基于面向对象方法和SPOT5的丘陵山区林地分类研究

doi:10.13466/j.cnki.lyzygl.2014.05.017

林业资源管理 ›› 2014, Vol. 0 ›› Issue (5): 92-99.doi: 10.13466/j.cnki.lyzygl.2014.05.017

基于面向对象方法和SPOT5的丘陵山区林地分类研究

杨飞¹, 刘丽峰², 王学成²

1.中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京 100101;
2.山东理工大学建筑工程学院,山东淄博 255000

收稿日期:2014-08-06 修回日期:2014-09-29 出版日期:2014-10-28 发布日期:2020-11-23
作者简介:杨飞(1981-),男,山东枣庄人,助理研究员,博士,主要从事遥感与GIS应用,以及生态环境安全方面的研究工作。Email:yangfei@igsnrr.ac.cn
基金资助:
国家自然科学青年基金项目(41301607);科技部国家科技基础性工作专项(2012FY111800)

Study on Forest Classification Based on Object-oriented Method and SPOT5 Images in Hilly Mountain Area

YANG Fei¹, LIU Lifeng², WANG Xuecheng²

1. Institute of Geographic Sciences and Natural Resources Research,CAS,State Key Laboratory of Resources and Environmental Information System,Beijing 100101,China;
2. Shandong University of Technology,School of Architectural Engineering,Zibo,Shandong 255000,China

Received:2014-08-06 Revised:2014-09-29 Online:2014-10-28 Published:2020-11-23

摘要/Abstract

摘要： 采用4种面向对象分类方法(最邻近法、隶属度函数法、决策树和支持向量机),利用SPOT5影像对湖南省会同县部分地区进行林地类型提取。结合研究区林地类型,将分类提取6种林地类型、6种非林地类型,并相应地构建分类层次结构。通过比较4种面向对象方法的分类结果,发现最邻近法擅长提取对象特征相近的地物类型,更适合于丘陵地区的林地信息提取。其在南方丘陵山区进行林地信息提取精度显著高于其他3种方法,其总体分类精度可达76.12%(分12类),Kappa系数为0.73(分12类)。

关键词: 面向对象方法, 丘陵山区,林地分类

Abstract: In this study,four kinds of object-oriented methods,including nearest neighbor method,a member function method,support vector machine and decision tree,are used for forest classification with SPOT5 image in Huitong county of Hunan Province.As the actual forest classes in Huitong county,6 forest classes and 6 non-forest classes were extracted in this study,and the classification hierarchy is also constructed.By comparing the forest classification results of the four object-oriented methods,it is found that the nearest neighbor method performed the best for forest classification,especially for those forest classes with similar object features,and it is more suitable for extracting forest classes in hilly area,its classification accuracy can reach 76.12%(12 classes),its kappa coefficient can reach 0.73(12 classes)in the mountainous and hilly areas of southern China,which are obviously higher than those of other methods.

Key words: object-oriented method, hilly mountain area, forest classification

中图分类号:

S771.8

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.

YANG Fei, LIU Lifeng, WANG Xuecheng. Study on Forest Classification Based on Object-oriented Method and SPOT5 Images in Hilly Mountain Area[J]. FOREST RESOURCES WANAGEMENT, 2014, 0(5): 92-99.

参考文献

[1] 肖化顺.森林资源监测中林业3S技术的应用现状与展望[J].林业资源管理,2004(2):53-58.
[2] 常春艳,赵庚星,王凌,等.滨海光谱混淆区面向对象的土地利用遥感分类[J].农业工程学报,2012,28(5):226-231.
[3] 张秀英,冯学智,江洪.面向对象分类的特征空间优化[J].遥感学报,2009,13(4):664-669.
[4] 陶超,谭毅华,蔡华杰.面向对象的高分辨率遥感影像城区建筑物分级提取方法[J].测绘学报,2010,39(1):39-45.
[5] 邢元军,旦增.基于面向对象的高分辨率影像的森林植被变化信息提取研究[J].中南林业调查规划,2010,29(4):34-37.
[6] 黎良财,张晓丽,郭航.基于SVM方法的SPOT-5影像植被分类[J].东北林业大学学报,2014,42(1):51-56.
[7] 苏簪铀,邱炳文,陈崇成.基于面向对象分类技术的景观信息提取研究[J].遥感应用,2009,10(2):42-46.
[8] 陈利,林辉,孙华,等.基于决策树分类的森林信息提取研究[J].中南林业科技大学学报,2013,33(1):46-51.
[9] 张黎明,孙亚峰,李娟.基于SPOT5 遥感影像的珲春林业局森林分类研究[J].山东林业科技,2010(6):18-20.
[10] 申文明,王文杰,罗海江,等.基于决策树分类技术的遥感影像分类方法研究[J].遥感技术与应用,2007,22(3):333-337.
[11] 丁世飞,齐丙娟,谭红艳.支持向量机理论与算法研究综述[J].电子科技大学学报,2011,40(1):2-10.
[12] 韩凝,张秀英,王小明,等.基于面向对象的IKONOS影像香榧树分布信息提取研究[J].浙江大学学报,2009,35(6):670-676.
[13] 刘建华,毛政元.高空间分辨率遥感影像分割方法研究综述[J].遥感信息,2009(6):95-101.
[14] 于欢,张树清,孔博,等.面向对象遥感影像分类的最优分割尺度选择研究[J].中国图像图形学报,2010,15(2):352-360.
[15] 孙晓霞,张继军,刘正军.利用面向对象的分类方法从IKONOS全色影像中提取河流和道路[J].测绘科学,2006,31(1):62-63.

基于面向对象方法和SPOT5的丘陵山区林地分类研究

Study on Forest Classification Based on Object-oriented Method and SPOT5 Images in Hilly Mountain Area

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	马鸿伟, 刘海, 姚顺彬, 周蔚. 基于林业遥感的树种分类应用分析与展望[J]. 林业资源管理, 2020, 0(3): 118-121.
[2]	亓兴兰, 曹祖宁, 刘健, 陈芳, 庄苇. 基于卫星遥感影像的森林病虫害监测研究进展[J]. 林业资源管理, 2020, 0(2): 181-186.
[3]	罗洪斌, 舒清态, 庞勇, 王强, 王冬玲. 运用机载LiDAR数据对橡胶林地上生物量估测的采样尺度效应分析[J]. 林业资源管理, 2020, 0(1): 136-142.
[4]	袁昊, 陈宏伟, 齐麟, 房磊, 乔泽宇, 赵福强. 基于landsat影像大兴安岭地区林火烈度时空格局分析[J]. 林业资源管理, 2019, 0(6): 91-96.
[5]	林丽丽, 郝振帮, 戴姗霖, 杨柳青, 刘健, 余坤勇. 南方集体林区典型毛竹经营区林分质量遥感量化研究[J]. 林业资源管理, 2019, 0(6): 84-90.
[6]	邵蕊, 田建茹, 李伟娜, 徐琬莹, 左华. 基于无人机影像的自然-人工复合生态系统景观格局定量分析[J]. 林业资源管理, 2019, 0(3): 151-156.
[7]	任怡, 王海宾, 许等平. 基于Landsat 8影像的乔木林地上生物量估算[J]. 林业资源管理, 2018, 0(6): 38-44.
[8]	邓世晴, 陶欢, 李存军, 刘荣, 胡海棠. 不同地形校正方法对黑松分布遥感提取的影响[J]. 林业资源管理, 2018, 0(6): 138-145.
[9]	吴发云, 高显连, 潘超, 孙忠秋, 王丽东, 刘迎春. 机载林业探测大光斑激光雷达系统的设计与应用[J]. 林业资源管理, 2018, 0(4): 125-132.
[10]	朱磊. 基于高清影像分层抽样技术在森林资源二类调查中的应用探索[J]. 林业资源管理, 2018, 0(3): 129-132.
[11]	郑冬梅, 智长贵, 黄国胜, 曾伟生, 张云. 遥感大样地点面判读方法在森林资源宏观监测中的应用分析[J]. 林业资源管理, 2017, 0(6): 137-142.
[12]	黄贝, 朱丽艳, 刘文国. 基于无人机影像的林地管理情况检查与应用分析[J]. 林业资源管理, 2017, 0(6): 153-158.
[13]	张乃静, 侯瑞霞, 纪平. 基于遥感影像和二类调查数据的林地类型分类方法对比研究——以广西凭祥市为例[J]. 林业资源管理, 2017, 0(4): 89-96.
[14]	张煜星, 王雪军, 刘明博. 基于无人机遥感影像的DSM及遥感数据林分平均高提取[J]. 林业资源管理, 2017, 0(2): 23-27.
[15]	史迎春, 舒英格. 喀斯特石漠化时空变化特征及驱动因子分析——以贵州晴隆县为例[J]. 林业资源管理, 2017, 0(1): 135-143.