共查询到17条相似文献，搜索用时 812 毫秒
1.
综合环境卫星与MODIS数据的面向对象土地覆盖分类方法 总被引：1，自引：0，他引：1
使用面向对象方法对单时相的环境卫星数据进行土地覆盖分类时,几何特征和光谱特征相似的地物无法区分,而MODIS时序数据的空间分辨率较低,不适用于中小尺度的土地覆盖分类。应用面向对象方法,充分利用环境卫星数据的空间、光谱特征和MODIS数据的物候特征建立规则,进行分类,可以有效地解决上述困难。首先对环境卫星数据进行多尺度分割,生成待分类对象;再根据对象的特征,依据由简到难的原则进行分层分类。以双台子河口为例进行土地覆盖分类,总体精度93%,Kappa系数0.92。结果表明,综合环境卫星与MODIS数据的面向对象土地覆盖分类方法应用潜力巨大。 相似文献
2.
MODIS土地覆盖分类的尺度不确定性研究 总被引：2，自引：0，他引：2
以空间异质性较强的枯水期鄱阳湖为研究区,以搭载于同一卫星平台、具有同一观测时间和较高空间分辨率的ASTER数据为参照,分析研究了MODIS数据在土地覆盖分类中由空间尺度带来的不确定性。首先基于MODIS三角权重函数,建立了从ASTER到MODIS的尺度转换方法;然后对不同空间分辨率的数据进行土地覆盖分类,并基于误差矩阵和线性模型分析了MODIS土地覆盖分类结果的误差来源。结果表明,空间分辨率和光谱分辨率与成像方式这两类因素对MODIS与ASTER分类结果差异的贡献比例约为(6.6—11.2):2;MODIS像元尺度对研究区水体的分类不确定性影响较低,而对森林的不确定性影响可达63%。由此可见,在基于MODIS数据的土地覆盖分类研究中,空间尺度所产生的不确定性是比较显著的。这些研究结果对于土地覆盖分类及变化检测、尺度效应和景观生态学不确定性研究,有积极的参考意义。 相似文献
3.
基于波段选择的MODIS全国土地覆盖分类 总被引：1，自引：0，他引：1
以MODIS多光谱和多时相数据为输入参数进行了全国土地覆盖分类研究。从试验区2007年MODIS 8 d数据的合成影像(MOD 09)中提取EVI、NDWI和NDSI 3个指数,并将其作为特征波段与原有的7波段(B1～B7)形成10波段影像。以统计分类J-M距离平均值和SVM分类总精度为标准评价不同波段对土地覆盖分类的贡献。在全国范围内,选择贡献最大的EVI、B7和B4这3个波段的月合成值,并分别对其作PCA变换,选取各PCA变换后的前3个波段进行分类运算。研究结果表明,在没有其他辅助信息的境况下,基于MODIS贡献最大的前3个波段结合多时相信息能够在中分辨率区域土地覆盖分类中取得较好的分类结果,其精度为78.04%。 相似文献
4.
5.
6.
多时相双极化合成孔径雷达干涉测量土地覆盖分类方法 总被引：5，自引：1，他引：4
综合采用时相、极化和干涉3种维度的SAR数据进行土地覆盖分类。以黑龙江省逊克县多时相ALOS PALSAR数据覆盖区为研究区,利用不同时相极化SAR、干涉SAR信号对地物特征的敏感性,结合后向散射强度和干涉相干的时变特征进行地物解译,发展了基于多时相、多极化、干涉SAR数据的SVM土地覆盖分类方法。研究结果表明,引入双极化SAR中不同极化(HH-HV)间的相干系数,并结合所选择的时相特征、极化特征以及干涉相干特征进行分类,可解决双极化SAR影像中林地与城市及建设用地的混分问题,得到更高精度的土地覆盖分类结果。 相似文献
7.
8.
多时相MODIS影像土地覆盖分类比较研究 总被引：6，自引：0，他引：6
首先以黑龙江省多时相MODIS影像为试验数据,利用最大似然分类(MLC)、自组织神经网络(SONN)、支持向量机(SVM)以及决策树分类(DTC)等四种广泛使用的分类方法进行了土地覆盖遥感分类研究.并从分类精度、样本数量对分类器的影响、模型复杂度、参数的选择、分类速度等多个方面对4种分类方法进行了深入比较和分析.综合比较得出决策树分类法最优,而经典方法之一的最大似然分类法最稳定.进而将此二法推广到全国范围的土地覆盖分类试验中,并进行精度对比.本文所得出的结论将对于在类似的应用中如何选择合适的分类方法具有一定的参考价值. 相似文献
9.
在喀斯特分布区,基岩、植被、裸地等多种地表覆盖交错分布,地物覆盖高度异质,并且呈现出短周期规律性变化和长期动态趋势变化,单一时相的影像进行土地覆盖分类精度非常有限。针对这一问题,本文提出一种顾及物候特征的多时相遥感影像分类策略,利用具有高时间分辨率的MODIS NDVI时间序列产品作为数据源,选择BFAST(Breaks For Additive Seasonal and Trend)方法进行NDVI时间序列的物候分解,采用动态阈值法对时序分解的物候轨迹进行标记,最后将物候标记特征与原始光谱时序综合特征进行组合,选择支持向量机(SVM)分类器进行土地利用覆盖分类,并且对比了不同特征空间下的分类结果。以云南省壮族苗族自治州丘北县和砚山县为研究区进行分类实验,结果表明,BFAST模型可以有效地分解出NDVI时序中的关键物候特征,相比基于单纯光谱特征的分类,物候驱动的喀斯特断陷盆地区土地覆盖分类精度有明显的提升,在NDVI、光谱和物候组合特征空间下,土地覆盖分类精度最高,总体精度和Kappa系数分别为88.94%和0.8693,尤其在灌木林、有林地、石旮旯地与稀疏植被的区分中,SOS、POS和GSG等物候特征具有较强的可分性,表明物候特征在地物识别中的有效性。 相似文献
10.
11.
《International Journal of Digital Earth》2013,6(1):63-87
Abstract Land use/land cover monitoring and mapping is crucial to efficient management of the land and its resources. Since the late 1980s increased attention has been paid to the use of coarse resolution optical data. The Moderate Resolution Imaging Spectroradiometer (MODIS) has features, which make it particularly suitable to earth characterization purposes. MODIS has 10 products dedicated mainly to land cover characterization and provides three kinds of data: angular, spectral and temporal. MODIS data also includes information about the data quality through the ‘Quality Assessment’ product. In this paper, we review how MODIS data are used to map land cover including the preferred MODIS products, the preprocessing and classification approaches, the accuracy assessment, and the results obtained. 相似文献
12.
MODIS数据在火灾监测中的应用 总被引：16，自引：2，他引：16
简介了MODIS在火灾方面的应用潜力 ,并对 2 0 0 2年 8月份在中国东北大兴安岭突发的火灾作了动态监测 ,其目的是对 1B级数据进行验证 ,以及对MODIS火灾检测参数进行测试和检验。结果表明 ,MODIS在火灾监测方面有很好的应用前景 相似文献
13.
以山东省为研究区域,利用2009年9月MODIS的8 d合成波段反射率产品MOD09,选择特征变量植被指数(NDVI、EVI)、NDWI、NDMI、NDSI及辅助信息DEM,通过选取其中的影像特征组合来确定分类方案,构建各波段组合的CART决策树,对MODIS影像进行分类,得到CART决策树的最优波段组合。结果表明,特征变量DEM、NDVI、EVI对分类结果贡献较大;将CART决策树的分类结果与其相对应的最大似然分类结果进行比较可知,基于影像多特征的CART决策树分类方法能明显提高分类精度。 相似文献
14.
支持向量机是一种基于统计理论的机器学习算法,在解决小样本、非线性及高维模式识别中有独特的优势。本文基于MODIS数据的高维特征,采用支持向量机算法对MODIS数据进行分类,并对其在MODIS影像分类中的方法进行了研究,指出了支持向量机分类方法的优越性。 相似文献
15.
以若尔盖高原地区为研究区,利用多时相中分辨率成像光谱仪MODIS(Moderate Resolution Imaging Spectroradiometer)遥感影像数据,采用基于归一化植被指数(NDVI)的时间序列谐波分析方法,对2001~2013年夏季的MODIS/NDVI和MODIS/EVI进行重构,去除云干扰,采用决策树分类方法获取若尔盖高原地区2001~2013年夏季湿地信息的分布数据并作统计。结果表明:基于EOS/MODIS遥感数据,采用决策树分类方法获取若尔盖高原地区的湿地信息数据是可行的;若尔盖高原地区的湿地面积是随年际的变化呈锐减趋势,若尔盖高原地区湿地的退化主要是受到近年来气候暖干化的影响,人类活动则加剧了湿地萎缩及退化的趋势。 相似文献
16.
Mining Land Cover Information Using Multilayer Perceptron and Decision Tree from MODIS Data 总被引：1，自引：0，他引：1
Uttam Kumar Norman Kerle Milap Punia T. V. Ramachandra 《Journal of the Indian Society of Remote Sensing》2010,38(4):592-603
Land cover (LC) changes play a major role in global as well as at regional scale patterns of the climate and biogeochemistry of the Earth system. LC information presents critical insights in understanding of Earth surface phenomena, particularly useful when obtained synoptically from remote sensing data. However, for developing countries and those with large geographical extent, regular LC mapping is prohibitive with data from commercial sensors (high cost factor) of limited spatial coverage (low temporal resolution and band swath). In this context, free MODIS data with good spectro-temporal resolution meet the purpose. LC mapping from these data has continuously evolved with advances in classification algorithms. This paper presents a comparative study of two robust data mining techniques, the multilayer perceptron (MLP) and decision tree (DT) on different products of MODIS data corresponding to Kolar district, Karnataka, India. The MODIS classified images when compared at three different spatial scales (at district level, taluk level and pixel level) shows that MLP based classification on minimum noise fraction components on MODIS 36 bands provide the most accurate LC mapping with 86% accuracy, while DT on MODIS 36 bands principal components leads to less accurate classification (69%). 相似文献
17.
Water quality classification of lakes using 250-m MODIS data 总被引：1，自引：0，他引：1
Koponen S. Kallio K. Pulliainen J. Vepsalainen J. Pyhalahti T. Hallikainen M. 《Geoscience and Remote Sensing Letters, IEEE》2004,1(4):287-291
The traditional method used in the water quality classification of Finnish lakes includes the collection of water samples from lakes and their analysis in laboratory conditions. The classification is based on statistical analysis of water quality parameter values and on expert opinion. It is possible to acquire similar information by using radiance values measured with the Earth Observing System Terra/Aqua Moderate Resolution Imaging Spectroradiometer (MODIS). In this letter, the classification accuracy with MODIS data is about 80%. Only about 0.2% of the 20 391 pixels were misclassified by two or more classes, as a four-class classification system is used. 相似文献