基于面向对象的林地信息提取与分类

doi:10. 3969 /j. issn. 2096-4900. 2019. 02.005

温带林业研究

2019, Vol. 2

Issue (2): 25-33 DOI: 10. 3969 /j. issn. 2096-4900. 2019. 02.005

研究论文

本期目录 | 过刊浏览 | 高级检索

基于面向对象的林地信息提取与分类

乔月霞^{1^{，刘烽^{1^{，谭来钱^{2^{，陈婷^{1^{，毛海亚^2*}}}}}}}}

1. 二十一世纪空间技术应用股份有限公司，北京 100096；2. 广州市城市规划自动化中心，广州 510030

Information Extraction and Classification of Forest Land Based on the Object-Oriented Methods

QIAO Yue-xia¹，LIU Feng¹，TAN Lai-qian²，CHEN Ting¹，MAO Hai-ya^2*

College of Forestry，Inner Mongolia Agricultural University，Hohhot 010018，China

摘要
图/表
参考文献
相关文章 (1)

全文: PDF (5944 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要【目的】我国森林资源丰富，但由于南北气候差异较大，森林类型复杂多样。不同的森林类型表现出不同的时相特征，导致了林地分类方法的复杂性。地理环境和气候条件的差异，使得林地信息提取和分类要“因地制宜”。【方法】以河南省为研究区，河南省的西部和南部地区森林资源丰富，由于河南省属于北亚热带与暖温带过渡区气候，林地分布、种类特征南北差异明显。本文首先基于河南林地植被的分布特点进行了区域划分：暖温带林地、北亚热带林地。其次，基于研究区的特殊性，利用面向对象技术和多时相遥感数据相结合的分类方法，提出了季节植被指数差的概念辅助进行林地类型分类。面向对象的方法能够避免传统基于像元分类方法的不足，综合考虑像元的光谱信息、对象的内部结构、纹理以及相邻对象之间的关联信息，具有很大的优越性。随后，基于不同分类方法分别对两个区域进行了有林地、灌木林地、疏林地、其他林地类型的划分，并在有林地的基础上进行了针叶林、针阔混交林、阔叶林类型划分。最后，基于随机点及混淆矩阵理论对分类结果进行了验证，总体精度为72.92%，能够满足大区域林地分类精度要求。【结果】分类结果表明，河南省主要林地类型为阔叶林，占全省林地总面积的49.53%，整体分布不均衡，总体覆盖率较低，地域分异显著，不仅表现在南、北有“纬度地带性”差异，且内部林地类型镶嵌分布。【结论】基于面向对象的林地信息提取与分类技术流程，能够满足大区域作业的精度要求，也可作为温带与亚热带地区林地提取的有效方法，但该方法对于季相节律性差异显著的林地类型分类效果较好，而灌木林、疏林、其他林均为冬季落叶、夏季绿叶植被，在分辨遥感影像中光谱特征、纹理特征的差异不明显，容易造成这些类型的错分、混分，如何进一步提高这类林地类型的提取精度还有待进一步研究。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

关键词 ：面向对象, 林地, 信息提取, 温带, 亚热带

收稿日期: 2019-02-19

S758.4

基金资助:国家重点研发计划项目（2017YFC0505701）。

通讯作者: 毛海亚 E-mail: qiaoyx@21at.com.cn。

作者简介: 乔月霞（1988—），女，硕士，工程师，主要研究方向：多源遥感技术应用

引用本文:

乔月霞，刘烽，谭来钱，陈婷，毛海亚. 基于面向对象的林地信息提取与分类[J]. 温带林业研究, 2019, 2(2): 25-33.
ZHANG Heng，SHI Hao-nan，ZHANG Qiu-liang. Information Extraction and Classification of Forest Land Based on the Object-Oriented Methods. 温带林业研究, 2019, 2(2): 25-33.

链接本文:

http://www.wdlyyj.cn/CN/10. 3969 /j. issn. 2096-4900. 2019. 02.005 或 http://www.wdlyyj.cn/CN/Y2019/V2/I2/25

[1] 袁金国. 森林植被遥感分类研究[J]. 河北师范大学学报：自然科学版，1999，23（2）：274-277. [2] 韩涛. 用TM 资料对祁连山部分地区进行针叶林、灌木林分类研究[J]. 遥感技术与应用，2002，17（6）：317-321. [3] 王任华，霍宏涛，游先祥. 人工神经网络在遥感图像森林植被分类中的应用[J]. 北京林业大学学报，2003，25（4）：1-5. [4] 竞霞，王锦地，王纪华，等. 基于分区和多时相遥感数据的山区植被分类研究[J]. 遥感技术与应用，2008，23（4）：394-398. [5] 凌春丽. 面向对象的林地信息提取研究—以昆明市某区域为例[D]. 昆明：昆明理工大学，2010. [6] 马延辉. 南方针叶林遥感信息提取研究[D]. 长沙：中南林业科技大学，2010. [7] 杨飞，刘丽峰，王学成，等. 基于面向对象方法和SPOT5 的丘陵山区林地分类研究[J]. 遥感技术与应用，2014，5 ：92-99. [8] 王鹤霖. 大兴安岭地区森林类型遥感分类研究[D]. 哈尔滨：东北林业大学，2013. [9] Townsend P A，Walsh S J. Remote sensing of forested wetlands ：application of multitemporal and multispectral satellite imagery to determine plant community composition and structure in southeastern USA[J]. Plant Ecology，2001，157（2）：129-149. [10] 张征，刘红霞. 河南省土地资源可持续利用分析及对策[J]. 新乡师范高等专科学校学报，2007，21（5）：75-78. [11] 赵晓丽，汪潇，张增祥，等. 河南省土地覆盖变化的时空特征分析[J]. 水土保持通报，2010，30（2）：24-30. [12] 李京忠，刘咏梅，冯非凡，等. 河南省植被覆盖度的时空变化特征[J]. 湖北农业科学，2015，54（16）：3908-3913. [13] 刘小珂. 河南省平原地区林业产业化发展研究[J]. 河南林业科技，2017，37（2）：34-39. [14] 张金泉. 河南省植被区划[J]. 河南师大学报：自然科学版，1980（2）：41-66. [15] 庄树宏，王克明，陈礼学. 昆嵛山老杨坟阳坡与阴坡半天然植被植物群落生态学特性的初步研究[J]. 植物生态学报，1999，23（3）：238-249. [16] 李新娥. 亚高寒草甸阳坡—阴坡梯度上植物功能性状与群落构建机制[M]. 兰州：兰州大学，2011. [17] 赵英时. 遥感应用分析原理与方法[M]. 北京：科学出版社，2003，374-393. [18] 徐定，彭道黎. 基于像元二分模型的森林郁闭度估测方法[J]. 东北林业大学学报，2013，41（2）：119-121. [19] 许章华，龚从宏，刘健，等. 利用郁闭度与HJ-1 多光谱数据估算马尾松林叶面积指数[J]. 植物资源与环境学报，2013，22（1）：29-35. [20] 牛战勇，冯娟，谷建才，等. 基于叶面积指数的森林郁闭度遥感反演研究[J]. 林业资源管理，2014，1 ：46-51.