基于像元信息分解的城市绿地信息自动提取系统

为了快速而有效地监测城市绿地的变化,建立了基于遥感和GIS的城市绿地自动识别系统。系统利用像元信息分解的方法,将城市环境下的像元信息分解为绿地、水体、土壤、水泥地等4种地物端元组份信息,求解绿地在混合像元中的丰度,并允许自由设定判定绿地像元的阈值,以便通过调整达到分离的最优分离结果。此外,系统也集成了绿地信息的空间分析以及统计分析识别等功能。最后,以深圳市罗湖区和福田区TM影像作为实验区,将系统自动提取的绿地面积和目视解译的结果进行对比,准确率达到98.7%。

城市绿地遥感信息自动提取研究——以广州市为例

提出了一种新的基于像元信息分解和神经网络分类相结合的城市绿地遥感信息自动提取方法。选择广州市作为研究区,先用像元信息分解法把绿地从TM影像中分离出来,再以分离出来的绿地作为分类掩膜,采用BP神经网络法进行分类。并开展野外遥感调查以提高和验证分类精度。结果表明:该方法保证了分类时绿地的纯洁度,有效地排除和避免了提取绿地信息时其它多余信息的干扰和影响,提高了分类的精度。

基于植被-土壤二向反射模型的土壤含水量遥感

以北京地区为例,利用像元信息分解法,定量提取出区域植被盖度,由植被盖度得到区域叶面积指数,在只考虑一次散射的情况下,利用植被-土壤二向反射模型,提取出下层湿润土壤反射率。通过引入粗糙度因子建立起粗糙地表下土壤反射率与叶面积指数的函数关系,进而得出土壤含水量。

基于遥感和GIS的城市绿地自动识别系统

为了快速而有效地监测城市绿地的变化,建立了基于遥感和GIS的城市绿地自动识别系统。该系统运用像元信息分解方法自动提取城市绿地信息,具有其他传统方法所不具备的优势,能够很好的满足城市绿地信息快速监测的要求。