基于普莱亚数据的成都市高新西区主要乔木绿化树种分类方法研究

摘要

《成都市城市总体规划(2016-2035)》中提出要建设城市生态安全屏障，探索包括高新西区在内的城市绿色发展新模式，这就对城市绿地系统管护工作提出了新的要求，而正确识别城市绿化树种、分析其空间分布规律是对城市绿地系统进行科学管护的基本前提。高分辨率遥感技术的快速发展为城市绿地信息化建设、绿地资源种类识别提供了新的技术手段。在利用高分辨率遥感影像进行城市乔木绿化树种识别时，选择适宜的分类特征和科学分类方法对分类结果和分类精度有着重要影响。本文以成都市高新西区Pleiades（普莱亚）遥感影像数据为研究对象，对其进行了辐射定标、大气校正、影像融合等预处理，并实测研究区8种主要乔木绿化树种空间分布信息，利用遥感影像处理软件ENVI5.1提取并分析了8种树种的光谱特征、植被指数和纹理特征，最后通过最大似然分类法和支持向量机分类法对8种树种进行分类与分类精度比较，得到的主要研究结果如下:
　　(1)Pleiades遥感影像最佳波段组合为RGB431，该组合能够在提供最佳目视效果的同时，减少波段间干扰性，最大程度保留影像数据信息;从定性和定量两个层面上对比分析Gram-Scmidt变换、Pan sharpening变换、主成分(PCA)变换和Brovey变换4种融合方法后，确定了适合本研究Pleiades影像融合的最佳方法为Gram-Scmidt变换，它能够最好地保留和体现影像的空间信息和光谱信息;
　　(2)无论是在最大似然分类还是支持向量机分类下，同时利用遥感影像的光谱特征、植被指数和纹理特征均能取得较好的树种分类精度，优于仅利用影像光谱特征、光谱特征结合植被指数的总体分类精度，表明有效结合各分类特征有利于提高树种分类识别精度;
　　(3)无论是基于影像光谱特征还是结合多种分类特征，支持向量机分类下的树种分类精度都优于最大似然分类结果，其总体分类精度最高可达85.29％（Kappa系数0.827），表明其能够有效挖掘各分类特征的有效信息，分类性能更稳定，支持向量机分类为本研究中最佳树种分类方法;
　　(4)树种分类结果中，构树、荷花玉兰、黄葛树、垂柳、水杉、天竺桂、垂叶榕和银杏8个树种的生产者精度最高分别为71.77％、74.42％、86.11％、75.90％、82.73％、84.54％、78.45％和84.29％，用户精度最高分别为79.05％、75.96％、84.07％、78.37％、87.29％、78.24％、84.02％和88.79％，树种分类效果较为理想，其中，黄葛树、水杉和银杏的生产者精度和用户精度均达到了80％以上，是分类效果最好的三类绿化树种。

目录

声明

摘要

第一章前言

1．1研究背景

1．2研究目的与意义

1．3文献综述

1．3．1高分辨率遥感影像分类研究

1．3．2树种遥感分类方法研究

第二章研究区概况与研究方案

2．1研究区概况

2．1．1地理位置

2．1．3绿化状况

2．2研究数据

2．3研究内容

2．4研究方法与技术路线

2．4．1研究方法

2．4．2技术路线

第三章数据处理

3．1遥感影像数据预处理

3．1．1辐射定标

3．1．2大气校正

3．1．3正射校正

3．1．4最佳波段组合

3．1．5影像数据融合及评价

3．1．6背景值去除

3．2样本选设

3．3植被指数的提取

3．3．1归一化植被指数的提取

3．3．5修正型土壤调整植被指数的提取

3．4．1主成分提取

3．4．2纹理特征提取

3．5研究区植被区提取

3．5．1基于面向对象分类方法的植被区提取

3．5．2结合神经网络分类方法的植被区提取

第四章结果与分析

4．1目标地物基于不同遥感影像分类特征上的差异分析

4．1．1光谱曲线特征的统计差异分析

4．1．2植被指数的统计差异分析

4．1．3纹理特征的差异分析

4．2不同分类方法下的树种分类

4．2．1基于最大似然分类的树种分类

4．2．2基于支持向量机分类的树种分类

4．2．3两种分类方法树种分类结果比较

第五章结论与展望

5．1结论

5．2展望

参考文献

致谢