Please wait a minute...
 
国土资源遥感  1994, Vol. 6 Issue (2): 28-33    DOI: 10.6046/gtzyyg.1994.02.05
  应用研究 本期目录 | 过刊浏览 | 高级检索 |
TM数据用于亚热带桔果林区的土地利用分类和专题信息提取
张彦忠1, 张福祥2
中国林科院资源信息所, 浙江大学
APPLICATION OF LANDSAT THEMATIC MAPPER DATA TO LANDUSE CLASSIFICATION AND THEMATIC INFORMATION EXTRACTION IN SUBTROPICAL ECONOMIC FOREST ZONE
Zhang Yanzhong1, Zhang Fuxiang2
Chinese Academy of Forestry;

2. Zhejiang University
全文: PDF(364 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

本文介绍利用TM数据进行动态聚类并作最小距离分类的非监督和监督相结合的分类方法, 对桔乡黄岩市郊的土地利用进行自动分类, 获得了能充分揭示桔园分布的高质量土地利用分类图像;继而采用阈值法和均值─均方差窗口法成功地实现了桔林资源信息的自动提取, 面积精度达95.3%.为在我国南方亚热带地区快速监测经济林资源及其动态变化提供了有效的新手段。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
汪宝存
苗放
晏明星
赖得军
陈建华
叶英
关键词 遥感地面塌陷动态监测积水    
Abstract

Abstract The test-area of 256 × 256 pixels sub-image within Huangyan county, Zhejiang province, was selected for application of landsat TM data to landuse classifcation and thematic information extraction studies. A method of integrated supervised classifier(dynamical clustering) with unsupervised classifier (minimal distanse) is used, the results are very satisfactory. The information of citrus trees distribution is also extracted successfully, the accuracy is 95. 3%. The research provided a efficent approch to invistigate the economic forest resource and detect its change rapidly in subtropical area.

Key words     Remote sensing    Ground sinking    Dynamic inspection    Seeper
     出版日期: 2011-08-02
引用本文:   
张彦忠, 张福祥. TM数据用于亚热带桔果林区的土地利用分类和专题信息提取[J]. 国土资源遥感, 1994, 6(2): 28-33.
Zhang Yanzhong, Zhang Fuxiang. APPLICATION OF LANDSAT THEMATIC MAPPER DATA TO LANDUSE CLASSIFICATION AND THEMATIC INFORMATION EXTRACTION IN SUBTROPICAL ECONOMIC FOREST ZONE. REMOTE SENSING FOR LAND & RESOURCES, 1994, 6(2): 28-33.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.1994.02.05      或      https://www.gtzyyg.com/CN/Y1994/V6/I2/28


[1] 杨凯等编.《进感图像处理和方法》.侧绘出版社, 1988

[2] 蔡元龙编.《模式识别》.西北电讯工程学院出版社, 1986

[3] 旅昌达等. TM数据的信息特征.遥感信息, 1987( 2)

[4] 朱启祖等.陆地卫星TM数字图像与植被信息提取方法研究.北京师范大学学报(自然版), 1988(2)

[5] 郭德方编.《遥感图像的计算机处理和模式识别》.电子工业出版社, 1987,

[6] Schowcngcrdt, Robcrt. Techniques for Image Processing and Classification in Ttemote Sensing Acadcmic Presz, INC. 1983

[7] P. W. Mausel, etc. Optimum Band Selection for Supervised Classification of Multispeetral Data. PE& RS, 1990, 56(1); pp55-60

[1] 李伟光, 侯美亭. 植被遥感时间序列数据重建方法简述及示例分析[J]. 自然资源遥感, 2022, 34(1): 1-9.
[2] 丁波, 李伟, 胡克. 基于同期光学与微波遥感的茅尾海及其入海口水体悬浮物反演[J]. 自然资源遥感, 2022, 34(1): 10-17.
[3] 高琪, 王玉珍, 冯春晖, 马自强, 柳维扬, 彭杰, 季彦桢. 基于改进型光谱指数的荒漠土壤水分遥感反演[J]. 自然资源遥感, 2022, 34(1): 142-150.
[4] 张秦瑞, 赵良军, 林国军, 万虹麟. 改进遥感生态指数的宜宾市三江汇合区生态环境评价[J]. 自然资源遥感, 2022, 34(1): 230-237.
[5] 贺鹏, 童立强, 郭兆成, 涂杰楠, 王根厚. 基于地形起伏度的冰湖溃决隐患研究——以希夏邦马峰东部为例[J]. 自然资源遥感, 2022, 34(1): 257-264.
[6] 刘文, 王猛, 宋班, 余天彬, 黄细超, 江煜, 孙渝江. 基于光学遥感技术的冰崩隐患遥感调查及链式结构研究——以西藏自治区藏东南地区为例[J]. 自然资源遥感, 2022, 34(1): 265-276.
[7] 王茜, 任广利. 高光谱遥感异常信息在阿尔金索拉克地区铜金矿找矿工作中的应用[J]. 自然资源遥感, 2022, 34(1): 277-285.
[8] 吕品, 熊丽媛, 徐争强, 周学铖. 基于FME的矿山遥感监测矢量数据图属一致性检查方法[J]. 自然资源遥感, 2022, 34(1): 293-298.
[9] 张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[10] 薛白, 王懿哲, 刘书含, 岳明宇, 王艺颖, 赵世湖. 基于孪生注意力网络的高分辨率遥感影像变化检测[J]. 自然资源遥感, 2022, 34(1): 61-66.
[11] 宋仁波, 朱瑜馨, 郭仁杰, 赵鹏飞, 赵珂馨, 朱洁, 陈颖. 基于多源数据集成的城市建筑物三维建模方法[J]. 自然资源遥感, 2022, 34(1): 93-105.
[12] 于新莉, 宋妍, 杨淼, 黄磊, 张艳杰. 结合空间约束的卷积神经网络多模型多尺度船企场景识别[J]. 自然资源遥感, 2021, 33(4): 72-81.
[13] 李轶鲲, 杨洋, 杨树文, 王子浩. 耦合模糊C均值聚类和贝叶斯网络的遥感影像后验概率空间变化向量分析[J]. 自然资源遥感, 2021, 33(4): 82-88.
[14] 艾璐, 孙淑怡, 李书光, 马红章. 光学与SAR遥感协同反演土壤水分研究进展[J]. 自然资源遥感, 2021, 33(4): 10-18.
[15] 李特雅, 宋妍, 于新莉, 周圆锈. 卫星热红外温度反演钢铁企业炼钢月产量估算模型[J]. 自然资源遥感, 2021, 33(4): 121-129.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发