欢迎来到天天文库
浏览记录
ID:57924574
大小:833.82 KB
页数:4页
时间:2020-04-14
《基于资源一号02C卫星数据的面向对象的森林植被分类-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第38卷第7期测绘与空间地理信息Vo1.38,No.72015年7月GEOMATICS&SPATIALlNFORMATIONTECHNOLOGYJu1.,2015基于资源一号02C卫星数据的面向对象的森林植被分类张熙,鹿琳琳,王萍,隋悦r,周春艳。(1.中国科学院遥感与数字地球研究所数字地球重点实验室,北京100094;2.山东科技大学,山东青岛266590;3.环境保护部卫星环境应用中心。北京100094)摘要:资源一号02C卫星是我国自主研发的高分辨率卫星。利用面向对象的信息提取技术,开展基于资源一号02C高分辨率数据的林区植被分类,具体分为三个步骤:1)对影像进行多尺度分割,
2、获取最优尺度;2)根据各类地物特点及相互间关系,建立地物类型层次;3)结合光谱、纹理、形状多种对象特征,进行地物分类。以广西猫儿山自然保护区为例,根据区内地物特点,将地物分为针叶林、阔叶林、竹林、灌丛、耕地、非植被、阴影等7种类型,经检验表明该方法总体分类精度达到82.24%,kappa系数为0.77,优于面向对象的最邻近法和基于像元的最大似然分类。关键词:资源一号02C;面向对象;森林分类;多尺度分割;最优尺度中图分类号:P236文献标识码:A文章编号:1672—5867(2015)07—0030—04Object—--BasedClassificationUsingZY1·—-
3、02CImageryforForestMappingZHANGXi,LULin—lin,WANGPing,SUIYue一,ZHOUChun—yan(1·KeyLaboratoryofDigitalEarthScience,InstituteofRemoteSensingandDigitalEarth,ChineseAcademyofSciences,Beijing100094,China;2.ShandongUniversityofScienceandTechnology,Qingdao266590,China;3.SatelliteEnvironmentalCenter,Mini
4、stryofEnvironmentalProtectionofthePeople~RepublicofChina,Bering100094,China)Abstract:ZY1—02Chighresolutionsatelliteisresearchanddevelopedbyourcountry.Inthispaper.wedoresearchonforestclassi—ficationuseobject—basedinformationextractiontechnologywithZY1—02Chighresolutionimage.Firstly,implementmul
5、ti—scalesegmentationandobtaintheoptimalscale;secondly,developinghierarchicalstructureconsideringtheobjectfeaturesandrelationshipofeachother;then,extractlandcoverinformationwiththehelpofavarietyofobjectcharacteristicslikespectrum,texture,shapeandSOon.OurstudyareaisGuangxiMaoerMountainNatureRese
6、rve,classifythestudyareaintosevenlandcovertypesincludeconifer—OUSforest,broad—leavedforest,bamboo,shrub,farmland,non—vegetationareaandshade,theoverallaccuracyis82.51%,kappacoeficientis0.79,higherthantheobject—basedNearestNeighborclassificationandpixel—basedMaximumLikelihoodclassifica—tion.Keyw
7、ords:ZY1—02C;object—based;forestclassification;multi—scalesegmentation:optimalscale分辨率遥感影像,如LandsatTM/ETM+,MODIS,Aster等。0引言这类影像由于空间分辨率低,存在混合像元,且大多仅依传统的遥感森林植被分类研究所采用的一般是中低靠光谱信息进行分类,分类精细程度低,无法较好地满足收稿日期:2015—03—09基金项目:国家科技支撑计划(2012BAC16B01
此文档下载收益归作者所有