精华内容
下载资源
问答
  • 分析了目前有关土地利用/覆盖变化指标的不足之处,指出土地利用/覆盖变化的指标应反映其整体性、时间性、方向性。最后以北碚区土地利用/覆盖变化为例,提出了变化率、变化速、变化方向等指标
  • 为了使这种方法可行,本文基于土地利用/覆盖变化和景观的结构指标,在10年间(2004年至2004年, 2014年),作为改善环境规划和管理的支持机会。 使用多边形手动数字化技术,根据LandSat影像的屏幕数字化,获得土地...
  • 对于TM图像土地覆盖中的混合像元限制分类精度的问题,采用对TM图像MNF变换结果的前5个主成分进行PPI指数计算,并对PPI阈值切割结果进行N维可视化;采用波谱均值作为端元波谱,选择端元数为5,对2种端元类型方案、4种...
  • 使用森林清单数据库,Fragstats和ArcView版本8.1计算了土地覆盖指标。 利用相关分析,前后混合逐步分析,广义线性模型和Akaike信息准则,探讨了鸟类物种丰富度与解释变量之间的关系。 模型预测了物种丰富度变异的27...
  • 选择当年发生土地违法案件数和当年发生土地违法涉案面积作为主要表征指标,收集了2002 -2009年的省级面板数据,分析土地督察对土地违法是否有影响以及影响的程度。论文分别采用了固定效应模型、随机效应和混合OLS模型...
  • 针对我国西部风积沙区超大工作面开采具有所处生态环境脆弱、开采强度大等显著特点,以神东地区大柳塔矿区为例,构建矿区土地质量指标体系和评价标准,将矿区土地质量分为5级,通过熵技术法确定评价指标的权重,采用改进的...
  • 为了探究 西部煤矿区煤炭开采对土地退化的影响,从北方草原区、黄土高原区、西南山地丘陵区、西北干旱区中选取 12 个典型煤矿区,以土地损毁、土地利用类型、植被覆盖度、沙漠化/石漠 化、土壤侵蚀为评价指标,依据...
  • 植被覆盖度是评价土地荒漠化最有效的指标,遥感是获取区域尺度植被覆盖度参数的一个重要手段?针对EO-1Hyperion高光谱遥感图像成像的特点,探讨了高光谱Hyperion图像的预处理和森林覆盖度遥感估算的方法,研究中采用...
  • 土地投入、产出和生态环境三个方面为切入点,设计了3个项目层(目标层、准则层和因子层),选择了11个指标因子(地均固定资产投入、地均铺装道路面积、地均从业人员总数、地均财政收入、地均消费品成交总额、地均...
  • 借助TM影像、地形图等基础数据挖掘出研究区坡度、植被覆盖度、土地利用现状等参数信息,结合可持续发展和环境友好型的理念,通过构建生态敏感性分析指标体系对土地利用类型进行因子分析和相关分析,在ArcGIS软件叠置、...
  • 由于诸如农业活动之类的土地利用指数被视为土地覆盖变化的主要因素之一,因此提倡可持续农业利用和适应农业实践的管理实践。 虽然该地区森林丧失后森林覆盖率及其最终的生物多样性和保护前景有所减少,但应着眼于...
  • 结果表明,在过去十年中,农业活动的扩展使本地植被的覆盖率降低了4.4%,其中草木稀树草原,树木繁茂的稀树草原和森林稀树草原的影响尤为严重。 在此期间,植被受到抑制,从而减少了碎片的大小及其连通性。 景观...
  • 大、获取速度快、覆盖范围广、受人力物力的限制小等优点,在过去的30 多年中,已逐渐成为土地荒漠化监测的重 要数据来源和技术手段。本文首先概述了土地荒漠化遥感监测中使用的遥感数据源,综述了各类卫星遥感影像、...
  • 对于美国中部覆盖图防护林形态的自动检测技术 摘要 在美国中部广袤的农业土地上防风林是重要生态资源,常常种植呈直线状或“L”形结构以提供特定的功能。高分辨率(高于5米)土地采集数据更加适用于这些领域,...

    对于美国中部覆盖图防护林形态的自动检测技术

     

    摘要

     在美国中部广袤的农业土地上防风林是重要生态资源,常常种植呈直线状或“L”形结构以提供特定的功能。高分辨率(高于5米)土地采集数据更加适用于这些领域,semior采用完全自动区分防风林,而该防风林可用于栅格数据集。为了满足如上需要,本文采用了三个指标:形态为基础的指(SNFI),防风弯度指数和面积指数指示防风林的占空比。这些指标参数分别在两个研究领域进行测试:1)河岸地区主要以蜿蜒带树为主并且还有些中耕农业(2) 农业区里混杂着直线型和L型的防风林。在沿岸地区,一项Kruskall–Wallis检验表了三个指标的差异,并且经过两两对比表明防风林和河岸的树木可分别使用三个指标中的任意一个。SNFI在面向不同方向(东–西和北–南)时有不同方向的显著差异。在农业领域,Kruskall沃利斯秩和检验表明,所有三个指标类之间的差异,两两比较显示,所有类组有显著性差异至少有一个指标,与L形防风林与非防风树补丁例外。本文使用分类树客观地将有代表性的树补丁样本分配给类,同时也使用单索引和多索引。在河岸和农业研究区,90%以上的样本都已正确分配。在沿岸地区,采用多指标并没有比单独使用SNFI提高精度,然而在农业地区,结合采用三项指标可以得出最优的结果。来自高分辨率影像的数据集越来越有用但是提取有效信息可能是一个挑战,因为可能需要对数据进行大量评估。计算三个指标有助于有效识别候选防风林等,并且寄希望于计算三个指标能够对美国中部树木能够有良好的增值分析。

     

    1.引言

    美国中部农业用地上防风林是重要的生态资源并且常常种植在特定的位置从而提供一些特除的功能。例如,农田毗邻的狭长的防风林可以使得土壤和庄稼免受干风的侵扰,从而提高作物产量和减少土壤侵蚀(美国农业部,2012).然而,有证据表明表明许多防风林正在逐渐消亡,因为种植庄稼可以产生利润以及耕作方式的变化和防风条件的改善有关。由于缺乏客观和一致的信息,在大范围内对资源进行定量的更改具备一定的挑战。而目前正试图从高分辨率影像图树覆盖(例如,liknes et al.,2010;巴苏等,2015),目前需要从光谱近似的树木斑块中区分防风林的有效方案,从而为景观提供其他功能的树木,如缓冲水体。

    除了利用目标像素的光谱信息外,还有许多利用空间关系的分类方法。在地球资源卫星的前期,ECHO归类了每个像素的邻域信息(凯蒂希,Landgrebe,1976)。最近,系数统计已配对的随机森林分类器(布雷曼博士,2001)利用Landsat ETM+影像提高土地覆盖分类(吉米雷et al.,2010)。随着高分辨率图像的分辨率的提高(例如,小于5米),出现了许多靠景观特点来当做指标的方法,而不是依靠像素领域法来进行分类。还有一些人为的特征,例如在城市环境中有非常特殊的形状和尺寸,可以使用全色影像对其进行分类,其中全色影像包括一个微分形态学断面(Benedik tsson et al.,2003),和一个模糊分类器(chanussot et al.,2006)这些方法通过形态学操作的方法,例如打开、关闭、提取图像中的特征信息。其他方法通过检测已知的目标几何特征;例如,规则形状相似性指数,该指数主要通过利用一个特征的面积和最小边界地区的关系(Sun等人,2015)。几何指标如压实度、圆度、和凸点均可以较好的对不同类型的水体进行区分,这是第一次通过Landsat光谱信息进行分类。(范德维尔夫和van der Meer,2008)

    有大量文献讨论基于形状分类的具体情况,即线性特征检测。夸肯布什(2004)提出的线性特征检测方法综述分类的方法分成了若干组,其中一个是形态法。这些方法处理比较便利,因为它们在许多GIS和遥感软件包中使用现有函数比较容易实现。我们注意到,在文献中提出的一些方法检测细微的特征,即可以识别线性和曲线特征。线性特征检测方法往往侧重于直接应用于航空摄影或卫星图像,而较少在专题地图(即分类图像)中识别线性特征。然而,形态空间格局分析(MSPA,Soille和沃格特,2009)的开发使用专题输出和已被用来分析森林破碎化(沃格特et al.,2007;Riitters 等,2009),景观走廊(沃格特等人,2007),等等。MSPA将空间格局专题地图分类,主要包括核心、边缘、胰岛、穿孔、桥梁、循环和分支。这些类别中有几个是微小的特性(例如网桥和分支),它们不一定是长的或直的。由于曲线特征和线性特征的区别对于决定景观特征的类型具有重要意义,所以对从映射数据集中选择合适的线性检测方法来说至关重要。

     索伊等人(2010)从高分辨率图像出发,提出了一种综合的农业景观线状特征自动检测方法。利用QuickBird影像为例,木本植被从其他植分化出来,候选特征也出现了大致的轮廓,骨架顶点的线性回归产生一个截距和斜率,用以判断特征是否是线性的(直线)。虽然该方法在识别线性木质特征方面表现良好,但我们应该选择是否使用基本的焦点和分区光栅处理来计算相对简单的形状度量。 目的是为了可以构造用于识别在美国中部的线性特征树。通过这些特征形状,从南北方向或东向方向观测,在航空或卫星图像中容易被识别(图1)。

    设想在特定的场景中,采用高分辨率(1m)对树进行航空摄像和基于对象的图像分析(OBIA)流程,该流程将相似像素组合成代表单个或多个树冠的图像对象。基于对象的分类是非常适合于高分辨率影像,因为它可以应用在持续修复的这样一种方式下(内内古佐等人,2013)。那么在这种情况下,即使树冠之间有空隙,最好还是把每一个防风林分开处理,得到的效果更佳。最好能够开发出一种新方法,可以获得一些以前难以提取到的信息,其中包括美国中部的农业景观的树木的范围,位置和功能等。为了达到这个目的,本文提出的方法是根据形状,尤其是防风林和河岸走廊的形状,对树图进行分类。此外,本文致力于研究出一种真正和GIS和遥感软件包相兼容的方法,该法能够良好地适用于大的区域,例如美国中部的一个县(一个通常为2000平方公里的州的政治分区域)。

     

    1  美国中部典型农业风景区种植的防风林地貌

    (图片来源:美国农业部国家农业气象)

    2.方法

    2.1.树覆盖地图

    基于美国农业部全国农业意象项目的四类土地覆盖数据集Nebraska用于这项研究。可以对两个研究领域进行选择:沿羚羊县北部边境和部分相邻的诺克斯第二沿羚羊县的东部边境以及皮尔斯县部分区域(图2)。选择这些地区是因为它们拥有广阔的防风林集群以及河岸走廊,以及有一些其他小的树集群。使用基于对象的图形分析不仅能够创建数据集,而且还可以作为光栅进行输出。本文将数据转化为二进制光栅并且设置为前景像素(值为1),其他像素则设置为背景(值为0)(图3a)。运用一个区组来创建一个数据集,每一个数据集都有一个唯一标识的簇号,本文将在运用完区组后涉及簇号。

    2.2 形态学方法

    一个目的性不是很明确的变换的确可以应用于确定图形哪些区域匹配的形状结构和主要构成。同时还需要用户指定内核大小和最优的结果以及特征的大小。本文应用了一个概念,在内核里是只有一个像素的宽度和高度,使用这些小的内核在2个方向(南北和东西方向)上的应用形态侵蚀。(图4)较长的内核涉及最大宽度,希望能提取线性特征。在本文中,我们使用了尺寸为37 m的内核,类似于最低阈值(36.6米),阈值指的是美国国家森林资源清查在林地定义一片森林的最小宽度(奥康et al.,2014)。

     

    2  研究区域的位置在美国Nebraska的东北部,标志为图中黄色部分,交叉区域在安蒂洛普,诺克斯和皮尔斯县。插图地图描述了Nebraska(黑灰色)中的县(黑)的位置。

    对于有每一个侵蚀的方法,可以确定其余像素之和。然后我们从这些区域中可以计算一个指数,称之为直线特征指数(SNFI):

    其中Z表示区域中经过侵蚀后的所有像素总和,Z适用于二进制图像(F),使用单行以及由用户定义的m列的结构元素和用户定义的行数(m*1)。对该指数的一个简单的解释是:这个指数表明了在映射树区两大方向面向窄模板的比例差异。因为使用了一个标准差,该区间故被取消;当这2个侵蚀应用后,该指标可从像素和计算出来。指数范围从-1到+1,以长尺寸沿Y轴(北/南)值近似为+1,特征沿东/西方向的值近似为−1,正好落在范围的中间。

    2.3.几何方法
       SNFI 使用形态学概念来识别特征,但是比特定的宽度要小。(因为是在美国中部防风林就是这种情况)。在某种程度上来说,它提供了有关各特征信息,因为许多复杂的特征信息无论在哪一个尺寸上都不大可能包含长直的图像信息。作为辅助性的指标,本文同时也想确切知道映射树区矩形的偏离程度。从地貌借用弯度的概念来看(例如,缪勒,1968),本文提出了一个简化的防风弯度指数每个区域的周长都是指的是欧氏距离,而此处的欧氏距离特指左下和区域的边界框右上角之间。另外还有一个更加精确的计算方式直接通过矢量数据,这种方式是直接使用矢量数据并且可用现有的GIS加以实现,并且在栅格较大的情况下执行速度很快:每个区域的所有的变量都计算出来了。

      考虑增加长度的矩形的弯度指数—宽比。一个1:1比例的矩形(即一个方形),弯度指数为1.4,随着速率增长指数逐渐接近1。紧凑的特点或者图形特征边界不规则都会表现出较高的指数(图5)(例如,的比例半圆周的直径是π/ 2 = 1.57)。

    同时还有一些狭窄的防风林种植在一个美国中部的“L”型区域。为了确定这些特征,可以考虑使用区域面积比率和区域的外接矩形面积。相对直线型防风林来说,这个比率应该相对L型防风林来说比较小。(图6)其中Areaz 是区域前景像素面积,而Arearect是该区的矩形区域。

     

    图3  (a)Nebraska土地覆盖图的一个子集,美国在图中已被转换为一个二进制树覆盖图。(b)树各相邻簇已分配各自的区。

     

     

     

    4  一个理想的防风形态学腐蚀的例子(中绿色)使用单行单列的内核(左,深灰色)。横向的内核侵蚀防风林的左侧和右侧。垂直内核侵蚀整个防风林,没有保持前景像素(右下)。

     

     

     

     

    5  对于一个理想化的防风以10:1的长宽比一个弯度指数的例子(左),从1区中提取研究区两个例子可以得知:防风林(中部)和河岸走廊的树(右)。该指数是距离左下角和右上角之间半周长的比值(粗线在右侧和底部的理想化防风林)。理想的防风林有防风弯度指数值为1.09(左),和映射的防风林和河岸有值1.24(中)和2.21(右)。

     

    6  从研究区2得知面积指数L型和南北型防风林的指数说明。该指数是通过将每个特征的计算面积(绿色)的外接矩形的面积(阴影 D背景)来进行划分而得来的。在这种情况下,L型防风林面积指数为0.26而南北防风网指数0.75 。

    2.4分析

      本文选择了两个研究区域一在邻近农田河岸地区的树木覆盖的蜿蜒的条带有一个区域较为狭窄,而另一个区域以农业为主导并且该区域有许多直线型和L型的防风林。使用ArcGISTM根据不同的区域计算响应的参数指标。

        对于河岸带研究区,利用指标如何有助于从直线型防风林中区分出蜿蜒的河岸树盖十分重要。本文将有代表性的区域进行了标注。有代表性的区域包括为“北–南防风林”、“东–西防风林”或“其他”(例如,河岸走廊或其他非防风林区域)。因为这些区域几乎没有L型防风林,我们也没有指定那个类型。本文评估Kruskall–沃利斯秩和检验这些类的可分性,并在适当的时候做对比。

      为了确定每个参数的阈值,即防风林与非防风林最准确的分离的阈值,本文在R统计中应用分类树进行分类。本文还采用了3个参数的分类树并且与只采用一个参数的分类树进行精度对比。结果表明东–西、北–南防风林标记区域具有SNF的功能。在分类树分析中,将这两个类聚合在一起。因为另外2个参数不用于对防风林的方向进行区分,并且对河道区域的研究仅仅是为了从直线型防风林中区分开来。

     

     

     

    7  成对的散点图三形态指标–防风弯度指数和直线特征指数(SNFI)(A)、面积指数与神晖(B),和一个面积指数和防风弯度指数(C)–东西防风林(E–W),南北防风林(N–S),和位于美国Nebraska非防风树覆盖的区域

    表1  沃利斯秩的结果检验方面的三个树类形态指标之间的差异结果树类–直线特征指数和窄距特征指数(SNFI),一个弯度指数和面积指数

     

    表2  三种形状度量的事后成对比较检验结果。复选标记表示类间差异有统计学意义(p<0.05)

     

    表3  一个关于三个形态指标之间的差异的树类秩和检验结果–直线特征指数(SNFI),一个弯度指数和面积指数。

     

    4  三种形状度量的成对比较检验结果。复选标记表示类间差异有统计学意义(p<0.05)

     

    在农业研究领域有一些差异,本文也作了如上的分析。本文手动标记代表区(N = 53)为“北–南防风”、“东–西防风林”、“L型防风林” 或“其他”。本文计算了三个参数并将它们各自分配给每个区域。本文通过两两比较评估了单独使用Kruskall–沃利斯秩和检验。本文再次使用分类树来为四类提供最佳标记的阈值,同时也检查单变量和多变量模型的精度。

     

    结果

    在沿岸区域,大部分的东西防风林样品的SNFI的值接近-1,然而南北防风林的值均非常接近于+1。(图7a、b)关于弯度方面,防护林一般均有个最低值,而在“其他”类均比平均值要高,但是覆盖范围大。(图7a和C)。防护林的面积指数比“其他”类的值更高(图7b和C)。沃利斯秩和检验表明差异之间至少有一个匹配的类(表1)。事后在所有的直线型防风林匹配类中两两比较显示差异显著(P<0.05)类别,但不适用于E - W - N - S配对(表2)

    仅仅使用SNFI进行预测的分类树值界于-0.252和0.562之间能够用来从“其他”类防风林描述防风林。分类树能够准确使用这些值对手动标记等特征正确识别大概94.6%(35 / 37)。蜿蜒分类树表明弯度小于应该做标记并且那棵树能够标识其他区域的91.9%(34 / 37)。分类树表明面积指数大于0.496的区域应该标识,而且准确精度可以达到86.5%(32 / 37)。分类树使用的所有指数来进行预测,但是与只使用某一指数来进行预测(预测精度为91.9%)。图8为指数与预测完整模型。

    农业区中南北防风林SNFI的值接近+1,但是西北防风林的值接近-1。(图9)。 L型防风林的面积指数一般都低于N–S/E–W型防风林,但其他种类的防风林该指数较大。相对河岸区域而言,农业区的一个明显的差异就是,可分的弯曲指数较小。

    农业区中Kruskall–Wallis检验表明在所有的这些指数当中(表3)至少有一个有显著意义(p<0.05)。经过比较可知,所有的匹配对(p<0.05)而言,至少有一个指数差异较为明显,当然除了L型防风林和其他类型的防风林(表4)。

    对于河岸区域而言具有单变量分类树。SNFI防风林的阈值是0.727,E–W防风林是−0.696。SNFI分类树对手动标记区域分类正确率为84.9%。 所有的n–S/E–W防风林的弯度指数均低于1.68的弯度。对于手动标记区域的弯度,分类树的分类精度为58.5%(31/53)。对于面积指数而言,N - S / W - W防风林 的值超过0.31并且分类树分类精度可以达到67.9%。 完整的分类树包括所有的三个指标(图10)并且效果比单指标表现要好,区域正确分类准确率可以达到94.3%(图11)。分类树具有分类功能,这也可能是自然分类的结果(图12.a),和种植区域的L型和直线型防风林的效果类似(图12.b)。

    4.讨论

    需要一种有效的方法,该方法是从栅格数据覆盖大面积从而确定防风林的面积范围,是为了便于对地理位置和模拟资源变化情况作比较。线性检测主要查找一些比较细微的特征,但不是直接必要的特征。

    例如,索伊等人(2010)采用顶帽变换法在一定宽度范围内找到候选木本植被特征。然而,为了确定直接特征需要做进一步的分析。我们研究了这些方法的替代方案,其中应用了形态学方法和计算得出的连续像素组的信息(即,区域)。直线特征指数SNFI是通过两个方向的各自计算,随后通过构造归一化的维向,最后计算区域像素而得出的。根据Nebraska两个研究领域的样品来看,东西防风林指标执行的预期值接近-1,而南北防风林的值接近+1。

    本文测试了三个形状度量应用于区分防风林和非防风林的能力。在河岸区域,通过非参数检验评定可知,三个指标均可以起到分离防风林和非防风林的作用。样本分类树使用SNFI或者弯度指数对超过百分之90的样本进行分类。需要注意的是使用尽可能的指标参数比没有提高精度。可以采用一个最低阈值(SNFI或者弯度指数)来作为是否是防风林的第一参数。这些指标参数主要表现为紧凑的河岸特征,在一个方向上略微拉长,而边界相对平滑。

    本文试图对农业研究区四类树木进行分类,统计检验指明了所有的树,除了L型防风林等,仅仅使用了1个形状参数。使用分类树测试,没有一项单指标分类测试正确率超过百分之85。然而,在多指标组合的分类情况下,样品的分类准确率为94.3%。这些指标参数都是相辅相成的,每一个量化的防风林都有一些特征,这是一个重要的结果。对树木的覆盖类的相对值基本一致,两者之间的研究领域,但通过分类树选取的值相对于指标树盖类之间的可分性程度高并且和研究区域的值不一致。然而,树具有高程度的可分离性,这些指标表明他们在基于栅格数据评估方面是一个有用的工具。

    机器视觉文献中有许多方法设计来检测角落(例如,哈瑞斯和斯蒂芬斯,1988)。这些方法可以减少L型防风林和其他类型防风林之间的混淆的几率。其他误分类训练样本以外的风将用来发展指标的概念模型,如在一个基本的防风形状的组合。另外,考虑上下文和RICS(与其他土地覆盖类型的空间关系)将有助于解决这些挑战。

    5.结论

      本文提出了一个新的指数称为直线特征指数(SNFI),该指数采用形态学腐蚀和分区统计来对南北和东西的线性防风林从其他树特征区分开来。本文还提供对比的防风林,有弯度和面积指数(可以使用栅格功能包括分区统计)来对其进行统计。用户只需要指定一个最大的宽度规格以计算SNFI但是可没有响应的参数计算其他两个参数。该指标对于OBIA数据集的用户来说是有用的工具,而与形状相关的信息可以有助于推测出另外的一些相关信息,例如景观图上不断增添补丁的使用和功能。指标可以在农业景观图将其分为四类(南北防风,东西防风,L形的防风林,和其他),精度为百分之94。这些方法能够较优的分析树覆盖在现有的土地覆盖数据集,包括防风林的数据集,河岸走廊,农业景观和其他功能。

     

    附录A 补充数据

    在这个网页链接http://dx.doi.org/10.1016/j.jag.2017.03.005.可以找到与本文相关的辅助性的数据。这些数据包括本文所述的最重要区域的谷歌地图。

     

     

     

     

     

     

     

     

    参考文献

     

    [1]Aksoy, S., Akc¸ ay, H.G., Wassenaar, T., 2010. Automatic mapping of linear woody vegetation features in agricultural landscapes using very high resolution imagery. IEEE Trans. Geosci. Remote Sens. 48 (1), 511–522.
    [2]Basu, S., et al., 2015. A semiautomated probabilistic framework for tree-cover delineation from 1-m NAIP imagery using a high-performance computing architecture. IEEE Trans. Geosci. Remote Sens. 53 (10), 5690–5708.
    [3]Benediktsson, J.A., Pesaresi, M., Arnason, K., 2003. Classification and feature extraction for remote sensing images from urban areas based on morphological transformation. IEEE Trans. Geosci. Remote Sens. 41 (9), 1940–1949.
    [4]Brandle, J., Hodges, L., Zhou, X., 2004. Windbreaks in North American agricultural systems. Agroforestry Syst. 61, 65–78.
    [5]Breiman, L., 2001. Random forests. Mach. Learn. 45, 5–32.
    [6]Chanussot, J., Benediktsson, J.A., Fauvel, M., 2006. Classification of remote sensing images from urban areas using a fuzzy probabilistic model. IEEE Trans. Geosci. Remote Sens. 3 (1), 40–44.
    [7]Dougherty, E.R., Lotufo, R.A., 2003. Hands-on Morphological Image Processing. SPIE Press, Bellingham, WA.
    [8]Ghimire, B., Rogan, J., Miller, J., 2010. Contextual land-cover classification:incorporating spatial dependence in land-cover classification models using random forests and the Getis statistic. Remote Sens. Lett. 1 (1), 45–54.
    [9]Giraudoux, P., 2016. pgirmess: Data Analysis in Ecology. R package version 1.6.4, https://CRAN.R-project.org/package=pgirmess.
    [10] Harris, C., Stephens, M., 1988. A combined corner and edge detector. Proceedings of the 4th Alvey Vision Conference, 147–151.
    [1] Kettig, R.L., Landgrebe, D.A., 1976. Classification of multispectral image data by extraction and classification of homogeneous objects. IEEE Trans. Geosci. Electron. 14 (1), 19–26.
    [11] Liknes, G.C., Perry, C.H., Meneguzzo, D.M., 2010. Assessing tree cover in agricultural landscapes using high-resolution aerial imagery. J. Terr. Observ. 2 (1) (Article5).
    [12] Meneguzzo, D.M., Liknes, G.C., Nelson, M.D., 2013. Mapping trees outside forests using high-resolution aerial imagery: a comparison of pixel- and object-based classification approaches. Environ. Monit. Assess. 185, 6261–6275.
    [13] Mueller, J., 1968. An introduction to the hydraulic and topographic sinuosity
    [14] indexes. Ann. Assoc. Am. Geogr. 58 (2), 371, http://dx.doi.org/10.1111/j.1467-8306.1968.tb00650.x.
    [15] O’Connell, B.M., LaPoint, E.B., Turner, J.A., Ridley, T., Pugh, S.A., Wilson, A.M.,
    [16] Waddell, K.L., Conkling, B.L., 2014. The Forest Inventory and Analysis Database:Database Description and User Guide Version 6.0.1 for Phase 2. USDA For.Serv., Washington, DC, pp. 748.
    [17] Quackenbush, L.J., 2004. A review of techniques for extracting linear features from imagery. Photogramm. Eng. Remote Sens. 70 (12), 1383–1392.
    [18] Riitters, K.H., Vogt, P., Soille, P., Estreguil, C., 2009. Landscape patterns from mathematical morphology on maps with contagion. Landsc. Ecol. 24, 699–709.
    [19] Ripley, B., 2016. tree: Classification and Regression Trees. R package version 1.0-37, http://CRAN.R-project.org/package=tree.
    [20] Siegel, S., Castellan, N.J., 1988. Non Parametric Statistics for the Behavioural Sciences. MacGraw Hill Int., New York, pp. 213–214.
    [21] Soille, P., Vogt, P., 2009. Morphological segmentation of binary patterns. Pattern Recogn. Lett. 30, 456–459.
    [22] Sun, Z., Fang, H., Deng, M., Chen, A., Yue, P., Di, L., 2015. Regular Shape Similarity Index: a novel index for accurate extraction of regular objects from remote sensing images. IEEE Trans. Geosci. Remote Sens. 53 (7), 3737–3748.
    [23] U.S. Dept. of Agriculture, 2012. Working Trees for Agriculture, 7th ed, Accessed from http://nac.unl.edu/documents/workingtrees/brochures/wta.pdf(accessed 1.09.16).
    [24] van der Werff, H.M.A., van der Meer, F.D., 2008. Shape-based classification of spectrally identical objects. ISPRS J. Photogramm. Remote Sens. 63 (2), 251–258.
    [25] Vogt, P., Riitters, K., Iwanowski, M., Estreguil, C., Kozak, J., Soille, P., 2007. Mapping landscape corridors. Ecol. Indic. 7 (2), 481–488.

     

     

     

     

     

     

    总结

     

    1.论文的主要方法:

       本文主要通过三个指标SNFI、防风弯度指数、防风林的占空比分别在2个不同区域(河岸地区以及农业区)做对比测试,并且农业包括L型和线性防风林。以及单指标测试和多指标同时测试,检测防风林的覆盖情况。

      本文选择了两个研究区域一在邻近农田河岸地区的树木覆盖的蜿蜒的条带有一个区域较为狭窄,而另一个则是以农业为主导的区域并且有许多直线型和L型的防风林。对于河岸带研究区,如何能够助于从直线型防风林中区分出蜿蜒的河岸树盖。本文将有代表性的区域进行了标注。有代表性的区域包括为“北–南防风林”、“东–西防风林”或“其他”(例如,河岸走廊或其他非防风林区域)。因为这些区域几乎没有L型防风林,我们也没有指定那个类型。本文评估Kruskall–沃利斯秩和检验这些类的可分性,并在适当的时候做对比。而且还提出了一个新的指数称为直线特征指数(SNFI),该指数采用形态学腐蚀和分区统计来对南北和东西的线性防风林从其他树特征区分开来。通过对不同参数阈值的确定,从而对整体性能的优化其他算法做比较。

     

    2.优点:

    本文所提出的方法可以获得一些以前难以提取到的信息,该法根据形状,尤其是防风林和河岸走廊的形状,对树图进行分类。

    本文提供的方法有弯度和面积指数。用户只需要指定一个最大的宽度规格以计算SNFI但是可没有响应的参数计算其他两个参数。该指标对于OBIA数据集的用户来说是有用的工具,而与形状相关的信息可以有助于推测出另外的一些相关信息。指标可以在农业景观图将其分为四类(南北防风,东西防风,L形的防风林,和其他),精度为百分之94。这些方法能够较优的分析树覆盖在现有的土地覆盖数据集,包括防风林的数据集,河岸走廊,农业景观和其他功能。

      

    3.缺点:

    本文试图对农业研究区四类树木进行分类的效果并不好,使用分类树测试表明没有一项单指标测试正确率超过百分之85。也即是对单指标测试精度有待提高。 

    4.改进或者借鉴思路:

       也即是针对此缺点,看是否可以借鉴其他算法的这方面优势,加以优化,增长单指标方面该方法的性能。

     

     最后附上原文链接:https://pan.baidu.com/s/1zBagfAOzEIIotVnf5BhQTQ

    展开全文
  • 以1972年MSS、1990年TM、2000年和2005年ETM+遥感影像为数据源,结合野外考察数据,选择适宜的分类指标体系,对遥感图像进行了监督分类,并获得了研究区土地利用/覆盖转移矩阵。研究结果表明,近33年来耕地面积一直...
  • 土地表面温度的空间分析与现有土地利用/土地覆盖变化之间的关系对于评估气候过程很重要。 必须对干旱和半干旱地区的这种关系进行监测,以便对陆地表面温度和环境状况做出适当的决定。 在本文中,通常使用分割窗口...
  • 本研究分析了物理环境变量,例如土地利用/土地覆盖数据,地表温度,归一化差异植被指数以及从1986年,2000年和2015年的3个陆地卫星图像得出的变换的遥感变量。 使用了2012年的社会经济变量,包括人口密度和温室气体...
  • 采用时空相结合的分类方法来获取多时相土地利用/覆盖,有效减少了多时相遥感的时空不一致性。为探测时空不一致性对景观指标取值及其变化轨迹的影响,将时相独立分类方法和时空相结合分类方法进行了对比,四种常用的...
  • 人类影响指数(HII)是表征人类活动影响的量化指标,美国哥伦比亚大学野生动物保护协会(WCS)和国际地球科学信息网络...土地利用/基础设施(建成区、夜间灯光、土地覆盖)和交通线路(海岸线、公路、铁路、通航河流)等因素
  • 该存储库包含本文中使用的所有数据和代码:评估桥梁建设对土地使用/覆盖和社会经济指标时间序列的影响:以杭州湾跨海大桥为例 每个文件夹的说明: Study_Area_Shapefile: 该文件夹包括学习区域和杭州湾跨海大桥...
  • 对我国西北浅埋煤矿区煤炭开采引起的生态环境问题研究进展进行了总结,分别阐述了煤炭开采对地表塌陷、水资源、水土流失、植被覆盖土地沙漠化等不同生态指标影响的研究现状。指出了当前研究存在问题和不足:浅埋煤层...
  • VIS把具有强烈异质性的城市土地覆盖简化成由植被、不透水层和土壤3种地物类型组成(不包含水体),用植被和不透水面是两个用来表征城市环境状况的指标。模型把城市景观与植被、不透水层和土壤的光谱特征联系起来,为...

    VIS模型是M.K.Ridd 1992提出的一个应用与城市生态系统概念模型。概念模型即将现实世界的事物抽象为实体模型,真实世界到信息世界的映射。

    VIS把具有强烈异质性的城市土地覆盖简化成由植被、不透水层和土壤3种地物类型组成(不包含水体),用植被和不透水面是两个用来表征城市环境状况的指标。模型把城市景观与植被、不透水层和土壤的光谱特征联系起来,为定量分析城市环境生物物理组分提供了理论基础。

    随着遥感技术的发展,研究人员开展了许多借助V-I-S模型,以遥感图像为数据源的城市土地覆盖变化和生态环境研究。


    图1 VIS模型

    VIS模型将城市的地表覆盖分成三类,分别为植被、不透水面、土壤三个组分。其中不透水面定义为天然的或者人造的能够阻止水渗透到地下的物质;城市区域中不透水面所占的比例显示了城市的发展程度。地块中三者的比例大小,显示了不同的土地利用类型,如下图所示:


    在城市生态系统研究中,遥感常用在城市形态学、生物物理学系统和人文系统。生物物理学与人文相互关联并且相互影响。城市形态学的应用包括分析像元中的土地利用成分、生态单元的聚合、变化监测、城市增长和变化模型。其应用在这些方面能够细化城市发展的问题、管理城市生态系统、规划城市发展等。

    VIS模型是结合城市生态学建立的一个城市土地利用的分类系统。主要用于帮助解决上面所提出的城市生态系统中的问题。

     

    Reference:Exploring a V-I-S(Vegetation-impervious surface-soil) model forurban ecosystem analysis through remote sensing: Comparative anatomy forcities.(M.K.Ridd1995)

    展开全文
  • 为了更加科学合理地评价煤炭城市的生态环境质量状况,基于生态敏感性—生态恢复力—生态压力模型,选取自然地理、土地覆盖、植被、环境污染、地表灾害和社会压力等方面的20项评价指标,采用AHP-PCA权重模型构建煤炭城市...
  • 土地覆盖的变化将通过分析两个指标NDVI和BDI来表示。 结果显示,在2015年至2017年之间,上丘地区的温度上升幅度最大,高达3.96°C。不透水表面也有所增加,如上丘陵及其周围地区的NDVI和BDI所示。 线性回归结果显示...
  • 在这项研究中,使用了使用RF分类器的随机森林(RF)分类技术来生成最终的土地利用土地覆盖图。 RF是一种用于分类的整体学习方法,通过在训练时构造大量决策树并输出作为分类模式的分类(分类)来进行操作。 拉各斯...
  • 叶面积指数(LAI)是反映植物群体生长状况的一个重要指标,反映植被覆盖程度,也能在一定程度反映植被覆盖厚度。是无量纲的参数,随时间动态变化,因生长环境和植被种类特征、叶子形状、特性有很大区别,其大小和...
    • LAI(leaf area index)叶面积指数=叶片总面积/土地面积。
      叶面积指数(LAI)是反映植物群体生长状况的一个重要指标,反映植被覆盖程度,也能在一定程度反映植被覆盖厚度。是无量纲的参数,随时间动态变化,因生长环境和植被种类特征、叶子形状、特性有很大区别,其大小和植被种类、生长期、叶片倾角、叶簇、非叶生物量有关,还受到测量方法影响。
      Beer-Lambert model
      Qi/Q0=e^-k(LAI)
      Qi:Sub-canopy diffuse and beam radiation 亚冠层漫射和光束辐射
      Q0:obove-canopy radiation 冠层上方辐射 K:radiation extinction coefficient消光系数
      Assumption:foliage is randomly distributed in the canopy, and that leaf inclination angles are spherically distributed in space. (*B_L equation is fairly insensitive to all but major violations of these assumptions) 树叶在树冠中随机分布,树叶倾角在空间上呈球形分布(对所有这些假设的主要违反都相当不敏感)

    [1]Maass, J. et al. (1995) ‘Seasonal changes of leaf area index (LAI) in a tropical deciduous forest in west Mexico’, Forest Ecology and Management, 74(1–3), pp. 171–180. doi: 10.1016/0378-1127(94)03485-F.

    [2]李瑾.呼伦贝尔温带草地PAR分量变化规律及FPAR/LAI模型的验[J].2010. DOI:10.7666/d.y1739964

    FPAR、PAR、APAR关系

    太阳辐射是地球表层的物理、生物化学主要能量来源,也是生态系统、水文模拟、生物物理模型研究的必要参数。太阳辐射中波长位于400-7000。

    • PAR(Photosynthetically Active Radiation)
      即,光合有效辐射,指能被绿色植物用来进行光合作用的那部分太阳辐射能力。目前,大多数PAR研究所定的波段范围为400~700。对PAR的量度,通常采用两种计量形式。其一为能量学系统, 用PAR波段范围内的辐照度(W/m^2) 来量度; 其二为量子学系统, 用光量子通量密度(umol/m^2.S)来量度,表征单位时间内在单位面积上入射的光量子数。
      PAR一部分被作物冠层反射,一部分被作物吸收,一部分透射穿过冠层到达地表,并被地表吸收和反射,只有被作物观测吸收的PAR才对作物的干物质积累有贡献。

    • APAR(Absorbed Photosynthetically Active Radiation)
      即,吸收性光合有效辐射,指被绿色植物冠层吸收的PAR。APAR直接和光合作用、净初级生产力和碳循环相连。

    • FPAR(Fraction of photosynthetically Active Radiation)
      即,植被有效光合辐射吸收比例,指到达作物冠层上方入射光合作用有效辐射,简单理解为作物冠层对接受的所有的PAR的吸收比例。
      FPAR=APAR/PAR
      在这里插入图片描述

    图片来源:[2]周晓东,朱启疆,王锦地, 等.夏玉米冠层内PAR截获及FPAR与LAI的关系[J].自然资源学报,2002,17(1):110-116. DOI:10.3321/j.issn:1000-3037.2002.01.016.

    ****加粗样式*FPAR可以用来直接计算LAI,反照率Albedo,绿度Greenness的重要变量。
    基于比尔朗伯定律,FPAR可以由LAI直接计算得来:
     FPAR=1-e^(-k)LAI

    展开全文
  • 归一化植被指数(NDVI)

    万次阅读 2014-05-15 15:27:13
    归一化植被指数(NDVI):反映土地覆盖植被状况的一种遥感指标,定义为近红外通道与可见光通道反射率之差与之和的商。  遥感影像中,近红外波段的反射值与红光波段的反射值之差比上两者之和。  即(NIR-R)/(NIR+R) ...

      归一化植被指数(NDVI):反映土地覆盖植被状况的一种遥感指标,定义为近红外通道与可见光通道反射率之差与之和的商。

      遥感影像中,近红外波段的反射值与红光波段的反射值之差比上两者之和。

      即(NIR-R)/(NIR+R)

      NIR为近红外波段的反射值

      R为红光波段的反射值

      英文缩写为 NDVI。归一化植被指数是反映农作物长势和营养信息的重要参数之一。根据该参数,可以知道不同季节的农作物对氮的需求量, 对合理施用氮肥具有重要的指导作用。

      NDVI——归一化植被指数:NDVI=(NIR-R)/(NIR+R),或两个波段反射率的计算。

      1、NDVI的应用:检测植被生长状态、植被覆盖度和消除部分辐射误差等;

      2、-1<=NDVI<=1,负值表示地面覆盖为云、水、雪等,对可见光高反射;0表示有岩石或裸土等,NIR和R近似相等;正值,表示有植被覆盖,且随覆盖度增大而增大;

      3、NDVI的局限性表现在,用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象,分别求RVI和NDVI时会发现,RVI值增加的速度高于NDVI增加速度,即NDVI对高植被区具有较低的灵敏度;

      4、NDVI能反映出植物冠层的背景影响,如土壤、潮湿地面、雪、枯叶、粗糙度等,且与植被覆盖有关;

      NDVI的获取

      一方面,可以在NASA的官方网站上直接下载成品数据,数据的分辨率分别为250米、500米、1000米,根据应用目的的不同用户自行选择。另一方面,可以下载遥感影像,根据NDVI=(NIR-R)/(NIR+R)进行波段运算,不过这对遥感影像的质量要求比较高,需要影像上的云量比较少,必要的话还需要进行去云处理。

      NDVI(近红外区与红光区的反射率差值/近红外区与红光区的反射率和值)是最常用的植被指数,虽然NDVI对土壤背景的变化较为敏感,但由于NDVI可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件有关辐照度的变化,增强了对植被的响应能力,是目前已有的40多种植被指数中应用最广的一种。

      许多研究已经表明NDVI与LAI、NPP、fAPAR等生物物理参数有着密切的关联。

       

    展开全文
  • 生态环境保护压力逐渐增大,本文以毛乌素沙地南缘生态环境保护为研究对象,选取榆横矿区北区为研究区,依据其生态环境特点,选择土地利用、植被覆盖、水域、沙质荒漠化4个因子作为生态敏感性评价指标,应用生态因子评价...
  • 反照率分量描述了地球表面不同物体的物理性质,土地覆盖类别因其固有的物理材料而彼此不同。 因此,我们恢复高光谱图像的内在反照率特征以利用空间语义信息。 然后,我们使用支持向量机(SVM)对恢复的固有反照率高...
  • 它仅包含少数高降雨和定期降雨的地区,其中干旱和半干旱的土地覆盖了该地区的80%,因此周期性干旱是气候系统的一部分。 在肯尼亚进行的一些干旱研究使用标准降水指数(SPI),由于没有考虑温度升高对干旱条件的...

空空如也

空空如也

1 2
收藏数 32
精华内容 12
关键字:

土地指标覆盖