光谱信息支持下城区林地信息提取方法

doi:10.13466/j.cnki.lyzygl.2021.03.015

林业资源管理 ›› 2021›› Issue (3): 96-100.doi: 10.13466/j.cnki.lyzygl.2021.03.015

光谱信息支持下城区林地信息提取方法

林双双(), 钟九生(), 何鑫, 江丽, 段纪维, 代仁丽, 何志远

贵州师范大学地理与环境科学学院,贵阳 550025

收稿日期:2021-04-25 修回日期:2021-05-13 出版日期:2021-06-28 发布日期:2021-08-04
通讯作者: 钟九生
作者简介:林双双(1994-),女,贵州黔南人,在读硕士,主要研究方向为图像处理、遥感图像目标检测与识别。Email: 379183875@qq.com
基金资助:
国家自然科学基金项目(41661081);黔科合平台人才([2017]5726-56)

Extraction Method of Urban Forest Land Information Based on Spectral Information

LIN Shuangshuang(), ZHONG Jiusheng(), HE Xin, JIANG Li, DUAN Jiwei, DAI Renli, HE Zhiyuan

College of Geography and Environmental Science,Guizhou Normal University,Guiyang 550025,China

Received:2021-04-25 Revised:2021-05-13 Online:2021-06-28 Published:2021-08-04
Contact: ZHONG Jiusheng

摘要/Abstract

摘要：

为了研究更具区域特征的林地信息提取方法,选取贵阳市部分区域作为研究对象,借助光谱信息对研究区地物信息进行预处理。结果表明:该方法有效减轻了分割模型的处理压力,用该方法提取结果与U-Net方法和NDVI阈值方法提取结果进行比较,其IoU达到了0.943 6,比U-Net方法和NDVI阈值方法分别高6.79%和15.74%,表明该方法对城市区域的林地信息提取具有有效性。

关键词: 光谱信息, 区域特征, 林地提取, 归一化植被指数, 深度学习

Abstract:

In order to study the extraction method of forest land information with more regional characteristics,some regions of Guiyang were selected as the research object,and the terrain information was preprocessed with the help of spectral information.The results showed that this method can effectively reduce the pressure of the segmentation model,and the IoU of this method was 0.943 6,which was 6.79% and 15.74% higher than U-Net method and NDVI threshold method respectively,,showing that the method is effective for extracting forest land information in urban area.

Key words: spectral information, regional characteristics, woodland extraction, normalized vegetation index, deep learning

中图分类号:

S771.8

林双双, 钟九生, 何鑫, 江丽, 段纪维, 代仁丽, 何志远. 光谱信息支持下城区林地信息提取方法[J]. 林业资源管理, 2021,(3): 96-100.

LIN Shuangshuang, ZHONG Jiusheng, HE Xin, JIANG Li, DUAN Jiwei, DAI Renli, HE Zhiyuan. Extraction Method of Urban Forest Land Information Based on Spectral Information[J]. FOREST RESOURCES WANAGEMENT, 2021,(3): 96-100.

图/表 5

图1

图2

图3

表1

表2

参考文献 18

[1]	凌春丽, 朱兰艳, 吴俐民. WorldView-2影像林地信息提取的研究与实现[J]. 测绘科学, 2010, 35(5):205-207.
[2]	张成才, 娄洋, 等. 基于像元二分模型的伏牛山地区植被覆盖度变化[J]. 水土保持研究, 2020, 27(3):301-307.
[3]	Hasituya, CHEN Zhongxin, WANG Limin, et al. Selecting appropriate spatial scale for mapping plastic-mulched farmland with satellite remote sensing imagery[J]. Remote Sensing, 2017, 9:265. doi: 10.3390/rs9030265
[4]	程娟, 肖青, 闻建光, 等. 地物波谱数据库应用方法及遥感应用现状[J]. 遥感技术与应用, 2020, 35(2):267-286.
[5]	Oquab M, Bottou L, Laptev I, et al. Learning and transferring Mid-Level image representations using convolutional neural networks [C]// Proceedings of 2014 IEEE Conference on Computer Vision and Pattern Recognition(CVPR).Columbus,OH:IEEE, 2014.
[6]	颜伟, 周雯, 易利龙, 等. 森林类型遥感分类及变化监测研究进展[J]. 遥感技术与应用, 2019, 34(3):445-454.
[7]	李青, 焦李成, 周伟达, 等. 基于向量投影的支撑向量预选取[J]. 计算机学报, 2005, 28(2):145-152.
[8]	刘巍, 吴志峰, 骆剑承, 等. 深度学习支持下的丘陵山区耕地高分辨率遥感信息分区分层提取方法[J]. 测绘学报, 2021, 50(1):105-116.
[9]	邹橙, 杨学志, 董张玉, 等. 基于GF-2遥感影像的一种快速水体信息提取方法[J]. 图学学报, 2019, 40(1):99-104.
[10]	刘筱笛. 贵阳市周边地区特色村落规划方法研究[D]. 西安:长安大学, 2012.
[11]	周晓芳. 贵阳市发展都市农业旅游探讨[J]. 山地农业生物学报, 2003, 22(1):66-69.
[12]	白洁, 葛全胜, 戴君虎. 贵阳木本植物物候对气候变化的响应[J]. 地理研究, 2009, 28(6):1606-1614.
[13]	肖红伟, 肖化云, 王燕丽. 贵阳大气降水化学特征及来源分析[J]. 中国环境科学, 2010, 30(12):1590-1596.
[14]	冯小铭, 郭坤一, 王敬东. 对中国城市环境地质工作的思考[J]. 安全与环境工程, 2001, 8(4):1-4.
[15]	Tucker C J. Red and photographic infrared linear combinations for monitoringvegetation[J]. Remote Sensing of Environment, 1979, 8(2):127-150. doi: 10.1016/0034-4257(79)90013-0
[16]	蒲智, 刘萍, 杨辽, 等. 面向对象技术在城市绿地信息提取中的应用[J]. 福建林业科技, 2006, 33(1):40-44.
[17]	Ronneberger O, Fischer P, Brox T. U-Net:Convolutional networks for biomedical image segmentation [C]// Proceedings of International Conference on Medical Image Computing and Computer-Assisted Intervention.Munich:Springer, 2015:234-241.
[18]	赵松乔, 陈传康, 牛文元. 近三十年来我国综合自然地理学的进展[J]. 地理学报, 1979, 34(3):187-198. doi: 10.11821/xb197903001

类型	公式	公式含义
IoU	(A∩B)/(A∪B) (2)	A为所提取林地图斑面积; B为对应的实际林地图斑面积
Kappa	(Po-Pe)/(1-Pe)(3)	Po表示总体分类精度; 假设每一类的真实样本个数分别为a₁,a₂,…,a_m 而预测出来的每一类的样本个数分别为b₁,b₂,…,b_m 总样本个数为n 则有:Pe=(a₁×b₁+a₂×b₂+…+a_m×b_m)/(n×n)
OA	TP/(TP+FP) (4)	TP表示正确分类象元数; FP表示错误分类象元数

提取方法	OA/(%)	Kappa	IoU
本文方法	98.19	0.9645	0.9436
U-Net方法	96.71	0.9114	0.8757
NDVI阈值方法	93.10	0.8302	0.7862

光谱信息支持下城区林地信息提取方法

Extraction Method of Urban Forest Land Information Based on Spectral Information

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 5

参考文献 18

相关文章 14

编辑推荐

Metrics

本文评价

[1]	汪帅, 卢楠, 郑红, 李晖, 彭检贵, 张同, 魏彦华. 基于深度学习的野生动物视频目标检测[J]. 林草资源研究, 2024, 0(1): 34-40.
[2]	郑琰睿, 杨林剑, 李曙光, 张永炬. 基于深度学习的森林火灾烟雾监测[J]. 林业资源管理, 2023, 0(4): 150-160.
[3]	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.
[4]	濮毅涵, 张栋, 徐丹丹, 栾兆擎. Sentinel-2A红边波段对湖滨带植被分类能力的评估[J]. 林业资源管理, 2021, 0(2): 131-139.
[5]	闫平, 徐健楠, 菊花, 浩仁塔本, 郭丰毅, 慕晓炜, 阮超越. 云南三江并流地区树轮宽度指数与NDVI关系研究[J]. 林业资源管理, 2019, 0(6): 42-48.
[6]	轩俊伟, 盛建东. 2001—2017年新疆玛纳斯河流域植被NDVI时空变化特征[J]. 林业资源管理, 2018, 0(6): 30-37.
[7]	谭莹, 徐军, 毛华英. 平原绿化工程建设下的归一化植被指数动态变化分析——以浙江省海宁市为例[J]. 林业资源管理, 2017, 0(6): 84-88.
[8]	刘旭升, 孙涛. 近10年我国荒漠化地区植被长势变化分析[J]. 林业资源管理, 2017, 0(3): 31-34.
[9]	赵晶, 周耀治, 邓兴耀. 西北干旱区植被覆盖时空动态特征[J]. 林业资源管理, 2017, 0(1): 118-126.
[10]	李培先, 郑江华, 刘萍. 2000—2014年乌鲁木齐市植被覆盖度时空变化分析[J]. 林业资源管理, 2016, 0(4): 88-95.
[11]	邸富宏. 基于MODIS的近10年来汾河上游植被动态变化监测[J]. 林业资源管理, 2015, 0(4): 109-114.
[12]	赵串串, 于杰. 青海省黄南地区灌木林遥感生物量模型研究[J]. 林业资源管理, 2015, 0(3): 65-69.
[13]	薛亚东, 杨燕琼. 基于遥感的广州市林分光合有效辐射分析研究[J]. 林业资源管理, 2010, 0(3): 115-119.
[14]	王雪, 周荣, 崔志新, 黄文龙. 深圳城市绿地空间分布遥感分析[J]. 林业资源管理, 2009, 0(3): 110-112.