基于面向对象技术的农田分类方法.pdf

2016年10月 地理空间信息 Oct.,2016 第14卷第10期 GEOSPATIAL INFORMATION Vol.14,No.10 doi:10.3969/j.issn.1672-4623.2016.10.027 基于面向对象技术的农田分类方法 1 1 丛  瑜 ，苗正红 （1. 吉林省水利水电勘测设计研究院，吉林 长春 130021） 摘  要：采用面向对象的分类方法，以富锦地区为研究对象，将纹理和拓扑信息加入中等分辨率遥感影像中，快速准确地提取 耕地信息。研究结果表明，利用面向对象技术对遥感影像进行多尺度分割，并结合影像的光谱、形状和纹理特征对水田和旱地 进行提取，提取后的成果总体分类精度达到了92%，Kappa系数为0.91，说明采用面向对象技术对中等分辨率遥感影像进行耕 地提取的成果可靠，可为大面积土地分类提供技术支持。 关键词：面向对象；水田；旱地；遥感影像 中图分类号：P237 文献标志码：B 文章编号：1672-4623（2016）10-0088-02 传统的像元分类方法是以像元为基本单元进行分 2）数字高程模型DEM。覆盖研究区的数字高程 [1] 模型分辨率为30 m。 类，参与信息提取的因子是像元的光谱信息 ，随着遥 感影像分辨率的不断提高，地物的空间信息变得非常丰 3）野外验证点数据。研究区野外验证点共38个， 富，传统分类方法已经不能满足高分辨率遥感影像信息 包括坐标、土地利用类型、地物特征等信息，投影方 提取的要求，面向对象的分类方法首先是将遥感影分割 式为Albers等面积投影。 成影像对象，结合影像对象的光谱、形状、纹理、层次、 4）其他地理底图数据，包括土地利用现状图、行 邻域、空间位置、类别间关系等特征信息对影像进行分 政区划图。以上图件经扫描后进行数字化和投影变换， 割，得到同质对象，再对影像对象进行信息提取和分析。 投影与上面数据一致。 这种方法可以实现较高层次的遥感图像分类和目标地物 1.2  面向对象方法 [2] 本文采用多尺度分割算法，利用易康软件，基于 提取 ，国内外众多学者利用这种方法对遥感影像进行 [3-5] 影像的光谱特征、几何特征、纹理以及与其他对象的 分类，该方法提取精度高、速度快  。 Landsat8是2013年美国航空航天局（NASA）发射 关系[9]，同时也要考虑到质地、形状大小等特征，对 的陆地卫星，具有空间分辨率高，资料来源稳定、连 遥感影像进行分割，从而得到影像对象。根据研究区 续等优点，共有8个波段，波段1~7为多光谱，波段8 的特点，采用的多尺度方案均包含多季相遥感数据集 为15 m分辨率的全色波段，卫星每16 天可以实现一 7 个波段的信息。表1为用于分类的特征信息[10-11]。 次全球覆