基于资源3号卫星的面向对象地类信息提取方法研究

doi:10.13466/j.cnki.lyzygl.2015.04.018

林业资源管理 ›› 2015›› Issue (4): 104-108.doi: 10.13466/j.cnki.lyzygl.2015.04.018

基于资源3号卫星的面向对象地类信息提取方法研究

孟雪^1,2, 温小荣^1,2, 林国忠^1,2, 佘光辉^1,2

1.南京林业大学南方现代林业协同创新中心,南京 210037;
2.南京林业大学林学院,南京 210037

出版日期:2015-08-28 发布日期:2020-12-01
通讯作者: 佘光辉,男,教授,主要研究领域:3S技术与森林资源动态监测。Email:ghshe@njfu.edu.cn
作者简介:孟雪(1991-),女,江苏徐州人,在读硕士,主要研究领域3S技术与森林资源动态监测。Email:mengxue1008@yeah.net
基金资助:
国家948计划项目(2013-4-63);南京林业大学科技创新基金项目(CX2011-24);江苏高校优势学科建设工程自助项目(PAPD)

Study on Land Use Information Extraction with ZY-3 Based on Object-oriented Information Extraction Technology

MENG Xue^{1, 2}, WEN Xiaorong^{1, 2}, LIN Guozhong^{1, 2}, SHE Guanghui^{1, 2}

1.Center of Co-Innovation for Sustainable Forestry in Southern China,Nanjing Forestry University,Nanjing 210037,China;
2.Forestry College of Nanjing Forestry University,Nanjing 210037,China

Online:2015-08-28 Published:2020-12-01

摘要/Abstract

摘要： 面向对象分类方法可以充分利用遥感影像的光谱和空间信息,是一种适合于高分辨遥感影像的分类方法。以2012年资源3号卫星高分辨率遥感影像(ZY-3)为数据源,对基于面向对象与最大似然监督分类的地类信息提取方法进行了对比分析。面向对象分析方法中采用改进后的局部方差法确定并选取不同地类类型的最优分割尺度,并采用多尺度层次的方法提取不同地类类型信息。结果表明根据改进后的局部方差法确定的针叶林、阔叶林、针阔混交林地类类型的最优分割尺度为105;农田地类的最优分割尺度为105,水域、建筑类型的最优分割尺度为65。基于面向对象技术的地类信息提取方法其总体精度达到90.3%,Kappa系数为0.82;最大似然法其总体精度为77.6%,Kappa系数为0.71;基于面向对象方法的总体精度提高了12.7%,Kappa系数提高了11%。表明了基于面向对象分析方法的地类信息提取在国产高分辨率影像上的适用性。同时,论文的研究也为森林资源调查中地类信息的遥感提取进行了有益的尝试。

关键词: 资源3号卫星, 面向对象, 最优分割尺度, 模糊分类, 最大似然, 精度评价

Abstract: Object-oriented classification method which is suitable for the high resolution remote sensing images can make full use of the spectral and spatial information of remote sensing images.In this study,the information extraction method of object-oriented was compared to maximum likelihood method based on 2012 ZY-3 satellite high resolution remote sensing image.The results show that the optimal segmentation scale of coniferous and broad-leaves and coniferous and broad-leaves mixed forest is 105,water and building is 65 according to improved local variance method.In object-oriented image analysis,the optimal segmentation scale of different land types was selected by improved local variance method,the ground features of different types were extracted in multi-scale level.The accuracy of high resolution remote sensing image information extraction based on object-oriented image analysis technology was 90.3%,kappa coefficient is 0.82;the accuracy of high resolution remote sensing image information extraction based on maximum likelihood method was 77.6%,kappa coefficient is 0.71;the overall accuracy of the object-oriented image analysis technology is improved by12.7% and Kappa coefficient increases by 11%.It shows obviously that the object-oriented image analysis technology can be applied to domestic high resolution image information extraction.This paper also attempts to extract land use information by remote sensing images in the investigation of forest resources.

Key words: ZY3 Satellite, object-oriented, optimal segmentation scale, fuzzy classification, maximum likelihood, accuracy assessment

中图分类号:

S771.8

孟雪, 温小荣, 林国忠, 佘光辉. 基于资源3号卫星的面向对象地类信息提取方法研究[J]. 林业资源管理, 2015,(4): 104-108.

MENG Xue, WEN Xiaorong, LIN Guozhong, SHE Guanghui. Study on Land Use Information Extraction with ZY-3 Based on Object-oriented Information Extraction Technology[J]. FOREST RESOURCES WANAGEMENT, 2015,(4): 104-108.

参考文献 13

[1]	Vander S C J,Jong S M,Roo A P J.A segmentation and classification approach of IKONOS-2 imagery for cover mapping to assist flood risk and flood damage assessment[J].International Journal of Applied Earth Observation and Geoinformation,2003(4):217-229.
[2]	Huang C.Davis L S.Townshend J R G.An assessment of support vector machines for landcoverclassification[J].International Journal of Remote Sensing,2002,23(4):725-749.
[3]	Volker W.Object-based classification of remote sensing data for change detection[J].ISPRS Journal of Photo-grammetry & Remote Sensing,2004(58):225-238.
[4]	陈秋晓,骆剑承,周成虎.基于多特征的遥感影像分类方法[J].遥感学报,2004,8(3):239-245.
[5]	Magnussen S.Boudewyn P.Wulder M contextual classification of Landsat TM images to forest inventory covertypes[J].International Journal of Remote Sensing,2004,25(12):2421-2440.
[6]	许传阳,李建红.高分辨率遥感影像结合LiDAR数据的面向对象分类方法[J].河南理工大学学报:自然科学版,2015(2):82-85.
[7]	马浩然,赵天忠,曾怡.面向对象的最优分割尺度下多层次森林植被分类[J].东北林业大学学报,2014(9):52-57.
[8]	朱红春,蔡丽杰,刘海英,等.高分辨率影像分类的最优分割尺度计算[J].测绘科学,2015(3):71-75.
[9]	丁晓英.eCognition在土地利用项目中的应用[J].测绘与空间地理信息系统,2005,28(6):116-120.
[10]	孔令婷,杨英宝,章勇.基于不同分辨率遥感影像的分类方法对比研究[J].测绘与空间地理信息,2015(3):40-43.
[11]	Mathieu R,Aryal J.Object-oriented classification and IKONOS multispectral imagery for mapping vegetation communities in urban areas[C]//17th Annual Colloquium of the Spatial Information Research Centre,Dunedin,New,Zealand:2005.
[12]	王露,刘庆元.高分辨率遥感影像多尺度分割中最优尺度选取方法综述[J].测绘与空间地理信息,2015(3):166-169.
[13]	周春艳,王萍,张振勇,等.基于面向对象信息提取技术的城市用地分类[J].遥感技术与应用,2008,23(1):31-36.

[1]	谢文春, 李强峰, 李艳春, 吴振山, 杨正凡. 基于面向对象的吉林一号遥感影像湿地植被群落分类[J]. 林业资源管理, 2023, 0(1): 141-152.
[2]	闫明, 庞勇, 何云玲, 蒙诗栎. 普洱多源土地覆盖产品一致性分析与精度评价[J]. 林业资源管理, 2023, 0(1): 173-182.
[3]	周辰琴, 余拥军, 方陆明, 刘雨真, 胡建锦. 飞行高度与郁闭度对水杉冠幅提取影响的研究[J]. 林业资源管理, 2022, 0(1): 150-156.
[4]	张殿岱, 王雪梅. 基于高分辨率遥感影像的植被分类方法比较[J]. 林业资源管理, 2021, 0(3): 108-113.
[5]	金忠明, 曹姗姗, 王蕾, 孙伟. 天山云杉林无人机可见光影像树冠信息提取方法研究[J]. 林业资源管理, 2020, 0(1): 125-135.
[6]	赵勋, 岳彩荣. 基于遥感数据的林地变化检测方法研究[J]. 林业资源管理, 2019, 0(1): 101-108.
[7]	梁文海, 刘吉凯, 陈琦, 陈显栋, 钟仕全. 基于面向对象方法的GF-2影像桉树信息提取对比分析[J]. 林业资源管理, 2017, 0(6): 54-59.
[8]	王枚梅, 林家元, 林沂, 李翊. 基于无人机可见光影像的亚高山针叶林树冠参数信息自动提取[J]. 林业资源管理, 2017, 0(4): 82-88.
[9]	尹凌宇, 覃先林, 孙桂芬, 祖笑锋, 陈小中. 基于高分二号多光谱数据的树种识别方法[J]. 林业资源管理, 2016, 0(4): 121-127.
[10]	孟雪, 郜昌建, 高媛赟, 刘俊, 林国忠, 温小荣, 佘光辉. 基于森林小班的高分影像融合及地类信息提取[J]. 林业资源管理, 2016, 0(2): 98-105.
[11]	李春干, 梁文海. 面向对象遥感图像森林变化检测的工程化应用方法[J]. 林业资源管理, 2015, 0(6): 137-143.
[12]	滕全晓, 徐天蜀. 基于ALOS遥感影像植被分类方法的比较研究[J]. 林业资源管理, 2015, 0(4): 69-72.
[13]	高媛赟, 温小荣, 林国忠, 佘光辉. 中国资源一号02C卫星数据的融合及应用[J]. 林业资源管理, 2015, 0(1): 101-105.
[14]	杨飞, 刘丽峰, 王学成. 基于面向对象方法和SPOT5的丘陵山区林地分类研究[J]. 林业资源管理, 2014, 0(5): 92-99.
[15]	刘平, 王玉涛, 马履一. 低山侧柏人工林单木冠幅预测模型及精度评价[J]. 林业资源管理, 2014, 0(2): 52-57.

基于资源3号卫星的面向对象地类信息提取方法研究

Study on Land Use Information Extraction with ZY-3 Based on Object-oriented Information Extraction Technology

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献 13

相关文章 15

编辑推荐

Metrics

本文评价