的分类参数,选取2010年MODIS数据产品NDVI第10期、NDVI第12期、NDVI第15期、EVI第10期、LAI第16期、LAI第17期数据,建立了针叶林、阔叶林、混交林、竹林、灌木林、非林地的决策树分类模型,并对研究区进行了分类。结果表明:植被指数均值