Please wait a minute...
 
国土资源遥感  2012, Vol. 24 Issue (1): 83-89    DOI: 10.6046/gtzyyg.2012.01.15
  技术应用 本期目录 | 过刊浏览 | 高级检索 |
基于光谱特征的雅鲁藏布江源区草地类型识别
孙明1,2, 沈渭寿1, 谢敏3, 李海东1, 高菲4
1. 环境保护部南京环境科学研究所, 南京 210042;
2. 广西区气象减灾研究所/国家气象卫星中心 遥感应用试验基地, 南宁 530022;
3. 广西区气候中心, 南宁 530022;
4. 江苏省秦淮河水利工程管理处, 南京 210001
The Identification of Grassland Types in the Source Region of the Yarlung Zangbo River Based on Spectral Features
SUN Ming1,2, SHEN Wei-shou1, XIE Min3, LI Hai-dong1, GAO Fei4
1. Nanjing Institute of Environmental Sciences, Ministry of Environmental Protection, Nanjing 210042, China;
2. Institute of Meteorological Disaster Mitigation of Guangxi/Remote Sensing Applying and Experiment Base of National Meteorological Satellite Center, Nanning 530022, China;
3. Guangxi Climate Center, Nanning 530022, China;
4. Qinhuai River Hydraulic Management Agency of Jiangsu Province, Nanjing 210001, China
全文: PDF(1765 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 以雅鲁藏布江源区为研究对象,以Landsat5 TM图像为数据源,根据不同草地类型的波段组合特征,结合源区1:100万植被类型图、DEM和NDVI数据,构建草地判别规则,利用决策树分类法对雅鲁藏布江源区草地类型进行遥感识别。研究结果表明: 1不同类型草地因其生境不同,利用不同波段组合特征进行草地类型识别能够达到较好的效果; 2与传统的监督分类法相比,基于波段组合特征的决策树分类法具有较高的识别精度(总体精度提高了15.4%,Kappa系数提高了0.225); 3在海拔4 400~5 000 m区域内,固沙草草原面积最大,其次为矮嵩草和小嵩草混生草甸,再次为变色锦鸡儿和金露梅灌丛,藏北嵩草草甸面积最小。
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
张伟伟
毛政元
关键词 路口路口自动定位高空间分辨率QuickBird影像Hough变换    
Abstract:With the Landsat5 TM images of the source region of the Yarlung Zangbo River as the datum source,according to the different features of spectral combination of the grassland,and in combination with the 1:1 000 000 vegetation type map as well as DEM and NDVI data,the authors set up the rules of grass identification and conducted researches on grass recognition based on decision tree classification. Some conclusions have been reached: 1 Due to difference in habitat types,good results of identifying grass can only be achieved by using different spectral combination features; 2 Compared with traditional supervised classification,the decision tree classification based on spectral combination features has higher precision of identification,the overall classification accuracy has been improved by 15.4% and the Kappa coefficient has been increased by 0.225; 3 In the region with elevation ranging from 4 400 m to 5 000 m,the grassland area of Orinus thoroldii is the largest,followed by the mixed meadow of Kobresia humilis and Kobresia pygmaea,and then by the bush of Caragana versicolor and Potentilla fruticos, with Kobresia littledalei having the smallest area.
Key wordsroad junctions    automatic positioning of road junctions    high spatial resolution    QuickBird image    hough transformation
收稿日期: 2011-05-04      出版日期: 2012-03-07
:  TP 751.1  
基金资助:国家环保公益性行业科研专项(编号: 200709045,200809010,200909050)资助。
通讯作者: 沈渭寿(1958-),男,研究员,博士生导师,主要从事生态环境保护与荒漠化防治研究。E-mail: shenweishou@163.com。
引用本文:   
孙明, 沈渭寿, 谢敏, 李海东, 高菲. 基于光谱特征的雅鲁藏布江源区草地类型识别[J]. 国土资源遥感, 2012, 24(1): 83-89.
SUN Ming, SHEN Wei-shou, XIE Min, LI Hai-dong, GAO Fei. The Identification of Grassland Types in the Source Region of the Yarlung Zangbo River Based on Spectral Features. REMOTE SENSING FOR LAND & RESOURCES, 2012, 24(1): 83-89.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.2012.01.15      或      https://www.gtzyyg.com/CN/Y2012/V24/I1/83
[1] 中国科学院青藏高原综合科学考察队.青藏高原科学考察丛书:西藏植被[M].北京:科学出版社,1988:261,311-313.
[2] 中国科学院青藏高原综合科学考察队.青藏高原科学考察丛书:西藏草原[M].北京:科学出版社,1992:21-23.
[3] 中国科学院青藏高原综合科学考察队.青藏高原科学考察丛书:西藏土壤[M].北京:科学出版社,1985:298.
[4] 中国科学院青藏高原综合科学考察队.青藏高原科学考察丛书:西藏冰川[M].北京:科学出版社,1986:106-107.
[5] 何萍,郭柯,高吉喜,等.雅鲁藏布江源头区的植被及其地理分布特征[J].山地学报,2005,23(3):267-273.
[6] 孙明,沈渭寿,李海东,等.雅鲁藏布江源区风沙化土地演变趋势[J].自然资源学报,2010,25(7):1163-1171.
[7] 杨逸畴.雅鲁藏布江河谷风沙地貌的初步观察[J].中国沙漠,1984,4(3):12-16.
[8] 李辉霞,鄢燕,刘淑珍,等.西藏高原草地退化遥感分析——以藏北高原典型区为例[M].北京:科学出版社,2008:75-99.
[9] 刘雯,骆剑承,沈占锋,等.多尺度植被信息提取模型研究[J].计算机应用研究,2009,26(6):2398-2400.
[10] 朱继蕤,侯宇丹.基于遥感影像的城市植被信息提取研究 [J].仪器仪表与分析监测,2010(1):12-15.
[11] 单捷,岳彩荣. 基于光谱特征 的决策树分类方法研究——以昆明市东北部地区为例[J].西北林学院学报,2010,25(6):222-226.
[12] 常庆瑞,蒋平安,周勇,等.遥感技术导论[M].北京:科学出版社,2004.
[1] 王伟, 王新盛, 姚婵, 金添, 邬佳昱, 苏伟. 基于无人机影像的小麦植株密度估算方法研究[J]. 国土资源遥感, 2020, 32(4): 111-119.
[2] 张春森, 吴蓉蓉, 李国君, 崔卫红, 冯晨轶. 面向对象的高空间分辨率遥感影像箱线图变化检测方法[J]. 国土资源遥感, 2020, 32(2): 19-25.
[3] 汪洁, 殷亚秋, 于航, 蒋存浩, 万语. 基于RS和GIS的浙江省矿山地质环境遥感监测[J]. 国土资源遥感, 2020, 32(1): 232-236.
[4] 刘玉锋, 潘英, 李虎. 基于高空间分辨率遥感数据的天山云杉树冠信息提取研究[J]. 国土资源遥感, 2019, 31(4): 112-119.
[5] 姚丙秀, 黄亮, 许艳松. 一种结合超像素和图论的高空间分辨率遥感影像分割方法[J]. 国土资源遥感, 2019, 31(3): 72-79.
[6] 卫宝泉, 索安宁, 李颖, 赵建华. LBV变换在国产ZY-3卫星影像中应用研究探讨[J]. 国土资源遥感, 2019, 31(3): 87-94.
[7] 黄惠, 郑雄伟, 孙根云, 郝艳玲, 张爱竹, 容俊, 马红章. 基于引力自组织神经网络的震害遥感影像分类[J]. 国土资源遥感, 2019, 31(3): 95-103.
[8] 樊宪磊, 阎宏波, 瞿瑛. 基于HJ-1A/B CCD地表反照率估算方法比较与验证[J]. 国土资源遥感, 2019, 31(3): 123-131.
[9] 郑艺, 林懿琼, 周建, 甘伟修, 林广旋, 许方宏, 林光辉. 基于资源三号的雷州半岛红树林种间分类研究[J]. 国土资源遥感, 2019, 31(3): 201-208.
[10] 周阳, 张云生, 陈斯飏, 邹峥嵘, 朱耀晨, 赵芮雪. 基于DCNN特征的建筑物震害损毁区域检测[J]. 国土资源遥感, 2019, 31(2): 44-50.
[11] 梁林林, 江利明, 周志伟, 陈玉兴, 孙亚飞. 无人机遥感影像面向对象分类的冻土热融滑塌边界提取[J]. 国土资源遥感, 2019, 31(2): 180-186.
[12] 吕野, 胡翔云. 利用增量式马尔科夫随机场分割提取高空间分辨率遥感影像道路[J]. 国土资源遥感, 2018, 30(3): 76-82.
[13] 孙娜, 高志强, 王晓晶, 罗志东. 基于高分遥感影像的黄土高原地区水体高精度提取[J]. 国土资源遥感, 2017, 29(4): 173-178.
[14] 尹峰, 曹丽琴, 梁鹏. 改进的Welsh颜色迁移算法在GF-2图像融合中的应用[J]. 国土资源遥感, 2017, 29(4): 126-131.
[15] 杨青山, 张华. 融合像元形状和光谱信息的高分遥感图像分类新方法[J]. 国土资源遥感, 2016, 28(4): 64-70.
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