红树植物光谱特征和红树植物的遥感图像分类研究
【摘要】:
遥感技术是近年来发展起来的对红树林生态监测的关键技术。本文以福建九龙江口红树林的自然保护区部分地区为研究区域,探讨了利用遥感技术进行红树植被分类的流程和方法。在总结归纳了红树林生态监测中的卫星遥感技术方法后,针对红树植被遥感分类方法普遍存在对图像要求较高而分类精度差等问题,首先进行大量野外实地调查和严格的实测光谱分析,探讨基于SPOT-5和Landsat TM卫星遥感影像融合,并借助全球定位系统(GPS)定位仪实地定位精确选择训练区,同时通过研究不同红树植物种类光谱间波段特征差异,构造新的波段变量,采用多步骤分类方法,对研究区域的3种红树林植物种类进行图像分类。主要研究内容如下:
(1)以九龙江口红树林自然保护区的海滩红树林秋茄[Kandelia candel (L.) Druce ]、桐花树( Aegiceras coniculatum Blanco. )、白骨壤[ Avicennia marina (Forsk) Vierh. ]的实地现场冠层光谱测量为依据,通过分析比较这几种红树植物的冠层反射波谱,探讨了基于地面光谱数据的红树光谱特征及其差异。
(2)采用SPOT-5卫星和TM卫星遥感数据为遥感信息源,对遥感图像进行几何精校正、融合、切边、光谱增强、彩色合成等一系列技术处理,得到RGB432,RGB543彩色合成图像。
(3)通过全球定位系统(GPS)定位仪实地记录的样本和实地调查资料,并结合融合遥感图像目视解译判读,在遥感影像上,利用准确的界线建立训练区,分别选取三种红树植物类别的训练样本,通过反复调整,使其能够代表每个类别的光谱特征差异和分布区域特征。
(4)通过构造新的波段变量,选择不同的最佳波段组合,在ERDARS IMAGINE遥感信息处理平台上采用多步骤分类方法对3种红树植物种类实现了遥感图像分类,并与多波段组合单步骤监督分类结果进行比较,结果表明新的方法提高了分类精度,具有较好的适用性。
(5)应用不确定性分析,计算分类总精度和kappa值等方法对两种遥感分类效果进行评价。多步骤监督分类精度优于常用的多波段组合监督分类。
|
|
|
|
1 |
吴均平;毛志华;陈建裕;白雁;陈晓东;潘德炉;;一种加入空间关系的海岸带遥感图像分类方法[J];国土资源遥感;2006年03期 |
2 |
毛建旭,王耀南;基于神经网络的遥感图像分类[J];测控技术;2001年05期 |
3 |
曾联明;吴湘滨;刘鹏;;感兴趣区域遥感图像分类与支持向量机应用研究[J];计算机工程与应用;2009年06期 |
4 |
黄宁,刘小军,朱敏慧,张守融;遥感图像分类技术研究[J];测试技术学报;2001年02期 |
5 |
李旭;周买春;梁智宏;曾卉;;遥感图像分类方法[J];北京农业;2014年03期 |
6 |
惠文华;;基于支持向量机的遥感图像分类方法[J];地球科学与环境学报;2006年02期 |
7 |
潘建刚,赵文吉,宫辉力;遥感图像分类方法的研究[J];首都师范大学学报(自然科学版);2004年03期 |
8 |
李石华,王金亮,毕艳,陈姚,朱妙园,杨帅,朱佳;遥感图像分类方法研究综述[J];国土资源遥感;2005年02期 |
9 |
李爱生,黄铁侠,柳健;基于知识的遥感图像分类系统[J];华中理工大学学报;1992年04期 |
10 |
俞璐;谢钧;;一种多特征结合的遥感图像分类方法[J];计算机应用与软件;2014年11期 |
11 |
翁强;卢昌义;;红树植物地面反射光谱特征研究[J];福建林业科技;2006年03期 |
12 |
杜凤兰,田庆久,夏学齐;遥感图像分类方法评析与展望[J];遥感技术与应用;2004年06期 |
13 |
董杰;沈国杰;;一种基于模糊关联分类的遥感图像分类方法[J];计算机研究与发展;2012年07期 |
14 |
王巍;郑新奇;原智远;张路路;;邻域规则下的遥感图像分类后处理方法研究[J];测绘通报;2015年S2期 |
15 |
汪晓洲;石翠萍;杨焜;王权;;基于深度学习的场景遥感图像分类方法研究[J];齐齐哈尔大学学报(自然科学版);2021年05期 |
16 |
李彦甫;范习健;杨绪兵;徐新洲;;基于自注意力卷积网络的遥感图像分类[J];北京林业大学学报;2021年10期 |
17 |
多朵;洪缨;刘岩;;一种应用于遥感图像分类的迁移学习算法[J];网络新媒体技术;2020年06期 |
18 |
陈静;吴宇静;;基于分层分类法的遥感图像分类研究[J];数字通信世界;2019年04期 |
19 |
夏梦;曹国;汪光亚;尚岩峰;;结合深度学习与条件随机场的遥感图像分类[J];中国图象图形学报;2017年09期 |
20 |
张裕;杨海涛;袁春慧;;遥感图像分类方法综述[J];兵器装备工程学报;2018年08期 |
|