论文部分内容阅读
基于遥感影像的树种分类是遥感技术在林业上应用的重点也是难点。目前基于中低分辨率遥感数据识别植被类型、森林类型的研究较多,理论与方法也趋向于成熟,但基于高分辨率遥感数据识别树种的研究还较少,理论与方法还处于起步阶段,分类结果不甚理想。本文充分利用WorldView-Ⅱ多波段、高空间分辨率的特点,分析树种识别中影像波段特征、空间特征在提高分类精度中所起的作用。通过辐射定标、数据融合、大气校正等预处理,提取影像光谱特征,确定影像最佳波段组合,确定待分类树种,分析各树种在单波段及植被指数中的可区分性,最后利用最大似然和面向对象的分类方法对整幅影像进行分类,研究结果表明:(1)本研究中Gram Sehmldt融合法是WorldView-Ⅱ影像融合的最好方法;gamma矫正与色彩空间变换消除阴影效果最好;RGB875波段组合OIF指数最大,目视效果最好,是树种分类的最佳波段组合。(2)11个树种及草类反射率均值曲线在海岸、蓝、绿、黄、红波段的可分性不大,在红边、近红外1、近红外2波段的可分性较大,在近红外1的可分性最大。(3) NDVI、EVI、1ARI1、SAVI提取绿地的精度最高,都达到100.00%;针、阔、草分类中,采用2m多光谱数据的总体精度是90.52%,采用0.5m融合后的数据的总体精度为93.99%。(4)影像分割中Canny算子提取的边缘要比Log、Roberts、Sobel、Prewitt算子提取的边缘较完整,边缘线形连接程度好,定位准确性较高,效果最好。(5)最大似然法分类的总体精度为62.17%,面向对象的总体分类精度为71.23%。表明,在树种识别中面向对象的分类方法较基于像元的最大似然分类方法要优越。