基于紋理和地形輔助的山區(qū)土地利用信息提取研究.pdf

1、隨著遙感傳感器的飛速發(fā)展，遙感影像的空間分辨率得到大幅度的提升，地表成像細(xì)節(jié)變得更加清晰，但傳統(tǒng)的遙感分類技術(shù)基于像元，不能充分利用高分辨影像豐富的圖像特征，故其分類精度和準(zhǔn)確性還不能滿足土地調(diào)查的需要。山區(qū)土地利用類型多樣，地形地貌復(fù)雜，土地利用分散，信息提取困難，如何采用合理有效的方法實(shí)現(xiàn)山區(qū)高分辨率遙感影像土地利用信息的準(zhǔn)確、快速提取已成為土地利用調(diào)查中迫切需要解決的問(wèn)題。本文選擇位于川西南攀枝花市西區(qū)的典型農(nóng)村山區(qū)為研究區(qū)，以全

2、色波段分辨率為1m，多光譜波段分辨率為4m的IKONOS高分辨率遙感影像為數(shù)據(jù)源，基于ERDAS9.2、ENVI4.8、eCognition8.0和ArcGIS9.3等軟件平臺(tái)，采用面向?qū)ο蠓诸惙椒?，輔以紋理和地形因子的參與，最終實(shí)現(xiàn)研究區(qū)土地利用信息的準(zhǔn)確、快速提取。主要研究結(jié)論如下:
　　(1)通過(guò)最優(yōu)指數(shù)法（Optimum Index Factor，OIF）對(duì)研究區(qū)IKONOS高分辨遙感影像最佳波段組合方式進(jìn)行研究。結(jié)果表明

3、，研究區(qū)遙感影像最優(yōu)波段組合方式為2、3、4(GRN、RED、NIR)波段組合，其OIF值最大，達(dá)到102.88，該組合影像她物色調(diào)反差較明顯，較好的反映了研究區(qū)土地利用信息。
　　(2)本文設(shè)定了三個(gè)分割層次(level1、level2、level3)對(duì)研究區(qū)遙感影像進(jìn)行多尺度分割，并通過(guò)影像特征分析法和均值方差法對(duì)每個(gè)層次的最優(yōu)分割尺度進(jìn)行了探討。結(jié)果表明，level1層的最佳尺度為20，可較好的對(duì)山區(qū)居民點(diǎn)和裸地進(jìn)行分割;l

4、evel2層的最佳尺度為45，可較好的對(duì)山區(qū)坑塘、有作物耕地、無(wú)作物耕地、其他林地和園地進(jìn)行分割;level3層的最佳尺度為80，可較好的對(duì)山區(qū)水庫(kù)、河流、有林地、荒草地、道路進(jìn)行分割。
　　(3)依據(jù)香農(nóng)信息熵（Shannon entropy）原理篩選出了Homo（同質(zhì)性）Con（對(duì)比度）、Ent（熵）、Asm（二階距）四個(gè)紋理指標(biāo)輔助本文山區(qū)土地利用信息的提取研究，并對(duì)紋理輔助分割的效果進(jìn)行了對(duì)比分析。結(jié)果表明，紋理參與分割過(guò)

5、程很好的改善了圖像分割的效果，紋理參與分割后的影像，同一類地物內(nèi)部其分割后多邊形破碎度明顯降低，分割過(guò)程對(duì)大面積地物的邊界信息予以充分考慮，地物的整體性得到體現(xiàn)。此外，多邊形的數(shù)目明顯減少，減少幅度為44.27％，無(wú)形中大大提高了影像解譯的效率。
　　(4)基于地形和紋理輔助的面向?qū)ο蠓诸惛骶仍u(píng)價(jià)指標(biāo)較傳統(tǒng)監(jiān)督分類都有較大的提升，充分體現(xiàn)了該分類方法在山區(qū)土地利用信息提取中的優(yōu)越性。其中，分類總體精度達(dá)到90.57％，較傳統(tǒng)監(jiān)督