北京平原造林地Pleiades卫星影像融合评价

doi:10.13466/j.cnki.lyzygl.2016.03.023

林业资源管理 ›› 2016›› Issue (3): 128-134.doi: 10.13466/j.cnki.lyzygl.2016.03.023

北京平原造林地Pleiades卫星影像融合评价

董熙^1,2, 李存军², 夏朝宗³, 王二丽², 杨新兵¹, 周静平², 胡海棠²

1.河北农业大学,河北保定 071000;
2.北京农业信息技术研究中心,北京 100097;
3.国家林业局调查规划设计院,北京 100714

收稿日期:2016-03-30 修回日期:2016-05-21 出版日期:2016-06-28 发布日期:2020-11-02
通讯作者: 李存军(1975-),男,研究员,主要研究方向为数字影像分析处理以及农林生态遥感。Email:licj@nercita.org.cn
作者简介:董熙(1989-),男,黑龙江哈尔滨人,在读硕士,研究方向为农林生态遥感。Email:57120437@163.com
基金资助:
北京市农业科技项目(20140110)

Evaluation on Pleiades Satellite Image Fusion for Beijing Plain Afforested Area

DONG Xi^1,3, LI Cunjun², XIA Chaozong³, WANG Erli², YANG Xinbing¹, ZHOU Jingping², HU Haitang²

1. Agricultural University of Hebei,Baoding,Hebei 071000,China;
2. Beijing Research Center for Information Technology in Agriculture,Beijing 100097,China;
3. A cademy of Forest Inventory and Planning,State Forestry Administration,Beijing 100714,China

Received:2016-03-30 Revised:2016-05-21 Online:2016-06-28 Published:2020-11-02

摘要/Abstract

摘要： 通过CN波谱融合、PCA主成份变换、Brovey变换、HCS变换、HPF高通滤波变换、PanSharpen变换、GS光谱锐化、SFIM基于亮度调节的平滑滤波等8种不同的遥感影像融合方法,对北京市延庆县蔡家河流域平原造林地的Pleiades卫星全色和多光谱影像进行融合,通过定性和定量方法从光谱保真、人工造林地林木自动识别精度等方面评价遥感影像融合效果。结果表明:8种影像融合方法各有优势,其中HCS融合方法操作简便,产生的遥感图像光谱保真强,人工造林地林木自动识别精度高,是一种适于Pleiades卫星影像进行林地监测的较好融合方法。

关键词: 遥感, 影像融合, Pleiades卫星, 平原造林地, 北京

Abstract: Eight different image fusion methods were adopted,including the CN spectrum fusion,PCA principal component transformation,Brovey transform,HCS transform,HPF high-pass filter transform,PanSharpen transformation,GS spectrum sharpening,based on a brightness control SFIM smoothing,to fuse the Pleiades satellite panchromatic and multi-spectral image of forest in Cai jiahe basin plain afforestated area,Yanqing county,Beijing.The qualitative and quantitative result of remote sensing image fusion on spectral fidelity was analyzed,and the accuracy of automatic identification forest trees in the artificial planting area using fused image was evaluated.Results show that the eight kinds of image fusion methods have their own advantages,but the HCS fusion method is simple,the remote sensing image spectral fidelity,artificial planting area of forests automatic identification precision is highest.So it is a suitable method for the Pleiades satellite images fusion to monitor forest.

Key words: remote sensing, image fusion, satellite Pleiades, plain planted land, Beijing

中图分类号:

P237
S771.8

董熙, 李存军, 夏朝宗, 王二丽, 杨新兵, 周静平, 胡海棠. 北京平原造林地Pleiades卫星影像融合评价[J]. 林业资源管理, 2016,(3): 128-134.

DONG Xi, LI Cunjun, XIA Chaozong, WANG Erli, YANG Xinbing, ZHOU Jingping, HU Haitang. Evaluation on Pleiades Satellite Image Fusion for Beijing Plain Afforested Area[J]. FOREST RESOURCES WANAGEMENT, 2016,(3): 128-134.

参考文献

[1] 北京市园林绿化局.北京市平原地区造林工程林木资源养护管理办法[EB/OL].(2015-06-30)[2016-03-20].http://www.bjyl.gov.cn/zwgk/fgwj/gfxwj/201404/t20140421_128169.html.
[2] Li S,Kwok J T,Wang Y.Using the discrete wavelet frame transform to merge Landsat TM and SPOT panchromatic images[J].Information Fusion,2002,3(1):17-23.
[3] Zhang Y,Hong G.An IHS and wavelet integrated approach to improve pan-sharpening visual quality of natural color IKONOS and QuickBird images [J].Information Fusion,2005,6(3):225-234.
[4] 吴晓萍,杨武年,李国明.资源三号卫星正视全色与多光谱影像融合及评价[J].物探化探计算技术,2014,36(1):113-119.
[5] 朱倩,李霞,刘玲玲.基于TH-1卫星全色影像的多源遥感数据融合评价[J].中国科学技术大学学报,2013,43(5):3633-3633.
[6] 王海晖,彭嘉雄,吴巍,等.多源遥感图像融合效果评价方法研究[J].计算机工程与应用,2003,39(25):33-37.
[7] 冯钟葵,石丹,陈文熙,等.法国遥感卫星的发展——从SPOT到Pleiades[J].遥感信息,2007 (4):87-92.
[8] 董金芳,袁媛,高蓓,等.资源一号02C星遥感影像融合分析[J].地理空间信息,2015,13(1):36-38.
[9] 潘鑫,杨英宝,张竹林,等.资源三号卫星影像融合方法的比较与评价[J].地理空间信息,2014,12(5):59-61.
[10] 陈雪洋,张治清,胡艳,等.GeoEye-1影像数据融合方法评价[J].地理空间信息,2011,9(5):105-108.
[11] 李存军,刘良云,王纪华,等.两种高保真遥感影像融合方法比较[J].中国图象图形学报,2004,9(11):1376-1385.
[12] 唐焕丽,刘凯,艾彬,等.WorldView-2遥感影像融合方法对比研究[J].北京测绘,2013 (5):1-7.
[13] 秦善善,王世新,周艺,等.NSCT与GS变换的资源三号卫星数据融合方法研究与应用[J].地球信息科学学报,2014,16(6):949-957.
[14] 韩瑞梅,杨晓,刘培.基于光学和雷达遥感影像融合的地类识别研究[J].红外技术,2015,37(11):949-956.
[15] 李俊杰,李杏朝,傅俏燕.cbers－02b星HR与多光谱影像融合及评价[J].国土资源遥感,2008(2):43－47.
[16] 李霖,佘梦媛,罗恒.ZY-3 卫星全色与多光谱影像融合方法比较[J].农业工程学报,2014,30(16):157-165.
[17] 张楼香,阮仁宗,夏双.洪泽湖湿地纹理特征参数分析[J].国土资源遥感,2015,27(1):75-80.

北京平原造林地Pleiades卫星影像融合评价

Evaluation on Pleiades Satellite Image Fusion for Beijing Plain Afforested Area

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	郝君, 吕康婷, 胡天祺, 王云阁, 徐刚. 基于机器学习的红树林生物量遥感反演研究[J]. 林草资源研究, 2024, 0(1): 65-72.
[2]	朱赞, 王勇军, 王建琦, 许玉兰, 丘鑫琪, 万喜. 基于无人机倾斜摄影的广西桉树冠层碳储量计量模型构建[J]. 林草资源研究, 2024, 0(1): 88-94.
[3]	任晓琦, 侯鹏, 陈妍. 森林地上生物量遥感反演研究进展[J]. 林草资源研究, 2023, 0(6): 146-158.
[4]	焦全军, 郑焰锋, 黄文江, 张兵, 张鹤译, 史宜梦, 吴发云, 付安民. 陆地生态系统碳监测卫星松材线虫病变色木识别指数研究[J]. 林业资源管理, 2023, 0(4): 123-131.
[5]	邹为民, 陈超, 黄蕾, 宋美萱, 李雪建, 杜华强. 地理加权回归模型结合卫星遥感的松阳县森林地上碳储量估算[J]. 林业资源管理, 2023, 0(4): 132-140.
[6]	梁立成, 傅晓强, 张滨, 程谷栒, 李佐晖. 基于GEE与随机森林的象山港互花米草动态监测[J]. 林业资源管理, 2023, 0(3): 38-45.
[7]	周梅, 李春干, 杨承伶, 李振. 无人机激光雷达人工林参数估测试验[J]. 林业资源管理, 2023, 0(3): 90-97.
[8]	于世勇, 徐前, 于晓斐. 2005—2020年北京地区植被覆盖变化分析[J]. 林业资源管理, 2023, 0(3): 98-104.
[9]	张绘芳, 朱雅丽, 张景路, 高健, 地力夏提·包尔汉. 基于高分遥感数据的阿尔泰山乔木林地上生物量预测[J]. 林业资源管理, 2023, 0(2): 104-110.
[10]	聂靖, 陆驰, 欧光龙, 胥辉. 基于Landsat8 OLI遥感因子的思茅松地上生物量二阶抽样估测[J]. 林业资源管理, 2022, 0(6): 68-75.
[11]	张峰. 大型赛事的林业碳中和实践——以北京冬奥会碳中和造林项目为例[J]. 林业资源管理, 2022, 0(5): 1-6.
[12]	杨雪清, 孙志超, 王立生, 柴政, 邱议文, 蒋春颖. 森林可燃物大样地抽样调查方法研究[J]. 林业资源管理, 2022, 0(5): 53-59.
[13]	秦琳, 孟先进, 张水花, 薛亚东, 刘新科, 邢鹏. 北京三号卫星数据在松材线虫病遥感监测中的应用评价[J]. 林业资源管理, 2022, 0(4): 126-133.
[14]	田海静, 王林, 韩立亮, 范云豹, 杨吉林. 基于哨兵2号多光谱遥感数据的草原植被盖度反演——以内蒙古自治区为例[J]. 林业资源管理, 2022, 0(4): 134-140.
[15]	任天晨, 陈军锋, 刘楠. 山西省五台山地区近30年植被覆盖动态变化及影响因素[J]. 林业资源管理, 2022, 0(4): 89-99.