浅谈高分辨率遥感影像在小区域绿地信息提取中的应用研究

浅谈高分辨率遥感影像在小区域绿地信息提取中的应用研究

ID:21057545

大小:54.00 KB

页数:5页

时间:2018-10-19

浅谈高分辨率遥感影像在小区域绿地信息提取中的应用研究_第1页
浅谈高分辨率遥感影像在小区域绿地信息提取中的应用研究_第2页
浅谈高分辨率遥感影像在小区域绿地信息提取中的应用研究_第3页
浅谈高分辨率遥感影像在小区域绿地信息提取中的应用研究_第4页
浅谈高分辨率遥感影像在小区域绿地信息提取中的应用研究_第5页
资源描述:

《浅谈高分辨率遥感影像在小区域绿地信息提取中的应用研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、浅谈高分辨率遥感影像在小区域绿地信息提取中的应用研究:高分辨率遥感影像是绿地信息提取的主要数据源。本文以IKONOS影像为数据源,综合运用测绘、遥感技术,以ErdasImagine软件为研究平台,以山东农业大学北校区为实验区,运用非监督分类、监督分类以及目视解译等方法对影像中的绿地信息进行提取,通过精度分析对比,探索出对小区域绿地信息提取的理想方法,为区域绿化提供信息支撑。  关键词:高分辨率;遥感影像;信息提取;绿地;绿化  Abstract:Thehighresolutionremotesensingimageisthemaindatasourcesforcollect

2、inggreenspaceinformation.RegardingIKONOSimagesasdatasources,byprehensivelyusingsurveyingandmapping,remotesensingtechnology,applyingtheErdasImaginesoft,makingthenorthcampusofShandongAgriculturalUniversityasthestudyarea,usingthemethodsofunsupervisedclassification,supervisedclassificationandv

3、isualinterpretingtocollectthegreenspaceinformationfromimage,throughtheprecisionanalysiscontrast,thispaperexploresidealmethodstocollectgreenspaceinformationoftheresidentarea,providinginformationsupportforresidengareaafforesting.  Keyotesensingimage;informationcollecting;greenspace;afforesti

4、ng:S731.1:A:    一引言    快速准确摸清城市绿地现状及绿化水平,是正确评价城市绿地及其生态效益,科学建立和有效管理城市绿地的工作基础[1]。遥感(RS)是一种非接触式对地观测技术,具有覆盖面广、统计速度快等特点,特别是二十世纪九十年代以来,高分辨率传感器技术进展迅猛,空间分辨率达到了1米以内[2],这为绿地信息的提取提供了有效的数据源。  本文利用高分辨的IKONOS影像为数据源,主要运用ERDAS等软件进行研究分析,在对影像先期进行波段融合、掩膜处理、植被指数处理的基础上,运用计算机自动分类和目视解译等处理方法,实现对研究区内的绿地信息进行提取,并对提取

5、结果进行精度检验,研究比较信息提取方法,确立基于高分辨率遥感影像针对小区域(社区)提取绿地信息的途径,及其提取的绿地信息为区域绿化服务。  二数据准备及处理    2.1前期数据准备  研究区域选择在山东农业大学北校区,其坐落在泰山脚下,属于温带大陆性半湿润季风气候区,四季分明,寒暑适宜,雨热同季,光温同步,正是由于这样四季分明的气候特征,造就了园林植被的多样化。山东农业大学北校区不仅具有上述有利条件,还是具有百年建校历史的农业院校,植被种类繁多,乔冠草搭配合理,绿化面积大,是理想的研究区域。  IKONOS卫星是世界上首颗提供高分辨率卫星影像的商业遥感卫星,它首次在民用领

6、域将星载传感器的地面分辨率提高到1米以内,为小区域精确提取各类信息提供了条件。本研究所采用的数据是IKONOS(Ⅱ)卫星2008年4月获取的影像数据,数据格式为TIF,投影方式为UTM,坐标系统为S均在一个像元之内,精度符合要求[4]。再应用图像掩膜技术依据区域边界图像进行裁剪,获得研究区域图像。为提高图像的识别率,对研究区影像进行空间增强、辐射增强和光谱增强处理后,图像质量大大改善,虽然混交林、灌木林及草地之间的灰度值非常接近,但根据纹理和形状已经可以目视解译[5]。  三绿地信息提取    从遥感影像中提取信息,目前应用最广泛的主要还是传统的基于像元的非监督分类和监督分

7、类方法,以及最基本的目视解译方法。遥感影像分类的依据是各类样本内在的相似性,因此,根据影像数据的分布规律,按其自然聚类将其进行分类,在分类结束后通过目视判读或实地调查确定类别属性。  3.1计算机自动分类  计算机分类主要有监督分类和非监督分类两种方法。  (1)非监督分类  非监督分类在没有先验类别作为样本的条件下,主要根据像元间相似性的大小进行归类合并。由于本研究区域范围小,地物相对简单,拟按绿地、建筑、裸地、其它等4类进行分类,但区域内有一运动场,场内草坪是人造草坪,在彩色影像上也是绿色,与天然绿地颜色相近,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。