利用辅助数据的荒漠区高分辨率遥感分类研究.pdfVIP

遥感信息 拥有丰富的地学知识和经验以及较高的建模 1 引 言 能力‘24|。 干旱区半干旱区通常是生态环境相对比较脆弱 使用辅助数据进行分类也是一种有效的方 的地区，为实现区域环境保护与可持续发展，遥感技 法口5。2 6|，遥感数据与辅助数据合并可以提高分类性 术作为一种重要的监测和分析手段，发挥着越来越 能，如地形、土壤、道路、水系和普查数据。Bruzzone 重要的作用[1j。在一些干旱半干旱地区，由于很多 等比73研究了光谱复杂的区域(农村地区)使用陆地 径流为季节性河流，同时一些简易道路与周边环境 卫星TM图像数据，纹理和辅助数据(地形高程、坡 区分不明显，“异物同谱”现象频繁，这种光谱混分的 度和坡向)进行分类，同时使用参数(统计)和非参数 状况导致该地区遥感分类难度加大。由于分类指标 (神经网络)分类，辅助数据用于提高土地覆盖分类 体系中的定性描述多于定量表达，且即使是可量化 的先验概率的估计。Sims等心83利用图像分类结合 的指标也没有一个统一的量化标准，因此致使干旱 辅助数据如数字线路图，基于对象的影像分类提高 区分类精度低，甚至对同一地区，其分类结果也可能 了道路的分类精度。Hatunen等[2叼通过集合多种 千差万别心]。高分辨率遥感影像的出现为这种问题 数据，采用面向对象的影像分析方法和决策树分类 的解决提供了可能，但是，仅靠空间分辨率的提高不 器，完成了芬兰北部草原和荒原的分类，最佳的整体 能同步地带来土地覆被分类精度的提高u]，这是因 精度为73％远大于最大似然分类的58％。近年来， 为很多时候依然存在“异物同谱”的状况，后续会带 国内外已有针对干旱半干旱地区进行土地覆被分类 来分类的误差。因此，很多情况下，加入辅助数据进 研究‘3“3’]。 行遥感分类成为一种必然的选择∞]。 本研究基于美国亚利桑那州荒漠地区的The 高分辨率遥感影像是遥感应用的一个研究热 National AgricultureImagery 点n。6]，高分辨率遥感影像的自动和半自动解译也是 家农业影像计划)遥感影像，试图利用河流、道路等 研究的难点，主要从4个方面评述该高分辨率遥感影 辅助数据进行面向对象的遥感影像信息提取方法获 像的自动和半自动解译领域的研究进展。在高分辨 得更好的分类结果，期望解决干旱区半干旱区因存 5 率遥感数据的选择方面，主要的数据源有：SPOT 在一些季节性河流和泥土路导致分类精度较低这一 影像[7I、IK