基于GF-2遥感影像的机械性破损面提取方法

机械性破损面容易引发水土流失、次生地质灾害等生态环境问题,但目前还缺乏其基于遥感影像的有效提取方法。选择机械性破损面分布密集的云南省螳螂川流域为研究对象,基于高分二号(GF-2)遥感影像,探讨其基于纹理特征辅助的面向对象提取方法。根据7类地物特征建立地物分类规则,在最优尺度分割的基础上,基于光谱特征的决策树A和基于“光谱+纹理”特征的决策树B进行面向对象的分类。经过精度评价分析得出,相对于传统的监督分类法和仅基于光谱的面向对象分类法,基于“光谱+纹理”特征的决策树B分类方法使Kappa系数和总精度分别提高至0.82和86.25%,有效地提高了机械性破损面的提取精度。

螳螂川流域典型区机械性破损面遥感信息提取方法研究

机械性破损面是指大型机械工程施工后留下的具有纹理特征,尚未进行植被恢复的裸露面。螳螂川流域受露天采矿、工程建设等影响,机械性破损面分布密集,快速准确地提取出其机械性破损面空间分布信息,对于加强流域内生态环境建设和保护具有重要意义。但目前有效提取机械性破损面的方法较少,针对此问题,选择流域内机械性破损面分布密集的典型区为研究对象,以高分二号卫星遥感影像为数据源,采用面向对象分类方法,通过将研究区进行最优尺度分割后,对研究区的典型地物构建模糊分类规则,按地物类型分层提取信息,最终得到研究区地物类型分布图,实现机械性破损面遥感信息提取。运用基于像素文件(TTA Mask)的混淆矩阵方法进行精度评价,分类总体精度达到90%,Kappa系数为0.78。与其他传统分类方法进行比较,分类精度明显提高,说明采用该文方法提取机械性破损面具有较好的可行性。研究成果为快速提取该流域及其他类似区域内的机械性破损面提供技术支撑,并为类似研究提供参考。