基于eCognition影像解译技术的风景环境植被景观遥感量化研究——以云南鸡足山为例

发布时间：2021-01-23 08:10

　　风景环境多以植被为景观基质,构成具有特定绿化格局和景观特征的环境综合体,相关研究正由定性发展至定量,由图形识别发展至数字分析与算法描述。利用eCognition高分遥感技术进行植被景观影像识别与特征辨析,正迅速以卫星视野提供一种更科学、更宏观的研究途径与分析方法。以鸡足山核心风景区植被景观为例,以中国资源3号卫星遥感影像数据为基础,采用eCognition面向对象分类方法进行量化解析研究,选用光谱异质性、多尺度分割函数和归一化植被指数作为图像解析标准,通过隶属度函数推导获取适用于风景园林研究的数学算法,最终有效提取出针叶林等6类植被景观特征要素信息,科学呈现鸡足山植被景观分布情况,实现了植被特征的算法描述与图纸生成,分类精度经误差矩阵评价结果良好。相关成果为当代景观高空间解析、城市绿地系统分析提供了一种量化调查与分析方法,也为相关人居环境科学研究提供了可参照的景观遥感解译平台与专项技术。 

【文章来源】：中国园林. 2020,36(10)北大核心

【文章页数】：5 页

【部分图文】：

鸡足山核心景观区遥感影像图

4)调试解译参数进行影像识别，实现鸡足山核心景观区及其辐射区域遥感数据解析，对其植被景观特征进行分类解析，获取技术图纸与相关矢量数据。5)二次抽取样地进行精度分析，通过实地调研获得本次研究的分类精度，进行技术总结并对下一步研究方案进行探讨。技术路线如图2所示。

式中，F表示异质性准则；w1表示形状权重；c1和c2分别表示颜色差异性量度和形状差异性量度，其中c2形状差异性量度又分为平滑度c3和紧致度c4;w2表示平滑度和紧致度的权重值，平滑度是指合并后区域边界的光滑程度，紧致度是为了保证合并后区域更加紧凑，它们各占有一个权值，构成了形状差异性量度。由此可见，多层多尺度的分割算法不但可以针对不同地物进行不同尺度的分割处理，还可以结合地物的空间特征和形状特征进行更加准确的分割控制，并结合分类时上下层级的逻辑拓扑关系，优化分割精度。3.2 分割参数设定

【参考文献】：
期刊论文
[1]基于eCognition和Google earth影像的土地利用分类——以重庆市九龙坡区部分城区为例[J]. 王欢欢.  数字技术与应用. 2018(08)
[2]风景园林学科建设中的9个关键问题[J]. 杨锐.  中国园林. 2017(01)
[3]论风景园林在城市转型发展中的积极作用——中央城市工作会议精神学习思考[J]. 张兵,白杨,丁戎.  中国园林. 2017(01)
[4]基于面向对象的资源3号遥感影像森林分类研究[J]. 董心玉,范文义,田甜.  浙江农林大学学报. 2016(05)
[5]利用分形和多尺度分析的中低分辨率SAR图像变化检测[J]. 张晗,倪维平,严卫东,边辉,吴俊政,李莎,金骁.  武汉大学学报(信息科学版). 2016(05)
[6]论空间数据挖掘和知识发现的理论与方法[J]. 李德仁,王树良,李德毅,王新洲.  武汉大学学报(信息科学版). 2002(03)

硕士论文
[1]基于易康软件平台下的北京城区林木树冠覆盖解译与检验[D]. 宋宜昊.中国林业科学研究院 2016



本文编号：2994874