简介:基于地物光谱特征的监督分类一直是用遥感影像解译土地覆被类型的常规方法。基于可见光和近红外波段的光谱反射率构建的NDVI指数的水平高低及时序变化特征对土地覆被类型有高度敏感性和较好的指示性。本文基于时序MODIS-NDVI数据,通过合理选择训练样区对MODIS影象进行监督分类,最终实现对秦岭中部地区各种土地覆被的分类,通过与实地GPS调查数据比较,结果显示分类总体精度达到76.77%,kappa系数为67.22%,分类等级为较好。
简介:利用多时相MODIS遥感数据和冬小麦地面GPS定位调查信息,参考河北省土地利用现状资料和生态功能区划成果,对河北省冬小麦种植环境进行了分区,充分考虑冬小麦的生长发育特征和下垫面的植被生长特征来选择遥感监测时段,改进了“麦土比”的概念,提出了“象元麦土比”的新方法,将遥感知识、农学知识和地学知识有机结合,形成一套计算机自动提取冬小麦种植信息系统,利用该系统提取了河北省2004-2005年度冬小麦播种信息,遥感测算的全省总面积误差为3.2%,综合考虑各个地市的偏差情况,9个地市面积平均绝对误差为9.6%。本文就此介绍其主要方法及其工作步骤。
简介:居民地的解译是遥感信息提取技术中的难点之一,居民区域是由建筑物、道路、绿地、空地、水域、阴影等多种地物类型相互延续、相互交错而成的复杂的有机混合体,使其光谱特征成为地表各种地物中最复杂的一种。因此,通过对居民地特征进行详细的分析,针对SPOT2.5米数据,选择密云区作为示范区域,研究基于遥感影像纹理信息和类间相关关系,结合面向对象的分类方法,对居民地信息进行自动提取。其中,通过提取遥感影像的纹理信息,提高居民地内部各地类的界线区分,降低其他土地利用类型内部的界线;并利用居民地内部各类之间的相关关系,建立基于类间层次关系和语义组体系方法,研究形成居民地自动分类规则,达到居民地的自动提取,本方法提取的面积精度可以达到89.5%,可适用于较大范围内高分辨率数据的居民地信息自动提取。