基于CBERS-02遥感影像的湿地地表覆被分类研究

doi:10.6046/gtzyyg.2008.04.17

全文: PDF(933 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

基于CBERS遥感影像多光谱数据，运用信息量、相关系数及OIF方法，分析了波段数据特征，获得了对影像数据的整体认识。

通过绘制地表覆被类型的样本均值光谱曲线，分析了多种地表覆被类型在5个影像波段中的光谱特征，得出了不同覆被类型在各波

段中的反射特性。基于典型地表覆被类型样本数据，分别针对影像的5个波段及第一主成分、归一化植被指数这两个重要特征，运

用盒须图进一步分析了不同地表覆被类型的分异特性。运用Z-test统计方法，筛选出了区分不同地表覆被类型的最优纹理特征。运

用面向对象分类技术开展了研究区覆被类型分类实验，验证了基于CBERS遥感影像进行内陆淡水湿地区地表覆被分类的可行性，丰

富了地表覆被信息提取方法，拓展了CBERS遥感影像的应用领域。

	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

关键词 ：湖北地勘局, 遥感站, 航空遥感, 成果简介, 遥感技术, 遥感图像, 图像处理, 基础地质研究, 岳阳市, 遥感信息

Abstract：

Based on multi-spectral remote sensing image data of CBERS and using information quantity, correlation

matrix and OIF method, the authors analyzed image band characteristics and obtained the overall cognition of image

data. Through drawing spectral curves of land cover sample average values, this paper deals with land cover

spectral characteristics in five bands and describes land cover reflection characteristics of each band. Based on

typical land cover sample data, the authors drew the box plots for five bands and two means of PC1 and NDVI and

further analyzed land cover characteristics. Using the Z-test method, this paper got the optimal texture measures

for the discrimination of different land covers. Using the object-oriented classification technique, the authors

carried out classification experiments, and the results obtained have verified the effectiveness of applying CBERS

remote sensing imagery to wetland cover classification, enriched methods for inland wetland cover extraction, and

expanded the application field of CBERS remote sensing image.

收稿日期: 2008-06-11 出版日期: 2009-06-23

基金资助:

国家“十一五”科技支撑重点项目课题“湿地资源监测与评估技术研究”（2006BAD23B03）及中国科学院知识创新工程

重要方向项目“三江平原湿地耕地化过程及湿地-耕地景观优化格局研究”（KZCX3-SW-356）共同资助。

通讯作者: 于欢（1981-），男，博士研究生，主要研究方向为基于遥感与地理信息系统的湿地信息提取研究。

引用本文:

于欢, 张树清, 崔利, 那晓东. 基于CBERS-02遥感影像的湿地地表覆被分类研究[J]. 国土资源遥感, 2008, 20(4): 69-74.
YU Huan, ZHANG Shu-Qing, CUI Li, NA Xiao-Dong. WETLAND COVER CLASSIFICATION BASED ON CBERS REMOTE SENSING IMAGE. REMOTE SENSING FOR LAND & RESOURCES, 2008, 20(4): 69-74.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2008.04.17 或 https://www.gtzyyg.com/CN/Y2008/V20/I4/69

[1]	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.
[2]	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.
[3]	刘万军, 高健康, 曲海成, 姜文涛. 多尺度特征增强的遥感图像舰船目标检测[J]. 自然资源遥感, 2021, 33(3): 97-106.
[4]	王小兵. 融合提升小波阈值与多方向边缘检测的矿区遥感图像去噪[J]. 国土资源遥感, 2020, 32(4): 46-52.
[5]	刘尚旺, 崔智勇, 李道义. 基于Unet网络多任务学习的遥感图像建筑地物语义分割[J]. 国土资源遥感, 2020, 32(4): 74-83.
[6]	蔡之灵, 翁谦, 叶少珍, 简彩仁. 基于Inception-V3模型的高分遥感影像场景分类[J]. 国土资源遥感, 2020, 32(3): 80-89.
[7]	李宇, 肖春姣, 张洪群, 李湘眷, 陈俊. 深度卷积融合条件随机场的遥感图像语义分割[J]. 国土资源遥感, 2020, 32(3): 15-22.
[8]	陈洁, 高子弘, 王珊珊, 金鼎坚. 三峡库区航空遥感地质调查技术发展综述[J]. 国土资源遥感, 2020, 32(2): 1-10.
[9]	古海玲, 陈超, 芦莹, 褚衍丽. 基于卫星遥感技术的区域经济发展模型构建[J]. 国土资源遥感, 2020, 32(2): 226-232.
[10]	金鼎坚, 王建超, 吴芳, 高子弘, 韩亚超, 李奇. 航空遥感技术及其在地质调查中的应用[J]. 国土资源遥感, 2019, 31(4): 1-10.
[11]	刘畅, 杨康, 程亮, 李满春, 郭紫燕. Landsat8不透水面遥感信息提取方法对比[J]. 国土资源遥感, 2019, 31(3): 148-156.
[12]	叶发茂, 罗威, 苏燕飞, 赵旭青, 肖慧, 闵卫东. 卷积神经网络特征在遥感图像配准中的应用[J]. 国土资源遥感, 2019, 31(2): 32-37.
[13]	谢奇芳, 姚国清, 张猛. 基于Faster R-CNN的高分辨率图像目标检测技术[J]. 国土资源遥感, 2019, 31(2): 38-43.
[14]	葛芸, 江顺亮, 叶发茂, 姜昌龙, 陈英, 唐祎玲. 聚合CNN特征的遥感图像检索[J]. 国土资源遥感, 2019, 31(1): 49-57.
[15]	王祥, 王新新, 苏岫, 孟庆辉, 邹德君, 伊晓东, 王林, 文世勇, 赵建华. 无人机平台航空遥感监测核电站温排水——以辽宁省红沿河核电站为例[J]. 国土资源遥感, 2018, 30(4): 182-186.