植被分类

摘要： 内伶仃岛植被,由于自然保护区的建立而得以迅速恢复。对其植被现状进行类型划分并绘制高精度植被图,对于保护区的科学管理具有重要的指导意义。本研究基于无人机技术所获取的全岛遥感影像,结合1个15 hm2大样地和113个100 m^(2)样地以及全岛踏查的317个样点的实地调查,对内伶仃岛的植被类型进行了划分,并绘制数字植被图,主要结果如下:(1)内伶仃岛主要的自然植被类型包括南亚热带常绿阔叶林、南亚热带针阔叶混交林、南亚热带常绿灌丛、南亚热带竹林,并伴有滨海砂生灌草丛、红树林分布;(2)南亚热带常绿阔叶林为该区域的气候顶极群落类型,占全岛植被分布面积的46.97%,居绝对优势地位,群落中优势物种破布叶Microcos paniculata和血桐Macaranga tanarius等均为内伶仃岛重点保护对象猕猴Macaca mulatta的主要食源植物;红树林退化明显,仅在东湾咀东侧和黑沙湾东侧海岸边有小面积分布,主要树种为蜡烛果Aegiceras corniculatum;(3)人工植被类型主要有台湾相思Acacia confusa、血桐、木麻黄Casuarina equisetifolia、幌伞枫Heteropanax fragrans、椰子Cocos nucifera和海滨木槿Hibiscus hamabo,以及荔枝Litchi chinensis和龙眼Dimocarpus longan等经济果林类型分布,其中台湾相思林为最主要人工植被,植被分布面积达29.80%,也是猕猴的最主要食源植物之一;(4)微甘菊Mikania micrantha和刺果藤Byttneria grandifolia分别为该岛屿最主要的外来入侵植物和本地有害植物,是除猕猴以外,影响岛内植被变化的重要胁迫因子,虽长期进行人工及化学防除,仍蔓延严重。通过无人机遥感影像技术和地面调查手段对内伶仃岛全岛植被进行精准复核,二者相互补充,为岛屿植被调查与植被制图提供了新的手段和思路,运用地理信息系统绘制的数字化植被图,将为保护区提出合理、科学的植被保护策略和进行信息化管理提供重要依据,有利于维持内伶仃岛生态系统的稳定发展。

摘要： 开展全国性植被清查、分类和植被志研编是一项重大的科学工程,可为山水林田湖草沙的系统性治理和国家生态文明建设提供理论和技术支撑。本文介绍了中国植被调查的历史和现状,主要植被分类系统的分类依据、等级、分类结果和特点,以及国家和地方层面植被志研编进展,指出了我国植被科学研究中存在植被分类混乱、植被志研编体系尚不健全、缺乏统一的植被数据库建设、植被家底不清等不足,提出了加快建立国家数字植被大数据平台、进一步规范全国和地区植被志研编体系的建议。

摘要： 广西是我国植被类型较丰富的省区之一,开展《广西植被志》研编意义重大。本文在全面总结广西植被调查研究历史的基础上,将植被调查研究的进程分为3个阶段:第一阶段为1950-1980年,第二阶段为1981-1999年,第三阶段为2000年至今。对《广西森林》《广西植被志要》和《广西植被(第一卷)》中的植被分类原则、等级、分类结果及各分类系统的特点进行分析比较。在遵循《中国植被志》的研编标准及规范的基础上,提出《广西植被志》的研编方案,建议以植被型组独立成卷,即可分为6卷:森林卷、灌丛卷、草丛卷、沼泽与水生植被卷、农林植被卷、城市植被卷。其中,森林卷可分为6册,即针叶林和针阔叶混交林分册、落叶阔叶林分册、常绿落叶阔叶混交林分册、常绿阔叶林分册、季雨林和雨林分册、竹林分册;灌丛植被、草丛植被和沼泽与水生植被各独立成卷;农林植被卷分为两册,分别是农业植被分册和林业植被分册;城市植被独立成卷。此外,加上第一卷总论,《广西植被志》可由7卷13册组成。对建立10个植被信息数据库及广西数字植被大数据平台提出初步方案。《广西植被志》的研编及出版必将推动广西植被生态科学的进一步发展。

摘要： 以博斯腾湖西岸湖滨带为研究区,采取高光谱数据和Sentinel-2A遥感数据,采用包络线去除(CR)法提取并分析箭杆杨、沙枣树和芦苇3种典型植被类别间的可区分特征,利用光谱角匹配(SAM)法对研究区3种典型植被的分布状况进行分类识别。结果表明:①SAM分类方法对3种典型植被的识别百分比为58.47%,基于包络线去除的光谱角匹配(CR-SAM)分类方法对3种典型植被的识别百分比为79.12%,CR-SAM能够突出植被光谱细节特征,减少环境背景对植被光谱的影响。②CR-SAM分类结果的总体分类精度为70.50%,较SAM分类方法提高了17.50%,Kappa系数由SAM分类方法的0.32增加到0.66,CR-SAM分类方法更能满足影像分类过程中的精度需求。③3种典型植被中,箭杆杨呈片状分布于道路两侧,面积3.98 km^(2),占研究区总面积的2.01%;沙枣树主要分布于荒地与耕地之间的过渡带,面积19.76 km^(2),占研究区总面积的9.98%;芦苇主要分布于湖滨带湿地及开都河下游沿岸,面积174.26 km^(2),占研究区总面积的88.01%。

摘要： Sentinel-2A影像凭借其较高的空间分辨率和时间序列连续等优点被广泛应用于植被生长监测领域,其红边区域窄波段的设置保证其可精确捕获植被的光谱红边特征,为高植被覆盖区域的植被群落分类提供了可能性.以太湖竺山湾湖滨带区域的植被缓冲带为研究对象,通过构建植被红边斜率计算模型,统计不同植被群落红边斜率的年内变化趋势,评价红边斜率在湖滨带植被群落分类中的效果,辅以基于归一化植被指数的分类结果、不同分类方式下各植被群落间可分性的定量统计作为验证.研究结果显示,植被红边斜率在湖滨带植被群落分类中应用效果较佳,且在植被高覆盖时期优势更为明显.通过研究分析,可以认为Sentinel-2A的光谱红边斜率特征在植被群落分类中具有较好的应用能力.

摘要： 对于基于高光谱图像的植被分类,利用三维卷积神经网络和空谱结合可以取得良好的效果.但存在计算代价大、参数过多容易过拟合等问题.基于此,设计了一种三维卷积与二维卷积相结合的深度网络,通过数据分块的思想减小了计算量;并提出了一种融合植被指数的特征提取方法,改善了现阶段因高光谱图像样本数量少、光谱层间信息相关度高,造成的容易过拟合的问题.在植物园数据集、IP数据集和PU数据集上的实验结果表明该算法以较低的计算复杂度取得了出色的分类效果,具有较好的应用价值.

摘要： 基于Sentinel-2数据,以盐城国家级珍禽自然保护区核心区为研究区,采用基于面向对象的随机森林模型对研究区内的湿地信息进行分类研究.首先,对影像进行分割处理,计算光谱特征、纹理特征、水体指数、植被指数与纹理特征,并对特征重要性进行排序筛选.其次,基于此构建5种特征组合方案,并对研究区进行分类,比较不同组合的分类精度找出研究区最优的特征组合方案.最后,实验表明:通过特征优选后的随机森林算法进行分类效果最好,总体精度达到87.07％,Kappa系数为0.84.其中互花米草在3种植被中分类精度最高,为97.73％.证明此方法能够有效提高滨海湿地的分类精度,可用作该区域湿地变化研究.

摘要： 本文在文献研究和野外调查数据的基础上,从植被研究历史、植被类型组成和分布规律等方面,介绍了湖北省自然植被研究情况,并参考"《中国植被志》编研"拟定的分类系统,拟定了新的湖北省自然植被分类系统.湖北植被研究历史可大致分为三个阶段,分别是标本采集和森林资源勘察阶段(20世纪70年代前)、全面调查和植被区划阶段(20世纪70年代到21世纪初)和自然保护区调查阶段(21世纪初到2015年).湖北的自然植被可分为森林、灌丛、草本植被、沼泽和水生植被等4个植被型组,植被型组又可划分为15个植被型、72个群系组、232个群系,其分布存在明显的纬度、经度和垂直分布格局.建议湖北植被未来研究要以详实的样方资料为基础,加强灌丛和草地植被的调查研究,对植被进行定量分类和排序,加强人才队伍建设,推动《湖北植被志》的编研.

摘要： 本文结合历史资料和本团队30多年的野外样方调查数据,分析了海南植被的组成与结构特点,修订和完善了海南植被分类体系;通过遥感解译、样方数据和野外实地核实,完成了海南植被分布图的绘制.在水平地带性上,海南植被可区划为热带雨林区和季雨林区.在热带雨林区,垂直地带上可区划为低地雨林、山地雨林、高山云雾林和山顶灌丛;在季雨林区,植被类型垂直地带性差异不明显.非地带性植被类型有海草床(草丛)、红树林、滨海丛林,包括潟湖、岛屿和河口等海岸丛林(含三沙市的岛屿丛林)、滨江(河)丛林、次生草丛、次生灌丛和藤蔓丛等.海南植被可划分为自然植被和人工植被两大类,自然植被可分为森林、灌丛、草丛和藤蔓丛4个植被型纲, 5个植被型组, 14个植被型, 196个群系("群系"=《海南植被志》中的"类群");人工植被主要有3个植被型组:生态保护植被型组、生态景观植被型组和农业生产植被型组,共9个植被型.本研究同时完成了海南省尺度(不含三沙市)、市县尺度和乡镇尺度等三个级别的分布图(1:5万比例尺).

摘要： 充分利用多源植被分类/土地覆盖分类产品各自的优势,通过专门设计与青藏高原植被类型相适应的植被分类体系,选用集成分类方法,在数据可靠性的基础上遵循一致性的原则,制作了青藏高原现状植被图,其在现势性、分类体系的针对性和分类精度上均表现更优.从分类结果的现势性来看,青藏高原现状植被图较早期中国植被图能更好地反映青藏高原植被覆盖现状;从分类体系的针对性来看,青藏高原现状植被图采用了针对青藏高原植被专门设计的分类体系,有利于从多源数据产品中充分提取出具备高可靠性和一致性的植被覆盖信息;从分类精度来看,青藏高原现状植被图的总体精度(78.09%,Kappa系数0.75)较已有相关数据产品提高了18.84%~37.17%,特别是对草地、灌丛等植被类型的分类精度有明显提升.

摘要： 本文阐述了陆面地表植被分类原理,介绍了基于地基观测,基于生物气候特征,基于遥感数据三种植被分类方案和全球陆面覆盖的数据库.

摘要： 为了监测自然因素和人为活动对湿地生态系统的影响,采用高分辨率遥感影像进行快速的湿地植被群落检测是非常有必要的,本文提出采用基于纹理特征的湿地植被群落自动分类算法,可以有效利用高分辨率遥感影像对湿地植被进行快速、有效的监测.

摘要： 随着世界各国对全球导航卫星系统(Global Navigation Satellite System,GNSS)的研究深入,一些研究者发现,GNSS除传统的导航定位、测速、授时等功能外,其反射信号也可以被接收和利用,从而成为一种新型的遥感手段-GNSS-R(GNSS Reflectometry)微波遥感.本文对GNSS-R遥感技术的研究现状和存在的问题做了一些评述,结合前人的研究经验,提出了GNSS-R技术在植被遥感分类上研究设想,并对其未来的发展方向做了展望.

摘要： 外业以四儿滩湿地为中心，从东、东北、西、西北4个方向沿着湿地-干草原生境梯度布设样方，进行植被及土壤环境因子的调查。运用TWINSPAN植被数量分类方法对四儿滩湿地生态系统123个样方，41种植物进行分类，在刑INSPAN分类的基础上结合《中国植被》的分类原则和四儿滩湿地生态系统的植被现状对分类经过进行一定调整，建立四儿滩湿地生态系统植被分类系统。分类系统将四儿滩湿地生态系统划分为3个植被型，14个植被群丛。3个植被型分别是沼泽植被、草甸植被和干草原植被，其中沼泽植被主要以湿生(盐生)植物为主，分布在湿地-干草原生态系统的湿生带；草甸植被以中生(盐中生)植物为主，分布在湿地-干草原生态系统的交错带；干草原植被主要以旱中生、旱生植物为主，分布在旱生带。

摘要： 针对复杂条件下的(如河流两岸高陡边坡)植被难以过滤问题,作者利用主成分分析法计够实现大部算不同地物在多种尺度下呈现的不同维度特征,结合支持向量机设计线性分类器,提出了多尺度下点云分类算法.算法直接作用于激光点云上,不需要内插成规则格网,受数据缺失、遮挡、扫描点云密度、复杂地形等影响较小.为验证算法是分类精度,利用长距地面三维激光扫描仪采集了某高陡边坡激光点云数据作为实验数据,进行植被与边坡地面的分类实验.分类实验结果表明:算法计算效率较高,8min内完成200万个激光点云数据分类处理工作;算法证明不受地形变化和植被覆盖的影响,能够实现复杂条件下的植被与地面高精度的分类;正确的尺度选择能分点云数据高精度的分类.

摘要： 针对复杂条件下的(如河流两岸高陡边坡)植被难以过滤问题,作者利用主成分分析法计够实现大部算不同地物在多种尺度下呈现的不同维度特征,结合支持向量机设计线性分类器,提出了多尺度下点云分类算法.算法直接作用于激光点云上,不需要内插成规则格网,受数据缺失、遮挡、扫描点云密度、复杂地形等影响较小.为验证算法是分类精度,利用长距地面三维激光扫描仪采集了某高陡边坡激光点云数据作为实验数据,进行植被与边坡地面的分类实验.分类实验结果表明:算法计算效率较高,8min内完成200万个激光点云数据分类处理工作;算法证明不受地形变化和植被覆盖的影响,能够实现复杂条件下的植被与地面高精度的分类;正确的尺度选择能分点云数据高精度的分类.

摘要： 针对复杂条件下的(如河流两岸高陡边坡)植被难以过滤问题,作者利用主成分分析法计够实现大部算不同地物在多种尺度下呈现的不同维度特征,结合支持向量机设计线性分类器,提出了多尺度下点云分类算法.算法直接作用于激光点云上,不需要内插成规则格网,受数据缺失、遮挡、扫描点云密度、复杂地形等影响较小.为验证算法是分类精度,利用长距地面三维激光扫描仪采集了某高陡边坡激光点云数据作为实验数据,进行植被与边坡地面的分类实验.分类实验结果表明:算法计算效率较高,8min内完成200万个激光点云数据分类处理工作;算法证明不受地形变化和植被覆盖的影响,能够实现复杂条件下的植被与地面高精度的分类;正确的尺度选择能分点云数据高精度的分类.

摘要： 本发明公开了一种基于无人机技术的植被空间分布格局调查方法，包括以下步骤：S1，获取研究区域正射拼接影像；S2，对S1中所述正射拼接影像进行监督分类和结果验证；S3，制作物种分类提取分布图；S4，对物种进行空间分布格局分析。其有益效果是：将正射拼接影像利用监督分类方法进行植被物种的分类，以期对每类物种的个体分别进行具体的生态统计分析；节省人力物力的同时可将格局分析的样方扩大数十倍，更加全面和准确地得到空间格局分析结论；物种分类提取分布图可更加方便地进行多角度的空间分布格局分析，如利用样方法、点格局分析等方法，使得格局分析结果更加全面具体。

摘要： 本发明提供一种基于加权植被时序属性特征曲线的分类方法，选取一年内的多景双极化Sentinel‑1数据，采用面向对象多尺度分割方法对影像进行分割并以分割后的单元为对象，根据植被生长季状况对其时序特征进行加权分析，运用植被生长季加权DTW获取对象时序曲线间相关性作为新的时序属性特征曲线，然后采用最近邻分类KNN算法进行分类。本发明有针对性的加大植被生长季间的权重并以此提取各对象的植被时序曲线间的相似性作为属性值构成新的时序属性曲线，通过挖掘深层次属性曲线之间的相关性，提高植被类别的分类精度。

摘要： 本发明公开了一种基于融合空天遥感影像的岩溶湿地植被群落分类方法，该方法通过整合无人机影像的高空间分辨率和卫星影像的高光谱分辨率的优势准确提取岩溶湿地植被群落空间分布范围；通过采用面向对象的多尺度分割，对构建的多维数集进行去除高相关性和变量选择，降低数据的冗余来提高岩溶湿地植被群落识别模型的训练精度与效率；通过对比优化的面向对象的机器学习算法，实现对不同岩溶湿地植被群落的高精度识别。

摘要： 本发明涉及一种基于极化和干涉信息的植被和建筑分类方法，包括：S1，数据获取及预处理；S2，极化SAR分类；S3，极化SAR图像分割，对S1获取的极化SAR图像进行分割，形成连通的同质区域，划分出植被区域和建筑区域；S4，结合复图像计算相干系数，结合S3获取的所有的植被区域和建筑区域，计算各区域的平均相干系数；S5，对S3获取的所有的植被区域和建筑区域进行45°倾斜角直线检测；S6，对植被区域和建筑区域进行重分类。本发明在传统极化SAR地物分类的基础上，利用相干系数和直线检测，进一步对植被区域和建筑区域进行区分，使得误分类的植被和建筑区域得以正确区分，提高地物分类的准确度。

摘要： 本发明涉及遥感植被分类技术领域，涉及一种结合植被指数和卷积神经网络的遥感植被分类方法，包括：一、遥感影像与植被指数经过卷积降低特征图大小；二、将两幅特征图连接后进入密集连接块，每进入一个密集连接块后都要进行一次下采样，每一次下采样后在相应的子网保持特征图大小，共生成了4条子网；三、在特征恢复中，将第2、3、4条子网的特征图分别通过连续上采样得到与第一条子网相同分辨率的特征图；四、将4幅特征图合并后利用上采样恢复原始影像大小，实现植被类型的精确分割。本发明能够较好地区分各植被类型，且适用于多源遥感影像的植被分类提取，在城市绿地规划、农村基本农田监管等方面具有一定的应用价值。

摘要： 本发明涉及一种植被分类方法，该方法包括：利用飞机对待测区域进行往返十字交叉飞行，以采集待测区域的全极化数据；其中，飞机的侧腹部设置有多波段全极化合成孔径SAR双天线；提取全极化数据中的微波反射特征参数，得到待测区域的微波反射特征参数；根据待测区域的微波反射特征参数对待测区域的植被进行一次分类；计算待测区域的植被高度，并根据待测区域的植被高度对待测区域的植被进行二次分类，得到最终的待测区域的植被类别。本申请提供的技术方案，实现了全天时、全天候的对植被进行监测，并且不受天气影响，增加了采集信息量，提高了分类精度。

摘要： 本发明公开了一种整合高光谱和多频段全极化SAR影像的沼泽植被堆栈集成学习分类方法，该方法将高光谱影像和不同频段全极化SAR影像进行整合，通过多尺度分割、剔除高相关变量和Boruta算法进行变量优选，构建多维变量数据集，利用Stacking算法将不同的参数优化后的分类模型进行堆栈集成，构建沼泽植被识别分类模型，最后使用该模型对待分类数据进行分类得到沼泽湿地植被分类结果，并对分类结果使用评价指标进行定量评价。本发明将高光谱影像丰富的光谱信息优势和极化SAR影像能穿透植被冠层的优势进行整合来实现沼泽植被高精度识别与分类。

摘要： 本发明公开了一种基于遥感数据的植被分类和生物量反演方法，属于机械学习算法领域。本发明基于Sentinel‑2B卫星的多光谱数据，使用矢量边界和归一化植被指数研究区域进行提取，而后通过K均值聚类算法对崇礼区地表植被进行了分类，分类结果可以与生物量反演模型相结合以计算调查区域的总生物量。通过多光谱遥感数据和地形数据构建地区生物量反演方程，通过多元线性回归，得出最优灌木林、阔叶林和针叶林的生物量模型，总体精度能达到90％以上，能够满足调查精度要求。

摘要： 本发明涉及无人机遥感分类技术领域，涉及一种基于多尺度特征感知网络的城市植被无人机遥感分类方法，包括：一、对采集的照片进行拼接、校正处理生成无人机正射影像；二、采用目视解译方法构建植被样本数据集；三、基于HRNet网络构建了多尺度特征感知深度神经网络MFDN植被分类模型，训练数据集至模型拟合效果最佳，选取最优模型进行预测并进行精度评价，最终得到城市植被分类结果图，实现无人机遥感城市植被快速调查。本发明在网络输入层引入坐标卷积减少空间信息的丢失，构建多层并行网络增强尺度信息，减少细节特征的丢失，同时利用分离特征模块，扩大感受野并获取多尺度特征信息，有效缓解了植被漏分、错分现象，提高了分类精度。

摘要： 本发明公开了一种植被分类方法及装置，包括：对获得的目标区域的遥感影像进行预处理，得到目标图像；基于所述目标区域的遥感影像确定缓冲区；统计所述缓冲区的像元信息，并基于所述像元信息确定目标分割阈值；基于所述目标分割阈值对所述目标图像进行分类处理，得到植被区域。在本发明中目标分割阈值为根据目标处理模式和所述像元信息，确定的类间方差最大所对应的二分轴，其中，目标处理模式为将二分轴增加一个步长进行迭代处理的模式，该目标分割阈值的确定方法适用于面状浮点数据的阈值分割，避免了将高精度的浮点型数据进行压缩，提高植被分类精度。