论文部分内容阅读
森林资源调查作为一项重要的国家资源调查,目的是全方位了解全国林业资源利用状况,掌握真实的林业资源数据,为国家宏观掌控森林资源的消耗、制定国民生产计划以及指导和改善林业工作计划提供可依靠的证据。近几年来,随着遥感科技的发展,遥感影像的时像分辨率、三维分辨率以及色谱分辨率都有了极大的提高,给人们对于遥感研究提供了极其丰富的地表信息。同时,也为森林资源的调查提供了一种全新的科学手段,使得森林资源调查的精度有了进一步提高,并大大提高了作业效率。传统的信息提取方法在大部分情况下是通过分析地物的波段特征相近的程度来进行信息提取,这种基于像元的光谱信息提取技术忽略了整个影像的基本结构情况,从而导致对影像的认识和提取的准确性受到影响;因此,为了解决这一不足,提出了关于面向对象的分类方法。面向对象的遥感图像分类方法充分利用光谱、结构及三维等各种信息,弥补了传统分类方法的不足,取得了较好的分类效果,避免了椒盐现象的产生,突破了传统的分类方法以基本像素为分类和处理单元的局限性。本文基于eCognition软件,利用面向对象的分类方法对四川省南部县玉镇乡SPOT5遥感影像进行森林分类,并验证其分类结果的精确程度。旨在探索适合四川省丘陵区遥感影像的森林资源分类方法,并提高SPOT5影像森林分类的准确度,为快速、准确、合理的进行森林分类调查提供可借鉴的经验和方法。主要结果如下:(1)通过面积比均值法以及反复的分割试验,最终确定建设用地、耕地和林地、水田和水域的最优分割尺度和最优分割参数分别为10、30和70;形状因子分别为0.7、0.3和0.5。(2)充分利用分割后影像对象的纹理和光谱特征以及各层次间的关系,建立起适合该地区的分类知识库,采用模糊分类中的隶属度函数分类方法将有林地、疏林地、耕地、以及建筑提取出来。这样的分类规则适合于研究区的森林分类。(3)精度评价的结果表明,传统最大似然法分类结果显示总体的精度为54.50%,kappa系数为0.4921,面向对象分类方法总体精度和kappa系数分别为80.93%和0.7672,明显比最大似然法有所提高。总体看来,面向对象分类方法在高分辨率影像分类时,精度有明显的提高,结果符合实际生产的要求,因此该方法适用于四川省丘陵区林地遥感分类。