土地覆被作為地表自然和人工建造物的綜合體,是開展土地科學相關研究的重要基礎,在遙感大數(shù)據(jù)背景下,準確、快速、自動化進行土地覆被提取技術一直是遙感研究中的重點。本文基于e Cognition軟件,采用面向對象的多尺度分割法,綜合考慮地物在遙感影像上的光譜、形狀和紋理特征,建立多種地物提取規(guī)則。通過模糊函數(shù)、支持向量機(SVM)和閾值法對研究區(qū)的土地覆被進行分類提取,并與研究區(qū)的FROM-GLC10數(shù)據(jù)和土地利用變更數(shù)據(jù)進行了對比分析。結果表明:①研究區(qū)土地覆被分類的總體精度為97%,Kappa系數(shù)為0.96,分類精度較高;②基于10 m分辨率影像,綜合使用形狀、紋理、光譜信息對于道路的提取具有較好的效果,道路提取Kappa系數(shù)為0.84;③分類結果在面積和空間分布上都優(yōu)于FROM-GLC10數(shù)據(jù),與研究區(qū)實際土地變更數(shù)據(jù)保持較好的一致性�；诿嫦驅ο笈c規(guī)則的分類方法提取地物能夠有效利用多種遙感影像特征,分類精度高,對于處理高分辨率遙感數(shù)據(jù)具有很好的優(yōu)勢。

【文章頁數(shù)】：7 頁

【文章目錄】：
1 研究區(qū)及數(shù)據(jù)處理
    1.1 研究區(qū)概況
    1.2 數(shù)據(jù)來源
    1.3 數(shù)據(jù)預處理
2 土地覆被分類
    2.1 分類體系
    2.2 分類方法
3 分類結果與精度評價
4 結論



本文編號：3983949