当前位置：文档之家 › 时序MODIS植被指数的西安市土地覆盖分类方法与精度分析

时序MODIS植被指数的西安市土地覆盖分类方法与精度分析

  • 格式：pdf
  • 大小：1.03 MB
  • 文档页数：4

Ｔ Ｍ 、Ｖ ｅ ｇ ｅ ｔ ａ ｔ ｉ ｏ ｎ等数据成为土地覆盖和变化检测研 免 了这 一缺 点 。通 过分 析 不 同地 物 植 被指 数 随季 节 究 的重要 数据 源 。与其 它 的遥感 数据 相 比，Ｍ Ｏ Ｄ Ｉ Ｓ数 变化 的特征 ，提取特征参数 ，进行分类 ，则精度大 ，其 中 ａ表 示影像 中像 元位 置 据具有全球免费、光谱范围广 、数据接收简单、更 大 提 高 。其 原理如 图 １
立决策树 ，然后对 西安 的土地覆盖开展 分类实验研 究 ， 并以Ｌ ａ ｎ ｄ ｓ ａ ｔ ５ Ｔ Ｍ 影像作 为参考数据对 实验结果进行 验 证 ，结果表 明分类 总体精度 达到 ７ ７ ． ６ ％ ，说 明利用 时序 Ｍ Ｏ Ｄ Ｉ Ｓ Ｎ Ｄ Ｖ Ｉ 数据进行地 市级的土地覆盖 自 动分类
４ ８技 术 交流
测 绘技 术 装备
第 １ ５ 卷
２ ０ １ ３年 第 ３期
时序 Ｍ Ｏ Ｄ ｌ Ｓ植被指数 的西 安市 土地覆盖 分类方 法 与精度分析
周 婷 婷 ’ 李 昕 ’ 郑 智成 （ １ ． 国家 测绘 地理 信息 局第 一地 理信 息制 图院 ２ ． 国 家测 绘地 理信 息局 第 二地形 测 量 队
摘
陕西 西 安
７ １ ０ ０ ５ ４ ：
陕 西西 安
７ １ ０ ０ ５ ４ ）
要： 植被 指数 是植 被生长状态及植被覆盖 度的最佳指示 因子 ， 其 时序数据也 已成为基 于生物 气候特征 开
展 大区域植 被和土地覆盖分类 的基本手段 ， 但是 不同的分类 方法或 不同分辨率 的遥感数据得 到的结果是 不 同 的。利用 ２ ０ ０ ９年 Ｍ Ｏ Ｄ Ｉ Ｓ Ｎ Ｄ Ｖ Ｉ １ ６天合成 时间序列数据 ，根据不 同土地覆盖类型对应 的时序 Ｎ Ｄ Ｖ Ｉ 特征分析建
同类 型 的植被 覆 盖 ，使 分类 更 加细 致 ， 引起 了研
ａ遥 感影 像像 元编 号
究人 员 的广 泛 重视 ，纷纷 将 其 用在 区域 土 地覆 盖 研 究 中 。 受 地 形 和 气候 的影 响 ，不 同地 区 植被 种 类 和覆 盖 特 征 不 同 ， 因此 对 于不 同地 区都 应进 行 具 体 的土
在宏观土地覆盖遥感研究 中，利用时序 Ｎ Ｄ Ｖ Ｉ 特 点进行土地覆盖分类是土地覆盖分类 中最常用的方
法 。利 用不 同时相 条件 下 的 Ｎ Ｄ Ｖ Ｉ序 列 ，可 以比较准 确 地 反 映 出植 被 生 长 的季 相 变化 ，在 同 一 区域 具有 相 似 时序 Ｎ Ｄ Ｖ Ｉ谱线特 征 的像 元可 以被 认 为是 具有相
是可行 的。
关键 词：植 被指数
决策树
土地覆盖分类
精度分析
１ 引言
是 由于 植被 指 数 随着 季 节 的变 化有 很 大 的 不 同 ， 因
利 用 遥 感 数据 提 取 全 球 或 区域 尺度 上 的土 地覆 此 进行 地 物利 用类 型分 类精 度不 高 ，且 无 固定模 式 。 盖 信 息 已成 为土地 覆盖 研 究 的热 点，Ａ Ｖ Ｈ Ｒ Ｒ 、Ｍ ０ Ｄ Ｉ ｓ 、 而利 用 多 时相 的植 被指 数 进 行土 地 覆 盖分 类 ，则避
个 地 区进 行 分类 的结 果 是不 同的 ｎ 。 以往 利 用 遥 种则是在植被 指数时间谱参量化基础上进行分类 ， 感数 据 进 行 土地 覆 盖 分类 都 是基 于 单 一 时相 数 据 提 大多采用决策树法 。 本文采用决策树法建立土地覆
取的植被指数，然后再利用植被指数进行分类 。但 盖分类流程进行实验，在实验中以 Ｔ Ｍ 影像为参照 ，
２基 本 ： 多时相 植被 指数 分类 基本 原理
基 于 时 序 植 被 指 数 的 土 地 覆 盖 分 类 方 法 有 两
种 ：一种是基于植被指数时间谱 （ 植被指数随时间的 不 同的 分类 方 法 或 不 同分 辨 率 的遥 感 影 像对 同 变 化 曲线） 的 直接 分类 ，常采 用非 监 督分类 法 ；另一
地覆盖研究。另外，利用 Ｍ Ｏ Ｄ Ｉ Ｓ数据是否适合研究 地 区 行 政 范 围 尺 度 的 土 地 覆 盖 问题 还 未 能 得 到 确 定。本文以西安市为例，充分利用 Ｍ Ｏ Ｄ Ｉ Ｓ时间维信 息 和 光 谱 维信 息 的优 势 ，结合 空 间 分辨 率 因 素 ，运 用监督 决策树 分类方法探 讨建立西安 土地利用 ／ 覆 盖分类的方法 ，研究其可行性和可靠性，为以后西 安市土地覆盖分类和地理 国情分析提供参考 。
新 频 率 高等 特 点 ，因此 在 光 谱分 辨 率 、 时间 分辨 率 示 意 ，ｂ表 示各位 置在 时 相 １（ ２月 ２ — １ ８日）和 时相 和 数 据 质量 上 有 了很 大 改 善 ，在 空 间 分辨 率 上 也更 ２ （ ３月 ６ — ２ ２日）两 个不 同时相 的 Ｎ Ｄ Ｖ Ｉ均 值 。 由于 适 合 于较 大尺 度 的土地 覆 盖研 究 ， Ｍ Ｏ Ｄ Ｉ Ｓ数据 已经 成 时相 ２ 已经 处 于西 安树 木 的发芽 期 ，可 以判 断 出像 为全 球和 区域 土 地覆盖 研 究 中的最 新数 据源 ” 。 元８ 、９ 、１ ０位 置代表 林地 。

合集下载

遥感技术在环境监测中的植被覆盖分析方法

遥感技术在环境监测中的植被覆盖分析方法

遥感技术在环境监测中的植被覆盖分析方法遥感技术是一种通过获取和解释遥感图像数据来获取地球表面信息的方法。

在环境监测中，遥感技术可以用于植被覆盖分析，以评估植被的分布、健康状况和变化趋势。

本文将介绍遥感技术在环境监测中的植被覆盖分析方法。

植被覆盖是指地表被植物覆盖的程度。

植被覆盖分析对于评估生态系统的健康状况、监测土地利用和土地覆盖变化等具有重要作用。

遥感技术通过获取地表反射或辐射数据，可以提供大面积、连续性和定量化的植被信息，从而实现植被覆盖的分析。

首先，常用的遥感数据源包括卫星和航空遥感图像。

这些图像记录了地球表面的辐射能量，可以通过不同波段的信息来分析植被覆盖情况。

其中，可见光、红外和热红外波段的数据特别有助于植被覆盖分析。

其次，植被指数是植被覆盖分析中常用的量化指标。

植被指数利用不同波段的光谱反射特征，通过计算公式来估计植被的生长情况。

其中，最常用的植被指数是归一化植被指数（NDVI）和修正型归一化植被指数（EVI）。

这些指数可以通过计算地表图像中的红光和近红外波段的反射率差异得出，从而提供植被覆盖的信息。

此外，植被分类也是植被覆盖分析的重要步骤。

植被分类是将遥感图像中的像元分成不同的植被类型，以获得更详细的植被覆盖信息。

常用的分类方法包括监督分类和非监督分类。

监督分类需要提供训练样本，通过计算像元与训练样本之间的相似度来进行分类。

非监督分类不需要提前提供训练样本，它通过对图像中的像元进行聚类分析来实现分类。

此外，在植被覆盖分析中，还可以利用时序遥感数据来监测植被的变化趋势。

时序遥感数据记录了多个时间点的地表信息，可以对不同时间段的植被变化进行对比和分析。

通过比较不同时间点的植被指数或植被分类结果，可以了解植被的增长、凋落、干扰和恢复情况。

除了上述方法，还有许多其他的遥感技术可以用于植被覆盖分析。

例如，通过高空间分辨率的遥感图像可以获取更详细的植被信息；通过合成孔径雷达（SAR）遥感可以在夜间和云层遮挡的情况下获取植被信息；通过利用光谱库和多光谱图像可以实现更精确的植被识别和提取等。

基于MODIS—NDVI数据的秦岭中段土地覆被分类

基于MODIS—NDVI数据的秦岭中段土地覆被分类

基于MODIS—NDVI数据的秦岭中段土地覆被分类
肖莉; 汪权方; 王倩
【期刊名称】《《河北遥感》》
【年(卷),期】2009(000)002
【摘要】基于地物光谱特征的监督分类一直是用遥感影像解译土地覆被类型的常规方法。

基于可见光和近红外波段的光谱反射率构建的NDVI指数的水平高低及时序变化特征对土地覆被类型有高度敏感性和较好的指示性。

本文基于时序MODIS-NDVI数据，通过合理选择训练样区对MODIS影象进行监督分类，最终实现对秦岭中部地区各种土地覆被的分类，通过与实地GPS调查数据比较，结果显示分类总体精度达到76．77％，kappa系数为67．22％，分类等级为较好。

【总页数】5页(P6-9,29)
【作者】肖莉; 汪权方; 王倩
【作者单位】湖北大学资源与环境学院湖北武汉430062
【正文语种】中文
【中图分类】TP75
【相关文献】
1.基于MODIS/NDVI时序数据的土地覆盖分类 [J], 刘庆凤;刘吉平;宋开山
2.基于MODIS数据的生物保护区域土地覆被分类 [J], 刘伟;冯学智;肖鹏峰;徐海根
3.基于时序NDVI数据的中国红壤丘陵区土地覆被分类研究 [J], 汪权方;李家永
4.基于MODIS-NDVI数据的秦岭中段土地覆被分类插图 [J],
5.基于MODIS-NDVI时序数据的黄土丘陵区土地覆盖分类研究 [J], 陆广勇;杨勤科;王海江
因版权原因，仅展示原文概要，查看原文内容请购买。

如何利用遥感数据进行植被监测

如何利用遥感数据进行植被监测

如何利用遥感数据进行植被监测遥感数据在现代科技中扮演着重要的角色，尤其在植被监测方面。

通过遥感技术，科学家能够迅速精确地获取大范围的植被信息，以便用来监测植物的生长状况、分析植被覆盖率、研究环境变化等。

本文将介绍如何利用遥感数据进行植被监测，从数据获取、处理和分析等方面进行探讨。

首先，要利用遥感数据进行植被监测，必须先获取相关的遥感数据。

目前，常用的遥感数据来源包括卫星遥感和航空遥感。

卫星遥感数据覆盖范围广，获取也相对容易，例如Landsat、MODIS等卫星数据。

航空遥感数据则精度更高，但是获取成本较高。

根据需要选择适当的遥感数据来源，确保数据的准确性和完整性。

接着，获取到遥感数据后，就需要对数据进行预处理。

预处理包括去除云、大气校正、镶嵌等。

由于遥感数据容易受到云层的干扰，所以首先要通过云去除算法去除云层，以便得到清晰的图像。

同时，由于大气会产生辐射散射和吸收，所以还要进行大气校正，以减小大气对图像的影响。

另外，根据遥感数据的分辨率，可能需要进行数据镶嵌，将多个图像拼接在一起，得到更大范围、更详细的图像。

在预处理完成后，就可以开始进行植被监测分析了。

植被监测分析的目标通常包括植被覆盖度、植被生长状态、植被类别等。

常用的植被监测分析方法包括归一化植被指数（NDVI）、差值植被指数（DVI）等。

其中，归一化植被指数（NDVI）是最常用的一种方法，它利用可见光波段和近红外波段的光谱反射率进行计算，反映植被生长状况。

通过对遥感图像进行NDVI计算和分析，可以了解到植被的分布情况以及植被的健康状态。

此外，利用遥感数据还可以进行植被变化监测。

植被变化监测是通过对遥感图像进行时间序列分析，比较不同时间段的植被图像，来了解植被覆盖度、植被生长状态等方面的变化情况。

常用的植被变化监测方法包括时序NDVI分析和植被指数变化率分析等。

通过植被变化监测，可以探测到植被的生长趋势，判断植被覆盖的状况。

最后，利用遥感数据进行植被监测还可以结合地理信息系统（GIS）技术，实现更全面的植被管理与分析。

不同地表覆盖的遥感影像解译方法和数据精度控制技巧

不同地表覆盖的遥感影像解译方法和数据精度控制技巧

不同地表覆盖的遥感影像解译方法和数据精度控制技巧一、引言随着遥感技术的迅猛发展和应用日益广泛，遥感影像解译已成为获取地表信息的重要手段。

不同地表覆盖类型对于遥感影像解译而言，具有一定的特殊性，需要采取不同的方法和技巧进行解译。

同时，遥感影像的精度控制也是解译过程中不可忽视的重要环节。

本文将着重探讨不同地表覆盖类型的遥感影像解译方法以及数据精度控制技巧。

二、植被覆盖的遥感影像解译方法和数据精度控制技巧植被覆盖是遥感影像解译的常见对象之一，对于它的解译可以采用多种方法。

首先，可以利用植被指数（如归一化植被指数）进行解译，该指数可以反映植被的状况。

其次，可以利用形态学方法对植被进行解译，通过提取植被的形状和纹理信息，进行分类和识别。

此外，还可以利用光谱特性和空间特征等多种方法进行解译。

数据精度控制技巧方面，对于植被覆盖的解译，需要注意地表下物体的干扰。

例如，在高植被覆盖区域，地表下的建筑物等目标容易被植被遮挡，导致解译结果不准确。

因此，在进行解译时，需要采取合适的滤波方法或选择适当的遥感影像波段，以降低植被的干扰。

三、水体覆盖的遥感影像解译方法和数据精度控制技巧水体覆盖是遥感影像解译的另一个重要对象。

水体的解译可以通过反射率和光谱特征进行。

通常，水体较强的反射率表现为低像元值，而在可见光原色波段（红、绿、蓝）中水体通常呈现为较暗的颜色。

然而，由于水体的反射光谱在不同水域和不同光照条件下存在较大差异，所以在解译过程中需要结合实地调查和其他支持数据，以提高解译的精度。

此外，水体的解译还需要考虑光照条件、气候条件等因素的影响，以减少解译误差。

四、城市建筑覆盖的遥感影像解译方法和数据精度控制技巧城市建筑覆盖是遥感影像解译的另一重要任务。

城市建筑覆盖物的解译可以通过其光谱反射率和形态进行分类。

在遥感影像中，城市建筑物通常呈现出较高的反射率，且在红外波段具有较大的反射差异。

因此，结合多光谱或高光谱影像数据，可以对城市建筑覆盖物进行较准确的解译。