共查询到19条相似文献，搜索用时 171 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.
城市地物具有多尺度分布特点,尺度鉴别与确定是分类的前提。提出改进的面积相对差指标,根据城市植被的分布状态确定最优分割尺度。采用面向对象方法,利用对象的光谱和空间信息对高空间分辨率影像进行植被分类。与基于像元的传统光谱分类方法和单尺度分类结果比较,最优分割尺度的鉴别和面向对象的分类方法分类精度较高,6种城市植被的分类总精度达85.5%,Kappa系数为0.83;同时有效抑制了光谱数据分类中存在的地物破碎问题。 相似文献
3.
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
4.
土壤盐渍化是制约农业生产和发展的主要障碍。目前土壤盐渍化的遥感监测主要基于中、低分辨率卫星影像,并采用传统的基于像元分类方法,对盐渍化信息的细节描述不足,监测精度不高。本文使用国产GF-1影像,结合自上而下的多尺度分割技术和面向对象的信息提取技术,针对田间尺度下的盐渍化信息进行精确地提取、分类,并与传统分类方法进行了对比。结果表明：面向对象法和最大似然法的分类总体精度分别为92.72%和84.31%,Kappa系数分别为0.90和0.78。该技术能准确提取田间尺度下的盐渍地信息,在未来的农田盐渍化高精度监测研究中具有一定应用价值和发展潜力。 相似文献
5.
基于Sentinel-2A时序数据和面向对象决策树方法的植被识别 总被引：2，自引：0，他引：2
《地理与地理信息科学》2017,(5)
Sentinel-2A数据具有较高的空间分辨率和时间分辨率,克服了以往时序数据难以获取或空间分辨率低的问题。该文以山西省吕梁市陈家湾流域为研究区,基于Sentinel-2A时序数据,根据归一化植被指数(NDVI)时序曲线特征和光谱特征,构建基于面向对象决策树方法的分层分类模型,成功提取了陈家湾流域的植被信息,分类总体精度达到89.7%,Kappa系数为0.87。基于面向对象决策树方法的多时相分类结果与单时相分类结果相比,可以有效改善波谱特征相近和受地形影响较大地物的区分,减少混分现象;基于Sentinel-2A时序数据和面向对象决策树分类方法能够有效提高植被分类的精度。 相似文献
6.
及时获取凌汛期河冰和水体的空间分布特征,对于预测冰凌灾害、提高防凌信息化管理水平有重要意义。遥感技术是当前获取河冰和水体空间分布的最主要手段之一。但是,黄河水体有大量悬浮泥沙,这给基于遥感技术的高精度冰-水分类带来了挑战。以黄河内蒙古段为例,基于Landsat 8 OLI遥感影像数据,在利用归一化积雪指数（NDSI）及河道矢量数据排除无关地物的基础上,对比了近红外波段反射率值、归一化差异水体指数（NDWI）、归一化积雪指数（NDSI）、改进的归一化积雪指数（MNDSI）以及归一化差异未封冻水体指数（NDUWI）在黄河内蒙古段典型河道河冰、水体分类中的表现,计算各指标总体分类精度及Kappa系数并进行阈值稳定性分析。结果表明：在利用NDSI和高清历史影像排除河道外无关地物后,NDUWI在各子段影像中的总体分类精度和Kappa系数均达到90.00%及0.90以上,其河冰、水体最优区分阈值大体分布于阈值中值附近。研究结果可为凌汛期黄河冰凌监测方法的选取以及冰上爆破位置的拟定提供依据。 相似文献
7.
《干旱区地理》2016,(1)
目前土壤盐渍化遥感监测主要使用中低分辨率遥感影像,存在对土壤盐渍化细节信息监测能力不足的问题。通过使用国产"高分一号"卫星高分辨率遥感影像(GF-1 PMS),基于先进的面向对象方法和最大似然法进行了盐渍化信息提取,并比较了两种方法的提取效果,此外,又同Landsat8 OLI的提取结果进行了比较。通过对两种分类方法、两种最新传感器提取结果的比较,可以得出:国产高分一号影像在土壤盐渍化信息提取方面有着巨大的潜力,就提取方法而言,同最大似然法相比,面向对象方法精度更高,更适用于GF-1 PMS影像的盐渍化信息提取,面向对象法的总体精度和Kappa系数为92.94%和0.91,而最大似然法的总体精度和Kappa系数为87.78%和0.77,面向对象方法的精度高出了约5个百分点;就分辨率而言,同Landsat8 OLI影像相比,Landsat8 OLI影像分类精度只有63.47%,而GF-1 PMS高分辨影像分类精度要高很多,盐渍化信息细节描述更充分,可提取出受到盐渍化影响的植被信息,对农田尺度盐渍化遥感监测研究有重要意义,也对拓展国产高分一号影像GF-1 PMS的应用范围是有益的。 相似文献
8.
基于面向对象方法和多时相HJ-1影像的湿地遥感分类——以完达山以北三江平原为例 总被引：4，自引：0，他引：4
以中国东北地区完达山以北三江平原(下简称小三江平原)为研究对象,利用2010年多时相HJ-1A卫星和HJ-1B卫星CCD影像作为分类数据源,结合野外调查数据,应用多尺度分割算法,根据影像的丰富信息和物候、时相等特征,采用面向对象的分类方法,进行小三江平原的湿地遥感分类。结果表明,湿地二级分类的总体精度为85.45%,总体Kappa系数为0.81。小三江平原湿地主要分布在低洼地区,总面积为9084.16km2;其中,天然湿地面积为2635.09km2,人工湿地面积为6449.07km2。集中分布的水田是小三江平原最主要的景观类型;天然湿地主要分布在自然保护区、河岸附近和国界周围;其中,草本沼泽面积最大。本研究表明,面向对象的分类方法能够有效利用遥感影像提供的丰富信息,产生较高的分类精度;对于中分辨率遥感影像不同分割尺度的组合使用有利于湿地信息的提取。降雨量较多、较少月份影像的选取和物候规律的利用是提取湿地信息的关键。多时相遥感影像数据的使用,改善了洪泛湿地和森林沼泽的分类效果,尤其是水田边界的划分;同时可以提高湿地分类精度。基于面向对象的遥感方法,利用多时相的中分辨率遥感影像,能够获取较高精度的湿地分布信息,是一种成本较低且行之有效的技术手段。 相似文献
9.
暴雨后水体含沙量增加使其光谱反射率发生变化,导致利用现有水体指数方法不能很好地提取水体信息.为有效提取洪水及其他类型水体,该文基于GF-2影像,根据暴雨后水体光谱信息变化规律,提出一种超绿水体指数(Ultra-Green Water Index,UGWI),并通过实验对比分析UGWI与归一化差异水体指数法、单波段阈值法、单波段与阴影水体指数结合法的水体提取精度,结果表明:UGWI能够准确识别不同泥沙含量以及阴影下的水体,总体精度达95.75％,Kappa系数为0.91,效果优于其他几种方法;选取不同时间、不同地区、不同空间分辨率的影像进行水体提取,UGWI结果亦优于其他几种方法,总体精度达92.33％,Kappa系数为0.90;UGWI相比其他对比方法,抗干扰性更强,提取的水体信息更全面,可识别的水体类型更多,对洪区水体提取更具普适性. 相似文献
10.
《西部资源》2016,(4)
针对城市用地分类问题,利用面向对象的高分辨率影像信息提取技术,对高分辨率影像进行影像分割,寻找影响对象提取精度的最优分割尺度,在得到最优分割尺度的基础上针对研究区城市用地的特点,有针对性地建立不同对象的提取规则,实现对目标对象的信息提取,从而形成最终的城市用地分类图,并将其与基于像元的光谱信息分类的方法进行对比,结果表明:视觉方面,面向对象信息提取技术克服了监督分类最大似然方法仅利用光谱信息分类的缺陷,充分考虑了像元间的空间关系特点,有效消除了"椒盐"噪声的影响;精度方面,面向对象信息提取技术的总体精度高达86.1166%,比最大似然法的总体精度提高了9.8851%,KAPPA系数也高达0.8131。 相似文献
11.
Object-oriented image classification has tremendous potential to improve classification accuracies of land use and land cover (LULC), yet its benefits have only been minimally tested in peer-reviewed studies. We aim to quantify the benefits of an object-oriented method over a traditional pixel-based method for the mixed urban–suburban–agricultural landscape surrounding Gettysburg, Pennsylvania. To do so, we compared a traditional pixel-based classification using maximum likelihood to the object-oriented image classification paradigm embedded in eCognition Professional 4.0 software. This object-oriented paradigm has at least four components not typically used in pixel-based classification: (1) the segmentation procedure, (2) nearest neighbor classifier, (3) the integration of expert knowledge, and (4) feature space optimization. We evaluated each of these components individually to determine the source of any improvement in classification accuracy. We found that the combination of segmentation into image objects, the nearest neighbor classifier, and integration of expert knowledge yields substantially improved classification accuracy for the scene compared to a traditional pixel-based method. However, with the exception of feature space optimization, little or no improvement in classification accuracy is achieved by each of these strategies individually. 相似文献
12.
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
13.
绿洲植被覆盖度遥感信息提取——以敦煌绿洲为例 总被引：1，自引：0，他引：1
以敦煌绿洲为研究区,利用Landsat TM遥感数据,通过归一化植被指数(NDVI)和混合像元分解两种方法,提取了敦煌绿洲的植被覆盖度信息。在基于NDVI提取植被覆盖度时,选取了基于NDVI的像元二分模型; 在混合像元分解过程中,对遥感影像进行波段反射率归一化处理和最小噪声变换(MNF),确定了3个类型端元:植被、不透水表面/土壤、水体/阴影; 最后利用高分辨率遥感影像验证对比了两种提取方法的精度。结果表明:混合像元分解更能准确地提取敦煌地区植被覆盖度信息,其线性相关系数为0.8915,均方根误差为0.0882,而且提取结果更符合实际情况,可以为敦煌植被状况监测及生态环境保护提供科学建议。 相似文献
14.
随着高分辨率遥感影像的广泛应用,面向对象的高分辨率遥感影像信息提取技术得到了迅速发展。本文针对高分辨率遥感影像的盐渍地信息提取,探索了面向对象的信息提取技术运用在盐渍地信息提取方面的最优参数选择和规则建立等关键技术,并且将从ALOS影像中提取盐渍地信息的结果与传统分类方法的提取结果进行对比分析。结果表明,利用面向对象方法的盐渍地信息提取总体精度为89.38%,较传统方法提高8.24%,Kappa系数为0.88,较传统方法提高0.08。该方法能实现较为精确地提取盐渍地信息,在高分辨率遥感影像盐渍地信息提取中具有一定的优势。 相似文献
15.
美国中西部沙山地区环境变化的遥感研究 总被引：18，自引：4，他引：18
文章选择了典型半干旱地区———美国中西部的沙山为研究区,利用陆地卫星TM、MSS图像数据,采用线性光谱混合模型(LSMM)、穗帽变换、指数提取等方法,提取反映环境变化的沙地、湿地、水域、草地等信息,并研究典型半干旱地区———Nebraska近20年来的环境变化及其与气候变化的关系。 相似文献
16.
基于阈值分割的黑龙江省森林类型遥感识别 总被引：1，自引：0，他引：1
全球变化背景下,准确获取森林覆盖是监测森林资源动态、实现林业可持续发展的重要基础。为将省级尺度森林资源清查面积资料空间化,以黑龙江省为例,利用1999-2003年该省森林资源清查面积数据,结合2000年500 m分辨率的MODIS数据,构建了基于阈值分割的森林类型遥感识别方法。该方法利用不同地表覆被类型归一化植被指数时间序列的季节分异特征,以森林资源清查面积为标准,设定森林类型的划分阈值,识别了黑龙江省森林类型的空间分布。最后,基于分层随机抽样和精度评价方法,表明森林类型识别结果与地面参考数据具有较高的一致性,总体分类精度为78.1%;特别是季节特征明显的落叶林,精度可达80%以上。本文所构建的方法可将森林清查统计数据进行准确的空间定位,同时结合多期森林资源连续清查资料和遥感信息,可为识别并量化区域生态系统生物量和碳库变化等提供科技支撑。 相似文献
17.
锡林郭勒草原植被生长对降水响应的滞后性研究 总被引：5，自引：3，他引：2
植被生长对气候因子变化的响应一直是全球气候变化研究的热点.NDVI作为植被生长的有效指示因子广泛的应用在植被遥感中.多数滞后性响应的研究基于月尺度或季节尺度的NDVI,容易夸大或缩小滞后效应,不利于滞后时间的确定.为了揭示降水对草原植被生长的有效作用尺度,本研究以2001年至2007年MODIS反射率数据和气象站点的降水为数据源,分析了时间间隔8天的内蒙古锡林郭勒盟草原生长季NDVI的变化特征以及NDVI与不同尺度的累积降水的相关关系.结果表明,年内生长期草原的NDVI变化呈单峰型,荒漠草原的NDVI变化没有草甸草原和典型草原明显.草原生长对降水存在明显的滞后,一般在50～60天,不同类型的草原滞后时间不同,但均无明显差异.同时,分析指出4～9月草原植被在不同时间段对降水响应的滞后时间分别为64、80、40、40、56和64天,特别是6月和7月份草原植被生长对降水变化的响应最为敏感.这为NDVI预测干旱提供参考. 相似文献
18.
干旱地区植被指数(VI)的适宜性研究 总被引：28，自引：10，他引：18
以位于典型干旱区的甘肃河西地区石羊河下游的民勤绿洲为例,对NDVI、SAVI、MSAVI和GEMI等4种VI(植被指数)受土壤背景光谱影响的程度和探测低盖度植被的能力进行了对比研究。通过分析VI提取植被信息时植被土壤噪音比的变化发现,植被覆盖较低条件下VI提取植被信息总体受土壤背景光谱影响程度较低,相比而言,GEMI提取植被信息中受土壤背景影响最小,其他3种VI的区别不太明显。通过分析不同VI随植被覆盖度增加的反映速率变化及不同覆盖条件下不同VI的取值范围的变化发现,NDVI探测低盖度植被的能力最强,GEMI次之。GEMI可能是干旱地区植被探测较适宜的植被指数。 相似文献
19.
参照《中国植被》中的植被分类体系,结合野外考察结果,建立了适合中国西北农牧交错带的植被分类体系。以覆盖研究区的多幅Landsat影像为基础,按“分层分类,逐层验证”的思路,实现了对研究区植被信息的提取。提取时,先利用完全约束的最小二乘模型对遥感影像进行混合像元分解方法,将整个研究区划分为植被区和非植被区;在植被区,基于光谱特征、纹理特征和地形特征,构建CART决策树,获得了乔木林、灌丛和草原等7种主要植被型组;在植被型组内,基于不同植被类型NDVI的季节差异特征,构建NDVI差值比值指数 (NDVI_DR),将乔木林和灌丛区分为常绿和落叶植被型,使用温度植被干旱指数(TVDI),将草原进一步区分为荒漠草原、典型草原和草甸草原3种类型,从而得到各个植被型的空间分布范围。经验证,最终分类的总体精度能达到79.51%,kappa系数为0.773。采用的分类方法充分利用了遥感数据既有的光谱信息和纹理信息,同时辅以地形信息。实践结果表明,分层分类和多种指标相结合的方法可以有效实现对影像跨幅的、以复杂镶嵌结构为主要特征的农牧交错带植被信息提取,精度较高,技术可行。 相似文献