下载文档原格式
高分一号遥感卫星数据林地信息快速提取方法的研究周日平【摘要】不同类型的林地具有不同的反射率特征,由此计算获得林地识别与分类的归一化植被指数(NDVI).NDVI可参与对高分一号遥感图像的监督分类:首先根据图像光谱特征及NDVI参数,在ENVI专业图像处理平台上,选择各类林地的典型样本区,进行计算机自动信息提取,获得每个像素点属于某类林地的相似度信息,然后结合纹理、形状、空间关系等特征,利用聚类分析和迭代运算等综合处理方法,快速得到具有实用性的专题分类矢量结果.该方法光照度相对较弱的阴坡和薄云覆盖下的林地分类识别效果也比较好.通过对光谱角填图法、马氏最小距离法、最大似然法等监督分类的结果进行比较,认为采用光谱角填图法提取高分一号卫星原始数据的林地矢量信息精度最高.【期刊名称】《中国煤炭地质》【年(卷),期】2019(031)002【总页数】5页(P72-76)【关键词】植被指数;波谱特征;林地信息;光谱角填图法【作者】周日平【作者单位】中煤地质集团大地高科北京 100075【正文语种】中文【中图分类】P6270 引言自20世纪70年代，遥感技术开始应用于国土资源调查中，此后随着遥感技术系统的快速发展，尤其是高分辨率和多光谱遥感卫星影像的出现，人们能够及时获取所需要的空间基础信息和各种地物信息。
充分利用卫星遥感动态的、周期性的对地观测数据，逐步实现地学专题信息的自动获取，既是GIS中数据采集自动化研究的一个方向，也是遥感信息定量化的一个方面。
实现图像解译的自动化与高精度定量化，是遥感应用领域发展的要求，也是当前遥感发展的前沿[1]。
遥感成像是从多到少的映射，是个确定过程，而影像解译是从少到多的映射，是个不确定过程[2]。
目前对卫星影像分割技术的研究远远滞后于卫星成像技术的发展,数据处理速度远跟不上遥感卫星获取数据的节奏,各种自然资源信息快速矢量化是一项艰巨的工作[3]。
获取大面积矢量化专题信息，传统的遥感图像分类方法主要依赖于人机交互目视解译，依靠经验手工拾取边界。
森林资源二类调查方法研究前言随着人口的不断增长和社会的发展，森林资源扮演着越来越重要的角色。
如何更好地了解森林资源的情况，成为了一个热门问题。
在这篇文档中，我们将与您分享森林资源二类调查的方法研究，希望对您有所帮助。
什么是森林资源二类调查？森林资源二类调查，是对森林区域内非林地、非建设用地的调查，主要涵盖森林生态、生产及社会经济信息。
它是一种对森林生态环境进行检测和评估的有效方式。
方法研究森林资源二类调查方法存在多种，我们将介绍其中三种比较常用的方法：遥感技术、GPS技术和人工调查。
遥感技术遥感技术是一种利用卫星、航空器等远距离测量手段获取地表信息的技术。
在森林资源二类调查中，常用的遥感技术有：遥感图像解译遥感图像解译，是一种利用卫星遥感技术获取图像，通过对图像进行人工解译，识别出森林、草地、河流等地物的方法。
遥感图像解译主要有两种形式：人工解译和数字图像处理。
冠层高度测量冠层高度测量，是一种利用激光雷达、闪烁激光、雷达测距、高精度全站仪等设备获取森林冠层高度和三维立体结构的方法。
这种方法可以在不同地形和林种的地区进行，可以提供非常详细的森林生态信息，对于生态建设和管理非常有益。
GPS技术GPS技术是一种利用卫星定位的全球定位系统，它可以用于测量地表要素的坐标和高程信息。
在森林资源二类调查中，常用的GPS技术有：GPS倒塌量测量GPS倒塌量测量，是一种利用GPS技术测量林木倒塌量的方法。
它可以测量倒塌树木的高度、直径、树冠面积等信息，可以用于检测森林病虫害、风灾等因素对森林造成的影响。
GPS平面测量GPS平面测量，是一种利用GPS技术测量森林平面信息的方法。
它可以测量森林道路、河流等地物的位置坐标，还可以对森林覆盖程度和使用情况等信息进行调查。
人工调查人工调查是一种通过人工观察和测量的方法进行的森林资源调查。
在森林资源二类调查中，常用的人工调查方法有：直接调查法直接调查法，是一种通过采样调查的方法获取森林中物种及其数量、生长状态、生存环境等信息的方法。
影像的分类可分为监督与非监督分类。
监督分类器根据其原理有基于传统统计分析的、基于神经网络的、基于模式识别的等。
本专题以ENVI的监督与非监督分类的实际操作为例，介绍这两种分类方法。
有以下内容组成：∙ ∙ ●非监督分类∙ ∙ ●监督分类∙ ∙ ●分类后处理非监督分类非监督分类：也称为聚类分析或点群分类。
在多光谱图像中搜寻、定义其自然相似光谱集群的过程。
它不必对影像地物获取先验知识，仅依靠影像上不同类地物光谱(或纹理) 信息进行特征提取，再统计特征的差别来达到分类的目的，最后对已分出的各个类别的实际属性进行确认。
目前比较常见也较为成熟的是ISODATA、K-Mean和链状方法等。
遥感影像的非监督分类一般包括以下6个步骤：图1 非监督分类操作流程1、影像分析大体上判断主要地物的类别数量。
一般监督分类设置分类数目比最终分类数量要多2-3倍为宜，这样有助于提高分类精度。
本案例的数据源为ENVI自带的Landsat tm5数据Can_tmr.img，类别分为：林地、草地/灌木、耕地、裸地、沙地、其他六类。
确定在非监督分类中的类别数为15。
2、分类器选择目前非监督分类器比较常用的是ISODATA、K-Mean和链状方法。
ENVI包括了ISODATA和K-Mean方法。
ISODATA（Iterative Self-Orgnizing Data Analysize Technique）重复自组织数据分析技术，计算数据空间中均匀分布的类均值，然后用最小距离技术将剩余像元进行迭代聚合，每次迭代都重新计算均值，且根据所得的新均值，对像元进行再分类。
K-Means使用了聚类分析方法，随机地查找聚类簇的聚类相似度相近，即中心位置，是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的，然后迭代地重新配置他们，完成分类过程。
3、影像分类打开ENVI，选择主菜单->Classification->Unsupervised->IsoData或者K-Means。
试论林业调查规划过程中的地理信息批量提取技术林业调查是指针对森林资源进行的系统、科学的调查和监测活动，其目的是为了了解森林资源的分布情况、数量和质量，并为保护森林、合理利用森林资源、推动森林可持续发展提供科学依据。
而地理信息批量提取技术在林业调查规划中起着非常重要的作用，可以高效地获取大量的地理信息数据，从而为林业调查工作提供可靠的支撑。
一、地理信息批量提取技术的概念地理信息批量提取技术是利用计算机和相关的软件工具，对大规模的地理信息数据进行有效地提取和处理的一种技术手段。
在林业调查规划中，地理信息批量提取技术可以帮助调查人员快速、准确地获取各种地理信息数据，包括地形地貌、土壤类型、植被覆盖等，为林业调查提供了强大的数据支持。
1. 地形地貌信息的提取地形地貌是指地表的形态和地貌景观，是林业调查中的重要信息之一。
通过地理信息批量提取技术，可以利用卫星数据或航空影像数据，自动地提取出地形地貌特征，如山脉、河流、湖泊等，极大地方便了对林区地势情况的了解。
2. 土壤类型信息的提取土壤是森林生长的重要外部条件，对于土壤类型的了解，可以有效地指导林木种植和管理。
利用地理信息批量提取技术，可以实现对土壤类型的快速提取，为林业调查提供了重要的土壤信息数据。
3. 植被覆盖信息的提取植被覆盖是林业资源调查中的重要内容，而地理信息批量提取技术可以通过遥感影像数据，对植被覆盖的类型、分布情况进行高效地提取，为林业调查规划提供了重要的植被信息数据。
1. 高效快速地理信息批量提取技术利用计算机和相关软件工具，能够实现对大规模地理信息数据的快速提取和处理，节省了大量的时间和人力成本。
2. 准确可靠地理信息批量提取技术能够利用高精度的遥感影像数据，实现对地形地貌、土壤类型、植被覆盖等信息的高精度提取，提供了准确可靠的数据支持。
3. 空间分辨率高1. 数据处理能力的提升地理信息批量提取技术需要处理大规模的地理信息数据，对计算机的数据处理能力和存储容量提出了更高的要求，未来需要进一步提升数据处理能力，才能满足对大规模地理信息数据的快速处理需求。
一、实验背景随着遥感技术的飞速发展，遥感数据在资源调查、环境监测、灾害评估等领域发挥着越来越重要的作用。
遥感图像的分类是遥感应用中的一项基础性工作，它将遥感图像中的像素根据其光谱特性划分为不同的类别，从而实现对地表地物的识别和提取。
非监督分类作为遥感图像分类的一种重要方法，因其无需预先设定分类类别，能够自动将相似像素归为一类，在遥感图像处理中具有广泛的应用。
二、实验目的1. 理解非监督分类的原理和方法；2. 掌握利用ENVI软件进行非监督分类的步骤；3. 分析不同非监督分类方法的效果，比较其优缺点；4. 将非监督分类应用于实际遥感图像处理，提取地表地物信息。
三、实验原理非监督分类，也称为聚类分析或无监督分类，是一种基于像素光谱特征自动将像素归为不同类别的分类方法。
其主要原理是：将像素按照其光谱特征相似性进行聚类，使得同一类别的像素之间的距离尽可能小，而不同类别的像素之间的距离尽可能大。
常用的非监督分类方法包括：1. K-Means聚类算法：将像素按照其光谱特征分为K个类别，使得每个类别内部的像素距离最小，不同类别之间的像素距离最大。
2. ISODATA聚类算法：在K-Means聚类算法的基础上，引入了噪声点和边界点的概念，使得聚类结果更加合理。
3. 密度聚类算法：基于像素空间分布密度进行聚类，适用于地表地物分布不均匀的情况。
四、实验步骤1. 数据准备：选择合适的遥感图像作为实验数据，并进行预处理，如辐射校正、几何校正等。
2. 选择分类方法：根据实验需求和图像特点，选择合适的非监督分类方法。
3. 参数设置：设置聚类数量、迭代次数等参数，以影响聚类结果。
4. 分类执行：利用ENVI软件进行非监督分类，生成分类结果图。
5. 分类结果分析：分析分类结果，评估分类效果，并根据需要调整参数。
五、实验结果与分析以某地区Landsat 8遥感图像为例，采用K-Means聚类算法进行非监督分类，将图像分为5个类别。
非监视分类实验报告1 实验目的通过本实验加强对遥感非监视分类处理理论局部的理解，熟练掌握图像非监视分类的处理方法，并将处理前后数据进展比拟。
2 实验内容利用Envy软件进展非监视分类，主要是应用IsoData和K-Means对实验数据进展处理，并进展比拟。
3 实验步骤和过程分类过程1.翻开envi软件，添加影像,并对数据进展裁切。
2.选择Classification→Unsupervised→isodata,选择数据Stack-b1-6167.img,出现下面的对话框，选择适宜的分类值，迭代值，3.翻开影像。
选择RGB翻开，设置为5,4,3波段4.Overlay→Classification,根据经历判断具体的地物类型5.将一样地物合并Classification→Post Classification→Combine Classess6.翻开合并后的影像，并进展颜色处理〔Classification→Post classification→Assign class colors)7.分类后处理Classification→Post classification→Majority/Minority Analysis分类过程1.K-means分类方法与isodata分类方法根本类似，不同的是是在第二步过程选择Classification→Unsupervised→k-means，选择数据Stack-b1-6167.img,出现下面的对话框，选择适宜的分类值，迭代值，2.我们设置了10次迭代，而系统只进展了6次，说明对我们设置的分类数只进展6次迭代就可以了3.此后与isodata步骤一样，得到合并后的以及颜色处理后的图像如图4.进展分类后处理5.结果如图比照IsoData和K-Means分类1.在Envy中，比拟IsoData和K-Means分类，可以将最终的结果影像放在一起，如下列图。
IsodataK-means将二者连接，比照红色矩形框的图像我们发现，K-means处理容易将一些细节局部弱化掉，使分类效果不如isodata好，因此人们常使用isodata进展非监视分类。
浅谈林业资源调查中遥感影像的判读技术摘要：随着计算机技术发展，遥感技术已广泛应用于林业资源调查中，遥感影像的判读也成为至关重要的一部分。
本文从遥感技术的一般方法出发，结合某林区的具体情况针对相关林区进行了具体探讨，并对结果进行了分析。
关键词：林业资源；遥感影像；判读技术林业资源与我们的生活息息相关，实施林业资源调查可系统地对林业资源进行统计、监测等，以达到合理利用以及保护规划林地目的。
将有效的技术手段应用于大型而复杂的林业资源调查，对林地的保护利用规划具有重要的意义。
要求先要对林业资源进行系统的勘查，传统的勘查手段费时费力，而且勘查的精度也比较低，尤其是对于一些地形复杂的地区更加如此。
遥感技术的应用，使得林业资源的勘查工作变得简单易行。
而目视判读技术是整个遥感勘查工作的重要基础。
一、概念及分类（一）遥感影像的慨念科技的发展使得卫星及航空遥感图像分辨率大幅度提高了，从而使人们可以根据遥感图像获得有用的数据及信息、另外遥感图像拥有特定的比例尺，它是地表物体独有的电磁辐射的记录与反映，它主要表现在最通过遥感探测仪获得一种遥感信息。
（二）影像分类方法遥感影像分类主要有有监督与非监督两种分类法。
其中监督分类法主要包括：最大似然法、最小距离法和平行六面体法等。
非监督分类法包括两种具体方法，即：K-means法与ISODATA法。
同时根据性质的不同，要干检测还可以被分成分类比较法、直接提取法以及目视解译法和GIS的分类等多种方法。
二、林业遥感判读的准备工作（一）对影像数据的整理5POT5影像拥有宏观性强、视角广、分辨率高、多时相、信息量大、数字传递等特点，其在空间分辨率上，多光谱波段能够达到10m以上，但在全色波段中只能达到2.5m左右。
在影响采集工作结束后，要经过波段组合，正射矫正和融合处理等技术进行处理。
（二）资料的收集在判读工作之前，首先要对调查地区的基本情况进行了解。
主要了解该地区的地理特征、气候条件、大型建筑、植被类型等信息。
林业调查规划过程中地理信息批量提取技术探究赵海林调查林地的自然属性以及社会属性就是指林业调查，在森林资源监测以及营林规划设计工作中，林区项目信息对其有一定的指导作用，因此必须实现对其高效性的保障，进而促使林业部门的经营管理水平以及决策水平在原有的基础上得到最大限度的提升。
技术繁琐、严重依赖地形图以及受天气影响严重等是传统林业调查工作的明显的缺陷，这对林业的发展带来较大阻碍。
为实现对上述现象的改善必须在调查工作中实现对GPS 以及GIS 技术的使用。
一、研究进展在科学技术大力发展的趋势之下，先进的科学技术以及信息手段已经逐步实现在各行各业中的广泛应用，这对人类社会的进步与发展有极大的促进作用。
在林业系统中实现对GPS 技术的大范围使用不仅可促使工作效率以及精确度得到准确的提升，同时可在一定程度上促使传统林业工作模式逐步实现向现代化的转变是，无纸化以及一体化的作业流程都可在这一过程中得以实现。
这是林业工作模式效率以及精度提升的直观体现。
在实际对外业调查信息进行获取与记录时必须实现对GPS 技术的使用，下面我们对其流程进行仔细分析。
首先需要促使GPS 记录外业调查区的边界实现与业内计算机之间的来回输出，然后在目视判读的基础上对其将其赋予其他地形地貌信息，其中主要包括坡度、高程以及土壤类型等。
但这种工作模式具有较大的工作量，极易出现判读失误的情况，其输出成果质量不能得到根本性的保障。
GPS 记录的单点信息基本能满足林业调查的需要，但对于林业调查过程中的面状数据信息的记录，远远不能满足林业调查的需求，如面状数据的四至坐标、中心点坐标的获取。
随着GIS 技术的不断发展，已经与林业相互融合，当前基于林业的GIS 软件和设备层出不穷。
二、林业调查规划中信息批量提取1.小班质心批量获取外业调查过程中，小班中心坐标的获取对内业数据处理至关重要。
手持GPS 无法直接获取小班中心坐标，只能借助第三方软件获取，如Mapinfo ，Ar-cgis 等。
遥感图像林地资源信息提取方法研究遥感图像林地资源信息提取方法研究摘要：随着遥感技术的发展，遥感图像在林地资源监测与管理中的应用越来越广泛。
本文针对遥感图像林地资源信息的提取方法进行研究。
首先，介绍了遥感图像林地资源信息提取的背景和意义。
然后，从基于光谱分析的方法、基于纹理分析的方法和基于特征提取的方法三个方面，详细分析了常用的林地资源信息提取方法。
最后，对不同方法进行对比与评价，并指出了目前存在的问题和未来的发展方向。
关键词：遥感图像；林地资源；信息提取方法；光谱分析；纹理分析；特征提取1. 引言林地作为重要的自然资源之一，在人类经济社会发展中起着重要作用。
因此，对林地资源进行精确的监测和管理具有重要意义。
遥感技术以其非接触、快速、多源的特性，成为了林地资源监测的重要手段。
遥感图像中蕴含了大量的林地资源信息，如森林类型、植被状况、森林面积等。
有效地从遥感图像中提取林地资源信息，对于林地资源的合理利用和保护具有重要意义。
2. 基于光谱分析的方法基于光谱分析的方法是最常见和基础的遥感图像信息提取方法之一。
该方法通过对遥感图像中的像元光谱信息进行分析，提取出图像中的林地资源信息。
常用的光谱分析方法包括主成分分析法、特征选择法和单一波段分析法等。
这些方法通过对图像中不同波段的灰度值进行统计和分析，最终得到林地资源信息。
3. 基于纹理分析的方法基于纹理分析的方法是对图像中的纹理特征进行分析和提取，来获取林地资源信息的方法。
由于林地资源具有丰富多样的纹理特征，如森林的树冠纹理、地表覆盖的纹理等，因此纹理分析方法对于林地资源信息的提取十分有效。
常用的纹理分析方法包括灰度共生矩阵法、小波变换法和纹理特征描述方法等。
4. 基于特征提取的方法基于特征提取的方法是对图像中的特征进行提取和分类，通过特征的数量、形状、分布等信息来推断林地资源信息。
常用的特征提取方法包括形状特征提取、空间关系提取和分布特征提取等。
这些方法通过对图像中不同区域的特征进行提取和分类，最终得到林地资源的信息。
