基于遥感影像进行城市植被信息 遥感影像植被分类
基于遥感影像进行城市植被信息 遥感影像植被分类 0 引言植被对于我们来说饰演着主要的角色。它不但影响地球的多种平衡，在生化循环中还有主要作用。所以。地球植被及其改变一直被各国科学家和政府所关注。2城市植被是地球植被中的一部分，对于保护城市生态环境含有不可忽略的作用。另外，城市绿地是城市生态系统不可缺乏的部分，是多个原因作用的结果，更是居民生活水平和城市环境的主要标志。所以开展城市植被生态研究含有主要现实的意义。遥感关键是依据不一样的物体会产生不一样的电磁波的响应，从而识别地面上各类地物。含有视域范围广、图像清楚逼真、宏观性强、反复周期短、信息量多、资料搜集方便的优点。1所以，卫星遥感是监测植被的有效手段。本文关键针对城市植被信息的提取，从城市遥感的原理和数据源、城市植被信息的提取方法和遥感技术等几方面对基于遥感影像对城市植被信息提取的研究的进展进行叙述，并讨论了这些研究的特点和各自存在的部分不足，和发展的趋势。1 城市植被及遥感影像光谱特征城市植被城市植被指的是城市里覆盖着的生活植物，即城市内一切自然正常生长和人工种植的各类植物类型的总称。植被遥感影像光谱特征在蓝色和红色波段，能量很低；在绿色波段周围，会形成一个小的峰值。而在近红外波段，叶肉海绵组织结构有很大的反射表面。2 城市植被信息提取数据源、遥感影像预处理信息提取数据源及其选择1 Landsat TM影像及ETM+遥感数据。空间分辨率不是很高。2 MODIS数据，很高的信噪比。3 美国商业遥感卫星Quick Bird影像，能较清楚的从遥感图像判读出城市绿地。44 IKONOS遥感数据，全色波段的分辨率为1m，多光谱数据分辨率为4m。55 另外，遥感数据还有很多类型，比如SPOT影像等。卫星影像预处理研究中遥感影像的预处理包含：几何校正、遥感影像图像增强、截取研究区域、相关性分析等一系列处理，在处理中需依据不一样类型不一样特点的遥感图像进行不一样的预处理。3 城市植被信息提取的方法人机交互方法进行植被信息提取基于波段的选择进行分类法提取步骤：1 试验波段的选择及彩色合成结合波段的波谱物理特征优先选择多个波段，K-L变换后的第一、第二、第三主成份波段，NDVI植被指数段和K-L变换后的第一主分量加影像的三个波段进行波段间的相关性分析，对该3种波段数据进行假彩色合成，重复比较，选出植被景观目视效果最好的合成的图像。2 遥感影像的分类及后处理利用非监督确定图像的最好类别数；进行监督分类；在计算机分类的基础上，经过目视解译对错分加以纠正；进行空间滤波，消除出现频数过少的像元图斑，得出解译精度。3特点：在信息提取的时候不但考虑了7个原始的波段数据，而且还包含各主分量、NDVI比值型指数在内的 “衍生”波段数据。也能够采取波段数据组合这么的方法，提升判读和分类的精度。不足：同物异谱和异物同谱的现象造成了分类精度的下降，因此分类的时多种客观或主观原因会影响到分类的精度。另外，植被信息的多少伴随分类数目标多少而定，也会影响正确度。高分辨率影像的城市植被提取步骤：1 NDVI提取。首先要设NDVI的阈值，大于此阈值为绿地。将提取出来的部分绿地同原图像进行一定的逻辑运算，从原始图像中剔除绿地像元。2 基于地物光谱响应知识及ISODATA绿地提取依据非植被的特征，将该类信息提取并剔除，将此时的图像作为新原始图像，经过灰度拉伸后，再进行分类提取。目视解译然后选择绿地样本点，利用非监督ISODATA聚类技术，最终一次提取出绿地信息。6特点：混分现象少，信息提取的准确度高。该方法针对各类地物的特点分别进行处理，当提取出一层信息后，要把它剔除，从而避免对其它信息提取的影响。该方法比较方便，能够在不考虑其它已分出来地物的光谱特征的情况下分辨出含有细微光谱差异的地物。不足：只对于高分辨率影像效果很好。计算机自动提取方法像元信息分解和神经网络分类相结合的分类模型进行信息提取步骤：设计出像元信息分解和神经网络分类相结合的分类模型。该模型先考虑经过像元信息分解法把绿地从遥感影像中分离出来，再作为分类掩膜，采取BP神经网络分类对其进行分类。此模型在进行初级分类时采取像元信息分解法，在只有少数几类地物分类，有效地排除和避免了提取绿地信息时其它多出信息的干扰和影响。7特点：是一个新的基于像元信息分解和神经网络分类相结合的城市绿地遥感信息自动提取方法。可开展野外遥感调查以提升和验证分类精度。确保了分类时绿地的纯洁度，提升了分类的精度。不足：NDVI、DEM数据的准确程度会影响信息提取的精度。在进行像元信息分解时，多种经典地物的反射率采取的是标准反射率，因此假如能够测出各经典地物的实际反射率，则分类精度会得到深入的提升。基于See5的遥感影像决议树分类步骤：1 选择训练和检验样区，并提取图像的植被指数。2 应用ENVI软件的Decision Tree模块实现影像分类。3 结果分析和精度检验。利用检验样本，对分类结果进行精度检验。8特点：正确地域分了植被和非植被，提取多种植被类型的信息对于分类精度起决定性作用。采取信息增益率作为评价函数选择特征，能够在多特征空间中选择更有效的特征进行分类，很好地分析出研究区景观格局类型，提升了分类精度，缩减分类所需的时间。
