發(fā)布時(shí)間：2018-02-09 02:50

  本文關(guān)鍵詞： 西藏 面向?qū)ο?最優(yōu)分割尺度 最近鄰法 閾值分類法　出處：《遙感技術(shù)與應(yīng)用》2017年03期 　論文類型：期刊論文

【摘要】：針對(duì)目前面向?qū)ο蠖喑叨确诸惙椒ㄖ?最優(yōu)分割尺度的確定方法不具有普適性或者易受主觀性影響的問(wèn)題,以西藏米林縣的Landsat 8OLI影像為數(shù)據(jù)源,對(duì)研究區(qū)影像多尺度分類進(jìn)行研究。首先確定多尺度分類的最優(yōu)分割尺度,提出基于多尺度分類精度Kappa系數(shù)的最優(yōu)分割尺度函數(shù)模型法,在此基礎(chǔ)上,利用多尺度分類分別與最近鄰分類和閾值分類法相結(jié)合的方法,對(duì)研究區(qū)影像進(jìn)行分類。結(jié)果表明:分割尺度分別為190、150、100、60,多尺度分類法比單一尺度分類精度高;最近鄰多尺度分類法比閾值多尺度分類精度高,其總精度分別為86%和72%,Kappa系數(shù)分別為0.72和0.69。最優(yōu)分割尺度函數(shù)模型在具有普適性的基礎(chǔ)上更具有科學(xué)理論性,多尺度分類與最鄰近分類結(jié)合的方法比與閾值分類結(jié)合的方法分類效果好,為后續(xù)植被動(dòng)態(tài)變化監(jiān)測(cè)提供了依據(jù)。
[Abstract]:In view of the problem that the method of determining the optimal segmentation scale is not universal or subject to subjectivity in the current object-oriented multi-scale classification methods, the Landsat 8OLI image in Milin County, Tibet, is used as the data source. Firstly, the optimal segmentation scale of multi-scale classification is determined, and the optimal segmentation scale function model based on Kappa coefficient of multi-scale classification accuracy is proposed. The method of combining multi-scale classification with nearest neighbor classification and threshold classification method is used to classify the image of the study area. The results show that the segmentation scale is 190 ~ 150 ~ 100 ~ (60), and the accuracy of multi-scale classification is higher than that of a single scale classification. The accuracy of the nearest neighbor multiscale classification is higher than that of the threshold multiscale classification. The total accuracy of the nearest neighbor multiscale classification is 86% and 72kappa coefficient is 0.72 and 0.69 respectively. The optimal partition scale function model is more scientific and theoretical on the basis of universality. The combination of multi-scale classification and nearest neighbor classification is more effective than that of threshold classification, which provides a basis for monitoring vegetation dynamic change.
【作者單位】： 中國(guó)林業(yè)科學(xué)研究院資源信息研究所;西藏自治區(qū)林業(yè)調(diào)查規(guī)劃研究院;
【基金】：國(guó)家科技基礎(chǔ)性工作專項(xiàng)(2013FY111600)“中國(guó)森林植被調(diào)查”
【分類號(hào)】：S771.8;TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 譚衢霖;徐東彪;;基于面向?qū)ο蠓诸惖拿茉瓶h城區(qū)地面不透水程度分析[J];北京交通大學(xué)學(xué)報(bào);2011年04期

2 劉哠,翁長(zhǎng)儉;動(dòng)力分析的面向?qū)ο笥邢拊椒╗J];廣東造船;2003年04期

3 周晴;杜平安;劉孝保;;面向?qū)ο笥邢拊治黾夹g(shù)及其實(shí)現(xiàn)方法研究[J];系統(tǒng)仿真學(xué)報(bào);2012年03期

4 楊良闖;程先富;;基于高分?jǐn)?shù)據(jù)的村級(jí)地塊面向?qū)ο蠓诸惙椒ㄑ芯縖J];資源開(kāi)發(fā)與市場(chǎng);2014年05期

5 鄭毅;武法東;劉艷芳;;一種面向?qū)ο蠓诸惖奶卣鞣治龇椒╗J];地理與地理信息科學(xué);2010年02期

6 別強(qiáng);何磊;趙傳燕;;基于影像融合和面向?qū)ο蠹夹g(shù)的植被信息提取研究[J];遙感技術(shù)與應(yīng)用;2014年01期

7 孫志英;趙彥鋒;陳杰;李桂林;檀滿枝;;面向?qū)ο蠓诸愒诔鞘械乇聿豢赏杆忍崛≈械膽?yīng)用[J];地理科學(xué);2007年06期

8 員永生;常慶瑞;劉煒;高欣;;面向?qū)ο笸恋馗脖粓D像組合分類方法[J];農(nóng)業(yè)工程學(xué)報(bào);2009年07期

9 劉煒;王聰華;趙爾平;杜鶴娟;;基于面向?qū)ο蠓诸惖募?xì)小河流水體提取方法研究[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2014年07期

10 周軍其;李志娟;;空間關(guān)系輔助的面向?qū)ο蠼ㄖ锾崛J];應(yīng)用科學(xué)學(xué)報(bào);2012年05期

相關(guān)博士學(xué)位論文 前2條

1 黃志堅(jiān);面向?qū)ο笥跋穹治鲋械亩喑叨确椒ㄑ芯縖D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

2 韓凝;空間信息在面向?qū)ο蠓诸惙椒ㄖ械膽?yīng)用[D];浙江大學(xué);2011年

相關(guān)碩士學(xué)位論文 前4條

1 鄧海龍;高分辨率遙感圖像面向?qū)ο蠓指钆c分類方法研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

2 譚龍;基于面向?qū)ο蠓诸惙ǖ母叻直媛蔬b感滑坡信息提取應(yīng)用研究[D];蘭州大學(xué);2014年

3 董小姣;面向?qū)ο蠛鸵?guī)則的高分辨率影像分類和建筑物信息提取研究[D];湖南科技大學(xué);2014年

4 鄧劉昭蘆;基于MSRC的遙感影像面向?qū)ο蠓诸愌芯縖D];湖南工業(yè)大學(xué);2014年

，

本文編號(hào)：1496891