杨朝辉:利用Sentinel-2A影像的面向对象特征湿地决策树分类方法论文

杨朝辉:利用Sentinel-2A影像的面向对象特征湿地决策树分类方法论文

本文主要研究内容

作者杨朝辉,白俊武,陈志辉,钱新强(2019)在《利用Sentinel-2A影像的面向对象特征湿地决策树分类方法》一文中研究指出:苏州市湿地众多、类型多样化、周围环境复杂,使用传统的遥感分类方法很难得到精度较高的湿地分类结果。研究了面向对象特征的湿地决策树分类方法,以苏州市澄湖地区为研究区域,使用欧空局的Sentinel-2A影像,先将研究区域分为湿地水体、植被和非植被3大类型,再分别构建鱼塘、河流、湖泊、农田和裸地等面向对象特征,据此实现湿地遥感分类。研究结果表明,该方法能够有效利用遥感影像提供的光谱特征、几何特征和纹理特征等多种丰富信息,产生较高的分类精度,总体分类精度可达80.67%,Kappa系数为77.80%。与传统的基于中低分辨率遥感影像的分类方法相比,该方法可以有效提取湿地不同地物对象的几何结构和纹理等特征,在提高湿地分类精度的同时实现对大面积湿地的快速动态监测。

Abstract

su zhou shi shi de zhong duo 、lei xing duo yang hua 、zhou wei huan jing fu za ,shi yong chuan tong de yao gan fen lei fang fa hen nan de dao jing du jiao gao de shi de fen lei jie guo 。yan jiu le mian xiang dui xiang te zheng de shi de jue ce shu fen lei fang fa ,yi su zhou shi cheng hu de ou wei yan jiu ou yu ,shi yong ou kong ju de Sentinel-2Aying xiang ,xian jiang yan jiu ou yu fen wei shi de shui ti 、zhi bei he fei zhi bei 3da lei xing ,zai fen bie gou jian yu tang 、he liu 、hu bo 、nong tian he luo de deng mian xiang dui xiang te zheng ,ju ci shi xian shi de yao gan fen lei 。yan jiu jie guo biao ming ,gai fang fa neng gou you xiao li yong yao gan ying xiang di gong de guang pu te zheng 、ji he te zheng he wen li te zheng deng duo chong feng fu xin xi ,chan sheng jiao gao de fen lei jing du ,zong ti fen lei jing du ke da 80.67%,Kappaji shu wei 77.80%。yu chuan tong de ji yu zhong di fen bian lv yao gan ying xiang de fen lei fang fa xiang bi ,gai fang fa ke yi you xiao di qu shi de bu tong de wu dui xiang de ji he jie gou he wen li deng te zheng ,zai di gao shi de fen lei jing du de tong shi shi xian dui da mian ji shi de de kuai su dong tai jian ce 。

论文参考文献

  • [1].基于Sentinel-2A岷江上游地表生物量反演与植被特征分析[J]. 杨斌,李丹,王磊,陈财.  科技导报.2017(21)
  • 论文详细介绍

    论文作者分别是来自测绘科学技术学报的杨朝辉,白俊武,陈志辉,钱新强,发表于刊物测绘科学技术学报2019年03期论文,是一篇关于湿地论文,分类论文,面向对象特征论文,决策树论文,影像论文,测绘科学技术学报2019年03期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自测绘科学技术学报2019年03期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  ;  

    杨朝辉:利用Sentinel-2A影像的面向对象特征湿地决策树分类方法论文
    下载Doc文档

    猜你喜欢