面向对象分割与混合像元分解相结合提取沙化土地信息

发布时间：2024-05-10 21:15

　　以甘肃省民勤县作为研究区域,使用了3景Landsat 8 OLI数据进行民勤县沙地信息的提取,提出了一种混合像元分解(FCLSU)和面向对象图像分割技术相结合的新方法。该方法不仅实现了沙地、盐碱地和裸土的分类识别,还实现了流动沙地、半固定沙地和固定沙地的定量区分,新方法总体沙地分类精度为87.23%,高于面向对象图像分类的84.82%,在沙地定量划分中新方法有着更为明显的优势。

【文章页数】：7 页

【部分图文】：

图1研究区及采样点位置示意图

遥感数据为3景覆盖研究区的Landsat8OLI无云影像，1景成像于2014年8月18日，2景成像于2014年8月27日。预处理包括波段合成、大气辐射校正、几何校正、图像的拼接和剪切等（图1）。同时，2014年8月11—31日调查了170个植被和土地利用样地点的数据；并利用A....

图2民勤县内主要的植被和土地类型的光谱曲线

遥感图像分割算法主要有三类[23]，即阈值化分割法、边缘分割法和区域分割法。为了提高遥感图像分割的质量和自动化程度，前人探索了多尺度分割、函数插值等多种方法[24-27]，但实际应用中由于分割影像和地类差异，很难找到一种自动计算分割参数的切实可行方法。本文选取多尺度分割算法对La....

图3FCLSU分解各分量

民勤县地处干旱地区，地类比较复杂，沙地和盐碱地、裸土地，流动沙地、半固定沙地和固定沙地难以区分，应用传统的分类方法只能做到定性划分，由于分类样本选取的不确定性，很难做到准确的分类结果。本文将选用混合像元分解和面向对象多边形分割相结合的方法，实现沙化土地类型的定量区划。首先，在多尺....

图4FCLSU+图像分割沙地定量分类原理

为了比较新方法对沙地信息提取效果，我们做了面向对象和混合像元分解结合图像分割两种分类，最终的分类结果见图6。同时，利用外业调查的数据对分类结果进行精度验证（表2），可以看到面向对象图像分类总体精度在84.86%,Kappa系数0.82，而新方法总体精度在86.60%,Kappa系....

本文编号：3969028