简介:摘要 : 植被分类是高光谱影像分类中的特定应用问题,光谱特征和空间特征是植被分类中常用的两类特征,比较这两类特征的性能,对实际植被分类应用中选择合适的特征类型或两者的有效结合具有指导意义。用主成分分析( PCA)提取光谱特征时,常选择前几个主成分( PCs)作为光谱特征,虽然它们包含较大的信息量但并不能保证较高的类别可分性和分类正确率,针对这一问题本研究提出了一种混合特征提取方法,对高光谱影像在 PCA的基础上用改进的基于分散矩阵的特征选择方法选出具有较高类别可分性的 PCs用于后续分类。利用一景 AVIRIS高光谱植被影像,从分类精度的角度,首先比较了所提出的混合特征提取方法和原始 PCA、独立主成分分析( ICA)及线性判别分析( LDA) 3种常用子空间特征提取方法在高光谱影像植被分类中的性能。试验结果表明所提出的混合特征提取方法在研究中数据集 1和 2上均获得了最高的总体分类正确率,分别为 82.7%和 86.5%。与原始 PCA相比,本研究提出的混合特征提取方法的总体分类正确率,在数据集 1和 2上分别提高了 1.5%和 2.5%。由此阐明了所提出的混合特征提取方法在高光谱植被分类中的有效性。对光谱特征和空间特征在高光谱影像植被分类性能的比较中,总体上空间特征获得的分类正确率比光谱特征高,特别是 Gabor特征,在两个数据集上均获得了最高的总体分类正确率分别为 95.5%和 96.7%。由此表明空间特征较光谱特征在高光谱影像植被分类中更具优势。本研究结果为后续改进空 -谱特征方法及其两者有效结合,进一步提高植被分类正确率提供了参考。
简介:摘要 : 含水量是表征水稻生理和健康状况的关键参数,精确预测水稻含水量对于水稻育种和大田精准管理具有重要意义。目前,利用无人机搭载光谱图像传感器监测作物生长的研究主要集中在利用植被指数评估作物在单一或者几个生育期的生长参数,针对作物含水量监测的研究非常有限。本研究主要利用多旋翼无人机低空遥感平台获取不同生育期水稻冠层的 RGB图像和多光谱图像,通过提取植被指数和纹理特征,分析水稻的动态生长变化,并构建了基于随机森林回归方法的含水量预测模型。试验结果表明:( 1)从无人机图像提取的植被指数、纹理特征以及地面测量的含水量都能用于监测水稻生长,并且这些参数随水稻生长呈现出了相似的动态变化趋势;( 2)与 RGB图像相比,多光谱图像评估水稻含水量具有更高的潜力,其中归一化光谱指数 NDSI771,611实现了更好的预测精度( R2=0.68, RMSEP=0.039, rRMSE =5.24%);( 3)融合植被指数和纹理特征能够进一步改善含水量的预测结果( R2=0.86, RMSEP=0.026, rRMSE=3.51%),预测误差 RMSEP分别减小了 16.13%和 18.75%。上述结果表明,基于无人机遥感技术监测水稻含水量是可行的,可为农田精准灌溉和田间管理决策提供新思路。
简介:摘 要: 随着社会文明的进步,人民越来越关注生态环境建设,尤其是对山体保护和改造,山体植被恢复主要包括林地植被恢复和矿山植被恢复。以前矿山盲目的开采造成山体结构和植被的破坏也日益引起高度的重视,因为它不但影响自然景观,造成环境污染,而且大量的弃土弃渣堆积形成矿渣场等,容易引起水土流失,诱发山体滑坡等自然灾害。所以山体植被恢复已成为目前生态环境建设的重要组成部分,山体植被复绿就是通过退耕还林还草、工程、生物等技术手段对荒山、坡耕地、泥石流、矿山开采等引起的地质环境问题进行的综合治理,使山体生态环境和植被得以恢复的过程,做好山体恢复是一个漫长而又复杂的过程。总结如下几点:
简介:摘要 植被演替理论是知道矿区生态修复与重建的重要基础,本文以高家堡煤矿为研究对象,分别于2015年到2020年五年间对采空区及未来开采区分区进行植被样方群落类型及生物量测定。结果表明,高家堡煤矿五年间采空区植被群落类型变化不大,且植被覆盖度差异不明显,总体来说植被演替较缓慢,煤矿采取系列的生态恢复治理措施后,对植被影响较小。
简介:摘要:在水土保持工作中,植物措施是一项非常重要一项水土保持措施,对控制水土流失、改善生态环境效果十分明显。以植被盖度为重点,综述了植物措施对初损雨量、截留降水、降雨能量、产流产沙、土壤入渗等方面的直接或间接水土保持功效影响。
简介:摘 要:伴随着国家大力推进海绵城市的建设,推广海绵型公园和绿地,加强对城市坑塘、河湖、湿地等水体的保护与生态修复。本文通过研究植被混凝土原理,结合广州市南沙区凤凰湖岩质高陡边坡生态整治工程介绍了植被混凝土施工技术在采石矿坑边坡修复中的应用实例,探究了影响植被混凝土植被发芽生长率和抗冲刷稳定性的几项主要参数,并具有显著的成效。
简介:摘要 : 水稻叶片叶绿素含量遥感诊断是实现水稻精准施肥的核心要素。本研究通过分析寒地水稻关键生育期叶片高光谱反射率信息,同时结合 PROSPECT模型叶绿素含量吸收系数,参考借鉴现有高光谱植被指数的构造方法和形式,利用相关性分析、连续投影法、遗传算法优化的粗糙集属性简约法进行高光谱特征选择,提出了仅含有 695、 507和 465nm 3个高光谱特征波段的红边优化指数( ORVI)。与 Index Data Base数据库中其他用于叶绿素含量反演植被指数,包括 ND528,587、 SR440,690、 CARI、 MCARI的反演结果进行了对比分析,结果表明: IDB数据库中的已有 4种植被指数叶绿素含量反演模型的决定系数 R2分别为 0.672、 0.630、 0.595和 0.574; ORVI植被所建立的叶绿素含量反演模型的决定系数 R2为 0.726,均方根误差 RMSE为 2.68,精度高于其他植被指数,说明了 ORVI在实际的应用中,能够作为快速反演水稻叶绿素含量的高光谱植被指数。本研究能够为寒地水稻叶绿素含量高光谱遥感诊断及管理决策提供一定的客观数据支撑和模型参考。