基于TM影像属性与形态特征的土地覆被制图方法.pdfVIP

第16卷 第1期 地 球 信 息 科 学 学 报 Vol. 16, No.1 2014 年1 月 JOURNAL OF GEO-INFORMATION SCIENCE Jan., 2014 基于TM 影像属性和形态特征的土地覆被制图方法 * 姜 洋，李 艳 ，刘 东 （南京大学国际地球系统科学研究所，江苏省地理信息技术重点实验室，南京 210023 ） 摘要：本文以浙江省中南部地区不同时相30m 分辨率的2 景TM 影像为基本数据，采用面向对象的方法实现了研究 区的土地覆被制图。首先，在eCognition 软件中采用多尺度分割算法，以光谱信息、纹理特征、几何特征等实现研 究区的对象分割，使分割后的对象边界与实际地物边界尽量保持一致，通过建立多层次地物特征规则，进行最优分 割尺度下的遥感多层次识别分类；然后，分析可用于分类的属性特征和形态特征，通过对这些特征的统计值对比分 析，选取了对象的紧致度、长宽比、MNDWI 、LBV 等特征构建了决策树模型，实现了研究区1:25 万的土地覆被分 类；最后，采用目视解译和野外样本2 种方式对分类结果进行精度验证，其中，目测随机样点评价得到的总体精度 为87.66% ，野外样本点评价得到的总体精度为83.38% 。研究表明：面向对象的分类方法不仅具有较高的精度，而 且图斑与实际地物边界能较好地吻合，很好地避免了混合像元误分的现象，同时能消除像元分类的“椒盐现象”。 关键词：遥感；面向对象；LBV ；土地覆被；决策树 DOI ：10.3724/SP.J. 1047.2014.00117 1 引言 象的方法对汶川地震前后的土地覆被类型进行解 译，前后两期分类的总体精度分别为90%和92% ； [6] 目前，遥感影像分类有很多种方法。传统的基 孙永军 等面向对象针对ETM 数据提取湿地信息， 于像元的分类方法应用广泛，但是这种方法的缺陷 将研究区分为湖泊、沼泽、草地、裸地，分类的总体 在于“椒盐噪声”的存在，边界像元、混合像元分类 精度为93% 。由于这几个研究中类型数量较少，所 不准确。面向对象的分类方法能在较大程度上解 以得到的精度都很高。 决像元方法难以克服的光谱混淆、混合像元等问 相对于传统分类法，将面向对象的分类方法用 题，也可以减小分类结果中由于对象内部异质性大 于土地覆被制图具有很大的优势，其处理的不再是 [1] 而引起的“椒盐噪声”，从而有效提高分类精度 。 单个像元，而是具有一定面积和形态的地物对象， 面向对象的分类方法大多应用于高分辨率影像，原 因而不仅可以利用地物的光谱信息，还能充分利用 因在于高分影像具有更丰富的细节信息，李成范等 对象的空间相关、形状特征、纹理特征，以及与上下 利用Quick Bird 提取城市绿地信息，林地、密草地与 文的关系。目前，较成熟的商业面向对象的图像 [2] [3] 疏草地被很好地提取出来 ；孙志英 等利用SPOT5 处理系统为德国Definiens Imaging 公司的eCogni- 提取南京市地表不可透水度信息，结果稳定可靠； tion 。