基于高分二号影像结合纹理信息的茶园提取

为提高高分辨率遥感影像分类精度,针对高分二号影像发展一种综合利用遥感影像光谱和纹理信息的茶园种植区提取方法。该方法首先利用归一化植被指数(NDVI)和修正的归一化植被指数(MNDVI)构建新的光谱特征——差异归一化差分植被指数(DNDVI),通过灰度共生矩阵(GLCM)构建新的纹理特征——灰度共生纹理(GLCT),然后结合光谱和纹理特征运用支持向量机(SVM)的方法进行分类。试验采用2种方案(原始波段+光谱特征,原始波段+光谱特征+纹理特征)对影像进行分类,分类总体精度分别为79. 6%、89. 8%,Kappa系数分别为0. 659、0. 788。结果表明,结合纹理信息能明显地提高分类精度,并较好地实现对高分二号影像茶园种植区的分类提取。

一种结合坡度信息调节的水体指数

在分析水体和山区背景地物反射与地形坡度特性的基础上,提出了一种坡度调节水体指数(slope adjusted water index,SAWI)。针对水体与阴影在短波红外的反射率都很低的问题,通过坡度信息对位于不同地形条件下地物的短波红外波段进行不同程度的拉伸,使得水体与山区阴影得到区分。试验利用SAWI提取了OLI(operational land imager)影像位于不同地形条件下的水体信息。结果表明,在山区起伏区域,SAWI比改进的归一化差异水体指数(modified NDWI,MNDWI)能够更有效地抑制阴影效应;在平坦区域,SAWI比归一化差异水体指数(normalized difference water index,NDWI),具有更高的水体信息敏感性,从而有利于细小水体的提取。这表明在山区的复杂地形条件下,SAWI是一种可选的水体指数提取方法。