城市绿地信息提取方法.doc

城市绿地信息提取方法.doc:..1、KPCA和SAM相结合Iw-、QuickBird利用监督分类、梢被指数分类和U视解译等方法对QuickBird®分辨率卫W遥感影像的绿地信息进行提取,并对分类粘度作了比对分析。研宂结果表明,监督分类方法不能得到令人满意的结果,运用植被指数分类方法则冇明显改善,K中归一化杷被指数(XDW)精度®0,因此NDVI能冇效地对棺被进行分类与识别。①归一化植被指数NDVTADVT被定义为近红外波段与可见光红波段数值之差与这两个波段数值之和的比值。其计算公式为:NDVI=(NIR—R)/(NIR+R);②比值植被指数(RVI),其计算公式为:RVI=NIR/R;③差值植被指数(DVI),其计算公式为:DVI:NIR—R;④转换型植被指数(TNDVI),其计算公式lw-【不错】3、 混合像元分解结合SVM法与决漿树法比较lw-、 车生泉等采用El视解译法提取丫上海市外环线闪650km的绿地倍息、黄浩利用1K0N0S影像采用基丁、KPCA的SAM城市ffi被分类模型提取了南京市玄武区的杷被覆盖类型和闶林绿地类型、SAVI指数;木研宂采用SAVI指数,其主要原因是:(1)NDV1的饱和值很低(LAI为2—3),只适用•丁•稀疏植被条件F应用,但此时土壤辐射兗度的变化(如由于土壤含水皇的变化而引起的反射率变化)对NDVIffi又有极大的影响‘,而城坩建成区恰恰多为植被梪盖率<30%的低植被覆盖区;(2)SAVI比较适用于低植被梪盖区,其探测下限可低至15%,因此较适合于城lh*建成区的使用;⑶SAVI较NDVI具权更宽的数值动态范凼,在一1〜1的区M范凼里,。如将其换算(拉仲)至256个灰度级,SAVI的数伉动态范围则比NDVI增加很多数呆级。这一动态范围的增加,就使得建筑区、檳被和水体这三种地类在SAV1影像屮比在NDV1影像屮更容易区分J:50(X1啪形ETMH行政K划矢利H人的6妓段$口HnhSAVI彷数的提取分类绾果佚讪HunHHH分类一C处理HtJRlJ11图1城市绿地信息提取技术流程图lw-62CBERS-D数据在城帘绿地信息提取方面的应用——【较好】5、SVM分类法本研宄以江苏抖徐州市为例,,运川SVM分类法,提取城市绿地信息,结果表明,-、H视解译提取城市绿地费时费力,W是精度较高,因此0前仍被广泛应用。:针对遥感技术提取城市绿地所存在的争论,分两步对城市绿地信息提取展开了研允:(1)分别以三种不同的处理方法(植被指数法、KT变换法、像元线性分解),提取了研究区域ETM+影像的绿地信息。⑵针对同一方法(植被指数),提取了三种不同分辨率遥感数据(ETM+、SPOT、Quick-Bird)的绿地信息。实验结果表明:三种方法中祖被指数(XDVI)