【目的】選用面向?qū)ο蟮谋O(jiān)督分類(lèi)法,對(duì)研究區(qū)域的天山云杉林進(jìn)行遙感分類(lèi),選取一種分類(lèi)效果最佳的方法,為該區(qū)域的林地資源調(diào)查、動(dòng)態(tài)監(jiān)測(cè)評(píng)價(jià)提供依據(jù)�！痉椒ā炕诟叻侄�(hào)(GF-2)遙感影像數(shù)據(jù),借助ESP尺度評(píng)價(jià)工具和目視解譯相結(jié)合,篩選研究區(qū)各地物最優(yōu)分割尺度,利用3種不同分類(lèi)方法在此基礎(chǔ)上進(jìn)行遙感分類(lèi)�！窘Y(jié)果】研究區(qū)內(nèi)的水體、道路、其他用地、林地和草地的最優(yōu)分割尺度,分別為390、372、316、296、246;其次在各地物最優(yōu)分割尺度下,比較最鄰近分類(lèi)、結(jié)合矢量數(shù)據(jù)分類(lèi)和閾值分類(lèi)3種方法,經(jīng)過(guò)精度評(píng)估發(fā)現(xiàn),3種分類(lèi)方法的Kappa系數(shù)和總體精度值分別為0.760 7、0.782 0、0.840 6和0.814 8、0.830 5、0.876 5�！窘Y(jié)論】閾值分類(lèi)方法優(yōu)于其他2種方法,選用更為優(yōu)良的閾值分類(lèi)方法引入解決該地區(qū)林地資源調(diào)查是可行的。

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

圖1矢量樣本點(diǎn)選取

外業(yè)試驗(yàn)數(shù)據(jù)由2018年6月下旬～8月下旬調(diào)查的120個(gè)30m×30m的標(biāo)準(zhǔn)樣地?cái)?shù)據(jù)組成。每個(gè)樣地的主要調(diào)查內(nèi)容包括樣地類(lèi)型、海拔、坡度、坡向和郁閉度,高于1.3m的所有喬木樹(shù)種的樹(shù)高和胸徑。矢量數(shù)據(jù)是在ArcGIS軟件中將標(biāo)定的矢量點(diǎn)所在的分割對(duì)象根據(jù)實(shí)地調(diào)查的類(lèi)別賦予相....

圖2ESP尺度分割評(píng)價(jià)

研究表明,最優(yōu)尺度的范圍在200～400,采用目視判別和實(shí)地調(diào)查相結(jié)合的方法,當(dāng)尺度參數(shù)小于200時(shí),各類(lèi)地物對(duì)象過(guò)于破碎,且生成的分類(lèi)對(duì)象與實(shí)體相似的程度較小;當(dāng)尺度參數(shù)大于400時(shí),生成的對(duì)象面積過(guò)大。采用ESP尺度評(píng)價(jià)工具首先將GF-2多光譜數(shù)據(jù)導(dǎo)入ESP算法中,....

圖3最鄰近分類(lèi)效果

研究表明,在進(jìn)行最鄰近法分類(lèi)時(shí)需要選擇不同地物的樣本對(duì)象,再利用一定算法進(jìn)行分類(lèi)。在最鄰近分類(lèi)中,由于其他用地和草地的光譜信息相似,易將兩者混淆,導(dǎo)致大多數(shù)其他用地被分為草地;在結(jié)合矢量數(shù)據(jù)的方法中,由于林地中的陰影部分以及道路的光譜信息相近,使林地與道路的分類(lèi)精度較低。圖3,圖....

圖4結(jié)合矢量數(shù)據(jù)分類(lèi)

圖3最鄰近分類(lèi)效果研究表明,閾值分類(lèi)是根據(jù)每種地物的特征因子設(shè)置不同的對(duì)象特征值,有效提高了分類(lèi)精度。相較于最鄰近分類(lèi)和結(jié)合矢量數(shù)據(jù)分類(lèi)結(jié)果顯示,該方法結(jié)果精度較其更高,且分類(lèi)效果更符合真實(shí)地物,有效避免了漏分錯(cuò)分的狀況。表3,圖5

本文編號(hào)：3912188