摘要：【目的】研究基于面向对象方法的林分类型识别,解决森林资源监测的核心问题。【方法】以福建省将乐林场为研究样本,采用基于Quick Bird遥感影像的蓝、绿、红、近红外4个多光谱波段为面向对象分类的试验数据,借助e Cognition Developer 8.7(易康)软件,设置10种分割尺度(25~250,步长为25),应用带有线性核函数支持向量机分类器(support vector machine,SVM),分别对每种分割尺度下的3组特征(单独光谱、光谱+纹理、光谱+纹理+空间)进行面向对象林分类型分类。【结果】以尺度参数150对Quick Bird遥感影像进行分割质量最高(ED3Modified=0.37)。10种尺度上,在光谱特征中加入纹理特征能够明显提高分类精度,但引入空间特征分类精度几乎无变化。基于光谱+纹理特征在分割尺度150时获得了最高分类精度(总精度达到85%,Kappa系数为0. 86)。【结论】分割尺度对面向对象林分类型识别精度有着重要影响。在所有尺度(25~250)下,光谱、纹理特征分类精度均高于单独使用光谱特征分类总精度,空间特征在林分类型分类中并没有起到作用。匹配良好的分割和参考对象时能够得到更高精度的分类结果,同时,轻微的过度分割或分割不足不会明显影响分类结果。基于易康软件的面向对象方法对Quick Bird多波段遥感数据进行林分类型分类能够获得比较满意的结果。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社