基于多种遥感指数综合应用的城市典型地物分类__--__以重庆市主城6区为例.pdfVIP

第15卷 第6 期 地 球 信 息 科 学 学 报 Vol. 15, No.6 2013 年12 月 JOURNAL OF GEO-INFORMATION SCIENCE Dec., 2013 基于多种遥感指数综合应用的城市典型地物分类 ——以重庆市主城6 区为例 1 1,2* 1 王金亮 ，邵景安 ，李阳兵 （1. 重庆师范大学地理与旅游学院，重庆 400047; 2. 重庆师范大学三峡库区山地生态与区域发展研究所，重庆 400047 ） 摘要：以重庆主城六区的典型地物为提取对象，运用ENVI 软件对研究区2009 年TM 遥感影像进行光谱采样，提取 各地物的光谱亮度均值，分析各地物的光谱特征；同时，根据样点光谱均值计算各比值型指数，生成相应的指数模 型影像图，并建立决策树分类流程得到研究区典型地物分类图，且进行精度评价和分类图的修正。结果表明：（1） 研究区典型地物在1、2 、3 波段上的光谱均值分布较为集中，无明显特征差异，不利于地物信息提取；而在4 、5、7 波 段上差异变化明显，利于地物信息提取。（2 ）本文选取的3 种指数在曲线分布形态和值变化上都与研究区地物变化 较为吻合。NDVI 指数值最高的是林地，最低的是水体，水田为负值，而旱地为正值。MNDWI 指数值最高的是水 体，最低的是旱地。对于NDBI 值，城镇和旱地较为相近，两者不容易区分。（3）分类结果中，错分误差值较大的是 旱地和城镇，其次是水田，旱地的制图精度最低，水田的漏分误差最大。 关键词：光谱亮度值；归一化比值型指数；决策树分类；TM 影像；重庆主城区 DOI ：10.3724/SP.J. 1047.2014.00925 1 引言 （NDVI 、MNDWI 、NDBI ）融合进决策函数中，通过 决策树分类法中的学习能力自动提取地物信息，以 目前，遥感图像地物特征信息提取方法及实验 获取较为满意的分类结果。本文将决策树分类法 主要是依据影像地物的光谱特征差异分析，运用单 与光谱知识模型中的比值型指数模型法相结合来 波段阈值法、多波段谱间关系法和指数模型法等构 分析提取研究区城镇、水体、水田、旱地、林地5 类典 [1-9] 建光谱矢量曲线和遥感信息模型 。在提取的对 型地物， 象上，指数模型法主要应用于地物类型的专题信息 提取，包括水体、居民点、植被、耕地等典型地物，以 2 研究区地理特征与数据预处理 及特殊区域中的典型地物，包括湿地、海岸、冰雪等 类型。然而，该方法在实际应用中对确定特征参数 2.1 研究区特征 [10] 和描述光谱模型有一定的局限性 ，因此只有与其 重庆主城区位于四川盆地东部平行岭谷区的 他相关研究方法进行互补融合提取，其识别精度和 低山丘陵地区，包括核心区（渝中区、江北区、沙坪 量化能力才会进一步提高。 坝区、九龙坡区、南岸区、大渡口区）和外围区（北碚 决策树分类法作为一种机器学习方法，在处理 2 区、渝北区、巴南区），行政区划面积5426km ，地理 多维属性时可以确定各个属性的重要程度，并将一 位