导读:本文包含了植被信息提取论文开题报告文献综述及选题提纲参考文献，主要关键词:全卷积神经网络,高分辨率,遥感影像,城市植被
植被信息提取论文文献综述
马海艺,张天怡,代沁伶,代飞,王雷光[1]（2019）在《基于I-FCN模型的城市高分辨率遥感影像植被信息提取》一文中研究指出为了提高城市高分辨率遥感影像中植被信息的提取精度,提出一种改进的全卷积神经网络模型,通过大量的训练数据获得最佳模型参数,进行植被信息的提取,并与支持向量机、面向对象法、经典的FCN模型方法提取的植被信息进行对比分析。结果表明:提出的网络模型不但能够有效缓解"椒盐现象",还能保证小面积的植被提取与植被区域边界的准确性。该方法可自动综合多种特征,所以可有效减少植被像元的误分与漏分现象,提高植被提取精度。(本文来源于《西南林业大学学报(自然科学)》期刊2019年03期）
谭莹,徐军,毛华英[2]（2019）在《基于landsat8影像的植被信息提取最佳波段组合研究——以浙江省龙泉市为例》一文中研究指出以龙泉市为例,运用最佳指数OIF法,同时结合Landsat 8各个波段的统计信息和相关系数、地物光谱特征曲线及各波段主要用途进行综合分析,探讨了Landsat 8影像用于植被信息提取时的最佳波段组合的选择。结果显示:256波段组合信息量最为丰富,为植被信息提取的最佳波段组合。(本文来源于《华东森林经理》期刊2019年02期）
何鸿杰[3]（2019）在《基于旋转森林算法的荒漠区植被信息提取：以毛乌素沙地为例》一文中研究指出植被是陆地生态系统的重要组成部分,植被能够保持水土,保护区域内生物多样性,荒漠区植被更是与全球气候变化及环境研究等密切相关。荒漠区植被信息提取能够客观地反映区域内的植被类型和植被生长状况,并且对于生产管理决策部门科学评价荒漠化地区的生态恢复效果、研究荒漠生态系统的碳循环过程以及实现荒漠生态系统的健康发展具有十分重要的意义。本文使用旋转森林算法,结合多光谱遥感影像和地形数据,计算得到光谱特征、纹理特征和地形特征叁类共98个特征完成了以毛乌素沙地为例的荒漠区植被信息提取;基于植被信息提取的精度,对比了本文使用的分类方法和研究区已有的分类方法,并使用基于交互式数据语言(Interactive Data Language,IDL)将分类性能较高的旋转森林分类方法集成到ENVI软件中;最后对研究区内的植被类型空间分布情况进行分析。通过研究得到以下结论:(1)决策树“最小节点待分类个数”为5%平均类别样本数,旋转森林算法能够很好地防止模型的过拟合,提高模型的训练效率,最终提高模型的性能。此外,模型的决策树个数为10,特征子集内的特征数为3时,模型已经能够达到遥感影像分类的精度要求。因此,对于本研究区,上述参数设置为旋转森林算法最优的参数组合。(2)在荒漠区植被遥感信息提取的应用中,旋转森林算法能够达到遥感影像信息提取的精度要求,其精度要优于已有的分层分类与多指标结合的遥感信息提取方法。此外,基于旋转森林算法的植被信息提取方法比分层分类与多指标结合的遥感信息提取方法更加简单,分类时引入的主观因素更少,分类结果更为可信。因此,基于旋转森林算法的植被信息提取方法更适合用于荒漠区植被信息提取。(3)研究区内各县级单位植被类型分布空间差异性较大,毛乌素沙地核心区和毛乌素沙地外围区域的植被覆盖差异较大。具体来讲,毛乌素沙地核心区的内蒙古叁个旗的植被覆盖度较低,植被类型较为简单。毛乌素沙地周边,陕西省五个县和宁夏两个县植被覆盖度较高,且植被类型分布多样。综上所述,基于旋转森林算法的植被信息提取能够快速准确地得到荒漠区的植被分布情况,可以为进一步研究水热格局以及土地利用类型对当地生态环境的影响提供基础和支撑,为其他区域的植被信息提取提供借鉴,为区域内的生态环境研究及全球气候变化研究提供支撑。(本文来源于《兰州大学》期刊2019-05-01）
付波霖,李颖,张柏,何宏昌,高二涛[4]（2019）在《基于多频率极化SAR影像的洪河国家级自然保护区植被信息提取》一文中研究指出植被是湿地生态系统健康状况的"晴雨表",明晰湿地中植被的时空分布,是湿地修复与重建、保护与合理利用的前提和基础。以洪河国家级保护区为研究区,利用全极化C-band Radarsat-2和L-band PALSAR数据,根据极化合成孔径雷达(synthetic aperture radar,SAR)目标分解理论,提取了该保护区不同波长的极化分解参数和特征参量,整合为多源极化SAR数据集,利用多尺度迭代分割算法和Random Forest机器学习算法,构建了研究区中植被的遥感识别模型,实现了对研究区中植被的高精度分类,并对比分析了不同频率SAR数据集在植被识别精度上的差异。研究结果表明,利用整合PALSAR和Radarsat-2极化数据集,获取的植被遥感分类结果的总体分类精度为86.77%,比利用PALSAR极化数据集的分类结果精度提高了15%,但是其与利用Radarsat-2极化数据集的分类结果精度差异不显着;浅水草本沼泽的生产精度达到了90.91%,深水草本沼泽的用户精度为90.63%;C-band PALSAR数据比L-band PALSAR数据更适用于高精度识别洪河国家级自然保护区中的植被。(本文来源于《湿地科学》期刊2019年02期）
何鸿杰,穆亚超,魏宝成,杜婷,薛晓玉[5]（2019）在《分层分类和多指标结合的西北农牧交错带植被信息提取》一文中研究指出参照《中国植被》中的植被分类体系,结合野外考察结果,建立了适合中国西北农牧交错带的植被分类体系。以覆盖研究区的多幅Landsat影像为基础,按"分层分类,逐层验证"的思路,实现了对研究区植被信息的提取。提取时,先利用完全约束的最小二乘模型对遥感影像进行混合像元分解,将整个研究区划分为植被区和非植被区;在植被区,基于光谱特征、纹理特征和地形特征,构建CART决策树,获得了乔木林、灌丛和草原等7种主要植被型组;在植被型组内,基于不同植被类型NDVI的季节差异特征,构建NDVI差值比值指数(NDVI_DR),将乔木林和灌丛区分为常绿和落叶植被型,使用温度植被干旱指数(TVDI),将草原划分为荒漠草原、典型草原和草甸草原3种类型,从而得到各个植被型的空间分布范围。经验证,最终分类的总体精度能达到79.51%,kappa系数为0.773。本文所采用的分类方法充分利用了遥感数据既有的光谱信息和纹理信息,同时辅以地形信息。实践结果表明,分层分类和多种指标相结合的方法可以有效实现对影像跨幅的、以复杂镶嵌结构为主要特征的农牧交错带植被信息提取,精度较高,技术可行。(本文来源于《干旱区地理》期刊2019年02期）
穆亚南,丁丽霞,李楠,陆琳莹,吴明[6]（2018）在《基于面向对象和随机森林模型的杭州湾滨海湿地植被信息提取》一文中研究指出湿地植被在湿地生态系统中起着无可替代的作用,其空间分布在很大程度上反映了滨海湿地的开发利用、生态环境特征和健康状况。以杭州湾南岸为研究区,以QuickBird影像和野外调查数据为数据源,基于面向对象原理在确定最优分割尺度的基础上采用随机森林模型,对滨海土地利用分类,并精确提取湿地植被。结果表明:面向对象和随机森林相结合的方法可以有效提取杭州湾5种湿地植被类型和6种土地利用类型,分类总体精度达86.90%, Kappa系数达到0.85, 5类滨海湿地植被的用户精度均达到85%以上,更有海叁棱藨草Scirpus mariqueter的用户精度达到100%,充分说明了基于面向对象分割和结合随机森林模型方法适用于滨海湿地植被信息的精确提取。(本文来源于《浙江农林大学学报》期刊2018年06期）
于晓童,岳彩荣[7]（2018）在《植被信息提取技术研究进展》一文中研究指出植被信息提取是采用遥感技术实现植被的数字识别和动态监测,是遥感技术的重要应用之一。经过查阅相关文献,回顾了国内外对于植被信息提取的几种方法,对监督分类、面向对象分类、决策树分类、光谱角及光谱信息散度混合法、模糊数学分类、人工神经网络法和面向对象的最邻近分类等方法各自的优势和存在的问题进行了分析,展望了未来植被信息提取遥感技术,为未来提高植被信息精确识别提供新的研究思路。(本文来源于《林业调查规划》期刊2018年05期）
杨斌,高桂胜,王磊,程璐[8]（2018）在《基于GF-1 WFV和Landsat-8 OLI提取植被信息方法比较研究》一文中研究指出针对GF-1 WFV和Landsat-8 OLI两种传感器的参数特点,选取归一化植被指数(NDVI)、增强型植被指数(EVI)、大气阻抗植被指数(ARVI)、土壤调整植被指数(SAVI)和修正的土壤调整植被指数(MSAVI)5种植被指数,采用同一时期的两种传感器数据对四川省茂县进行植被信息提取,并结合像元二分模型估算植被覆盖度,计算分析两种数据源下不同植被指数的差异性。结果表明:GF-1数据提取的NDVI植被效果最好,其中2013年分类总精度为94.55%,Kappa系数为0.88;2015年分类总精度为90.47%,Kappa系数为0.85。对于Landsat-8数据提取的SAVI的结果最佳,其中2013年分类总精度为94.38%,Kappa系数为0.86;2015年分类总精度为95.83%,Kappa系数为0.88。根据统计指标分析表明:在高原山区地形环境下,利用植被指数估算植被覆盖度,GF-1卫星采用NDVI、Landsat-8卫星采用SAVI比较合适,且GF-1数据的估算精度要高于Landsat-8数据。(本文来源于《测绘工程》期刊2018年08期）
陶欢,李存军,周静平,董熙,王艾萌[9]（2018）在《基于高分1号影像的森林植被信息提取》一文中研究指出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。(本文来源于《自然资源学报》期刊2018年06期）
杨希鹏[10]（2018）在《基于面向对象MLP模型的遥感植被信息提取方法研究》一文中研究指出随着科技水平的不断提高,近几年商业遥感卫星得到快速地发展,高分辨率遥感影像处理技术取得显着的进步,如何利用遥感技术便捷获取遥感影像中空间特征信息,以及定量分析地表特征成为该领域主要研究热点之一。计算机科学和遥感信息技术的发展使得遥感影像地类信息提取方法多元化,遥感技术中不断引入机器学习等人工智能领域的方法,使得这一过程变得数据信息化和方法高效化。基于遥感技术的单幅遥感影像地类特征提取具有宏观、快速和高效等特征,但对于多幅遥感影像地类特征提取,一般重复单幅遥感影像处理方法,虽然保证了地类特征提取的精度,但这过程复杂而慢长,造成一些资源的占用与浪费。本文以植被为研究对象,针对实际生产中遥感影像数据处理过程出现的问题,如遥感影像数据超出计算机处理能力和多幅遥感影像地类提取速度较慢等,提出了一种基于面向对象MLP模型的遥感植被信息提取方法。通过使用“珠海一号”系列商业卫星中的OVS-1A星遥感影像数据,分析遥感影像空间特征,选择多组空间特征数据集与合理模型的优化及应用,分析得到同轨异景多幅遥感影像植被提取方法的合理性与可行性,为全国第叁次土地调查中利用遥感技术地类提取提供有益参考。主要的研究内容和结论如下:(1)以空间分辨率1.98m遥感影像数据为主要数据源,通过遥感影像的空间位置得到二维分布散点图,和量化值10Bit的可见光波段信息得到叁维散点图,分析得到适合模型建立前两组空间数据集Band123和BandAll,作为模型建立的基础数据。对比不同的空间特征组合,分别在原始可见光波段中加入均值、极值、最大化差异度、可见光波普差异植被指数,分析不同空间特征数据集对遥感影像植被信息提取的影响。在面向对象分类过程中,选择合适的分割参数与光谱分割优化后,出现的椒盐效应比只进行多尺度分割少,得到不同的分割方法在高分辨率遥感影像分隔效果不同。(2)通过观察分割分类后的空间对象特征数量、建模过程中参数的选择、两组空间特征集合及在建模过程中的关系,运用了准确率、损失函数值及错分与漏分像元量组成的误差矩阵得到的kappa系数,以建模方法、特征数据两类不同因素对模型结果精度的影响分别分析,表明该研究区域附近,多幅遥感影像植被信息提取方法为植被信息提取精度的主要决定因素,对于机器学习方法,特征数据的维度增加有利于提高模型预测精度,在不同空间数据集合中,加入了可见光波普差异植被指数等因素,也有利于模型预测植被信息的提高。(3)利用同轨异景多幅遥感影像数据为数据源,满足假设条件,同轨异景遥感影像数据的几何与辐射条件完全相同,在植被信息提取过程中利用多尺度和光谱分割方法对遥感影像数据处理,将处理结果作为训练空间特征样本,并利用利用反向传输训练的前馈多层感知器MLP模型,对遥感影像数据中研究区域植被特征进行提取,将此模型应用到另一幅同轨异景遥感影像,进行预测得到空间特征数据,最后与人工单幅遥感影像面向对象地类分类方法对比,分析结果中各项指标参数满足实际生产要求,达到本课题研究目的。(本文来源于《东华理工大学》期刊2018-06-12）
植被信息提取论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
以龙泉市为例,运用最佳指数OIF法,同时结合Landsat 8各个波段的统计信息和相关系数、地物光谱特征曲线及各波段主要用途进行综合分析,探讨了Landsat 8影像用于植被信息提取时的最佳波段组合的选择。结果显示:256波段组合信息量最为丰富,为植被信息提取的最佳波段组合。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
植被信息提取论文参考文献
[1].马海艺,张天怡,代沁伶,代飞,王雷光.基于I-FCN模型的城市高分辨率遥感影像植被信息提取[J].西南林业大学学报(自然科学).2019
[2].谭莹,徐军,毛华英.基于landsat8影像的植被信息提取最佳波段组合研究——以浙江省龙泉市为例[J].华东森林经理.2019
[3].何鸿杰.基于旋转森林算法的荒漠区植被信息提取：以毛乌素沙地为例[D].兰州大学.2019
[4].付波霖,李颖,张柏,何宏昌,高二涛.基于多频率极化SAR影像的洪河国家级自然保护区植被信息提取[J].湿地科学.2019
[5].何鸿杰,穆亚超,魏宝成,杜婷,薛晓玉.分层分类和多指标结合的西北农牧交错带植被信息提取[J].干旱区地理.2019
[6].穆亚南,丁丽霞,李楠,陆琳莹,吴明.基于面向对象和随机森林模型的杭州湾滨海湿地植被信息提取[J].浙江农林大学学报.2018
[7].于晓童,岳彩荣.植被信息提取技术研究进展[J].林业调查规划.2018
[8].杨斌,高桂胜,王磊,程璐.基于GF-1WFV和Landsat-8OLI提取植被信息方法比较研究[J].测绘工程.2018
[9].陶欢,李存军,周静平,董熙,王艾萌.基于高分1号影像的森林植被信息提取[J].自然资源学报.2018
[10].杨希鹏.基于面向对象MLP模型的遥感植被信息提取方法研究[D].东华理工大学.2018