基于TM图像的芜湖市绿地信息提取方法研究.pdfVIP

基于TM图像的芜湖市绿地信息提取方法研究 ◆陈雯雯潘金华 摘要：以安徽省芜湖市市区为研究区域，对TM多光谱遥感影像进行处理，根据影像的光谱特征 和植被指数，分别采用最大似然法、归一化植被指数法(NDvI)和决策树分类(DTc)法，建立城 市绿地的识别模型，通过引进Kappa系数评价系统对识别结果进行了精度评价。结果显示：决策树分 类法易于综合多种特征进行遥感影像分类，植被指数参与到决策树分类中能够提高分类精度，有利于 对绿地信息进行研究和分析，可以为城市规划部门提供更为合理的管理和决策依据。 关键词：遥感影像分类；城市绿地；最大似然；NDvI；决策树分类 城市化给人们带来了现代科技、文明和生活的多种益处， (2)大气校正。本文采用黑暗像元法(DarkSubtract) 但在这个过程中也出现了一系列严重的城市环境恶化问题”1。 将其他像元减去这些黑暗像元的像元值，就能减少大气(主 为此， “田园城市”的理念成为人们当前追求的目标，全国 要是大气散射)对整幅影像的影响，达到消除图像辐射误差 大多数城市兴起了绿化的热潮嘲。城市绿地系统规划工作在 的目的。 我国受到空前的重视。国内外学者也对此展开了诸多研究， (3)TM图像波段的选择。对校正后的多波段图像在 邓光等”1采用亮度指数和垂直NDVI对南京市的城市绿地信ENVI中进行统计计算，得出各波段间的相关性，宜选择l～ 息进行提取。王廷飞等【4l基于NDVI再分类对徐州市进行绿3中的一个波段，5、7中的一个波段和4波段，共6种可能 地信息提取，对比分析了各种城市绿地信息提方法的的准确 方案。 度和可行性。李宝华等嘲通过波段之间的组合，基于对TM 本文运用美国查维茨提出的最佳指数0FI的概念，用三 影像和NDvI相关系数的计算，大大提高了目视解译和分类 个波段的标准差和两两间的相关系数计算最佳指数因子。 精度。KunJia等”1结合生化内容，采用生化内容法和最大似 ∑墨 然法，实现了对不同农作物的信息提取。Yashonm等是在一 oFI—j}一 (1) ∑I々I 个多尺度模型里，结合局部纹理特性，通过小波分析进行提 在众多组合币oFI越大，图像的信息量越大，波段间相 取。本文利用TM遥感图像，通过采用不同识别方案对芜湖 关性越小”“。因此，选用最佳指数因子OFI最高的作为最佳 市绿地进行识别，以此来掌握城市绿地的分布状况与数量。 不仅可以提供绿地现状分布格局的基础资料，满足绿地管理 得到模拟真彩色如图1 的基本需求，还能够为城市绿地的规划提供有力的决策信息 【8l 一、材料和方法 1．1研究区概况。研究区位于安徽省芜湖市，地处长江 下游南岸，地理坐标为东经117。58’～118。43’、北纬 3003’ ～3103l’ 。 图1TM5、4、3波段合成影像 TM 1．2数据来源。本文所采用的数据是2007年Landsat 图像和2009年芜湖市市区图，数据源信息如表1所示。 二、城市绿地信息提取及分类验证 表1数据源信息表 获取时间 地图投影 地理坐标系 空间分辨率 本文运用最大似然法、归一化植被指数法和决策树法分 ITM 2007—07—26UTM WGS一8430米 别提取城市绿地，并对分类结果进行精度分析。 l芜湖市区图 2009 UTM WGS一84 2．1最大似然法监督分类。在ENVI中，通过选择不同地 1．3数据预处理。首先对遥感数据进行裁剪、几何校正、 物类型具有代表性的训练区域，建立训练样本，采用最大似 大气校正、波段选择等处理，可以提高各遥感分类和植被指