一种基于面向对象的高分辨率遥感影像森林分类方法

摘要

本发明公开了一种基于面向对象的高分辨率遥感影像森林分类方法。该方法以高分辨率遥感影像为基础，采用面向对象的图像分类方法，建立了面向遥感的森林二级分类系统，创建了森林遥感分类辅助数据集及集成影像，筛选出区分森林类型的关键指数，并根据关键指数提出了一种分层逐步分类提取法用以制定各森林类型的信息提取知识规则。本发明处理流程适合于区域中小尺度森林资源遥感监测，方法具有较好的可操作性和可重复性，能够有效提高区域森林遥感监测的效率和精度。

主权项

一种基于面向对象的高分辨率遥感影像森林分类方法，其特征在于以高分辨率遥感影像为基础，采用面向对象的图像分类方法，建立了面向遥感的森林二级分类系统，创建了森林遥感分类辅助数据集及集成影像，筛选出区分森林类型的关键指数，并根据关键指数提出了一种分层逐步分类提取法用以制定各森林类型的信息提取知识规则。具体包括以下步骤： 步骤1：数据源选择。选择的数据源为高分辨率卫星遥感影像数据，如ALOS，SPOT，Quick Bird等数据，并辅以高程数据、林业调查数据等相关数据资料，同时结合实地调查数据进行分析。 步骤2：图像预处理。图像分类前，对遥感影像进行预处理，包括大气校正、几何校正、投影转换、剪裁拼接等，并对全色波段图像及多光谱图像进行影像融合。 步骤3：建立森林分类系统。根据遥感影像数据的信息可辨识性，结合传统森林分类系统，建立了面向遥感的森林二级分类体系。一级分类将森林划分为针叶林、阔叶林和针阔叶混交林三类。二级分类根据生境的差异将针叶林划分为暖性针叶林和温性针叶林；根据季相差异将阔叶林划分为常绿阔叶林、常绿落叶、阔叶混交林及落叶阔叶林。 步骤4：建立森林遥感分类标志库。通过实地考察，确定各森林类型的大体分布情况及分布规律，记录典型分布点位，结合野外GPS定位，将各森林类型的实地考察点坐标与遥感影像进行空间匹配，获取各森林类型的遥感影像特征。 步骤5：建立森林遥感分类辅助数据集及集成影像。辅助数据集主要包括DEM数字高程数据及其衍生出来的坡度、坡向数据、NDVI(Normalized Difference Vegetation Index，归一化植被指数)数据(通过遥感影像波段计算得到)等。将各辅助数据分别作为一个波段叠加到遥感影像波段中，组合成用于遥感影像分类的集成影像。 步骤6：基于面向对象的森林分类。在ENVI ZOOM软件平台下进行森林遥感分类，首先通过调试，确定图像分割系数，生成集成图像的对象图层。然后，采用专家知识分类法，利用对象图层中各对象的空间、光谱和纹理特征构建各森林类型的信息提取知识规则。最后，将获取的特征信息输出为矢量文件，获得初步的森林分类数据。 步骤7：将分类结果导入ArcGIS中，对照遥感影像，参考地形图和其他相关专题图件，结合实地调查情况，对错误的分类结果进行目视解译修订。 步骤8：实地调查验证。对初步的森林分类数据采用分层随机采样的方法进行精度分析。通过野外实地调研，确定验证样点的真实属性，与初步的分类结果进行比较，确定分类结果的精度。