共查询到20条相似文献，搜索用时 328 毫秒
1.
木薯作为重要的非粮能源作物,因其种植分散、与易混淆作物缺乏生长时相差,从而导致其种植分布信息难以正确获取,一直是困扰木薯乙醇资源正确评估的技术问题。该研究以广西壮族自治区武鸣县为研究区,应用高分辨率RapidEye影像数据,探讨利用面向对象分类方法合理提取木薯种植面积及其空间分布信息。研究表明,将归一化植被指数(NDVI)和数字高程数据(DEM)应用于遥感影像的多尺度分割,并结合基于隶属度函数和阈值的面向对象分类方法,提取木薯种植面积的精度达85%,分类精度(以Kappa系数表示)为0.9。相比最大似然监督分类方法和未辅以NDVI/DEM的面向对象分类方法,该方法的总精度分别提高了5%和12%,Kappa系数分别提高了0.2和0.3。因此,NDVI和DEM数据参与影像分割的面向对象的信息提取方法,可以有效地提高遥感图像分类的精度,并为提取种植分散、与相关植被时相差异小的作物的空间分布提供了有效的技术借鉴。 相似文献
2.
无人机遥感在红树林资源调查中的应用 总被引：6，自引：0，他引：6
低空无人机（UAV,Unmanned Aerial Vehicles）遥感系统具有数据采集灵活、低成本且可快速获取超高分辨率影像的特色,是传统航空遥感和卫星遥感的重要补充。以广东省和广西壮族自治区交界处的英罗港港湾两侧为研究区域,将无人机遥感系统用于红树林资源的遥感调查,通过无人机航拍获取高分辨率影像,并且使用拼接的影像和目视解译方法提取红树林空间分布信息,进一步选择典型研究样地,采用面向对象的最近邻分类方法对红树林树种类型进行分类研究,并对比综述了无人机遥感和常规航空航天遥感技术对红树林资源调查监测的优缺点,无人机遥感系统非常适用于红树林资源调查。通过2 h 30 min的3架次无人机航飞工作,获取了研究区域25.29 km2的无人机影像,基于无人机影像和面向对象遥感分类方法提取的红树林空间分布信息精度超过了90%。未来无人机遥感系统将可成为调查和监测红树林资源的重要技术手段,可为相关管理部门对红树林资源的保护、管理、开发等方面的工作提供基础信息和技术支持。 相似文献
3.
基于Landsat OLI影像的盐城滨海湿地分类方法对比研究 总被引：1，自引：0，他引：1
《湿地科学》2017,(5)
采用何种方法对滨海湿地信息进行有效提取和分类是值得关注的问题。利用Landsat OLI影像数据,在ENVI 5.1软件平台上,采用监督分类、决策树分类和面向对象方法,对盐城滨海湿地进行了分类研究。研究结果表明,在分类精度和效果上,面向对象方法的分类结果最好,其它依次为决策树分类方法、监督分类方法的分类结果;3种方法对光滩和芦苇(Phragmites australias)滩涂信息的提取效果相对较好,对道路和碱蓬(Suaeda glauca)滩涂信息的提取效果相对较差;面向对象方法能够克服传统基于像元分类方法中的"椒盐效应"问题,并能取得较高的分类精度,该方法适用于利用中分辨率遥感影像的滨海湿地分类研究。 相似文献
4.
基于GF-1卫星数据的面向对象的民勤绿洲植被分类研究 总被引：1，自引：0，他引：1
以民勤绿洲为研究区,以GF-1遥感影像为数据源,采用面向对象的分类方法,结合分层技术,对影像逐级进行分类,以获取植被信息。根据归一化植被指数（NDVI）阈值区分植被与非植被,分割尺度为10;使用归一化水体指数（NDWI）阈值提取非植被中的水体,分割尺度为35;利用野外采样点获取的训练样本,将植被进一步分为耕地、林地和草地,分割尺度为25。总体分类精度达到83.02%,Kappa系数为0.745 1,比较基于象元的监督分类,其总体分类精度为69.37%,Kappa系数为0.497 0,表明面向对象的分类方法在干旱区绿洲植被信息的提取上较传统的基于象元的分类方法更有优势,分类精度更高。 相似文献
5.
6.
基于纹理和地形辅助的山区土地利用信息提取研究 总被引：2，自引：0，他引：2
《地理与地理信息科学》2017,(1)
山区地物类型复杂多样,传统计算机分类难以有效克服"同物异谱"或"同谱异物"等现象,分类后"椒盐现象"严重。该文以川西南攀枝花市的部分山区为实验区,使用IKONOS高分辨率遥感影像,采用面向对象分类方法,在ERDAS9.2、ENVI4.8和eCognition8.0等软件平台支持下,以多尺度分割后的对象为单元,辅以纹理特征、形状因子、地形因子等特征参与分类过程,实现了对实验区土地利用信息的提取。研究表明,基于纹理和地形辅助的面向对象分类方法能对山区土地利用信息进行快速、准确地提取,并在分类精度和分类准确性方面均较传统监督分类方法有较大提升:分类总体精度达到90.57%,较传统监督分类提高17.75%;Kappa系数达到0.8892,较传统分类提高了0.1875;各类型土地的分类面积准确率都在90%以上,与实地调研地类面积更为接近。 相似文献
7.
多源遥感影像红树林信息提取方法比较 总被引：1，自引：0，他引：1
选取2012年2月24日的SPOT 5遥感影像和2013年12月6日的Landsat 8、"高分一号"遥感影像,应用最大似然法、支持向量机和面向对象方法提取红树林信息,并引入F值评价提取效果。研究结果表明,用最大似然法和支持向量机提取红树林信息的精度相似,与影像的特征光谱信息量相关性较强;而对于SPOT 5影像等更高分辨率遥感影像,面向对象方法降低了最大似然法和支持向量机分类的红树林斑块破碎程度,其信息提取精度与影像的空间分辨率正相关。 相似文献
8.
分层信息提取法在县域土地 利用/覆被遥感中的应用 总被引：6，自引：0，他引：6
高精度地获取县(或县级市)域土地利用/覆被的定性、定量信息对于维护生态环境和保障我国农村经济的可持续发展具有重要意义。针对2003年冬季所获得的江苏省新沂市的TM图像特点,选择分层信息提取法提取土地利用/覆被信息。首先对图像进行基于最大似然法的监督分类,观察分类结果,提取误分、错分比例最小的未利用地类型,然后采用光谱分析法提取出水体范围、监督分类和目视解译相结合法提取出城镇建设用地和农村居民点、归一化植被指数提取出林地,最后提取出耕地。信息提取结果与同期土地利用图相比较,整个新沂市域范围内土地利用/覆被类型分类的面积精度达到96.17%,空间精度达到88.38%,表明这种方法提取遥感图像土地利用/覆被信息是可行的。 相似文献
9.
基于纹理特征的高分辨率遥感图像土地利用分类研究 总被引：8，自引：0，他引：8
为了提高高分辨率遥感图像土地利用分类精度,该文以金沙江下游河谷地带SPOT 5遥感图像350×350像元作为试验区,在ERDAS IMAGINE 9.0和ENVI 4.1软件平台支持下,采用灰度共生矩阵方法提取遥感图像对比度、角二阶矩、熵、同质度等纹理指标辅助遥感图像分类,分析结果表明,相对于传统监督分类方法,基于纹理特征辅助监督分类方法总Kappa系数提高了9.15%,耕地、林地、水域、建设用地、未利用地Kappa系数分别提高了7.60%、6.17%、3.59%、15.74%和2.96%,分类结果面积准确率分别提高了3.38%、13.47%、4.65%、10.22%和1.53%,说明纹理辅助监督分类方法相对于传统监督分类方法有效提高了土地利用分类精度。 相似文献
10.
《亚热带资源与环境学报》2015,(4)
分割和分类是面向对象分类方法的2个基本步骤,分割的效果会直接影响分类的精度。因此本研究以福建省平潭岛的SPOT-5高空间分辨的遥感影像为研究数据,利用正交试验的方法探究该区域多尺度分割的最优参数,并建立分类规则进行分类。最后将基于像元的监督分类与面向对象的分类方法进行比较分析,得到的总体精度分别为77.50%和89.00%。结果表明,由于面向对象的分类方法能更充分的利用影像的光谱信息、几何结构和纹理特征,在高空间分辨率的遥感影像分类中更具有发展前景。 相似文献
11.
基于Landsat 8 OLI数据与面向对象分类的昆嵛山地区土地覆盖信息提取 总被引：1，自引：0，他引：1
利用2015年Landsat 8 OLI遥感影像和DEM作为分类数据源,结合野外调查数据,采用面向对象的分类方法对昆嵛山地区土地覆盖信息进行提取,并对分类结果进行精度评价与比较分析。研究表明：面向对象分类方法提取的各地类连续且边界清晰,分类效果与实际情况基本吻合。昆嵛山地区占主导地位的土地覆盖类型是针叶林,面积为1 546.81 km2。研究区土地覆盖分类的总体精度和Kappa系数分别为91.5%和0.88,其中针叶林、草地、水体和建设用地的生产者精度均达到87%以上。相对于监督分类方法,本研究提出的土地覆盖信息提取方法的总体分类精度和Kappa系数分别提高14.7%和0.17。基于面向对象的中分辨率遥感影像,能够获取较高精度的土地覆盖信息,为大范围土地覆盖分类研究提供方法参考。 相似文献
12.
运用监督分类和决策树两种方法,以2014-8-25的Landsat8-OLI遥感影像为基础数据源,提取新巴尔虎右旗的沼泽和草甸信息。方法一:在ENVI中进行监督分类,将研究区分为沼泽和草甸、草地、森林、农用地、水体、居民地、沙地和其他等八类,采用最大似然法对研究区遥感影像进行沼泽和草甸信息的提取工作。方法二:求取研究区的归一化植被指数NDVI,将NDVI值和坡度值作为限制条件,进行求取研究区域的沼泽和草甸信息。将两种方法获得的沼泽和草甸分类图与验证样本进行混合矩阵分析,分别对两种分类结果进行精度评价,比较监督分类和决策树分类在沼泽和草甸信息提取的精度。结果表明:Landsat8-OLI影像采用监督分类的精度为89.40%,利用决策树分类的精度达到了91.05%,精度较高。这两种方法均能够很好地进行沼泽和草甸信息提取,同时验证了基于Landsat8遥感影像在湿地覆被分类的可行性。 相似文献
13.
利用遥感信息决策树方法分层提取荒漠化土地类型的研究探讨 总被引：37，自引：4，他引：33
选择甘肃省民勤县绿洲作为典型荒漠化区域,根据荒漠化土地分类体系确定决策树的结构及各类地物在树形中的位置。基于各类地物的光谱反射特性和图象数据反映的综合特征,采取相应的识别和提取方法,以最大限度地利用遥感数据源。对于非荒漠化土地分类,利用土壤调节植被指数、阈值数字信号统计可以分离成一类树枝;而重点讨论的3种荒漠化土地类型的分层分类,则相继采用光谱特征提取、几何特征提取、纹理特征提取、监督分类以及植被指数等复合识别指标进行分枝。结果表明:利用决策树分层提取法可以有效地排除和避免提取地物时所有多余信息的干扰及影响,目标明确。同时,为提高分类的精度,开展野外遥感调查和特征分析是极其重要的。 相似文献
14.
以蒙自市为研究区域,使用ISODATA法、最大似然法、支持向量机法、人工神经网络法、面向对象法共5种分类方法对蒙自市资源3号遥感图像进行分类。利用天绘一号卫星拍摄的高分辨率影像随机选取1 000个点选出真实感兴趣区作为参照,对以上5种分类结果进行精度评价,根据精度检验结果选择了精度最高的面向对象的分类方法作为本次遥感图像分类的分类器。在进一步研究面向对象的分类时,用较大的间隔确定分割尺度的最佳取值所在区间后缩小数据间隔最终确定分割尺度的最佳值,基于精度最高的尺度分割参数的分类结果确定蒙自市2016年的土地利用分类进行统计分析。 相似文献
15.
基于不同窗口纹理特征的SVM土壤盐渍化信息提取方法与精度分析研究 总被引：3，自引：1，他引：2
以塔里木盆地北缘绿洲--渭干河-库车河三角洲绿洲为例,借助ENVI遥感软件,利用ETM+数据,探讨了该绿洲土壤盐渍化信息提取的方法.传统的遥感图像分类方法多数在解决问题上存在精度不高、分类效率较低、不确定性强的缺陷,所以,选择好的分类方法对于提取盐渍化信息是至关重要的.近年来,将SVM应用于遥感图像分类已成为新的发展趋势.文章提出了基于纹理特征的支持向量机(Support Vector Machine,SVM)的分类方法,得出以下结论:分别结合3×3,5×5,7×7,9×9,11×11,13×13窗口纹理特征和光谱的SVM分类精度都很高,达到93%以上.并且在验证分类精度时,发现结合光谱和9×9窗口纹理信息的SVM分类的结果更符合实际情况.所以说加入纹理特征后使得光谱信息比较接近的3类地物(重度、中度、轻度盐渍地)的区分性增大,从而使精度提高.因此,基于纹理特征的SVM分类方法更有利于遥感图像分类和盐渍化信息监测,是地物遥感信息提取的有效途径. 相似文献
16.
面向对象的湿地景观遥感分类——以杭州湾南岸地区为例 总被引：2，自引：0，他引：2
在ENVIEX软件的Feature Extraction平台上,利用LandsatTM影像数据,采用面向对象方法对杭州湾南岸地区湿地景观进行遥感影像分类;通过与基于最大似然法、人工神经网络法、支持向量机法等传统像元方法的相应分类结果进行比较,系统分析了面向对象方法在中低分辨率遥感影像的湿地景观生态分类中的有效性。研究结果表明:①较之单一依据像元光谱值进行分类的传统方法,面向对象方法综合考虑了对象的光谱、空间、纹理、色彩等多种属性特征,因而对于类型复杂多样、分布界限模糊、光谱混淆与混合像元现象严重的沿海滩涂、湖泊、河流等湿地景观具有更好的鉴别能力,也因此获得更高的分类精度(研究区景观分类总精度为88.80%,Kappa系数为0.8765);②面向对象方法在分类中提取的是由同质性像元组成的"对象",且在合理的影像分割下得到的对象破碎化程度较低,因而能在较大程度上减小分类结果中的"椒盐噪声"干扰;而基于像元方法提取的景观类型以离散像元形式组成,难以清晰表征景观的边界、形状等信息,所以分类结果中会有明显的噪声现象;③影像分割在运用面向对象方法进行遥感影像分类过程中具有重要影响,实验结果表明,60%的分割尺度和归并尺度组合较有利于中低分辨率影像的遥感分类;④面向对象分类过程中诸如影像分割精度的评价、最优分割尺度的选取、特征空间的优化等问题,则有待今后进一步探讨。 相似文献
17.
为了准确地识别红树林中的各种红树物种种群分布区,以广东湛江红树林国家级自然保护区核心区的高桥红树林区为研究区,采用决策树算法、随机森林算法、自适应提升算法、梯度提升决策树算法、极端梯度提升算法和轻量级梯度提升机算法,利用WorldView-2卫星的高分辨率影像数据,构建影像的原始光谱波段、原始光谱波段+植被指数、原始光谱波段+植被指数+纹理特征3种特征组合数据集,识别研究区红树林中的各种红树物种种群分布区,分析各种算法在红树物种识别中的适用性。研究结果表明,5种集成学习算法的分类结果都优于决策树算法,其中,轻量级梯度提升机算法分类结果的分类精度最高,基于WorldView-2影像的8个原始光谱波段+12种植被指数+28种纹理特征,轻量级梯度提升机算法分类结果的总体分类精度值为93.15%,其分配不一致性值为5.07%,数量不一致性值为1.78%;极端梯度提升算法和随机森林算法在红树物种识别中也具有良好的适用性。WorldView-2卫星影像是对红树林中各种红树物种进行遥感分类的理想数据源,其纹理特征能显著提高分类精度,轻量级梯度提升机算法在红树物种识别中具有很大的应用潜力。 相似文献
18.
基于神经网络模型技术的南京市主城区城市森林遥感调查 总被引：7，自引：4，他引：3
城市森林调查是城市森林研究和规划建设的前提和基础工作,而遥感和GIS技术已成为现代城市森林调查的主要方法。遥感信息源和遥感分类技术是决定城市森林遥感调查质量的两个关键因素,研究认为,根据城市森林特点及城市森林研究和规划建设的要求,城市森林遥感调查采用的遥感影像分辨率以810m为宜,神经网络模型分类技术应用于城市森林遥感调查效果较好。本文以南京市主城区为例,以10m分辨率多光谱spot卫星图像与2.5m分辨率全色spot卫星图像的融合图像作为解译信息源,采用dARTMAP神经网络模型进行监督分类,提取了一套具有较高精度的南京市主城区城市森林空间属性数据和图件,并在此基础上分析了南京市城市森林基本特点及规划建设方向。 相似文献
19.
基于多类型无人机数据的红树林遥感分类对比 总被引：2，自引：0，他引：2
使用固定翼无人机、消费级旋翼无人机和专业级旋翼无人机获取广东珠海淇澳岛红树林保护区多类型无人机遥感影像,使用基于面向对象分类的K-最近邻与随机森林分类器对研究区影像进行红树林树种精细分类和对比分析,并探讨了不同类型无人机平台在红树林资源调查应用中的优缺点。结果表明：1）固定翼无人机、消费级旋翼无人机和专业级旋翼无人机数据使用K-最近邻法的分类精度分别为：73.8%、72.8%和79.7%;使用随机森林法的分类精度分别为：81.1%、84.8%和89.3%。3种平台类型的无人机数据均适用于红树林精细分类研究,对于无人机红树林遥感数据,随机森林的分类方法优于K-最近邻方法。2）以拍摄面积与用时之比估算采集效率,固定翼无人机、消费级旋翼无人机和专业级旋翼无人机分别为0.036、0.013和0.003 km2/min。固定翼无人机的采集效率具有明显优势。3）固定翼无人机适合大范围红树林数据采集,要求较高;消费级旋翼无人机适于获取小范围精细数据,成本低且易学易用;专业级旋翼无人机适合搭载质量稍大的如成像光谱仪、LiDAR等专业传感器获取多源数据。最后给出了无人机在红树林遥感研究中的注意事项和建议。 相似文献
20.
基于QuickBird卫星数据的土地利用分类规则集研究 总被引：1，自引：0，他引：1
以天津滨海新区为实验区,研究面向对象技术的高分辨率遥感影像土地利用分类规则集。针对耕地、草地、水域、建设用地、交通运输用地、空闲地的特征差异,综合多尺度的分割特征,尝试不同的分割尺度,最终选定两个最优分割层次,即大尺度层次(分割尺度为400)和小尺度层次(分割尺度为240)。采用有效的特征参数,包括自定义的特征增强参数(NDVI参数、色度放大函数)以及最大差异特征参数、面积参数、不对称性参数、标准差参数,确定各特征的隶属度函数,最终建立分类规则集;应用该分类规则集,通过图层间信息的传递与合并,对实验区的QuickBird(QB)遥感影像进行土地利用分类,精度达86.98%,有效避免了椒盐现象。实验证明了面向对象的遥感影像分类方法可充分利用高分辨率影像丰富的信息,有效地提高分类精度。 相似文献