Fontsize: [-] Text [+]

2007年谭农(Tam Nong)实验区的QuickBird数据土地利用分类结果

图1是2007年谭农(Tam Nong)实验区的土地利用分类结果。由于高空间分辨率遥感数据包含过多的细节信息,因此除了面向像元的分类方法以外使用面向对象的分类方法往往能够取得很好的分类结果。分类过程中使用了不仅仅是光谱信息,还有纹理信息以及对象之间的关系等面向对象的分类方法判别准则来对研究区及其邻近区域(即所谓的对象)进行分类。分类所使用的数据源是2007年旱季的谭农地区的QuickBird数据(©DigitalGlobe, 2007-01-27).。


 


 



图1 - 2007年谭农(Tam Nong)实验区土地利用分类结果。


 


方法:分类方法包括:(1) 图像校正 (2) 影像分割 (3) 特征提取 (4) 基于对象的分类。 


 


特别是对于相邻但是不同类型的植被而言,在高空间分辨率遥感影像如Quickbird数据上变得很容易区分。而其分类结果也要好于在空间分辨率相对较低的遥感数据如SPOT或Landsat数据上使用基于像元分类所得到的结果。而想要在空间分辨率相对较低的遥感数据上得到相同的结果,除非使用多时相的数据否则几乎是不可能的。


 


在图像分割时使用“多分辨率”对象类型识别7.0算法来将相近的像元转变成为对象。通过这种面向对象的高效软件,可以首先从不同的土地覆盖类型当中提取各个对象特征,然后建立一个较复杂的分类处理程序。各个对象的特征除了基于像元的分类方法所需要的光谱信息以外,还包括了更多的特征:纹理特征(如对象内像元的熵和标准差)、几何特征(如对象的形状、线状目标的长宽比)、及邻接特征(运河附近的沉降)。分类由Definiens工具处理一直到结果满意为止。并且用相近时间、相邻景幅的Quickbird数据进行测试。分类的类别则根据当地农业用地的使用类型来确定(如生长阶段的水稻)。精度评估将在2009年1月得到新的精度检验样点以后进行。


 


地表覆盖类型分类结果由WISDOM项目组及DLR提供。需要提供更多的信息请联系项目组德方负责人Claudia Kuenze(claudia.kuenzer@dlr.de)博士 - 2009年1月。


 

Copyright © 2012 German Aerospace Center (DLR). All rights reserved.