基于多尺度分割GF-1影像地表覆盖信息提取研究
发布时间：2021-08-20 18:16
针对生态环境评估数据需求和GF-1影像地物空间结构复杂的特点,设计一种多尺度分割的地表覆盖信息提取方法。基于GF-1卫星PMS传感器蓝、绿、红和全色波段数据,综合整体与类内分割模式,按照相应参数,将影像分割成五个不同层次的实体对象。每个层次内,根据不同类型地物的光谱和纹理等影像特征,结合阈值条件构建影像分类规则集,提取更多地表覆盖信息。该方法具有较高的分类精度和提取效率,能够为生态环境评估提供高质量的基础数据。
【文章来源】：内蒙古煤炭经济. 2020,(06)
【文章页数】：4 页
【部分图文】：
影像多尺度分割结果
在本方法中，根据影像特征构建了五个尺度的影像分类层次体系。第一层，针对无遮挡大棚的提取，选择Std Dev光谱特征的Green波段进行阈值条件分割；第二层，影像中水体的NIR波段和Blue波段的反射率较低，可用其将非无遮挡大棚区“粗分类”为水体和非水体两部分；第三层，由于河渠Length/Width较为明显，数值较大，可作为将水体分为河渠和坑塘的条件，非水体部分根据NDVI指数继续“细分类”为有植被覆盖区和非植被覆盖区；第四层，林地Mean中的Green波段光谱反射率较低，纹理熵信息较为丰富，可在植被区域内首先提取林地，然后在非林地区域中利用草地的反射率较低、耕地的纹理较为规则的特点区分出草地和耕地，同时，在非植被区域内提取非利用地和建设用地；第五层，根据有遮挡大棚无植被覆盖、NDVI指数较小的特点，将其与农田进行区分，最后将其与无遮挡大棚统一归并到大棚中，建设用地中的道路Length/Width较为明显，可将其作为分类条件，对于居民点和工矿用地的提取可根据Mean中的max.diff光谱特征阈值进行分类，最终完成地表覆盖分类。影像分类层次及规则集构建结果如图2所示。3分类结果与精度评价
根据上述多尺度分割和分类方法，最终提取出林地、草地、河渠、坑塘、大棚、农田、道路、工矿用地、居民点和未利用地十种类型要素，结果如图3所示。从图3中可以看出，研究区地表覆盖分类结果整体较为完整，有效地避免了面向象元分类的“椒盐效应”。结合国产天地图高清影像和GF-1影像随机采集889个样本点，利用混淆矩阵方法对分类精度进行评价，结果如表5所示。其中，草地的分类精度最低，其用户精度为76%；大棚和未利用地的分类精度相对高一些，生产者精度分别为82%和84%；林地、农田、道路、居民点和工矿用地的分类精度较高，在84%与93%之间；分类精度最高的是河渠和坑塘，其生产者精度和用户精度为94%、97%，所有样本的总体精度高达91%,Kappa系数为0.893，该方法构建的多层次分类规则集的分类精度较高，可以克服“同物异谱，同谱异物”现象，将蔬菜大棚与建设用地和农田区分开，能够满足生态环境状况评估的需求。
【参考文献】：
期刊论文
[1]高分辨率遥感影像下沿海地区地表覆盖信息的提取[J]. 周星宇,张继贤,高绵新,桑会勇,翟亮. 测绘通报. 2017(02)
[2]基于CART决策树的ZY-3卫星遥感数据土地利用分类监测[J]. 孙建伟,王超,王娜,马婧婧,罗静. 华中师范大学学报(自然科学版). 2016(06)
[3]地表覆盖遥感产品更新完善的研究动向[J]. 陈军,张俊,张委伟,彭舒. 遥感学报. 2016(05)
[4]基于高分辨率遥感影像的广州城市土地覆被分类系统[J]. 李淑圆,周静妍,余世孝. 中山大学学报(自然科学版). 2016(05)
[5]基于国产GF-1影像的川金丝猴生境评价研究[J]. 马琰,郭颖,邓广,张旭,于新文. 北京林业大学学报. 2016(07)
[6]基于高分一号影像的土地覆被分类方法初探[J]. 陈文倩,丁建丽,王娇,袁泽,李相,黄帅. 干旱区地理. 2016(01)
[7]高分一号卫星PMS传感器湖南攸县幅数据质量评价[J]. 王婷,廖秀英,程辉. 地球物理学进展. 2015(05)
[8]基于多尺度分割的遥感影像滨海湿地分类[J]. 费鲜芸,王婷,魏雪丽. 遥感技术与应用. 2015(02)
[9]基于多尺度分割和决策树算法的山区遥感影像变化检测方法——以四川攀西地区为例[J]. 张正健,李爱农,雷光斌,边金虎,吴炳方. 生态学报. 2014(24)
[10]高分一号多光谱遥感数据的面向对象分类[J]. 刘书含,顾行发,余涛,王珂,张周威,鞠颂. 测绘科学. 2014(12)
硕士论文
[1]联合语义约束和面向对象方法提取山区居民地信息[D]. 林熙.西南交通大学 2016
本文编号：3353992
【文章来源】：内蒙古煤炭经济. 2020,(06)
【文章页数】：4 页
【部分图文】：
影像多尺度分割结果
在本方法中，根据影像特征构建了五个尺度的影像分类层次体系。第一层，针对无遮挡大棚的提取，选择Std Dev光谱特征的Green波段进行阈值条件分割；第二层，影像中水体的NIR波段和Blue波段的反射率较低，可用其将非无遮挡大棚区“粗分类”为水体和非水体两部分；第三层，由于河渠Length/Width较为明显，数值较大，可作为将水体分为河渠和坑塘的条件，非水体部分根据NDVI指数继续“细分类”为有植被覆盖区和非植被覆盖区；第四层，林地Mean中的Green波段光谱反射率较低，纹理熵信息较为丰富，可在植被区域内首先提取林地，然后在非林地区域中利用草地的反射率较低、耕地的纹理较为规则的特点区分出草地和耕地，同时，在非植被区域内提取非利用地和建设用地；第五层，根据有遮挡大棚无植被覆盖、NDVI指数较小的特点，将其与农田进行区分，最后将其与无遮挡大棚统一归并到大棚中，建设用地中的道路Length/Width较为明显，可将其作为分类条件，对于居民点和工矿用地的提取可根据Mean中的max.diff光谱特征阈值进行分类，最终完成地表覆盖分类。影像分类层次及规则集构建结果如图2所示。3分类结果与精度评价
根据上述多尺度分割和分类方法，最终提取出林地、草地、河渠、坑塘、大棚、农田、道路、工矿用地、居民点和未利用地十种类型要素，结果如图3所示。从图3中可以看出，研究区地表覆盖分类结果整体较为完整，有效地避免了面向象元分类的“椒盐效应”。结合国产天地图高清影像和GF-1影像随机采集889个样本点，利用混淆矩阵方法对分类精度进行评价，结果如表5所示。其中，草地的分类精度最低，其用户精度为76%；大棚和未利用地的分类精度相对高一些，生产者精度分别为82%和84%；林地、农田、道路、居民点和工矿用地的分类精度较高，在84%与93%之间；分类精度最高的是河渠和坑塘，其生产者精度和用户精度为94%、97%，所有样本的总体精度高达91%,Kappa系数为0.893，该方法构建的多层次分类规则集的分类精度较高，可以克服“同物异谱，同谱异物”现象，将蔬菜大棚与建设用地和农田区分开，能够满足生态环境状况评估的需求。
【参考文献】：
期刊论文
[1]高分辨率遥感影像下沿海地区地表覆盖信息的提取[J]. 周星宇,张继贤,高绵新,桑会勇,翟亮. 测绘通报. 2017(02)
[2]基于CART决策树的ZY-3卫星遥感数据土地利用分类监测[J]. 孙建伟,王超,王娜,马婧婧,罗静. 华中师范大学学报(自然科学版). 2016(06)
[3]地表覆盖遥感产品更新完善的研究动向[J]. 陈军,张俊,张委伟,彭舒. 遥感学报. 2016(05)
[4]基于高分辨率遥感影像的广州城市土地覆被分类系统[J]. 李淑圆,周静妍,余世孝. 中山大学学报(自然科学版). 2016(05)
[5]基于国产GF-1影像的川金丝猴生境评价研究[J]. 马琰,郭颖,邓广,张旭,于新文. 北京林业大学学报. 2016(07)
[6]基于高分一号影像的土地覆被分类方法初探[J]. 陈文倩,丁建丽,王娇,袁泽,李相,黄帅. 干旱区地理. 2016(01)
[7]高分一号卫星PMS传感器湖南攸县幅数据质量评价[J]. 王婷,廖秀英,程辉. 地球物理学进展. 2015(05)
[8]基于多尺度分割的遥感影像滨海湿地分类[J]. 费鲜芸,王婷,魏雪丽. 遥感技术与应用. 2015(02)
[9]基于多尺度分割和决策树算法的山区遥感影像变化检测方法——以四川攀西地区为例[J]. 张正健,李爱农,雷光斌,边金虎,吴炳方. 生态学报. 2014(24)
[10]高分一号多光谱遥感数据的面向对象分类[J]. 刘书含,顾行发,余涛,王珂,张周威,鞠颂. 测绘科学. 2014(12)
硕士论文
[1]联合语义约束和面向对象方法提取山区居民地信息[D]. 林熙.西南交通大学 2016
本文编号：3353992
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3353992.html
