研究以廬山自然保護區(qū)為研究區(qū)域,進行基于高分二號影像光譜特征與紋理特征的竹林信息提取研究。為了提高竹林的識別精度,依據(jù)竹林的紋理特征與周圍植被的差異性,本文開展引入紋理特征的分類研究,選取兩種不同的實驗方案（光譜特征、光譜特征+紋理特征）,采取馬氏距離、最大似然法,支持向量機等分類方法進行比較。結果表明:1)引入紋理特征信息的分類精度比純光譜特征分類精度更高; 2)基于光譜特征+紋理特征的支持向量機的分類方法精度最高,竹林分類的生產精度和用戶精度均達到90%以上。 

【文章來源】：測繪與空間地理信息. 2020,43(12)

【文章頁數(shù)】：6 頁

【部分圖文】：

總體技術流程

窗口是影響紋理特征完整性的主要因素，窗口的大小部分決定了基于紋理的圖像分類的成功。如果窗口尺寸太小，則無法提取足夠的空間信息來區(qū)分不同的土地特征;如果窗口尺寸太大，它可能會重疊不同的特征并引入空間誤差。為了選取最適合的窗口大小，本研究基于實驗區(qū)分別選取15種窗口大小的分類方案(從3×3至31×31)，提取8個紋理特征，基于紋理特征進行竹林提取，獲取不同窗口大小下竹林分類精度(如圖2所示)，發(fā)現(xiàn)窗口大小在23×23時分類的總體精度和相關系數(shù)最高，因此，本文選擇在(23×23)窗口下提取均值、方差等8個紋理特征參數(shù)。2.3 竹林識別分類方法

【參考文獻】：
期刊論文
[1]基于時序Landsat數(shù)據(jù)的浙江省竹林信息提取及時空演變[J]. 李陽光,杜華強,毛方杰,李雪建,崔璐,韓凝,徐小軍.  林業(yè)科學. 2019(03)
[2]決策樹結合混合像元分解的中國竹林遙感信息提取[J]. 崔璐,杜華強,周國模,李雪建,毛方杰,徐小軍,范渭亮,李陽光,朱迪恩,劉騰艷,邢璐琪.  遙感學報. 2019(01)
[3]近30年來廬山風景名勝區(qū)NDVI時空變化及其潛在影響因素分析[J]. 宋鴻,黃躍飛,劉海,王敏,鐘濱.  長江流域資源與環(huán)境. 2019(04)
[4]地理國情信息支持下的鄱陽湖區(qū)生態(tài)環(huán)境評價[J]. 鐘濱,張晨,廖明偉.  測繪與空間地理信息. 2018(09)
[5]植被遙感分類方法研究進展[J]. 楊超,鄔國鋒,李清泉,王金亮,渠立權,丁凱.  地理與地理信息科學. 2018(04)
[6]基于MODIS時間序列反射率數(shù)據(jù)的雷竹林LAI反演[J]. 朱迪恩,徐小軍,杜華強,周國模,毛方杰,李雪建,李陽光.  應用生態(tài)學報. 2018(07)
[7]高分二號衛(wèi)星影像融合及質量評價[J]. 孫攀,董玉森,陳偉濤,馬嬌,鄒毅,王金鵬,陳華.  國土資源遙感. 2016(04)

碩士論文
[1]中國竹林遙感信息提取及NPP時空模擬研究[D]. 崔璐.浙江農林大學 2018



本文編號：3613628