共查询到18条相似文献,搜索用时 531 毫秒
1.
沿海湿地植被遥感分类是遥感在土地利用变化研究领域的一项重要内容,本文以江苏盐城沿海湿地核心区为研究区域,探讨了利用遥感技术进行湿地植被分类的方法和技术流程。在此基础上,以Landsat-5TM图像为遥感数据源,以盐城丹顶鹤湿地保护区样点数据为辅助数据,分别用非监督分类法、监督分类法与基于LBV变换的分类法,对研究区进行分类,并对各种分类方法的结果进行精度分析。结果表明,非监督分类的结果最差,特别是对芦苇,其错分误差达到51.65%。监督分类法的精度虽然高于非监督分类,但其制图精度只有66.56%。而基于LBV变换分类法能够有效解决关于米草和芦苇的错分现象,它对其他地物的分类精度也很高,基本上都在90%以上。总体来说,LBV变换法已经达到了核心区分类的精度要求。 相似文献
2.
基于决策树的郑州市土地利用与覆盖分类研究 总被引:2,自引:1,他引:1
以Landsat-7 ETM 1-7多波段遥感影像为数据源,采用决策树分类方法对郑州市土地利用及植被覆盖现状进行分类研究.在分析遥感影像波段载波信息量及野外样本选择、室内对比试验的基础上,制定节点上的分类规则,形成土地利用及植被覆盖色斑图,分类精度达到94%.结果表明:决策树方法优于传统的统计学分类方法,对数据并不要求正态分布,并且可以处理来自于遥感数据中的噪音和丢失数据.决策树分类法有诸如分类准确、高效,分类标准明确,分类结构直观、精度易于控制、分类自动化程度高等优势. 相似文献
3.
应用SPOT卫片进行县级土地利用调查的精度分析 总被引:6,自引:0,他引:6
由于地区经济的迅速发展,土地利用呈现出动态变化过程,利用遥感技术进行土地利用调查具有客观、快速等特点。其关键问题是卫片调查的精度问题。选取常熟市练塘等五个乡为试验区,用1994年SPOT资料作为信息源,采用人机交互式解译法进行县级土地利用现状分类。并将1994年调查结果与同年航空像片详查值作对比,进行了精度分析。研究结果表明:用SPOT卫片进行县级土地利用调查是可行的,土地利用一级分类精度在95%以上,但二级分类精度不够理想,有待于进一步提高。 相似文献
4.
国产高分卫星1号(简称GF-1)可提供高空间分辨率遥感数据,这为实现精准农业提供良好的数据保障。但是,其在复杂地形作物遥感提取方面的适用性仍需要进一步探索和分析。因此,以山地丘陵地形为主的栖霞市为研究区,基于GF-1影像数据利用面向对象分类法提取苹果树的种植面积和空间分布信息。研究结果表明:引入植被覆盖度和坡度信息的面向对象决策树分类方法(简称优化分类方法)能够有效提高苹果种植面积的遥感提取精度为94.1%,生产精度和用户精度分别为87.3%和90.3%。相比于最大似然监督分类和无辅助信息的面向对象决策树分类方法,本研究的优化方法遥感提取面积精度分别提高了17.4%和0.3%,生产精度分别提高了10.1%和2.6%,用户精度分别提高了10.1%和2.8%。该研究成果以期为GF-1卫星数据在山地丘陵地区的果园信息遥感提取提供基本的技术支撑和实践经验。 相似文献
5.
概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明:MODIS具有高光谱、高时间分辨率和多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数(如NDVI、LSWI和EVI)进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法。近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。 相似文献
6.
概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明:MODIS具有高光谱、高时间分辨率、多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数(如NDVI、LSWI和EVI)进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法;近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。 相似文献
7.
《沙漠与绿洲气象(新疆气象)》2020,(2)
国产高分卫星1号(简称GF-1)可提供高空间分辨率遥感数据,这为实现精准农业提供良好的数据保障。但是,其在复杂地形作物遥感提取方面的适用性仍需要进一步探索和分析。因此,以山地丘陵地形为主的栖霞市为研究区,基于GF-1影像数据利用面向对象分类法提取苹果树的种植面积和空间分布信息。研究结果表明:引入植被覆盖度和坡度信息的面向对象决策树分类方法(简称优化分类方法)能够有效提高苹果树种植面积的遥感提取精度为94.1%,生产精度和用户精度分别为87.3%和90.3%。相比于最大似然监督分类和无辅助信息的面向对象决策树分类方法,优化分类方法遥感提取面积精度分别提高了17.4%和0.3%,生产精度分别提高了10.1%和2.6%,用户精度分别提高了10.1%和2.8%。该研究成果以期为GF-1卫星数据在山地丘陵地区的果园信息遥感提取提供基本的技术支撑和实践经验。 相似文献
8.
9.
10.
以浙江省为试验区, 针对水稻种植面积遥感信息提取的业务化运行问题, 进行了以下试验:(1) 以传统的单象元统计分类识别方法为分类器, 在地理信息系统支持下, 提取丘陵地区大范围水稻种植面积信息的可行性; (2) 在遥感资料的基础上, 结合地形数据综合提取水稻种植面积专题信息的可行性和有效性; (3) 混合象元分解方法在丘陵地区的有效性和适用性.结果表明, 用最大似然法提取大范围水稻种植面积信息的精度可满足业务化运行的要求; 模糊监督分类有较高的分类精度和较好的稳定性, 具有较强的适应性; 坡度数据作为遥感影像分类的辅助数据层, 可以有效地提高丘陵地区水稻种植面积信息的提取精度, 还可以提高分类的稳定性和空间位置精度. 相似文献
11.
基于EOS/MODIS资料的中国黄土高原西部土地覆盖分类 总被引:4,自引:0,他引:4
土地利用和覆盖信息不仅是全球及区域气候模式中所需的重要信息,也是描述生态系统的重要基础数据;获取其现状和变化信息,对于揭示土地覆盖的特征和变化规律,探讨变化的驱动因子,分析评价区域生态环境具有重要现实意义。采用多时相和多光谱遥感资料进行土地覆盖分类已成为一种行之有效的方法。植被类型的差异除了可表现为光谱差异外,还可表现为植被生长规律的差异;植被生长以年为周期,在这个周期内不同植被类型有着各自的生繁衰枯的物候节律,表现出不同的生长规律,其规律性极强,这种规律性也可以作为植被分类的一个出发点。于是,NDVI的时间序列分析成为基于生物气候特征的地表覆盖分类的一种手段。基于MODIS资料,首先对2003年植被生长季内共9个月的NDVI时间序列数据进行离散傅立叶变换,取得该时间序列的均值和前4个频率分量的振幅和相位后;采用ISODATA算法对中国黄土高原西部及其周边地区进行了分层土地覆盖分类,并采用现有的土地覆盖数据集,进行了类别归并和精度评估,分类结果的总体精度达到了81.3%,Kappa系数达到了75.4%,结果证明了这种方法的可行性。 相似文献
12.
13.
14.
点云分类是激光点云数据处理的重要环节,探索自动、高效、高精度的点云分类方法具有重要意义.通过分析同机获取的LiDAR点云与高分辨率光学影像的特点,提出了融合无人机LiDAR与高分辨率光学影像的点云分类方法.首先将LiDAR点云投影到二维平面并构建不规则三角网模型,然后寻找同名点对完成与光学影像的配准与融合,进而将光学影像的光谱信息赋予无人机LiDAR点云,接着从光学影像上提取光谱特征、从LiDAR点云上提取多尺度几何特征构建分类特征集,进一步通过CFS特征选择算法实现特征集的降维,最后运用随机森林分类算法实现点云分类.实验结果表明,本文分类方法的总体精度可达89.5%,Kappa系数为0.844,与未经特征选择的分类结果相比精度提高了1.1个百分点,与单纯依靠LiDAR或者光学影像的分类相比,精度分别提高了5.4和14.9个百分点.本文方法不仅有效避免了基于点云属性内插构建新的图像融合方式带来的计算误差,同时解决了单尺度下构建几何特征时难以确定最优空间分析尺度的问题,并且对特征集进行优化选择从而有效提高了数据处理的效率. 相似文献
15.
16.
云图的自动分类是实现地基云自动化观测的技术保障。该文探讨了一种先将云图分为积状云、层状云和卷云3大类的分类方案,通过对3大云类和晴空这4种天空类型的纹理特征、颜色特征和形状特征进行分析,选取了21个特征参量,并采用K最近邻分类器 (K-Nearest Neighbor,KNN), 在不同的K取值情况下对这几类天空类型进行了分类识别。结果表明:新的分类方案是可行的,且当纹理特征、颜色特征和形状特征结合使用时获取了比单独利用纹理特征、颜色特征和形状特征以及它们两两组合时更好的识别效果。当K=7且使用21个特征参量时,KNN算法对积状云、层状云、卷云和晴空的识别最好, 识别正确率分别为91.1%,74.4%,70.0%和100.0%,平均正确率为83.9%。 相似文献
17.
18.
为了实现近实时公里级的高速公路能见度监测,提出了一种基于多尺度融合网络的能见度估计方法。首先,从道路监控视频中提取道路场景图像,并对图像进行质量控制;分别采用引导滤波、光谱滤波、景深估计模型从路面场景图像中提取细节结构特征、光谱特征与场景深度特征;然后,构建多尺度融合网络自适应融合结构特征、光谱特征与场景深度特征,并从中提取能见度特征;最后在网络末端输出图像场景所对应的能见度等级。此外,为了训练与测试模型,构建了真实道路场景图像数据集,共包含18 000张标注图像。实验结果表明,多尺度融合网络可显著提升高速公路能见度估计的准确性,能见度等级分类准确率可达81.76%。 相似文献