高分辨率影像城市绿地快速提取技术与应用
如何利用卫星影像进行城市绿地面积提取与分析
如何利用卫星影像进行城市绿地面积提取与分析城市绿地面积的提取和分析是一项重要的任务，可以帮助城市规划者和决策者了解城市绿地的分布和规模，从而制定相应的环境保护和城市发展政策。
这项工作过去主要依靠人工测量和调查，但随着卫星遥感技术的发展，利用卫星影像进行城市绿地面积提取和分析变得更加高效和准确。
卫星遥感技术通过获取遥感影像数据，可以对地球表面进行广泛、连续和定量的观测。
对于城市绿地面积的提取和分析，除了高分辨率的遥感影像数据外，还需要进行一系列的图像处理和分析步骤。
首先，需要获取高分辨率的遥感影像数据。
卫星拍摄的遥感影像往往包含多个波段，例如红、绿、蓝和近红外波段，这些波段可以提供丰富的信息用于绿地分类和提取。
常用的卫星有Landsat、Sentinel等，它们具有不同的空间分辨率和数据更新频率，选择适合的卫星影像数据是进行城市绿地面积提取和分析的第一步。
其次，需要进行预处理和校正。
卫星影像在采集和传输过程中可能会受到大气、地表反射率和传感器等因素的影响，因此需要对影像数据进行预处理和校正，以消除这些干扰因素。
预处理包括影像的辐射校正和几何校正，可以提高影像的准确性和比较性。
然后，需要进行绿地分类和提取。
绿地分类是将遥感影像中的像素划分为不同的类别，如建筑物、道路和植被等。
通常采用的方法包括基于光谱特征、纹理特征和形状特征的分类方法。
在绿地提取中，主要关注植被类别，可以采用阈值法、像元反射率法和基于纹理和形状特征的方法进行提取。
除了绿地面积的提取，还可以进行绿地面积的分析和评估。
通过统计和分析绿地的分布、规模和变化等信息，可以评估城市绿化水平和绿地供给能力。
例如，可以计算绿地的面积比例、密度和紧凑度等指标，以及绿地的空间分布格局。
这些信息可以帮助城市规划者和决策者制定合理的绿地规划和管理措施，以提高城市的生态环境质量和居民的生活质量。
此外，利用卫星影像还可以进行绿地变化检测和监测。
城市绿地的变化往往是一个动态过程，了解和监测绿地的变化情况对于城市的可持续发展和环境保护至关重要。
从高分辨率遥感影像中提取城市道路的新方法
从高分辨率遥感影像中提取城市道路的新方法在过去的几十年里，高分辨率遥感影像已经成为了城市规划和管理的重要工具。
通过分析这些影像，可以提取出城市道路的位置和特征，为城市交通规划和交通状况监测提供数据支持。
然而，由于城市道路的复杂性和多样性，现有的方法在提取精度、处理速度和适应性方面仍然存在一些局限性。
因此，本文提出了一种新的方法，旨在解决这些问题。
首先，本方法采用了一种基于深度学习的图像分割算法。
该算法通过训练一个深度卷积神经网络，将道路区域和非道路区域分割开来。
为了训练网络，我们使用了大量的标记数据，其中包括城市道路和非道路的遥感影像样本。
通过训练，网络可以学习到道路的特征，并能够准确地提取出道路区域。
其次，本方法利用了多尺度处理技术。
由于遥感影像中的道路尺度各异，为了提高提取精度，我们采用了多尺度处理技术。
具体而言，我们首先将原始遥感影像进行分割，得到一系列不同尺度的子图像。
然后，针对每个子图像，我们分别使用图像分割算法提取道路区域。
最后，将得到的道路区域进行合并和优化，以得到最终的道路提取结果。
此外，本方法还引入了半监督学习的思想。
传统的道路提取方法通常需要大量的标记数据，这在实际应用中往往是难以获得的。
为了克服这个问题，我们使用了一种半监督学习的方法。
具体而言，我们首先用少量的标记数据训练网络，然后使用网络提取道路区域，并将提取结果与原始影像进行比较。
通过比较结果，我们可以发现一些错误的提取区域，并将其标记为非道路区域。
然后，我们使用这些新的标记数据重新训练网络，以提高提取精度。
最后，我们对我们的方法进行了大量的实验证明了其有效性和准确性。
通过与传统的道路提取方法进行比较，我们的方法在准确度和处理速度方面都取得了显著的改进。
我们还对不同尺度的影像进行了实验，结果表明我们的方法对于不同尺度的道路都具有很好的提取能力。
综上所述，我们提出的新方法在高分辨率遥感影像中提取城市道路方面有着显著的优势。
利用高分辨率影像计算城市绿地覆盖率
利用高分辨率影像计算城市绿地覆盖率【摘要】利用高分辨率影像计算城市绿地覆盖率是一项重要研究领域，本文旨在探讨这一主题。
在背景介绍将介绍城市绿地覆盖率的意义和对城市可持续发展的重要性。
在研究意义部分，将强调利用高分辨率影像计算城市绿地覆盖率的价值和意义。
在将阐述高分辨率影像在城市规划中的应用，城市绿地覆盖率的计算方法，以及利用高分辨率影像计算城市绿地覆盖率的具体流程。
实际案例分析将展示这一方法在实际城市规划中的应用效果，未来发展趋势部分则将探讨这一技术的未来发展方向。
在将强调高分辨率影像在城市绿地覆盖率计算中的重要性，并对本文的主要内容进行总结分析，展望未来研究方向。
通过本文的研究，有望为城市规划和绿地保护提供更有效的数据支持和决策依据。
【关键词】高分辨率影像、城市绿地覆盖率、城市规划、计算方法、流程、实际案例、发展趋势、重要性、总结、展望未来1. 引言1.1 背景介绍城市绿地覆盖率是衡量城市生态环境质量的重要指标之一。
随着城市化进程的不断加快，城市绿地面积逐渐减少，绿地覆盖率的提高成为了保护城市生态环境、改善居民生活质量的重要途径。
而计算城市绿地覆盖率需要对城市中各类绿地进行准确识别和统计，这一过程传统上需要大量人力物力投入，效率低下且容易出现误差。
随着遥感技术的发展和高分辨率影像的广泛应用，利用高分辨率影像计算城市绿地覆盖率成为了一种新的解决方案。
高分辨率影像提供了更为清晰和详细的城市地物信息，能够准确识别不同类别的绿地，并进行精准的面积计算。
相比传统的调查测量方法，利用高分辨率影像计算城市绿地覆盖率更加高效、准确和全面。
探讨利用高分辨率影像计算城市绿地覆盖率的方法和流程，对于科学评估城市绿地资源、制定合理规划和保护城市生态环境具有重要意义。
本文将结合实际案例分析，探讨高分辨率影像在城市绿地覆盖率计算中的应用，总结分析其优势和不足，展望未来的发展方向。
1.2 研究意义城市绿地覆盖率是评估城市生态环境质量的重要指标之一，其大小直接影响到城市居民的生活质量和健康状况。
结合高分辨率影像和LIDAR数据对城区建筑物提取
结合高分辨率影像和LIDAR数据对城区建筑物提取发布时间：2022-11-13T01:04:00.697Z 来源：《建筑实践》2022年第13期第41卷作者：刘永贵李雅媚[导读] 城市建筑物作为城市中最主要的地物要素之一，刘永贵李雅媚云南省地图院云南昆明 650034摘要：城市建筑物作为城市中最主要的地物要素之一，城市建筑物信息是城市规划、土地利用分析和灾害评估等很多城市应用所需要的重要数据。
利用LIDAR数据和高分辨率数据进行特征融合来提取建筑物，首先将LIDAR数据预处理，经地表滤波算法得到nDSM(归一化数字地表高程模型)，然后，将LIDAR数据和高分辨率遥感影像数据进行配准，最后，利用遥感影像分割和特征提取的基本理论，完成了对nDSM的分割，再结合高分辨率影像计算出NDVI，采取决策树分类，最终将建筑物分出来。
关键词：LIDAR，高分辨率影像，分类1.研究背景LIDAR技术作为一种新兴的空间对地观测技术，在测绘、遥感等方面，激光雷达技术提供了一种比传统测绘更快、更精密的大范围高分辨率解决方案，且能广泛应用于地物目标和表面三维提取与重建。
LIDAR数据在形式上的一个优点是能直接获取地表三维信息（高度信息）。
高分辨率遥感影像可以为研究者提供丰富的光谱特征、纹理信息、形状结构，可有效弥补了LiDAR数据的不足。
LIDAR数据和高分辨率遥感影像的集成将更加有利于建筑物的准确地提取，使一个数据源的缺点可以由其他数据源加以弥补，这也是摄影测量和遥感领域的一个发展趋势。
2.研究内容实验将对两种数据进行不同的协同处理，找出最佳协同方式，大致流程为：将LIDAR数据进行了地表滤波，生成DSM（数字表面模型）和DEM（数字高程模型），最终由这两种模型的差值得到nDSM(归一化数字表面模型)；再结合光谱信息，进行特征融合后分类，从高的地物中分离出建筑物。
3.实验算法原理及流程3.1地表滤波算法获取nDSMnDSM即归一化数字表面模型，是为了消除地形的影响，经常需要对高程进行归一化，获取地物的真实高度，也就是地物的对地高差，当通过高度阈值进行地物分类时，就需要用到nDSM。
高分辨率卫星影像的处理与应用研究
高分辨率卫星影像的处理与应用研究一、引言高分辨率卫星影像是一种能够提供地球表面详细信息的重要工具。
随着遥感技术的不断发展，高分辨率卫星影像的处理与应用研究变得越来越重要。
本文将围绕高分辨率卫星影像的处理方法和应用领域展开研究。
二、高分辨率卫星影像的处理方法1. 影像预处理高分辨率卫星影像的预处理是整个处理过程中的关键步骤。
预处理包括：几何校正、辐射定标、大气校正等。
几何校正通过使用地面控制点进行校正，消除影像中的几何畸变。
辐射定标则通过测量卫星传感器的响应，将影像的数字值转换为物理辐射亮度。
大气校正则是为了消除大气传输对卫星影像的影响，提高影像的质量和可用性。
2. 影像增强高分辨率卫星影像的影像增强是指通过一系列图像处理方法来增强图像细节和对比度，提高图像的可视化效果。
常用的影像增强方法包括直方图均衡化、多尺度变换等。
直方图均衡化通过调整影像中像素值的分布，实现图像对比度的增强。
多尺度变换则是通过将影像从不同的尺度进行分解，再进行重建来增强影像的细节。
三、高分辨率卫星影像的应用领域1. 城市规划与土地利用高分辨率卫星影像能够提供城市规划与土地利用的重要数据。
通过对影像进行识别和分类，可以获取城市建筑物、绿地、水体等各类地物的信息，从而为城市规划和土地利用提供决策支持。
例如，可以通过分析影像中的建筑物密度和空地分布，评估城市发展的潜力和可行性，为城市规划部门提供参考意见。
2. 环境监测与资源管理高分辨率卫星影像在环境监测与资源管理中发挥着重要作用。
通过对影像中的植被、水体、土壤等进行监测和分析，可以获取环境和资源的关键信息。
例如，可以通过分析植被指数，评估植被覆盖程度，监测生态系统的健康状况。
同时，高分辨率卫星影像还可以用于监测水体质量、土壤侵蚀等环境问题，为环境保护和资源管理提供科学依据。
3. 灾害监测与应急响应高分辨率卫星影像在灾害监测与应急响应中具有重要意义。
当地震、洪水、火灾等灾害事件发生时，通过获取受灾地区的高分辨率卫星影像，可以及时了解灾情，指导救援工作。
基于高分辨率遥感影像的城市绿地信息提取方法研究进展
米 级 亚 米 级 分 辨 率带 来 了 清晰 的 图像 ， 目标 物 的形 状
依稀可见 。 影 像 中 的地 物 尺 寸 、 形状 、 结 构 和 邻域 关 系 得 到 更好 的 反映 ， 人们 感 兴趣 的大 多数地 物特 征 可 以直接 探 测 。 高空 间分 辨 率 同 时使 得 地 物 类 型更 加 多 样 ， 纹理 类型 和 纹 理 区域 明显 增 多 ， 纹 理特 征 更具 变 异性 ， 同一 地物 内 部组 成
１ ０ ０ ７ — ５ ７ ３ ９ （ ２ ０ １ ３ ） ０ １ — ０ １ ５ １ — ０ １
关键 词 高 分辨 率遥 感 ； 影像； 城 市绿地 ； 信 息提取 中图分 类号 Ｔ Ｐ ７ ５ １ 文 献标 识码 Ａ 文 章编 号
近 十 几 年 来高 分 辨 率 遥 感 卫 星的 成 功 发 射 ， 标 志 着地
数据和 Ｓ Ｐ Ｏ Ｔ数 据 对 上海 市环 线 内城 市 绿地 景 观 进 行 了分
类研 究 。 郭成 轩 等 也对 广州 市 的绿 地 状 况进 行 了研 究 ， 从
丰 富 的地 表 景观 信 息 。 高 分 辨 率遥 感 影 像 已成 为 城 市 绿 地 信 息 快 速 提 取 的主 要 数 据 源 。 如 何 充 分 应 用 高空 间 分 辨 率
化城 市 的 申报 过程 中 ， 建 成 区绿 地现 状 的调 查 采用 了 真 彩
色 航空 遥 感 影 像技 术 ， 提 出 了航 空 影像 绿 地 专题 提 取 的 一
球 空 间数 据 获 取 与 处理 技 术 新 纪 元 的 来临 ， 它 扩 大 了遥 感
的应 用范 围 ， 提 高 了地 理数 据 的更 新速 度 ， 尤其 是 １ ｍ 空 间
城市绿地信息提取中高分辨率卫星影像融合方法
北京揽宇方圆信息技术有限公司城市绿地信息提取中高分辨率卫星影像融合方法城市绿地系统是城市生态系统的子系统，是城市中唯一有生命的基础设施，在改善城市生态环境和人居环境方面起着积极的作用。
随着城市的不断扩大、人们生活水平的提高，城市绿地质量受到广泛的关注，城市绿地信息提取成为当下研究热点之一。
遥感技术可为城市绿地信息的快速提取提供技术支持。
在影像分类研究中，已有不少研究者首先将多光谱影像与全色影像进行融合，再利用融合后的影像进行信息提取，分析影像融合的效果。
目前，高分辨率遥感影像在城市绿地信息提取中的应用越来越广泛，但针对绿地信息提取，不同融合算法的影像融合效果还缺少系统研究。
本文将以WorldView-2与PL-1A影像为数据，利用GS(Gram-Schmidt)变换、PCA(主成分分析)变换、Ehlers(空间滤波)融合、Wavelet(Wavelet分析)、HIS变换5种方法对影像进行融合。
在此基础上针对城市绿地信息提取，分别用目视方法和量化指标对融合影像的质量进行评价；同时利用面向对象基于规则方法分别基于多光谱影像和融合后的影像，提取绿地信息并进行精度评价。
对不同影像融合算法的融合有效性进行系统深入的评价，可为城市绿地信息提取影像的融合工作提供技术支持。
1研究区概况与数据源本次研究选取了上海交通大学闵行校区与华东师范大学闵行校区为研究区。
上海市闵行区坐落长江三角洲冲积平原，气候温和雨水充沛，为植被生长提供了有利的条件。
自“十一五”以来该区以深入推进国家生态建设为目标，在上海市率先开展大规模绿化建设，绿化基础较好，绿化效果明显。
上海交通大学和华东师范大学是该区内绿化发展较好、绿地分布较多的区域，以该区域为研究点进行影像融合，对城市研究绿地信息提取有较好的参考意义。
研究所用的数据包括WorldView-2、PL的多光谱影像与全色影像，其中WorldView-2影像的成像时间为2014年6月12日，空间分辨率分别为0.5m；PL-1A影像的成像时间为2014年5月27日，空间分辨率分别为0.5m。
浅谈高分辨率遥感影像在小区域绿地信息提取中的应用研究
浅谈高分辨率遥感影像在小区域绿地信息提取中的应用研究摘要：高分辨率遥感影像是绿地信息提取的主要数据源。
本文以IKONOS 影像为数据源，综合运用测绘、遥感技术，以Erdas Imagine软件为研究平台，以山东农业大学北校区为实验区，运用非监督分类、监督分类以及目视解译等方法对影像中的绿地信息进行提取，通过精度分析对比，探索出对小区域绿地信息提取的理想方法，为区域绿化提供信息支撑。
关键词：高分辨率；遥感影像；信息提取；绿地；绿化Abstract: The high resolution remote sensing image is the main data sources for collecting green space information. Regarding IKONOS images as data sources, by comprehensively using surveying and mapping, remote sensing technology, applying the Erdas Imagine software as the study platform, making the north campus of Shandong Agricultural University as the study area, using the methods of unsupervised classification, supervised classification and visual interpreting to collect the green space information from image, through the precision analysis contrast, this paper explores ideal methods to collect green space information of the resident area, providing information support for resideng area afforesting.Keywords: high resolution; remote sensing image; information collecting; green space; afforesting中图分类号: S731.1 文献标识码：A文章编号：一引言快速准确摸清城市绿地现状及绿化水平，是正确评价城市绿地及其生态效益，科学建立和有效管理城市绿地的工作基础［1］。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收稿日期 : 2002210230 ;修订日期 : 2002212204 基金项目 : 中国科学院重大项目 ( KZCX32SW2334) 。 作者简介 : 黄慧萍 (1973 — ) ,女 ,助研 ,1994 年毕业于武汉测绘科技大学地图制图专业 ,1997 年在中山大学获遥感信息分析方向的
硕士学位 ,现为中国科学院遥感应用研究所在读博士生 ,从事生态环境遥感研究 ,发表相关论文 5 篇 。
211 影像的多尺度分割
设置合适的尺度参数 、色彩参数与形状参数对 多波段遥感数据进行分割 ,生成不同尺度的对象层 , 形成对象层次网络体系 。多尺度分割后影像的基本 单元已不是单个像元 ,而是由同质像元组成的多边
311 绿地调查作业流程
遥感绿地调查工作十分复杂 ,包括影像数据准 备 、信息提取 、数据统计分析 、数据库建设以及全流 程的质量管理等各个方面 。根据现势性要求 ,调查 主要采用 2000209219 拍摄的 1 :20000 真彩色航空影 像数据 ,制成 1 :5000 数字正射影像图共 143 幅 ,分 辨率为 50cm ;绿地信息的提取结果为矢量多边形图 斑 ,可直接在 ArcInfo 软件中进行数据处理 ; 城区七 大类园林绿地分类工作在 ArcInfo ,Arcview 软件环境 下完成 ,统一地理坐标与投影后的绿地覆盖与城市 园林绿地两套矢量数据在 ArcInfo 环境下作叠加分
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved.
第1期
黄慧萍等 :高分辨率影像城市绿地快速提取技术与应用
69
用在国内外并不多见 ,为遥感技术解决城市用地信 息的获取提供一条新的思路 。
面向像元技术以像元为基本单元进行信息提 取 ,即参与信息提取的因子是像元的光谱信息 。由 于遥感影像中的地物类别特性不仅仅表现在单纯的 色彩上 ,还表现在形状 、纹理等特征上 。纹理反映的 是像元灰度的空间变化特征 ,是分布在整个影像中 某一区域内具有规律性排列的图形 ,当目标的光谱 特征比较接近的时候 ,纹理特征对于区分目标可能 会起到积极的作用[1] 。因此波谱信息类似而形状 、 纹理信息不同的地类如 :房顶和道路路面 、受污染的 水体和绿色植物 、农作物和林地等很难采用面向像 元技术进行区分 ,错分的现象十分严重 。目视解译
根据分类系统中地物类别属性 ,利用成员函数 建立训练区 ,选择分类器在对应的对象层中提取信 息 。影像分割可得出样本对某类的从属程度 ,因此 分割后对象更真实地表示地面类别并使更多的属性 信息用于后续分析[4] 。样本的隶属度是通过成员函 数获得的 ,成员函数把任意特征值范围转换为统一 的范围[ 0. . . 1 ][5] ,描述了一个类型的隶属度 。面向 对象技术允许随时对训练区样本的函数曲线进行调 整 ,这样将保证不同区域内分类精度的统一 。
2 高分辨率遥感数据的信息快速提 取技术
形对象[3] ,每一多边形对象不仅包含像元固有的光 谱信息 ,还有多边形的形状信息 、纹理信息与邻域信 息 ,对于光谱信息类似的不同地类而言 ,通过多边形 对象其他属性信息的差异就可以轻松地提取出来 。
212 信息提取
高分辨率影像的信息提取仅凭目视解译就能达 到非常好的效果 ,但是效率低 ,边界容易错位 ,地物 定位精度低 ,多尺度分割技术与面向对象的影像分 析技术解决了从高分辨率遥感影像数据中快速提取 信息的难题 。该技术采用一种新颖独特的影像多尺 度分割的法则 ,以任意尺度生成属性信息类似的影 像多边形对象[2] ,运用模糊逻辑方法获得每个影像 对象的属性信息 ,并以影像对象为信息提取的基本 单元 ,实现类别信息自动提取的目的 ,技术流程分 3 步 (图 1) 。
第8卷 第1期 2004 年 1 月
遥 感 学 报 JOURNAL OF REMOTE SENSING
文章编号 : 100724619 (2004) 0120068207
Vol. 8 , No. 1 Jan. , 2004
高分辨率影像城市绿地快速提取技术与应用
黄慧萍1 ,2 ,吴炳方1 ,李苗苗1 ,周为峰1 ,王忠武1
(11 中国科学院 遥感应用研究所 ,北京 100101 ;21 华南师范大学 地理系 市绿地信息快速提取的主要数据源 ,文中以多尺度影像分割与面向对象影 像分析方法为主要技术 ,利用样本多边形对象的成员函数建立训练区 ,自动提取大庆市城市绿地覆盖信息 ,达 到清查城市绿地的目的 。该方法信息获取周期短 、精度高 、成本低 ,实现了城市绿地信息精确获取与快速更 新。 关键词 : 遥感 ;多尺度分割 ;面向对象 ;城市绿地 中图分类号 : TP79 文献标识码 : A
方法是目前最常用的高分辨率遥感影像信息提取技 术方法 ,要求有丰富的专业经验和充足的野外实地 调查资料 ,但目视解译的过程非常繁琐与漫长 。这 种采用人工作业屏幕数字化的方法 ,效率低 ,受主观 因素干扰大 ,质量难以保证 ,成本也相应地上升 。鉴 于以上两种方法的不足之处 ,本文采用基于多尺度 分割的面向对象的信息提取方法实现大庆市城市绿 地信息的快速提取 ,该技术使得遥感影像解译从传 统的手工作业中解脱出来 ,实现自动的信息获取过 程 ,质量高 、可靠性好 。
312 绿地调查分类系统
本分类系统的制定是基于绿地调查的要求制定 的 ,大庆市城市绿地信息提取分两步进行 :一是绿地 覆盖信息的提取 ,二是城市园林绿地信息提取 。城 市绿地覆盖信息分为五类 :乔木 、灌木 、人工草地 、疏 林地 、其他绿地 。城市园林绿地分成 7 大类 (公共绿 地 、居住绿地 、单位绿地 、生产绿地 、防护绿地 、道路 绿地 、其他绿地) ,共 27 小类 。下面对 3 种主要绿地 覆盖类型进行描述 。
乔木 高度在 2m 以上的乔木林地 ,包括天然林和人 工林 ,大庆市以人工林为主 ,如用材林 、经济林 、防护 林等成片地林和带状林地 。提取乔木绿地信息是分 3 种情况 : (a) 树冠连片 ,郁闭度为 100 % ,勾绘多边 形的面积为绿地面积即绿化覆盖面积 ; (b) 乔木分布 比较松散 ,郁闭度小于 100 % ,树冠间隔大于一个树 冠的距离 ,多边形需要赋予郁闭度百分比 ,绿化覆盖 面积等于多边形面积 (绿地面积) 乘郁闭度 ; (c) 树木 比较分散 ,树冠间距较大 ,用单个圆圈分别表示每个 树冠的覆盖面积 ,即绿化覆盖面积为圆圈的面积 (绿 地面积) 。
图层权重的选择 在本项目中采用的是真彩色 的正射影像图 ,3 个图层 (红 、绿 、蓝) 对绿地覆盖信 息提取中的贡献程度相似 ,因此影像 3 个图层的权 重值均为 1 。
分割因子的选择 信息提取过程中尺度分割的 选择是很重要 。本次绿地分割信息的提取中设色彩 因子的权重值为 018 ,形状因子的权重值为 012 ,其 中光滑度为 017 ,紧密度为 013 。
灌木 灌木为高度在 2m 以下的矮林地和灌丛林地 , 分两种情况 : (a) 郁闭度为 100 % ,勾绘多边形的面 积为绿化覆盖面积也是绿地面积 ; ( b) 分布松散 ,郁 闭度小于 100 % ,多边形需要赋予百分比 ,绿化覆盖 面积等于多边形面积 (绿地面积) 乘郁闭度 。
草地 草地以生长草本植物为主 、覆盖度在 30 %以上 的各类草地 ,包括以牧为主的灌丛草地和郁闭度在 10 %以下的疏林草地 ,有天然草地和人工草坪 。天 然草地主要分布于油区 ,人工草坪主要分布于城区 内 。绿地面积与绿化覆盖面积之间只有植被郁闭度 的差异 ,没有树冠投影到地面的阴影面积差值 ,信息 提取是只需要对每个多边形赋予其郁闭度就可以 。 草地的绿化覆盖面积等于多边形的面积 (绿地面积) 乘郁闭度 。
大庆市城市绿地调查的范围为大庆市主城区 , 面积为 53403 公顷 ,随着经济的发展和社会的进步 , 大庆市的城市化进程也越来越快 ,为了进一步做好 大庆市绿化工作 ,充分发挥高新技术在绿地调查和 动态监测工作中的作用 ,大庆市开展了城市绿地遥 感调查工程 。
图 1 信息提取技术流程图 Fig. 1 Flowchart of information extraction
213 精度评价
在航空遥感影像上通过目视方法分别选取一定 数量的样本 ,并比较分类结果图上相应的类别 ,得出 分类精度[6] 。精度评价采用的参考数据有更高分辨 率的遥感影像 、野外实地验证数据与样区统计数据 , 对局部地区感兴趣的地类进行抽样评价 ,评价内容 有类别 、形状与面积 。
3 大庆市城市绿地信息快速获取实例
对象层的选择 影像分割时采用不同的尺度 , 则生成的对象层所包含的多边形对象含义就不同 , 用于提取性质迥异的绿地类别 。如层 1 的尺度 = 1000 ,提取大范围的退化草地 ;层 2 的尺度 = 500 ,排 除非绿地 ,层 3 的尺度 = 100 ,提取城区人工草地 、疏 林地与成片乔灌 ,层 4 的尺度 = 25 ,提取零星分布的 乔灌 (图 2) 。 31312 自动分类过程
1 引 言
城市信息的获取一直是制约城市发展的瓶颈 , 2001 年在广州召开“中国国际数字城市建设技术研 讨会”“、21 世纪数字城市论坛”,内容大部分集中在 城市信息网络建设 、城市三维再现 、数字社区和数字 化办公等方面 ,很少涉及城市信息的获取与服务 ,尤 其缺乏对管理决策密切相关的空间信息的获取与快 速提取 。城市绿地信息是城市规划与管理的基础信 息 ,快速提取绿地信息迫切需要大比例尺的高分辨 率影像数据 ,长期以来用遥感技术提取城市专题信 息方法有二种 :面向像元技术和目视解译技术 。
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved.
7 0
遥 感 学 报
第8卷
析 ,得出各类绿地面积与比例以及绿地总面积 、绿化 覆盖总面积 、绿地率与绿地覆盖率 。