利用高分辨率影像计算城市绿地覆盖率

利用高分辨率影像计算城市绿地覆盖率

ID:23889189

大小:59.00 KB

页数:8页

时间:2018-11-11

利用高分辨率影像计算城市绿地覆盖率_第1页
利用高分辨率影像计算城市绿地覆盖率_第2页
利用高分辨率影像计算城市绿地覆盖率_第3页
利用高分辨率影像计算城市绿地覆盖率_第4页
利用高分辨率影像计算城市绿地覆盖率_第5页
资源描述:

《利用高分辨率影像计算城市绿地覆盖率》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、利用高分辨率影像计算城市绿地覆盖率【摘 要】 计算城市的绿地覆盖率是一项繁琐的工作。高分辨率影像的出现,给这项工作提供了便捷的途径。本文以高分辨率影像为基础,结合道路和水系矢量数据,利用ecognition分类软件完成绿地的提取,并计算出绿地覆盖率。【关键词】 绿地覆盖率高分辨率影像影像分类  1、引言  绿化建设是一个城市建设的重要工作,城市绿地覆盖率是衡量一个城市绿化程度的最主要的指标,那么如何来计算一个城市的绿地覆盖率呢?从方法上看,只要能够知道城市范围以及该范围内的绿地面积,绿地覆盖率的结果就可以非常简单地计算出来,问题的关键就在于绿地面积的获取

2、。一般的作法是通过调查人员在实地调绘出绿地的范围,然后在地图上量算出绿地面积。由于计算的范围一般都会非常大,如果所有的绿地都是通过调绘来确定范围,那就需要花费大量的人力和时间,实际的工作中,通常是将城市划分为不同的区域,每个区域再取不同的样点,利用样点数据计算的绿地面积来推算一个区域的绿地面积,最后再推算出整个城市的绿地面积。  目前,随着航空遥感技术的发展,高分辨率遥感影像在国内开始得到广泛的应用,而这些影像的出现,也给城市绿地覆盖率计算提供了更为有效而便捷的手段。  2、主要思路  采用高分辨率影像来确定绿地范围,这项工作完全可以在室内完成,无需进行

3、室外的调绘。需要注意的是,绿地覆盖率是一个跟时间密切关联的指标,绿地覆盖率应当是代表某个时间的计算的结果。由于植被的生长周期一般都比较长,绿地覆盖率突变的情况比较小,而完全采用影像来确定绿地,最直接的优点就是提高了计算结果在时间定位上的精度。  从高分辨率影像上提取绿地一般是采用人工提取,也就是作业人员在计算机上,以影像为底图,手工勾绘绿地范围,这种方式的工作量依然很大。本文采用的作法是通过ecognition影像分类软件来完成绿地的提取。ecognition是2004年引入国内的一个影像分类软件,它采用面向对象的分类方法。该软件能方便地融入其他专题地影

4、像信息作为分类知识,同时能够让用户灵活地建立基于知识的分类模型,简洁高效地完成分类工作。  只单纯采用高分辨率的影像,利用软件来自动提取绿地的效果并不理想,本文的作法还引入了城市的路网和水系数据作为专题信息,用来提高绿地提取的精度。  另外,考虑到城市的范围比较大,并且不同区域的地类分布会有所不同,因此需要将城市划分为不同的区域,每个区域分别进行绿地的提取,最后再汇总计算出总的绿地面积。整个计算的过程如图1所示。图1计算过程Fig.1CalculationProcess  3、过程及方法描述  3.1数据准备  3.1.1数据情况  本篇文章所处理的主要

5、数据为高分辨率影像,同时还利用了矢量的GIS数据,具体如下:  广西南宁市QUICKBIRD影像,2002年10月份获取,真彩色产品,包括红、绿、兰三个波段,tiff格式,空间分辨率0.61米。  城市路网和水系的矢量文件,ArcInfo的shape格式文件(如图2)。图2矢量数据Fig.2VectorData  本文需要计算图1中所示的外环公路内绿地覆盖率。  3.1.2区域划分  城市区域的划分主要是根据路网、水系、地势等地理要素,在矢量地图上,通过手工来划分,实验区域的划分情况如图3,将外环公路内分为C1、C2、C3、C4、C5、C6、C7等7个区

6、域。图3工作区域Fig.3at  ID列表示栅格文件中的灰度值,R、G、B表示该灰度值在ecognition软件中显示时所使用的RGB色彩的三个分量,Value、Field1都是扩展的属性字段,用来记录更多的特征。  矢量数据中,需要将划分的区域面以及道路和水系的面数据转换为ecognition软件的专题数据文件格式,这项工作,作者是通过编写专门的程序来实现(具体作法可参考矢量数据转换为栅格数据的相关资料和  3.2绿地提取  绿地的提取,主要是在ecognition软件中来完成。  3.2.1建立工程  首先,需要建立一个新的影像分类工程。一个工程包括

7、需要处理的多个影像数据和专题数据,以及分类的描述信息。这项工作需要注意一点,ecognition软件主要是基于栅格数据的分析和处理,所有的影像文件和专题文件都应当具有相同的大小,这样才能够有效地共同完成分类的推理工作。  本文实验中的数据包括quickbird影像三个波段数据,分割区域、道路和水系专题图数据。  3.2.2影像分割  这步工作,是根据影像的光谱和几何特征,将影像划分为不同的对象(imageobject),ecognition支持多尺度的分割,“粗”的尺度下,可以分割获得比较“大”的对象,“细”的尺度是在上一个“粗”尺度的基础上分割出的“小

8、”对象,因此,在ecognition中,可以建立对象的层次关系,并且可以针对不同

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。