面向对象遥感影像分类方法及其应用研究——以深圳市福田区植被提取为例
利用光谱遥感技术进行林木种类研究与分类
利用光谱遥感技术进行林木种类研究与分类光谱遥感技术是一种非常有用的工具，可以帮助我们了解地球上不同地区的植被分布和种类。
在林木种类研究和分类方面，光谱遥感技术在提供高效准确的数据方面有着巨大的潜力。
本文将介绍利用光谱遥感技术进行林木种类研究与分类的方法和应用。
首先，光谱遥感技术可通过分析不同波段的反射率来识别和分类不同种类的林木。
不同种类的植物具有不同的光谱特性，这些特征能够以数字化形式记录在光谱数据中。
通过比较不同种类植物在不同波段的反射率变化，我们可以得到用于分类的重要特征。
在进行林木分类之前，我们需要采集大量的光谱数据。
这些数据可以通过航空或卫星遥感技术获取。
航空遥感技术使用搭载在航空器上的高分辨率光谱仪，可以获取更为详细和准确的光谱数据。
而卫星遥感技术则能够覆盖更大范围的地区。
通过对这些数据进行处理和分析，我们可以了解不同地区的植被类型和林木种类。
利用光谱遥感技术进行林木种类研究与分类需要一些先验知识。
在开始研究时，我们需要进行地面调查和数据采集，确定不同地区的林木种类和分布情况。
这些数据可以作为训练样本，用于开发分类算法和建立模型。
常用的光谱遥感技术中，最常使用的是多光谱遥感技术。
多光谱遥感数据包含了多个波段的信息，从可见光到红外波段。
这些波段各自对应着不同的光谱特征，可以提供丰富的信息用于分类分析。
通过对多光谱数据进行特征提取和处理，例如主成分分析、线性判别分析和神经网络等方法，可以提取出林木种类分类所需的信息。
除了多光谱数据，高光谱遥感数据也被广泛应用于林木种类研究与分类。
高光谱遥感数据包含更多的波段信息，通常涵盖了可见光和近红外波段。
这种数据可以提供更为详细和精确的光谱特征，能够更准确地识别和分类不同种类的林木。
在利用光谱遥感技术进行林木种类研究与分类时，建立一个准确的分类模型是至关重要的。
在模型的建立中，我们通常使用监督学习算法，例如支持向量机、随机森林和人工神经网络等方法。
这些方法能够根据已知的训练样本进行分类模型的训练和测试，然后将学习到的模型应用于未知数据进行林木种类的分类。
面向对象的遥感影像水田信息提取方法研究
ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｉ ｍａ ｇ ｅ ， ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｔ ｌ ａ ｎ ｄ ｔ ｙ ｐ ｅ ｓ ｕ ｓ ｉ ｎ ｇ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｔ ｓ ｅ ｇ ｍｅ ｎ ｔ ａ ｔ ｉ ｏ ｎ ｓ ｃ ａ ｌ ｅ ， ａ ｐ ｐ ｌ ｉ ｅ ｓ ｆ ｕ ｚ ｚ ｙ ｃ ｌ ａ ｓ ｓ ｉ ｉ ｆ ｃ ａ ｔ ｉ ｏ ｎ ｍｅ ｔ ｈ ｏ ｄ ｔ ｏ ｂ ｕ ｉ ｌ ｄ ｔ ｈ ｅ ｐ ａ ｄ ｄ ｙ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｋ ｎ ｏ ｗｌ ｅ ｄ ｇ ｅ ｂ ａ ｓ ｅ ｂ ｙ ｃ ｏ ｍｂ ｉ ｎ ｉ ｎ ｇ ｗ ｉ ｔ ｈ ｔ ｈ ｅ ｓ ｐ ｅ ｃ ｔ ｒ ｕ ｍ，ｓ ｈ ａ ｐ ｅ ｓ ，ｔ ｅ ｘ ｔ ｕ ｒ ｅ ｓ ａ ｎ ｄ ｏ ｔ ｈ ｅ ｒ ￣ａ ｔｕ ｍｓ ｏ ｆ ｉ ｍａ ｇ ｅ ｓ ｄ ｆ ｏ ｒ ｐ ａ ｄ ｄ ｙ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ．
ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ｉ ｓ ｎ ｏ ｌ ｏ ｎ ｇ ｅ ｒ ｏ ｎ ｌ ｙ ｊ ｕ ｓ ｔ ｔ ｈ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｒ ｉ ｃ ｅ ， ｔ ｈ ｕ ｓ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｎ ｇ ｐ ａ ｄ ｄ ｙ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｆ ｒ ｏ ｍ ｈ ｉ ｇ ｈ － ｒ ｅ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ｒ ｅ ｍｏ ｔ ｅ ｓ ｅ ｎ ｓ ｉ ｎ ｇ
城市绿地生态系统服务功能及其价值评估——以深圳市福田区为例
城市绿地生态系统服务功能及其价值评估——以深圳市福田区为例姜刘志;杨道运;梅岑岑;班远冲;杨小毛【摘要】根据WorldView-3遥感影像数据,对深圳市福田区城市绿地的空间分布特征进行了分析,在此基础上构建指标体系对其生态服务价值进行评价.结果表明:福田区城市绿地的生态服务价值为11 683.41万元,单位面积城市绿地的生态服务价值为8.35万元;各项生态服务价值排序为:固碳释氧＞涵养水源＞调节气候＞环境净化＞维持生物多样性＞土壤保持＞景观游憩;从单位面积生态服务价值来看,乔木最大,草地最低,具体表现为乔木＞乔灌＞乔草＞乔灌草＞灌木＞灌草＞草地;从各街道分布情况来看,莲花街道＞沙头街道＞香蜜湖街道＞梅林街道＞福田街道＞福保街道＞园岭街道＞华强北街道＞华富街道＞南园街道,其价值量大小主要取决于各街道所拥有的城市绿地面积.作为深圳市的中心城区,福田区在今后的城市绿地建设规划与管理过程中,要适当考虑不同类型城市绿地的空间异质性,优化城市绿地结构,维持绿地系统的生态平衡,充分发挥绿地系统的生态服务与功能.%Based on the interpretation results of Worldview-3 data,the spatial distribu tion characteristics of city green space is analyzed in Futian District,and its ecological service value is assessed,referring to the Forest Ecosystem Service Function Evaluation Specification.The results showed that:1) the ecosystem service value of urban green space reached up to 116.834 1 million Yuan in Futian District,and the average value per unit area was 83,500 Yuan.2) Various kinds ecological service values were sorted as follows:carbon fixation and oxygen release＞water resources conservation ＞climate regulation＞environment purification＞ biodiversity maintenance＞ soil conservation＞ landscape recreation.3) The average value per unit area was various among different urban green space,namely,arbor＞arbor-shrub＞arbor grass＞arbor-shrub-grass＞ shrub＞ shrub-grass＞grass.4) The value of urban green space in different sub district depended on the respective area of urban green space,namely,Lianhua＞Shatou＞Xiangmihu＞ Meilin＞Futian＞ Fubao＞ Yuanling＞ Huaqiangbei＞ Huafu＞Nanyuan.As the central urban area in Shenzhen,it is important for Futian District to increase spatial heterogene ity,diversify species composition,optimize plant structure,and provide sound urban green space management,which is able to maintain the ecological balance and improve the ecological services of urban green space.【期刊名称】《华中师范大学学报（自然科学版）》【年(卷),期】2018(052)003【总页数】8页(P424-431)【关键词】城市绿地;生态系统服务功能;价值评估;深圳市;福田区【作者】姜刘志;杨道运;梅岑岑;班远冲;杨小毛【作者单位】北京大学城市与环境学院,北京100871;北京大学香港科技大学深圳研修院,广东深圳518057;深圳市深港产学研环保工程技术股份有限公司,广东深圳518055;深圳市深港产学研环保工程技术股份有限公司,广东深圳518055;深圳市深港产学研环保工程技术股份有限公司,广东深圳518055;深圳市深港产学研环保工程技术股份有限公司,广东深圳518055;北京大学城市与环境学院,北京100871;深圳市深港产学研环保工程技术股份有限公司,广东深圳518055【正文语种】中文【中图分类】Q346+.3;X171.1随着城市化进程的日益加快和城市人口的高度集中，用地紧张、交通拥挤、污染加重等环境问题严重干扰着城市生态系统，使其成为人为的生态脆弱带.作为城市生态系统的重要组成部分，城市绿地是指城市中保持着自然景观，或自然景观得到恢复的地域.从景观生态学角度来看，城市绿地是指在城市灰色基底上具有一定格局和生态功能的绿色斑块和廊道[1].城市绿地在调节气候、保持土壤、涵养水源、净化环境、维持生态系统稳定等方面具有重要作用，是城市环境的“绿色卫士”[2-3].然而，长期受传统经济理念的影响，城市绿地尚未形成市场需求，其生态价值更难以真正体现.因此，合理评价城市绿地的生态服务价值不仅是充分发挥其生态功能的基础，也是城市主体开展绿地建设与规划管理的重要依据.从定性研究到定量估算，城市绿地生态服务价值评价已逐渐成为国内外研究的热点[4].Costanza等[5]对全球生态系统的价值评估为城市绿地生态系统研究奠定了基础；Zoulia等[6]对雅典城市绿地的缓解热岛效应进行了监测；Larondelle & Haase[7]对欧州城市绿地的气候调节、降温及娱乐等生态服务功能进行了定量评价.国内很多学者也通过建立不同的指标体系，对北京、上海、广州等[8-14]城市的绿地生态系统服务功能进行了综合评价.但目前关于城市绿地生态系统的价值评估大多集中于大、中型城市，对于区域层面的城市绿地生态系统的评估甚为少见.本研究根据WorldView-3遥感影像解译结果，首先分析了深圳市福田区城市绿地的空间分布特征，在此基础上，对城市绿地生态系统的服务价值进行定量评估，以期为深圳市福田区城市绿地的规划建设与管理、区域生态环境改善以及城市生态系统持续健康发展等提供一定的理论依据.1 研究区概况福田区位于深圳市中部，总面积78.66 km2，占全市面积的4%，下辖福保、福田、华富、华强北、莲花、梅林、南园、沙头、香蜜湖、园岭10个街道.福田区属于亚热带海洋性季风气候，冬暖夏凉，温和湿润，多年平均气温为22.5℃，多年平均日照时数为1 933.8 h，多年平均降雨量为1 966.3 mm，常年盛行东南风，多年平均风速为2.7 m/s.经过十多年的城市开发建设，除北部的梅林山体、南部的红树林保护区外，大部分区域已发展成为城市建成区.福田区立足中心城区的特色及惠及民生的追求，持续开展公园建设，全力打造“公园之城”，公园总数达109个，其中市政公园12个，社区公园97个，“百园福田”已然形成；已建成绿道146.9 km，基本实现了城区公共绿地系统的有机串联和衔接.2 数据与方法2.1 城市绿地数据采集方法本研究选取2015年1月31日的WorldView-3原始数据(包括空间分辨率为1.24 m的多光谱数据和空间分辨率为0.31 m的全色数据)作为主要数据源，以1∶50 000的DEM数据、福田区行政区划图、土地利用现状图等为辅助数据，主要用于遥感数据的几何校正、监督分类以及精度检验等.在Erdas image遥感处理平台上对WorldView-3遥感数据进行几何纠正、空间配准、数据融合、图像增强等预处理，通过野外调查，建立福田区不同类型城市绿地的遥感解译标志.在ArcGIS9.3中进行人工目视判读解译，并结合实地抽样调查进行验证，对误判的类型进行修正，得到福田区2015年城市绿地现状分布专题图.本研究中的城市绿地资源是指分布于基本生态控制线范围以外的各种绿地，包括各种公园绿地、社区绿地、交通绿地、附属绿地等.根据城市绿地植被的种植结构，将其分为乔木、灌木、草地、乔灌草、乔灌、乔草和灌草7类.2.2 城市绿地生态服务价值评价方法通过参考国内外已有研究成果[11，15-19]，综合考虑深圳市福田区特定的气候条件、生态环境、社会经济发展水平以及城市绿地的主要生态服务功能，按照评价因子的整体性、前瞻性、简单可操作性、相关性和便于比较性原则[20]，选取土壤保持(固土、保肥)、涵养水源(调节水量、净化水质)、环境净化(吸收SO2、NOx、氟化物、滞尘)、固碳释氧(固碳、释氧)、调节气候、维持生物多样性、景观游憩等7个大项14个小项构建城市绿地生态服务功能评价体系.根据不同生态服务功能的特点，分别采用替代成本法、替代工程法、恢复费用法、影子工程法等对城市绿地的各项生态服务功能进行价值评价.评价过程中所涉及到的相关参数、系数尽量选取与福田区土壤、气候、植被分布特征基本一致的深圳市、广东省或邻近区域的研究结果[21-32](详见表1)，相关建设成本、恢复费用等社会公共数据采用《森林生态系统服务功能评估规范(LY/T1721-2008)》[33]中推荐使用的价格.表1 福田区城市绿地生态服务价值核算因子汇总表Tab.1 Parameters of ecological service value of urban green space in Futian District核算内容核算因子参数取值资料来源土壤保持现实土壤侵蚀模数0.718 5 t/(hm2·a)采用欧阳志云等[21]关于《海南岛生态系统生态调节功能及其生态经济价值》的研究结果潜在土壤侵蚀模数10.925 7 t/(hm2·a)土壤容重1.585 g/cm3采用张波等[22]关于《深圳城市绿地土壤孔隙状况与水分特征研究》的研究结果土壤有机质含量25 g/kg采用周波等[23]关于《深圳市光明新区土壤肥力时空演变的主成分分析》相关研究成果土壤含氮量610 mg/kg土壤含磷量153 mg/kg土壤含钾量203mg/kg涵养水源地表径流量262.4 mm采用刘树华等[24]关于《鼎湖山主要生态系统的水热过程研究及脆弱性初探》的相关数据环境净化SO2年吸收率120.85 kg/hm2采用《中国生物多样性国情研究报告》[29]中的相关研究结果HF年吸收率4.65 kg/hm2NOx年吸收率380 kg/hm2年滞尘量10.11t /hm2提供负离子平均浓度1650个/cm3采用刘凯昌等[25]关于广州市不同植被类型提供负离子浓度的调查结果植被平均高度4m固碳释氧土壤固碳速率1.701 t/(hm2·a)采用郭然等[30]关于《中国草地土壤生态系统固碳现状和潜力》的研究结果调节气候植被蒸腾吸热量4.59×108 J/(hm2·d)采用张彪[31]等关于《北京城市绿地的蒸腾降温功能及其经济价值评估》的相关研究成果3 结果与分析3.1 福田区城市绿地空间分布特征根据WorldView-3遥感影像解译结果，深圳市福田区城市绿地面积为1 398.75 hm2，占福田区总面积的17.78%.其中，乔木面积为1 035.78 hm2，占城市绿地总面积的74.05%；灌木面积为55.28 hm2，占城市绿地总面积的3.95%；草地面积为176.04 hm2，占城市绿地总面积的12.59%；乔灌草面积为46.52 hm2，占城市绿地总面积的3.33%；乔灌面积为37.67 hm2，占城市绿地总面积的2.69%；乔草面积为38.14 hm2，占城市绿地总面积的2.73%；灌草面积为9.32 hm2，占城市绿地总面积的0.67%(如表2和图1).从空间分布情况来看，莲花街道的城市绿地面积最大，达325.80 hm2，占福田区城市绿地面积的23.29%；其次是沙头街道、香蜜湖街道、梅林街道和福田街道，面积之和约占福田区城市绿地总面积的56%；南园街道、华强北街道、华富街道和园岭街道的城市绿地面积最少，面积之和仅占福田区城市绿地总面积的14.2%.表2 福田区2015年城市绿地分布情况Tab.2 The distribution of urban green space in Futian District in 2015 hm2城市绿地类型福田区各街道分布情况福保福田华富华强北莲花梅林南园沙头香蜜湖园岭乔木1035.7863.64127.4342.1543.94250.3132.8621.13156.79143.3154.23灌木55.285.6310.220.580.3113.147.800.409.696.600.91草地176.0412.289.092.396.0325.9519.655.4470.8020.683.73乔灌草46.523.339.260.820.1414.452.640.954.908.361.67乔灌37.672.832.073.920.965.250.380.394.3515.731.79乔草38.147.282.081.250.8913.783.830.542.872.842.78灌草9.320.870.230.750.092.930.240.182.031.900.10合计1398.7595.86160.3851.8652.36325.8167.429.03251.43199.4265.21图1 福田区城市绿地的空间分布情况Fig.1 The spatial distribution of urban green space in Futian District这一空间分布特征除与各街道行政区划面积大小相关外，主要与各类公园及绿地的分布情况有关.莲花山公园、香蜜湖公园以及部分没有纳入生态控制线范围内的梅林山体的分布是莲花街道、香蜜湖街道和梅林街道城市绿地面积较大的主要原因；位于沙头街道的深圳高尔夫俱乐部，以及市民中心和深南大道片区公共绿地的分布使得沙头街道和福田街道城市绿地面积较大；由于没有公园分布，仅有少量的道路绿地和零星的社区绿地，南园街道、华强北街道、华富街道和园岭街道的城市绿地面积较少.3.2 福田区城市绿地生态系统服务价值作为城市生态环境的重要组成部分，城市绿地蕴含着巨大的生态服务价值.经核算，2015年深圳市福田区城市绿地生态服务总价值为11 683.41万元，单位面积城市绿地的生态服务价值为8.35万元，人均城市绿地生态服务价值为81.1元.从价值构成来看，固碳释氧功能的价值最高，达4442.3万元，占总价值的38.02%，其中，固定二氧化碳量为17 509.57 t/年，释放氧气量为39 301.5 t/年；其次是涵养水源和调节气候功能，价值量分别为3 778.67万元、2 570.16万元，三者之和占总价值的92.36%；而环境净化、土壤保持、维持生物多样性和景观游憩功能价值相对较小，四者之和占总价值的比例不足8%.从城市绿地的不同类型来看，乔木的生态服务价值最高，达8 712.05万元，占总价值的74.56%；其次是草地，生态服务价值为1 428.79万元，占总价值的12.22%；灌草的生态服务价值最低，仅有76.12万元.从单位面积生态服务价值来看，乔木最大，高达8.41万元/ hm2，而草地最低，仅为8.12万元/ hm2，包含乔木在内的不同绿地结构的生态服务价值均高于单一的灌木和草地类型，即乔木>乔灌>乔草>乔灌草>灌木>灌草>草地.表3 福田区2015年城市绿地生态服务价值评价结果Tab.3 Ecosystem service value of urban green space in Futian District in 2015 万元城市绿地类型土壤保持涵养水源环境净化固碳释氧调节气候维持生物多样性景观游憩总价值单位面积价值乔木127.592798.12256.713292.101903.21228.79105.528 712.058.41灌木2.05149.3413.42175.34101.588.643.99454.348.22草地6.33475.5742.60557.20323.4716.127.501 428.798.12乔灌草3.04125.6711.35147.5585.487.273.36383.728.25乔灌3.02101.769.24119.6169.227.103.28313.238.32乔草3.03103.039.33120.9770.085.962.76315.168.26灌草0.3425.182.2629.5317.131.150.5476.128.17合计145.403778.67344.914442.302 570.16275.03126.9411 683.418.35福田区各街道城市绿地生态系统服务价值量及分布见图2.从图中可以看出，莲花街道城市绿地的生态服务价值最高，为2 692.41万元，占福田区总价值的23.29%；南园街道城市绿地的生态服务价值最低，为239.92万元，仅占福田区总价值的2.08%.由于城市绿地内部结构相似，不同街道城市绿地生态服务价值量的差别主要体现在街道所拥有的城市绿地面积的大小，即莲花街道>沙头街道>香蜜湖街道>梅林街道>福田街道>福保街道>园岭街道>华强北街道>华富街道>南园街道.从人均城市绿地的生态服务功能价值来看，香蜜湖街道最高，达165.07元/人，其次是莲花街道，151.32元/人，南园街道最低，仅20.43元/人.4 结论与讨论基于WorldView-3遥感影像解译结果，本研究分析了深圳市福田区城市绿地的空间分布特征，并对福田区城市绿地的土壤保持、涵养水源、环境净化、固碳释氧、调节气候、维持生物多样性、景观游憩等7项生态服务价值进行评价.结果表明，福田区共有城市绿地1 398.75 hm2，占福田区总面积的17.78%；2015年福田区城市绿地生态系统服务总价值高达11 683.41万元，单位面积城市绿地的生态系统服务价值为8.35万元；城市绿地生态服务价值的大小排序为：固碳释氧、涵养水源、调节气候、环境净化、维持生物多样性、土壤保持、景观游憩；从不同类型城市绿地的单位面积生态服务价值来看，乔木最大，草地最低，具体表现为乔木>乔灌>乔草>乔灌草>灌木>灌草>草地；从各街道分布情况来看，其价值量的差别主要体现为所拥有城市绿地面积的大小，即莲花街道>沙头街道>香蜜湖街道>梅林街道>福田街道>福保街道>园岭街道>华强北街道>华富街道>南园街道.图2 福田区各街道城市绿地生态系统服务价值Fig.2 Ecosystem service value of urban green space in each sub-district in Futian District区别于森林、草地、湿地等自然生态系统，城市绿地系统受人为干扰更为强烈，在自然和人为因素共同影响下的物质流、能量流和信息流更为复杂[34]，鉴于这种复杂性，目前还没有统一的量化方法来评价城市绿地的生态服务价值.福田区作为深圳市的中心城区，其城市绿地大多是通过人工规划和营造而成，与自然状态下的绿地具有一定的差异性，而本研究在选取某些参数时主要参考自然生态系统的相关研究结果，导致城市绿地系统的部分生态服务价值被人为高估.除此以外，城市绿地所提供的生态服务功能不仅局限于文中提到的7个方面，如杀菌、减噪等生态功能，物质产出等经济功能，以及维护人类健康等社会功能均没有被纳入到评价指标体系中.因此，本研究只是应用生态经济学原理对福田区城市绿地的生态服务价值进行粗略与保守估计，但基本可以反映福田区城市绿地主要生态服务功能的价值.同时，选取乡镇街道作为最小核算单元，可以使城市绿地的生态服务价值更加明确，若将各街道范围内城市绿地的面积及价值进行定期动态更新，可以在一定程度上直观反映城市开发建设活动对城市绿地系统的影响与破坏，进而作为领导干部政绩考核和离任审计的重要依据之一.由于城市独特的生态环境，城市绿地的生态服务价值构成也与森林、草地、湿地等自然生态系统显著不同.在福田区城市绿地生态系统中，固碳释氧、涵养水源和调节气候三项生态功能价值构成比例超过92%，而其他几项指标价值所占比例不足8%，由此说明，福田区城市绿地的主要生态服务功能是固碳释氧、涵养水源和调节气候，同时也反映了城市绿地在固碳增汇、涵养水源、缓解城市热岛效应方面潜力巨大.虽然福田区城市绿地的环境净化功能价值比较低，价值构成比例仅为2.95%，但是由于该项功能不具有空间转移性，只能依靠城市系统内部来实现[35]，因此，福田区在今后的城市绿地建设与规划过程中，要重点考虑如何充分发挥城市绿地的环境净化功能.城市绿地系统生态服务功能的高低不仅取决于城市绿地的数量，即面积的大小，更取决于城市绿地的质量，如绿地系统的组成、结构、景观格局以及管理水平等[36].同时，在经济发展与城市建设过程中的一些人类活动将在一定程度上改变绿地生态机体的生存条件，如过多的人为管理和规划将会直接导致绿地植被的同质性特征[36]，对绿地系统的健康构成较大威胁.福田区作为深圳市的中心城区，城市绿化用地极为有限，城市人口迅速增加，公众对于人居环境的需求也在不断提高，因此，不能单纯通过扩大绿地面积来提高城市绿地覆盖率，要适当考虑不用类型城市绿地的空间异质性，通过乔灌草不同植被配置，优化城市绿地结构，增加绿地植物的多样性，维持绿地系统的生态平衡，充分发挥绿地系统的生态服务与功能.参考文献：[1] 祝宁，周洪泽，刘晓丹. 哈尔滨城市绿地景观体系研究[J].环境保护科学，2002， 28(110)：39．ZHU N， ZHOU H Z， LIU X D. Research on the scenical system of greenland in Haerbin[J]. Environmental Protection Science， 2002，28(110):39.(Ch)．[2] 赵煜，赵千钧，崔胜辉，等. 城市森林生态服务价值评估研究进展[J].生态学报， 2009， 29(12):6723-6732．ZHAO Y， ZHAO Q J， CUI S H， et al. Progress in ecological services evaluation of urban forest[J]. Ecologica Sinica， 2009， 29(12):6723-6732.(Ch)．[3] 徐乃雄. 城市绿地与环境[M].北京：中国建材工业出版社，2002．XU N X. The Urban Green Space and the Environment[M]. Beijing: China Building Materials Press， 2002. (Ch)．[4] 韩明臣，李智勇. 城市森林生态效益评价及模型研究现状[J].世界林业研究，2011， 24(2)：42-46．HAN M C， LI Z Y. Ecological benefits evaluation of urban forest and its models[J]. World Forestry Research， 2011， 24(2):42-46. (Ch)．[5] COSTANZA R. The value of the world’s ecosystem services and natural capital[J]. Nature， 1997， 387，243-260．[6] ZOULIA I，SANTAMOURIS M，DIMOUDI A.Monitoring the effect of urban green areas on the heat island in Athens[J].Environmental Monitoring and Assessment， 2009， 156(1-4)：275-292．[7] LARONDELLE N，HAASE D.Urban ecosystem services assessment alonga rural-urban gradient: A cross-analysis of European cities[J].Ecological Indicators， 2013， 29(10)：179-190．[8] 张彪，谢高地，薛康，等. 北京城市绿地调蓄雨水径流功能及其价值评估[J].生态学报， 2011， 31(13)：3839-3845．ZHANG B， XIE G D， XUE K， et al. Evaluation of rainwater runoff storage by urban green spaces in Beijing[J]. Ecologica Sinica， 2011， 31(13):3839-3845.(Ch)．[9] 陈龙，谢高地，盖力强，等. 道路绿地消减噪声服务功能研究——以北京市为例[J].自然资源学报， 2011， 26(9)：1526-1534．CHEN L， XIE G D， GAI L Q， et al. Research on noise reduction service of road green spaces—a case study of beijing[J]. Journal of Natural Resources，2011， 26(9):1526-1534. (Ch)．[10] 徐剑波，刘振华，宋立生，等. 基于遥感的广州市城市绿地生态服务功能评价[J].生态学杂志， 2012， 31(2)：440-445．XU J B， LIU Z H， SONG L S， et al. Evaluation on ecological services of urban green space in Guangzhou City of South China based on remote sensing[J]. Chinese Journal of Ecology， 2012， 31(2):440-445.(Ch)．[11] 柳云龙，朱建青，施振香，等. 上海城市绿地净化服务功能及其价值评估[J].中国人口·资源与环境， 2009(5)：28-32．LIU Y L， ZHU J Q， SHI Z X， et al. Purification services and their value assessment of city green space in Shanghai[J]. China Population Resources and Environment， 2009(5):28-32. (Ch)．[12] 张绪良，徐宗军，张朝晖，等. 青岛市城市绿地生态系统的环境净化服务价值[J].生态学报， 2011， 31(9)：2576-2584．ZHANG X L， XU Z J， ZHANG C H， et al. Environment purification service value of urban green space ecosystem in Qingdao City[J]. Ecologica Sinica，2011， 31(9):2576-2584. (Ch)．[13] 李锋，王如松. 城市绿地系统的生态服务功能评价、规划与预测研究-以扬州市为例[J].生态学报， 2003， 23(9)：1929-1936．LI F， WANG R S. Evaluat ion， planning and predict ion of ecosystem services of urban green space: A case study of Yangzhou City[J]. Ecologica Sinica， 2003， 23(9):1929-1936. (Ch)．[14] 胡小飞，傅春. 南昌城市绿地系统生态调节服务功能价值动态分析[J].江西农业大学学报， 2014， 36(1)：230-237．HU X F， FU C. Dynamic analysis of ecological service function value for urban green space in Nanchang[J]. Acta Agriculturae Universitatis Jiangxiensis， 2014， 36(1):230-237. (Ch)．[15] KUTTLER W，STRASSBURGER A.Air quality measurements in urban green areas-a case study[J].Atmospheric Environment，1999，33(24-25)：4101-4108．[16] HAMADA S，OHTA T.Seasonal variations in the cooling effect of urban green areas on surrounding urban areas[J].Urban Forestry and Urban Greening， 2010， 9(1)：15-24．[17] 康文星，吴耀兴，何介南，等. 城市森林生态系统服务价值指标体系与评价方法[J].林业科学， 2008， 44(12)：129-134．KANG W X， WU Y X， HE J N， et al. Index system and methods for evaluating urban forest ecosystem service value[J]. Scientia Silvae Sinicae，2008， 44(12):129-134. (Ch)．[18] 肖建武，康文星，尹少华，等. 广州市城市森林生态系统服务功能价值评估[J].中国农学通报， 2011， 27(31)：27-35．XIAO J W， KANG W X， YIN S H， et al. Evaluation for Service functionsof urban forest ecosystem in Guangzhou[J] Chinese Agricultural Science Bulletin， 2011， 27(31):27-35．[19] 王洪威，徐建刚，桂昆鹏，等. 城市绿地系统生态服务效能评价及优化研究-以淮安生态新城为例[J].环境科学学报， 2012， 32(4)：1018-1024．WANG H W， XU J G， GUI K P， et al. Study on evaluation and optimization of ecological service efficiency of urban greenbelt system: A case study of Huai’an ecological new town[J]. Scientiae Circumstantiae，2012， 32(4):1018-1024．[20] 张利华，邹波，黄宝荣. 城市绿地生态功能综合评价体系研究的新视角[J].中国人口·资源与环境， 2012， 22(4)：67-71．ZHANG L H， ZOU B， HUANG B R. New perspective of comprehensive evaluation research on urban green space ecosystem[J]. China Population，Resources and Environment， 2012， 22(4):67-71. (Ch)．[21] 欧阳志云，赵同谦，赵景柱，等. 海南岛生态系统生态调节功能及其生态经济价值研究[J].应用生态学报，2004，15(8)：1395-1402．OUYANG Z Y， ZHAO T Q， ZHAO J Z， et al. Ecological regulation services of Hainan Island ecosystem and their valuation[J]. Chinese Journal of Applied Ecology， 2004， 15(8):1395-1402. (Ch)．[22] 张波，史正军，张朝，等. 深圳城市绿地土壤孔隙状况与水分特征研究[J].中国农学通报， 2012， 28(04)：299-304．ZHANG B， SHI Z J， ZHANG C， et al. Study on soil porosity and water characteristics of urban green space in Shenzhen city[J]. Chinese Agricultural Science Bulletin， 2012， 28(4):299-304. (Ch)．[23] 周波，陈旭飞，张聪俐，等. 深圳市光明新区土壤肥力时空演变的主成分分析[J].华南农业大学学报， 2012， 33(4)：448-452．ZHOU B， CHEN X F， ZHANG C L， et al. Principal component analysis of spatial and temporal evolution of soil fertility in guangming new sistrict，Shenzhen city[J]. Journal of South China Agricultural University， 2012，33(4):448-452. (Ch)．[24] 刘树华，李浩，陆宏芳. 鼎湖山南亚热带森林生态系统服务价值动态[J].生态环境学报， 2011， 20(6-7)：1042-1047．LIU S H， LI H， LU H F. Dynamics in ecosystem service values of lower subtropical forest in Dinghushan[J]. Ecology and Environmental Sciences，2011， 20(6-7):1042-1047. (Ch)．[25] 刘凯昌，苏树权，江建发，等. 不同植被类型空气负离子状况初步调查[J].广东林业科技， 2002， 18(2)：37-39．LIU K C， SU S Q， JIANG J F， et al. Investigation of anion content of environment on some types of vegetation[J]. Forestry Science and Technology， 2002， 18(2):37-39. (Ch)．[26] 马新辉，任志远，孙根年. 城市植被净化大气价值计量与评价——以西安市为例[J].中国生态农业学报， 2004， 12(2)：180-182．MA X H， REN Z Y， SUN G N. The calculation and assessment to the values of air purification by vegetation in Xi’ an City[J]. Chinese Journal of Eco-Agriculture， 2004， 12(2):180-182. (Ch)．[27] 马新辉，孙根年，任志远. 西安市植被净化大气物质量的测定及其价值评价[J].干旱区资源与环境， 2002， 16(4)：83-86．MA X H， SUN G N， REN Z Y. The values of vegetation purified air and its measure in Xi’an City[J]. Journal of Arid Land Resources and Environment，[28] 王兵. 广东省森林生态系统服务功能评估[M].北京：中国林业出版社，2011．WANG B. The Value of the Forest Ecosystem Services of Guangdong Province[M]. Beijing:China Forestry Press， 2011. (Ch)．[29] 中国生物多样性国情研究报告编写组.中国生物多样性国情研究报告[M].北京：中国环境科学出版社，1998．The Writing Group of the Research Report on the National Conditions of Chana’s Biodiversity. The Research Report on the National Conditions of China’s Biodiversity[M]. Beijing: China Environmental Science Press，1998. (Ch)．[30] 郭然，王效科，逯非，等. 中国草地土壤生态系统固碳现状和潜力[J].生态学报， 2008， 28(2)：862-867．GUO R， WANG X K， LU F， et al. Soil carbon sequestration and its potential by grassland ecosystems in China[J] Ecologica Sinica， 2008，28(2):862-867. (Ch)．[31] 张彪，高吉喜，谢高地，等. 北京城市绿地的蒸腾降温功能及其经济价值评估[J].生态学报， 2012， 32(24)：7698-7705．ZHANG B， GAO J X， XIE G D， et al. Preliminary evaluation of air temperature reduction of urban green spaces in Beijing[J]. Acta Ecologica Sinica， 2012， 32(24):7698-7705. (Ch)．[32] 谢高地，甄霖，鲁春霞，等. 一个基于专家知识的生态系统服务价值化方法[J].自然资源学报， 2008， 23(5)：911-919．XIE G D， ZHEN L， LU C X， et al. Expert knowledge based valuation method of ecosystem services in china[J]. Journal of Natural Resources，[33] 国家林业局.森林生态系统服务功能评估规范( LY/T 1721-2008) [M].北京：中国标准出版社，2008．SFA. Specifications for Assessment of Forest Ecosystem Services in China( LY/T 1721-2008) [M].Beijing:China Standards Press， 2008. (Ch)．[34] 徐华清，杨水平，陈玉碧，等. 城市绿地生态服务功能价值评估——以北京林业大学为例[J].宁夏农林科技， 2014， 55(02)：48-51．XU H Q， YANG S P， CHEN Y B， et al. Evaluation of ecological service function of urban green space-taking Beijing forestry university as an example[J]. Ningxia Journal of Agriculture and Forestry Science and Technology， 2014， 55(2):48-51. (Ch)．[35] 彭建，王仰麟，陈燕飞，等. 城市生态系统服务功能价值评估初探——以深圳市为例[J].北京大学学报(自然科学版)， 2005， 41(4)：594-604．PENG J， WANG Y L， CHEN Y F， et al. Economic value of urban ecosystem services:a case study in shenzhen[J]. Acta Scicentiarum Naturalum Universitis Pekinesis， 2005， 41(4):594-604. (Ch)．[36] 毛齐正，罗上华，马克明，等. 城市绿地生态评价研究进展[J].生态学报，2012， 32(17)：5589-5600．MAO Q Z， LUO S H， MA K M， et al. Research advances in ecological assessment of urban greenspace[J]. Ecologica Sinica， 2012， 32(17):5589-5600. (Ch)．。
遥感图像分类方法及应用示例
遥感图像分类方法及应用示例遥感技术是通过卫星、飞机等远距离传感器获取地表信息的一种技术手段。
遥感图像分类是遥感技术中的一项重要任务，它可以将遥感图像中的像素按照其特征进行分类，并生成分类结果。
本文将介绍遥感图像分类的方法，并给出一些应用示例。
一、遥感图像分类方法1. 基于像元的分类方法基于像元的分类方法是将遥感图像中的每个像素点看作一个样本进行分类，通过像素点的光谱特征来确定其所属类别。
常见的方法有最大似然法、支持向量机等。
最大似然法是一种基于统计学原理的分类方法，它通过求解样本的概率密度函数来确定像素点的类别。
支持向量机是一种基于样本间距离的分类方法，它通过构建超平面将不同类别的样本分开。
2. 基于对象的分类方法基于对象的分类方法是将遥感图像中的像素组成的对象进行分类，通过对象的形状、纹理等特征来确定其所属类别。
常见的方法有基于区域的分割和基于对象的分类。
基于区域的分割将遥感图像中的像素按照相似性进行分组，形成具有相同特征的区域。
基于对象的分类是在分割得到的区域基础上，通过提取区域的特征来确定其所属类别。
3. 基于深度学习的分类方法随着深度学习技术的发展，基于深度学习的分类方法在遥感图像分类中得到了广泛应用。
深度学习通过构建深层神经网络模型，可以自动学习遥感图像中的特征表示。
常见的方法有卷积神经网络（CNN）、循环神经网络（RNN）等。
卷积神经网络可以有效地提取图像的空间特征，循环神经网络可以捕捉图像序列的时序特征。
二、遥感图像分类的应用示例1. 农作物类型分类农作物类型分类是农业生产中的重要任务，可以帮助农民了解农田的分布情况和种植结构，指导农作物管理和精细化农业。
通过遥感图像分类方法，可以将农田遥感图像中的不同农作物进行分类，比如小麦、玉米、水稻等。
这样可以帮助农民进行农作物识别和农田监测，提高农业效益。
2. 土地利用分类土地利用分类是城市规划和土地资源管理中的重要任务，可以帮助决策者了解土地利用的分布情况和变化趋势，指导城市规划和土地资源开发。
面向对象的遥感影像信息提取方法研究
面向对象的遥感影像信息提取方法研究
曹小鸿
【期刊名称】《测绘与空间地理信息》
【年(卷),期】2022(45)5
【摘要】近年来,基于遥感影像的面向对象信息提取方法得到了快速发展。
本文对相关文献进行综述统计,首先阐述了面向对象信息提取方法的研究进展及应用领域;然后给出了信息提取的技术流程,总结了对象生成、规则集构建、影像分类等关键技术及其存在的问题;最后对面向对象技术的发展趋势进行了展望。
【总页数】5页(P116-119)
【作者】曹小鸿
【作者单位】三和数码测绘地理信息技术有限公司
【正文语种】中文
【中图分类】P237
【相关文献】
1.面向对象的遥感影像水田信息提取方法研究
2.基于面向对象的遥感影像空间信息提取方法研究
3.基于规则面向对象的遥感影像分类方法在信息提取中的应用
4.一种面向对象的高分辨率遥感影像信息提取方法
5.面向对象的遥感影像地物信息提取方法研究
因版权原因，仅展示原文概要，查看原文内容请购买。
面向对象的遥感影像信息提取
面向对象的遥感影像信息提取摘要：随着遥感技术的不断发展，遥感影像的分辨率不断的提高，如何对遥感影像中的地物信息进行高效、快速的提取，是当前研究的热点问题。
面向对象的方法先对影像进行多尺度分割得到同质区域对象，充分利用遥感影像中丰富的光谱、形状、纹理等特征对分割后的对象进行分类。
面向对象的遥感信息提取的方法克服了传统的基于像元的分类方法只依靠光谱信息的缺点，更高效的获取地物信息，得到更高精度的分类结果。
关键词：多尺度分割、分类、遥感影像、面向对象Abstract：With the continuous development of remote sensing technology, the resolution of remote sensing image is constantly improving. How to efficiently and quickly extract the ground object information in remote sensing image is a hot issue in current research. The object oriented method firstly segmented the image to obtain the homogeneous region object, and made full use of the rich spectral, shape, texture and other features of remote sensing image to classify the segmented object. The object-oriented remote sensing information extraction method overcomes the shortcoming of the traditional classification method based on pixel which only relies on spectral information, and obtains the ground object information moreefficiently and gets the classification result with higher precision.Key word：Multi-scale segmentation、classification、remote sensing image、object oriented.1引言利用面向对象的信息提取技术，可以更好掌握实际生产生活中地物变化情况，以及土地利用等情况，能够为国土空间规划、土地利用调查、资源普查、交通规划、生态旅游发展等工作提供有力的数据支撑。
面向对象的遥感影像分类技术
随着遥感技术的发展，高分辨率影像 越来越普及。面向对象分类方法能够 更好地适应高分辨率影像的特点，提 取出更多的地物细节信息。
02
遥感影像数据预处理
遥感影像数据来源及特点
来源
卫星、飞机、无人机等遥感平台获取 的影像数据。
特点
具有多源性、多时相性、多光谱性、 高分辨率等特点。
数据预处理流程
总结与展望
研究成果总结
01
面向对象遥感影像分类技术的优势
通过面向对象的方法，遥感影像分类技术能够更有效地提取地物特征，
降低分类误差，提高分类精度。
02
关键技术的突破
在特征提取、对象构建、分类器设计等方面取得了重要突破，推动了遥
感影像分类技术的发展。
03
多样化应用场景的实现
面向对象遥感影像分类技术已广泛应用于土地利用/覆盖分类、城市规
04
数据融合技术
将多源、多时相、多光谱的遥感影像 数据进行融合，提高影像数据的空间 分辨率和光谱分辨率。
03
面向对象分类方法原理及实现
面向对象分类方法的基本原理
对象的概念
01
在遥感影像中，对象是指具有相似光谱、纹理、形状等特征的
像素集合。
分层结构
02
面向对象分类方法通过构建分层结构，将影像划分为不同尺度
动态交互可视化
利用GIS等空间分析工具，实现分类结果的动态交互可视化，支持用 户自定义查询、分析和展示。
算法优化与改进方向
特征提取与选择
研究更有效的特征提取方法，如深度学习、纹理分析等， 提高分类器的性能；同时，针对特定应用需求，选择合适 的特征组合进行优化。
上下文信息利用
充分挖掘和利用遥感影像中的上下文信息，如空间关系、 地物形状等，提高分类的准确性；研究基于图模型、条件 随机场等方法的上下文建模技术。
高空间分辨率遥感图像面向对象深度学习分类方法研究
架网络，将 SE 结构嵌入到 Inception 模块中以重建特征通道之间的关系，实现
多尺度卷积特征加权融合。此外，针对 HSR 影像上地物尺度多样性问题，设计
I
摘要
了多尺度分类融合策略，并通过主体投票的方式获取最终分类结果。对于多源
multi-scale classification information fusion and other technical issues. The main
work of this paper was as follows:
(1) A new technology of OBIA named Region-line Primitive Association
application. Besides, the object-oriented classification technology mainly uses the
spectrum, texture, shape and other shallow objects features explicitly, which make it
高分辨率遥感影像的分类实验验证了 OSA-CNN 的有效性和精度优势。
（3）将深度学习分类和 RLPAF 规则类进行技术融合，形成了面向对象
深度学习多级分类方法。首先利用 OSA-CNN 监督分类划分一级类别，并根据
不同地物的层次结构与多级分类的继承原则，在一集类别范围内进行二级
RLPAF 规则分类，获得最终分类结果。论文以水上典型人工地物——码头提取
Framework，RLPAF）的新型 OBIA 技术方法体系。RLPAF 将基元类型扩充为
面向对象的遥感影像分类技术
面向对象分类的 基本原理
面向对象分类的基本概念
面向对象分类： 将遥感影像分割 为多个对象，每 个对象具有相同 的属性和特征
基本原理：通过 分析遥感影像的 纹理、颜色、形 状等特征，将具 有相似特征的像 素划分为同一个 对象
优势：能够更好 地处理遥感影像 中的噪声和异物， 提高分类精度
应用领域：广泛 应用于土地覆盖 分类、灾害监测、 环境监测等领域
遥感影像分类技术的分类方法
监督分类：利用已知类别的样本进行训练，然后对未知类别的影像进行分类
无监督分类：无需已知类别的样本，直接对影像进行分类
半监督分类：结合监督分类和无监督分类的方法，提高分类准确性
深度学习分类：利用深度学习技术，如卷积神经网络（CNN）、循环神经网络（RNN）等，进行 遥感影像分类
技术发展对策与建议
加强技术研发，提高分类精度和速度 拓展应用场景，如农业、环保、城市规划等领域 加强与其他领域的交叉学科合作，如人工智能、大数据等 制定相关政策和标准，推动技术发展和应用
感谢您的观看
汇报人：XX
在林业领域的应用
森林资源调查：通过遥感影像分类技术，可以快速准确地获取森林资源的分布、面积和种类等信息。
森林健康监测：通过对遥感影像的分析，可以及时发现森林的病虫害、火灾等灾害，并采取相应的 措施。
森林资源管理：通过遥感影像分类技术，可以评估森林资源的利用情况，为森林资源的保护和管理 提供依据。
选择分类器的依据：数据集的大小、 特征的复杂性、计算资源的限制等
分类结果后处理与优化
后处理方法：平 滑、滤波、边缘 检测等
优化策略：调整参 数、选择合适的分 类器、融合多种分 类方法等
评价指标：精度、 召回率、F1值等
遥感图像分类技术在测绘中的应用案例
遥感图像分类技术在测绘中的应用案例测绘是指通过对地球表面进行测量和记录来获取地理空间数据的一种技术与科学领域。
随着遥感技术的快速发展和普及应用，遥感图像分类技术在测绘中的应用案例也日益增多。
一、土地利用分类土地利用分类是测绘中常见的任务之一。
传统的土地利用分类通常基于田块边界等一些基本特征，但这种方法往往效率低且容易出错。
而遥感图像分类技术能够有效地从大范围的图像数据中提取地物的空间分布和特征，可以更准确地对土地利用进行分类。
以某区域的土地利用为例，通过使用遥感图像分类技术，可以将土地根据不同的利用类型进行分类，如农田、建筑用地、森林等。
这样的分类结果可以为城市规划、农田管理等提供重要的参考信息。
二、水域提取水域提取是测绘中的另一个重要任务。
传统的水域提取方法通常基于人工目视解译，这种方法耗时且容易受到主观因素的影响。
而利用遥感图像分类技术，可以自动地从图像数据中提取出水域信息。
以某湖泊的水域提取为例，通过使用遥感图像分类技术，可以将湖泊的水域与周围的陆地进行有效地区分。
这样的分类结果可以为湖泊保护、水资源管理等提供重要的参考信息。
三、植被覆盖度评估植被覆盖度评估是测绘中的常见任务之一，对于生态环境研究以及林业、农业等领域有着重要的意义。
传统的评估方法通常采用野外调查和人工计数，这种方法耗时且容易受到人为误差的影响。
而利用遥感图像分类技术，可以自动地从图像数据中提取出植被信息，并计算出植被覆盖度。
以某地区的植被覆盖度评估为例，通过使用遥感图像分类技术，可以将植被与其他地物进行有效地区分，进而计算出该地区的植被覆盖度。
这样的评估结果可以为生态环境保护、林业经营等提供重要的参考信息。
四、地表温度提取地表温度的提取是测绘中的另一个重要任务，对于气候研究、城市热岛效应分析等具有重要意义。
传统的温度提取方法往往需要大量的人力和物力投入，而利用遥感图像分类技术，可以自动地从图像数据中提取出地表温度信息。
以某城市的地表温度提取为例，通过使用遥感图像分类技术，可以将不同地表材质的温度进行有效地区分。
遥感影像空谱特征提取与分类方法研究
遥感影像空谱特征提取与分类方法研究一、概述随着遥感技术的飞速发展，遥感影像在地理信息获取、环境监测、城市规划等领域发挥着越来越重要的作用。
遥感影像通常具有丰富的空间信息和光谱信息，如何从这些海量的数据中有效地提取出有用的信息并进行准确的分类，是当前遥感领域研究的热点和难点问题之一。
研究遥感影像的空谱特征提取与分类方法，对于提高遥感影像的解译精度和效率，推动遥感技术的应用和发展，具有重要的理论价值和现实意义。
空谱特征提取是遥感影像处理中的关键步骤，其目的是从遥感影像中提取出反映地物本质属性的特征信息。
空间特征主要描述了地物在影像中的空间分布和几何形态，如纹理、形状、大小等而光谱特征则反映了地物在不同波段上的反射或辐射特性，是遥感影像分类的重要依据。
如何有效地融合空间特征和光谱特征，提高遥感影像的分类精度，一直是遥感领域的研究重点。
目前，遥感影像的分类方法主要包括基于像素的分类和面向对象的分类。
基于像素的分类方法主要依赖于像素的光谱信息，通过设定阈值或构建分类器来实现影像的分类。
这种方法简单易行，但忽略了像素间的空间关系，容易导致“同物异谱”和“异物同谱”现象的产生，从而影响分类精度。
面向对象的分类方法则是以影像中的对象为基本处理单元，充分利用对象的空间信息和光谱信息进行分类。
这种方法能够更好地描述地物的实际特征，提高分类的准确性和效率。
本文旨在研究遥感影像的空谱特征提取与分类方法，通过融合空间特征和光谱特征，提高遥感影像的分类精度和效率。
本文首先将对遥感影像的空谱特征提取方法进行深入研究，探讨不同特征提取方法的优缺点和适用范围本文将研究面向对象的分类方法，包括对象分割、特征提取和分类器构建等关键步骤本文将通过实验验证所提方法的有效性和优越性，为遥感影像的分类提供新的思路和方法。
1. 遥感影像的重要性及其在地球观测中的应用遥感影像，作为现代地球观测技术的重要组成部分，以其独特的视角和强大的信息提取能力，对地球科学的深入研究和人类社会的持续发展具有重大意义。
基于GLC面向对象遥感影像分类方法的研究与应用
Ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ ａ ｎ ｄ Ａｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｏ ｆ Ｏｂ ｊ ｅ ｃ ｔ － — － Ｏｒ ｉ ｅ ｎ ｔ ｅ ｄ Ｒｅ ｍｏ ｔ ｅ
ｔ ｉ ｏ ｎ，ｗ ｈ ｉ ｃ ｈ ｉ ｓ ｕ ｓ ｉ ｎ ｇ ｓ ｉ ｍｐ ｌ ｅ ｘ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｆ ｏ ｒ ｃ ｌ ａ ｓ ｓ ｉ ｆ ｙ ｉ ｎ ｇ ａ ｎ ｄ ｍａ ｋ ｅ ｓ ｉ ｔ ｄ ｉ ｆ ｉ ｆ ｃ ｕ ｌ ｔ ｔ ｏ ｓ ｏ ｌ ｖ ｅ ｔ ｈ ｅ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｏ ｆ“ｔ ｈ ｅ ｓ ａ ｍｅ ｌ ｉ ｇ ｈ ｔ ｗｉ ｈ ｔ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｔ
较 高层次里 实现 了地物信息的提取 ， 在减 少信 息遗 失的同时提 高了分 类精度 。本文主要介绍 了面向对 象遥感 影 像分类技术的基本原理和方法 ， 并对 Ｃ ５ ． ０决策树分类算法进行 了改进和研 究， 构造 出新的分 类器 Ｇ Ｌ Ｃ决 策树 ． 之后又基 于该分类 器对遥感影像进 行面向对象分类， 将结果与基 于像元分类和使 用 Ｓ Ｖ Ｍ 面向对象分类结果进 行 对 比分析 ， 从 而验证 了经过改进的 Ｃ ５ ． ０算法应 用于面向对 象遥感影像分类的准确性 和有效性 。 关键词 ： 遥感影像分类 ； Ｇ Ｌ Ｃ决策树分类 ； 面向对 象； Ｃ ５ ． ０算法
ｓ ｐ ｅ ｃ ｔ ｒ ｕ ｍ’ ’ａ ｎ ｄ“ ｔ ｈ ｅ ｓ ａ ｍｅ ｓ ｐ ｅ ｃ ｔ ｒ ｕ ｍ ｗ ｉ ｔ ｈ ｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｔ ｏ ｂ ｊ ｅ ｃ ｔ ” ．Ｔ ｕ ｒ ｎ ｉ ｎ ｇ ｔ ｏ ｗ ａ ｒ ｄ ｓ ｔ ｈ ｅ ｓ ｈ ａ ｐ ｅ．ｔ ｅ ｘ ｔ ｕ ｒ ｅ ａ ｎ ｄ ｏ ｔ ｈ ｅ ｒ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｉｓ ｒ ｔ ｉ ｃ ｓ ｏ ｆ ｔ ｈ ｅ ｔ ａ ｒ ｇ ｅ ｔ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ｏ ｆ ｔ ｈ ｅ ｏ ｂ ｊ ｅ ｃ ｔ —ｏ ｉ ｒ ｅ ｎ ｔ ｅ ｄ ｃ ｌ ａ ｓ ｓ ｉ ｉ ｆ ｃ ａ ｔ ｉ ｏ ｎ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ，ｉ ｔ ｒ ｅ ａ ｌ ｉ ｚ ｅ ｓ ｔ ｈ ｅ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｏ ｐ ｏ ｇ ｒ ａ ｐ ｈ ｉ ｃ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ｉ ｎ ａ ｈ ｉ 【 ｇ ｈ ｅ ｒ ｌ ｅ ｖ ｅ ｌ ａ ｎ ｄ ｎ ｏ ｔ ｏ ｎ ｌ ｙ
基于面向对象的高分辨率影像的森林植被变化信息提取研究
第 ２ 卷第 ４ ９ 期
２１ ０ ０年 １ １月
中 南 林 业 调 查 规 划
Ｃ ＥＮＴＲＡＬ Ｓ ＯＵＴＨ ０ＲＥＳ ＮＶＥＮ１ Ｆ ＴＩ ＤＲＹ ＡＮＤ ＬＡＮＮＩ Ｐ ＮＧ
பைடு நூலகம்
Ｖｏ ．９ Ｎｏ４ １ ． ２ ＮＯ ． ０ Ｏ Ｖ２ ｌ
基于 面向对 象的高分辨率影像 的 森林植被变化信息提取研究
ｏ ｆ ｅｔｖｇｔｔｎ ｃａｇｓ ｉ ｏ ａ ｏ ａｅ ｎ Ａ Ｏ ａ ｙ ｕｉ ｂｅｔｏｉ ｔ ｌ ｓ ｃｔｎ ｆ ｏ ｓ ｅｅ ｉ ｈｎ ｅ ｎ ｒ ｔｎ ｂ ｓｄ ｏ Ｌ Ｓ ｄｔ ｂ ｓ ｇ ｏｊｃ— ｒ ｎｅ ｃ ｓｉ ａ ｏ ， ｒ ａｏ ｆ ｍ ｉ ａ ｎ ｅ ｄ ａ ｆ ｉ ｉ
Ｋ ｙ ｗ ｒｓ Ｌ Ｓ ｄｔ；ｂ ｃ－ ｏｉ ｔ ｔｏｏ ｇ ；Ｃ ｇｉｏ ； ｔ ｃｏ ｆｆｒ ｔｖｇｔ ｉ ｈｎ ｅ ｅ ｏｄ：Ａ Ｏ ａ ｏｊ ｔ ｒ ｎ ｄ ｍｅ ｄｌ ｙｅ ｏｎｔｎ ｅ ｒ ｔｎ ｏ ｏｅ ｅｅ ｔ ｎ ｃ ａｇｓ ａ ｅ ｅｅ ｈ ｏ ｉ ｘａｉ ｓ ａｏ
邢 元 军 ， 旦 增
（． １ 国家林业局中南林业调查规划设计院， 长沙 ４ ０ １ ； 西藏 自 １０ ４Ｚ 治区林业调查规划研究院 ， 萨 ８ ００ ） 拉 ５０ ０
摘 要： 如何利用遥感技 术获取森林植被 变化信 息是遥感应 用的重要领域之 一。基于 Ａ Ｏ Ｌ Ｓ高空 间分辨
如何使用遥感技术进行植被类型分类
如何使用遥感技术进行植被类型分类遥感技术是一种利用遥感传感器获取地面信息的技术。
在生态环境保护和植被资源管理中，遥感技术具有重要的应用价值。
本文将探讨如何使用遥感技术进行植被类型分类。
植被类型分类是指根据植被的生长状态、叶片颜色等特征将地表植被划分为不同的类型。
通过植被类型分类，可以提供给决策者关于植被分布、变化和生态系统健康状况的信息。
遥感技术可以通过获取遥感影像数据，结合地面观测和地理信息系统等技术手段，准确地对植被类型进行分类。
首先，遥感数据的获取是进行植被类型分类的基础。
遥感数据主要包括航空遥感和卫星遥感数据。
卫星遥感数据具有广域覆盖、周期性观测等特点，在大范围植被分类中应用广泛。
而航空遥感数据具有高分辨率、立体视角等优势，在小范围植被分类中具有较高的精度。
根据实际需求和预算，选择适合的遥感数据来源是进行植被分类的第一步。
其次，遥感图像预处理对于提取植被类型特征非常重要。
预处理主要包括辐射校正、几何校正和大气校正等步骤。
辐射校正可以消除遥感图像中的辐射噪声，确保图像中的亮度值具有比较一致的物理意义。
几何校正对遥感图像进行几何变换，使其能够与地理坐标系统一致，以便后续的空间分析。
大气校正是针对卫星遥感图像，对图像中的大气扰动进行校正，减少大气影响对植被类型分类的影响。
然后，植被类型分类涉及到特征提取方法的选择。
常用的特征提取方法包括基于光谱信息的方法、基于纹理信息的方法和基于结构特征的方法。
基于光谱信息的方法利用遥感图像中不同波段的反射率差异来识别植被类型。
基于纹理信息的方法通过计算遥感图像的像素值之间的空间关系来提取纹理特征，从而区分不同类型的植被。
基于结构特征的方法则利用植被的形态特征来进行分类，比如植被的形状、大小等。
根据实际需求和遥感数据的特点，选择合适的特征提取方法对植被类型进行分类。
最后，分类算法是进行植被类型分类的关键。
常用的分类算法包括最大似然法、支持向量机和人工神经网络等。
遥感图像分类技术在土地利用管理中的应用方法
遥感图像分类技术在土地利用管理中的应用方法随着社会经济的不断发展和人口的不断增加，土地资源的合理利用变得尤为重要。
而遥感图像分类技术作为一种先进的工具，已经被广泛应用于土地利用管理中。
本文将探讨遥感图像分类技术在土地利用管理中的应用方法，并分析其优势和挑战。
一、遥感图像分类技术概述遥感图像分类技术是指利用遥感影像数据，通过计算机算法对地表进行分类，将不同的地物或地表覆盖类型划分为不同的类别。
通过图像分类，可以了解土地利用情况，判断土地的功能和利用方式，为土地规划和管理提供科学依据。
二、土地利用分类系统构建方法在进行土地利用分类前，首先需要构建分类系统。
分类系统是根据土地利用的目标和需要，将土地按照不同的属性进行分类划分的一种方法。
在构建分类系统时，可以参考现行的土地利用分类标准，并根据实际需要进行适当的修改。
分类系统的构建需要综合考虑土地的地理位置、土地利用类型、土地利用方式等因素。
三、遥感图像预处理方法在进行遥感图像分类之前，还需要进行一系列的预处理工作。
常见的遥感图像预处理方法包括辐射校正、大气校正、几何校正等。
辐射校正是将遥感图像的数字计数值转换为真实的辐射亮度值，以消除光谱间的差异。
大气校正是通过对图像中的大气散射和吸收进行修正，以提高图像质量。
几何校正是对图像的几何位置进行调整，以消除因图像采集或传感器摆放不准确引起的位置误差。
四、遥感图像分类方法遥感图像分类主要分为监督分类和非监督分类两种方法。
监督分类是根据已知样本进行分类，通过对图像的地物进行标记，然后采用分类算法进行分类。
常见的监督分类算法包括最大似然分类、支持向量机分类、随机森林分类等。
非监督分类是不需要事先标记样本，通过利用图像中的统计特性进行分类。
非监督分类的常见方法有像素聚类、K-means聚类等。
五、遥感图像分类结果评价方法遥感图像分类的准确性评价对于土地利用管理至关重要。
常见的分类结果评价指标包括精度、召回率、Kappa系数等。
遥感影像分类方法比较研究
遥感影像分类方法比较研究一、本文概述随着遥感技术的迅速发展，遥感影像已成为地理信息系统、环境科学、城市规划等领域获取地表信息的重要手段。
遥感影像分类作为遥感技术应用的关键环节，其准确性和效率直接影响到后续的信息提取和应用。
研究遥感影像分类方法，对于提高遥感数据处理能力，促进遥感技术的广泛应用具有重要意义。
本文旨在比较研究不同遥感影像分类方法的特点、优势与局限性，以期在理论层面为遥感影像分类提供方法论的参考。
文章首先将对遥感影像分类的基本概念、分类体系进行阐述，为后续的比较研究奠定基础。
接着，文章将详细介绍几种主流的遥感影像分类方法，包括基于像元的分类方法、面向对象的分类方法、深度学习分类方法等，并对各方法的原理、实现步骤进行深入剖析。
在此基础上，文章将通过实验数据，对各分类方法的性能进行评估和比较，分析各方法的优劣和适用场景。
文章将总结遥感影像分类方法的发展趋势，展望未来的研究方向和应用前景。
通过本文的研究，旨在提高遥感影像分类的准确性和效率，推动遥感技术在各个领域的应用发展。
也为遥感领域的学者和实践者提供有益的参考和借鉴。
二、遥感影像分类方法概述遥感影像分类是遥感技术应用的重要领域之一，其目的在于通过对遥感影像的解译和分析，识别并区分地表上的不同特征和目标。
随着遥感技术的发展和进步，遥感影像分类方法也在不断更新和完善。
目前，遥感影像分类方法主要分为监督分类、非监督分类和深度学习分类等几种。
监督分类是基于已知训练样本进行分类的方法。
它通过选择具有代表性的训练样本，提取其特征并构建分类器，然后利用该分类器对整个遥感影像进行分类。
常见的监督分类方法包括最大似然分类、支持向量机分类、决策树分类等。
这些方法在遥感影像分类中具有较高的精度和稳定性，但需要大量的训练样本和先验知识。
非监督分类是基于影像内部像素之间的相似性进行分类的方法。
它不需要先验知识和训练样本，而是根据像素之间的统计特征或空间关系进行聚类分析，将具有相似性质的像素归为一类。
面向对象分类方法及其在农作物面积提取中的应用
hshape = wcmpct × hcmpct + (1 − wcmpct ) × hsmooth
（王启田等,2008年;张建国,2008年;陈春雷等,2011年;王启田等,2008年;黄帅等,2011年）
紧凑度 hcmpct 和光滑度 hsmooth 取决于总的像元数n，多边形周长l与同面积 多边形的最小边长b。对象合并前用Obj1和Obj2表示、合并后用Merge表 示。
实验数据：SPOT 5 HRG遥感数据 , Pan分辨率：2. 5米，多光谱分辨率： 10 米 分类规则：NDVI阈值,近红外光谱值 分类方法：隶属函数 表2 多尺度分割参数
（陈燕丽等,基于面向对象分类的南方水稻种植面积提取方法,2011年）
基于面向对象分类的南方水稻种植面积提取方法 基于面向对象分类的南方水稻种植面积提取方法 面向对象分类的南方水稻种植
刘建华等2009年椒盐效应不能有效提高精度费时费力成本高传统分类方法自动智能化不足面向对象分类方法新的分类方法知识驱动数据驱动基于影像对象的分类方法分析待处理影像分析待处理影像分割方法分割方法分割参数设置分割参数设置执行分割执行分割影像对象影像对象分割评价影像分割影像分割不合格合格不合格分析影像对象信息分析影像对象信息特征属性特征属性分类规则分类规则建立各地物分类规则建立各地物分类规则执行分类生成分类结果执行分类生成分类结果分类方法分类方法分类精度评价合格面积计算精度检验面积计算精度检验提取目标对象提取目标对象不合格特征分析与选择特征分析与选择影像分类影像分类面向对象分类方法面积提取流程区域增长区域增长分裂合并混合法分裂合并混合法确定若干种子点或种子区域对邻域像元进行判别并连接默认子区域为整幅图像如果该区域同质性程度较差分裂为若干子区域合并同质性最相近子区域分割出同质性最相近的区域刘建华毛政元2009年
面向对象的遥感影像分类方法在土地覆盖中的应用
根据高分辨率遥感影像的特点 ，面向对 象的遥感影像分类方法 应运而生。与其它传
统的基于像元的影像处理方法相 比较 ， 面向对 象的影像信息提取 的基本处理单元是有意义
空间信 息 建立模糊逻辑的知识库， 进行信息提 取。因此， 构造一个优秀的模糊分类器是信息
提 取的关键 。
１ 多尺度分割 ＿ １ 多尺度分割的方法考虑 了地表实体或过
父对象和子对象 ， 这样就又会衍生出类相关等
特征。 本文利用了面 向对象的分类思想 ， 利用 ｅ ｏｎｔ ｎ Ｃ ｇｉｏ 软件在对遥感影像进行多尺度分割 ｉ
对象集合 了 像元的光谱信息 、 此像元与周围像
元的关系信 息等。 多尺度分割的突出贡献是同
一
Ｌ ｖ ｌ ５ ｅ ｅ２ ０
Ｌｅ ｅ ３ ２０ ｖ ｌ Ｌｅ ｅ４ １ ｖ１ ５
的挑战。面向像素分类法是传统的分类方法 ， 在技术和应用上都已经很成熟 ， 主要包括非监 督分类和监督分类 ， 近年来人们又研究出了新
的分类方法和分类理论 ， 比如模糊分类 、 神经 网络等提高了分类的精度 ， 但是无法摆脱基于 像元 的局限性 ，对于高分辨率 的遥感影像来
影像对象的属性信 息， 以影像对象为信息提取
０ ６ ９
表 ２多尺度分割影像特征提取 的类与规则
父对象 子对象 （ｕ — ｂ ｃ） ｓｂ ｏｊ ｔ ｅ
的 空 间 尺 度 上 就
上便可以针对地物不同特点使用均值 、 拓扑 关系及对象间语义关系等特征。 具体规则的 建立考虑了各层次类型的规则建立 、 内子 层 类型对父类型的继承与对 每一层分类结果 进行合并与传 “ Ｊ 。 本文构建四个信息提取层 ， 同影像对 不
展 的必 然要 求 日 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
硕士学位论文
面向对象遥感影像分类方法及其应用研究——以深圳市福田区
植被提取为例
姓名:汪求来
申请学位级别:硕士
专业:森林经理学
指导教师:佘光辉
20080601
面向对象遥感影像分类方法及其应用研究——以深圳市福田
人工神经网络(ANN)分类法是一种非参数的分类方法,具有良好的适应能力和复杂的映射能力,能实现非线性的数据模式识别,比之基于传统统计理论的分类方法,它无须事先假定或估计目标的概率分布函数,故在进行以数据量多、含混度高著称的遥感影像的分类处理时,该方法能获得很好的分类结果和精度。其次,神经网络方法能够有效地结合高分辨率影像的光谱和纹理特征,充分地利用影像的光谱和空间信息,有望提高分类精度。
6.学位论文谭莹翁源县基于纹理信息及CART决策树技术的遥感影像分类研究2008
遥感科学技术的形成与发展,以及与全球定位系统等地理信息系统科学的融合、渗透和统一,形成了新型的对地观测系统,为林业科学研究提供了全新的科学方法和技术手段,其生产意义和社会经济效益是不言而喻的。
传统的基于像素光谱信息分类的方法仅依靠影像中的光谱信息进行分类,会出现很多的误分和错分。特别是在面对高分辨率遥感影像分类时,显得力不从心,所得的精确度远远达不到生产的要求。大量实验研究表明,只依靠光谱信息来解决遥感中的地类分类是远远不够的。遥感影像中还蕴含着地类的细节纹理信息。我们可以结合光谱信息及纹理信息来进行有效的分类。
8.学位论文游丽平面向对象的高分辨率遥感影像分类方法研究2007
随着高分辨率影像的应用越来越普及,迫切要求人们对高分辨率遥感信息提取进行研究,以满足高分辨率影像信息不断增长的应用和研究需要。然而,传统面向像元的分类方法在对高分辨率遥感影像进行分类时,存在着不能充分利用影像信息、分类精度降低、速度慢等局限性,根据高分辨率遥感影像的特点,本文提出面向对象的高分辨率遥感影像分类方法研究。
7.期刊论文李爽.丁圣彦.钱乐祥决策树分类法及其在土地覆盖分类中的应用-遥感技术与应用2002,17(1)
基于决策树分类算法在遥感影像分类方面的深厚潜力,探讨了3种不同的决策树算法(UDT、MDT和HDT).首先对决策树算法结构、算法理论进行了阐述,然后利用决策树算法进行遥感土地覆盖分类实验,并把获得的结果与传统统计分类法进行比较.研究表明,决策树分类法有诸多优势,如:相对简单、明确、分类结构直观,另外,与以假定数据源呈一固定概率分布,然后在此基础上进行参数估计的常规分类方法相比,决策树属于严格"非参",对于输入数据空间特征和分类标识具有更好的弹性和鲁棒性(Robust).
2、分析待分类的特征数据和研究区域的地物特征,选取训练样本、设定BP网络结构,并采用训练样本归一化预处理、引入动量因子、设定各层不同的学习率和调整网络结构等方法对BP算法进行改进,以保证训练的稳定性和提高收敛速度。基于ENVI平台和IDL语言编写了BP神经网络分类及精度评定的计算机程序,实现了研究区域QuickBird影像的BP神经网络分类。研究结果表明:结合高分辨率影像的光谱和纹理信息后,BP神经网络分类的精度得到提高,其分类总体精度达到93%以上,且Kappa系数超过0.9。
为解决这一传统难题,模糊分类技术应运而生。模糊分类是一种图像分类技术,它是把任意范围的特征值转换为0到1之间的模糊值,这个模糊值表明了隶属于一个指定类的程度。通过把特征值翻译为模糊值,即使对于不同的范围和维数的特征值组合,模糊分类能够标准化特征值。模糊分类也提供了一个清晰的和可调整的特征描述。
本文采用面向对象的影像分类方法。考虑了对象的不同特征值,例如光谱值,形状和纹理。结合上下文关系和语义的信息,这种分类技术不仅能够使用影像属性,而且能够利用不同影像对象之间的空间关系。在对诸多对象进行分类后,在进行精度分析。在此研究提出了一种面向对象的方法结合模糊理论把许多的对象块分成不同的类别。这一过程主要有两个步骤:第一个步骤是分割。图像分割将整个图像分割成若干个对象,在对所有对象进行分类,在这个过程中,分割尺度的选择会影响到后续的分类结果和精度;第二个步骤是分类。在这个步骤中,特征值的选择和隶属度函数的选择都对分类结果有着至关重要的影响。完成分类后,可以进行土地变换检测等后续工作。
在分类方法的选择上,决策树分类法已被应用于许多分类问题,但应用于遥感分类的研究成果并不多见。决策树分类法具有灵活,直观,清晰,强健,运算效率高等特点,在遥感分类问题上表现出巨大优势。本次论文中以广东省翁源县的Landsat TM/ETM+遥感影像为研究数据源。利用决策树算法,加入提取的纹理信息进行遥感地类分类,并把获得的结果与传统的最大似然法进行分类进行比较。结果表明:在卫星影像的整体分类精度上,决策树分类技术要优于最大似然法,加入纹理信息的分类方法能有效提高分类精度。相对于最大似然分类,决策树的树状分类结构对数据特征空间分布不需要预先假设某种参数化密度分布,所以其总体分类精度优于传统的参数化分类精度。
3、采用BP神经网络法和最大似然法进行对比试验。研究表明:BP神经网络分类方法能区分出最大似然法无法区别的地物,其分类结果图的整体质量更好,且其分类总体精度和Kappa系数均略大于最大似然法对应的参数,从而验证了BP神经网络分类法优于最大似然分类法,前者更适用于一般区域的分类处理和信息提取。
本文结合高分辨率影像的光谱和纹理特征,采用BP神经网络分类法实现了影像的自动分类处理,完成了地物信息提取。这一试验研究及成果对我国西南部平原地区基于高分辨率影像的土地利用/土地覆盖资源调查具有一定的参考和指导意义。
9.期刊论文王惠英.苏伟.周军其.WANG Hui-ying.SU Wei.ZHOU Jun-qi基于多分类器组合面向对象遥感影像信息
提取方法-测绘工程2009,18(5)
提出最近距离法和基于知识规则的模糊分类法相结合的混合分类法,针对IKONOS遥感影像,分别用最近距离法、基于知识规则的模糊分类法以及混合分类法对影像进行信息提取.结果表明:混合分类法的信息提取精度最高,总体精度提高到95.60%,Kappa系数提高到0.944,其为面向对象的高分辨率影像信息提供理想方法.
1、在卫星影像的整体分类精度的上,CART算法要优于BP人工神经元网络和最大似然法。
2、相对于BP人工神经元网络,CART算法在训练样本数据的速度要快,执行效率要高,对于输入数据空间特征和分类标识,具有更好的弹性和鲁棒性。CART分类法并不像神经网络那样具有黑箱结构,和分析人员有着良好的交互性和透明性,而神经元网络初始参数的设定是根据实践经验来确定的,缺乏有效的理论指导,带有很强的主观性。在训练过程中这些参数要经过不断的调整,才能生成一个较好的网络模型。神经网络的训练非常费时并且对训练结果的好坏事先缺乏判断,这些都是不如决策树分类的地方。
本文以2006年11月获取的四川省成都市郫县犀浦镇部分地区的QuickBird影像作为实验数据,采用BP神经网络方法对研究区域进行分类处理及精度评定等研究。论文主要完成了如下研究内容并得到相应的结论:
1、论文针对高分辨率影像的特征,对研究区域的QuickBird影像进行基本处理与分析,主要根据最佳指数因子0IF分析、图像融合处理、灰度共生矩阵纹理分析等,提取出影像最优组合的光谱特征(融合后的432波段影像)和纹理特征(从全色影像提取的对比度CON纹理图像),作为待分类的特征数据。
2.期刊论文彭笃明.张安定.李德一.米姗姗.PENG Du-ming.ZHANG An-ding.LI De-yi.MI Shan-shan基于LBV变换
的遥感影像多步骤分类法研究-测绘科学2008,33(3)
面对与日俱增的遥感数据,如何快速准确地进行影像分类成为遥感领域亟待解决的问题.本文在前人的基础上提出了一种基于LBV变换的遥感影像多步骤分类方法.L:地物的总辐射水平,集中反映了裸地的信息;B:地物的可见-红外光辐射平衡,是地面水分状况和水体存在的一个良好指标;V:地物辐射随波段变化的方向和速度向量,能集中反映地面植被状况.多步骤分类法遵循由易到难的原则,能克服类别之间的互相影响,从而提高分类精度.文章结合LBV变换和多步骤分类法的优点对影像进行了分类,结果表明该方法简单易行,且能达到良好的分类精度.
3.学位论文黎颖卿基于CART决策树算法的遥感影像分类研究2008
决策树分类法已被应用于许多分类问题,但应用于遥感分类的研究成果并不多见。决策树分类法具有灵活、直观、清晰、强健、运算效率高等特点,在遥感分类问题上表现出巨大优势。本文以广东省广州市从化地区的SPOT5卫星遥感影像为研究对象,基于CART决策树分类算法,探讨其在遥感影像分类方面的应用潜力,首先对影像分类原理与基本过程进行了阐述,对遥感图像进行了植被指数与纹理特征提取等预处理,然后利用CART算法进行遥感土地覆盖分类实验,并把获得的结果与BP人工神经元网络分类法和传统的最大似然分类法的分类结果进行比较。结果表明:
区植被提取为例
作者:汪求来
学位授予单位:南京林业大学
1.学位论文杨希基于神经网络的高分辨率遥感影像分类研究2009
自20世纪70年代起,卫星遥感技术的发展带来了遥感影像呈现出来级分辨率的趋势,逐渐步入以高分辨率遥感影像数据为主要产物的时代。遥感影像分类技术可以有效地将高分辨率影像中丰富的信息资源提取出来,并转化为科学的分析成果以进行实际的生产和应用,从而在商业和民用领域中发挥出重大作用。
10.学位论文颜宏娟面向对象的遥感影像模糊分类方法研究2008
传统的基于像素的遥感影像处理方法都是基于遥感影像光谱信息极其丰富,地物间光谱差异较为明显的基础上进行的。对于只含有较少波段的高分辨率遥感影像,传统的分类方法,就会造成分类精度降低,空间数据的大量冗余,并且其分类结果常常是椒盐图像,不利于进行空间分析。
5.期刊论文高凯.周志翔.滕明君.GAO Kai.ZHOU Zhi-xiang.TENG Ming-jun基于知识分类法的TM遥感影像景观分
类制图——以武汉市为例-山东建筑大学学报2010,25(4)
遥感影像景观分类制图的关键是选择合适的感影像分类方法,以降低分类误差、提高分类精度.以武汉市Landsat TM遥感影像为例,利用基于知识的决策树分类法对遥感影像的景观分类制图方法进行了研究.结果表明:知识分类法在一定程度上避免"同物异谱"所造成的分类误差,实现较高的分类精度,是高效、可行的遥感影像景观分类方法之一.在实际操作中分类变量及阈值的确定是遥感影像知识分类的关键步骤.