CN105139369A - 消除基于palsar雷达影像的森林分类结果中城市建筑像元方法 - Google Patents
消除基于palsar雷达影像的森林分类结果中城市建筑像元方法 Download PDFInfo
- Publication number
- CN105139369A CN105139369A CN201510521563.XA CN201510521563A CN105139369A CN 105139369 A CN105139369 A CN 105139369A CN 201510521563 A CN201510521563 A CN 201510521563A CN 105139369 A CN105139369 A CN 105139369A
- Authority
- CN
- China
- Prior art keywords
- forest
- palsar
- ndvi
- radar image
- classification result
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种消除基于PALSAR雷达影像的森林分类结果中城市建筑像元方法,它涉及遥感影像处理技术领域。其包括以下步骤:(1)、从PALSAR雷达影像中实现森林信息的提取;(2)、完成光学影像预处理,计算归一化植被指数NDVI;(3)、对多幅NDVI影像进行最大值合成,得到研究区域的无云NDVI产品;(4)、对PALSAR森林分类结果或NDVI合成产品进行重采样,实现空间分辨率的统一;(5)、利用森林和城市建筑地面样本,绘制两种地物的NDVI直方图,确定过滤边界值T;(6)、对重采样后的PALSAR森林结果进行波段运算,过滤掉NDVI值低于边界值T的森林像元。本发明利用多时相光学影像合成的归一化植被指数NDVI来消除或降低基于PALSAR的森林分类结果中的城市建筑像元,提高森林分类结果精度。
Description
技术领域
本发明涉及的是遥感影像处理技术领域,具体涉及一种利用最大值合成NDVI消除基于PALSAR的森林分类结果中城市建筑像元的方法。
背景技术
PALSAR是ALOS卫星携带的一个L波段合成孔径雷达传感器,不受云层、天气和昼夜影响,可全天候对地观测,获取高分辨率的雷达数据。L波段比C、X等雷达波段具有更强的穿透力,能够获取丰富的地物空间结构信息,尤其对森林植被具有很好的识别能力,目前已被广泛用于森林信息的提取。但是,城市建筑物由于其特复杂的结构特征,也表现出与森林相似的后向散射系数特征(图1)。因此,直接基于PALSAR雷达数据的森林分类结果中,在建筑密集的城市地区,许多建筑被误分为森林,降低了总体分类精度。
植被和建筑物具有明显的光谱特征差异,其中归一化植被指数NDVI就是一个很好的特征指标。城市建筑由于近红外波段反射率较低,因此NDVI值也较低,而森林植被强烈反射近红外光,在生长季具有较大的NDVI值。因此可以利用NDVI对PALSAR森林分类结果进行修正。考滤到云及其阴影的影响(尤其是热带地区),在特定的季节内大面积获取无云的光学影像非常困难,采用多时相光影像进行最大值合成,是大面积获取无云NDVI产品的有效方法。
发明内容
针对现有技术上存在的不足,本发明目的是在于提供消除基于PALSAR雷达影像的森林分类结果中城市建筑像元方法,利用多时相光学影像合成的归一化植被指数NDVI来消除或降低PALSAR森林分类结果中的城市建筑像元,提高森林分类结果精度。
为了实现上述目的,本发明是通过如下的技术方案来实现:消除基于PALSAR雷达影像的森林分类结果中城市建筑像元方法,其包括以下步骤:1、利用决策树分类或监督分类等方法,从PALSAR雷达影像(50或25米空间分辨率)中实现森林信息的提取。
2、选择离PALSAR影像的获取时间较近的多幅光学遥感影像,最好使用同一卫星数据比如Landsat系列,完成预处理(几何校正、辐射校正和大气校正),计算归一化植被指数NDVI。
3、对多幅NDVI影像进行最大值合成,得到研究区域无云的NDVI产品。
4、对PALSAR森林分类结果或NDVI产品进行重采样,实现空间分辨率的统一。
5、利用森林和城市建筑地面样本,绘制两种地物的NDVI直方图,确定过滤边界值T。
6、对重采样后的PALSAR森林结果进行波段运算,过滤掉NDVI值低于边界值T的森林像元。
本发明的有益效果:本发明利用多时相光学影像合成的归一化植被指数NDVI来消除或降低PALSAR森林分类结果中的城市建筑像元,提高森林分类结果精度。
附图说明
下面结合附图和具体实施方式来详细说明本发明;
图1为本发明的背景技术中的森林、水体、耕地和建筑在PALSAR的HH(a)和HV(b)极化波段以及比值(HH/HV,c)和差值(HH-HV,d)波段中的后向散射系数特征。在HV波段,森林与建筑表现出极为相似的后现散射特征,虽然利用HH、HH/HV或HH-HV波段可以在一定程度上实现森林和建筑分离,但它们仍然存在不同程度的重叠.
图2为本发明实施例的森林与建筑样本的NDVI直方图分布示意图.
图3为本发明实施例的实验效果示意图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
参照图2-3,本具体实施方式采用以下技术方案:消除基于PALSAR雷达影像的森林分类结果中城市建筑像元方法,其包括以下步骤:1、利用决策树分类或监督分类等方法,从PALSAR雷达影像(50或25米空间分辨率)中实现森林信息的提取。
2、选择离PALSAR影像的获取时间较近的多幅光学遥感影像,最好使用同一卫星数据比如Landsat系列,完成预处理(几何校正、辐射校正和大气校正),计算归一化植被指数NDVI。
3、对多幅NDVI影像进行最大值合成,得到研究区域无云的NDVI产品。
4、对PALSAR森林分类结果或NDVI产品进行重采样,实现空间分辨率的统一。
5、利用森林和城市建筑地面样本,绘制两种地物的NDVI直方图,确定过滤边界值T。
6、对重采样后的PALSAR森林结果进行波段运算,过滤掉NDVI值低于边界值T的森林像元。
实施例1:实验内容及条件:1、海南省儋州地区2010年PALSAR镶嵌产品,空间分辨率为25米,转换影像DN值为归一化雷达截面后向散射数据(sigmanaught)。利用决策树分类方法实现森林分类。
2、2009-2010年共39景LandsatTM/ETM+L1T数据(条带号124/046),其中TM18景,ETM+21景,空间分辨率30米。利用Fmask进行自动除云,LEDAPS进行大气校正,IDL编程实现NDVI最大值合成,并绘制森林和建筑样本的NDVI直方图如图2所示。以建筑像元95%分位数0.65(已圆整处理)为边界值过滤PALSAR森林。
3、其实验结果如图3(使用最大值合成NDVI修正PALSAR森林分类结果示意图)所示:(a)儋州市区2010年3月24日的LandsatTM影像,采用543波段组合假彩色显示。(b)最大值NDVI合成图,绿色表示高NDVI值,(c)PALSAR森林分类结果与TM影像叠加,城市区域许多建筑被误分为森林,(d)经过NDVI修正后的PALSAR森林分类结果与TM影像叠加(过滤NDVI<0.65的森林像元),城市地区森林分类结果精度明显提高。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定 。
Claims (3)
1.消除基于PALSAR雷达影像的森林分类结果中城市建筑像元方法,其特征在于,其包括以下步骤:(1)、利用决策树分类或监督分类方法,从PALSAR雷达影像中实现森林信息的提取;
(2)、选择离PALSAR影像的获取时间较近的多幅光学遥感影像,并且为同一卫星数据比如Landsat系列,完成预处理,计算归一化植被指数NDVI;
(3)、对多幅NDVI影像进行最大值合成,得到研究区域无云的NDVI产品;
(4)、对PALSAR森林分类结果或NDVI产品进行重采样,实现空间分辨率的统一;
(5)、利用森林和城市建筑地面样本,绘制两种地物的NDVI直方图,确定过滤边界值T;
(6)、对重采样后的PALSAR森林结果进行波段运算,过滤掉NDVI值低于边界值T的森林像元。
2.根据权利要求1所述的消除基于PALSAR雷达影像的森林分类结果中城市建筑像元方法,其特征在于,所述的步骤(1)中的PALSAR雷达影像为50或25米空间分辨率。
3.根据权利要求1所述的消除基于PALSAR雷达影像的森林分类结果中城市建筑像元方法,其特征在于,所述的步骤(2)中的预处理为几何校正、辐射校正和大气校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510521563.XA CN105139369B (zh) | 2015-08-24 | 2015-08-24 | 消除基于palsar雷达影像的森林分类结果中城市建筑像元方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510521563.XA CN105139369B (zh) | 2015-08-24 | 2015-08-24 | 消除基于palsar雷达影像的森林分类结果中城市建筑像元方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105139369A true CN105139369A (zh) | 2015-12-09 |
CN105139369B CN105139369B (zh) | 2018-02-27 |
Family
ID=54724702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510521563.XA Expired - Fee Related CN105139369B (zh) | 2015-08-24 | 2015-08-24 | 消除基于palsar雷达影像的森林分类结果中城市建筑像元方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105139369B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273858A (zh) * | 2017-06-19 | 2017-10-20 | 潘浩天 | 一种数据处理方法及系统 |
CN107862255A (zh) * | 2017-10-23 | 2018-03-30 | 交通运输部科学研究院 | 一种基于微波遥感和光学遥感技术的湿地信息提取与生态敏感性评价的方法 |
CN109614942A (zh) * | 2018-12-14 | 2019-04-12 | 中国科学院遥感与数字地球研究所 | 一种基于云计算平台的森林扰动长时间序列监测方法 |
CN111652289A (zh) * | 2020-05-15 | 2020-09-11 | 中国科学院空天信息创新研究院 | 合成孔径雷达图像的海冰海水的分割方法 |
CN111695606A (zh) * | 2020-05-25 | 2020-09-22 | 中国科学院东北地理与农业生态研究所 | 一种多类型城市绿地分类方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120101784A1 (en) * | 2010-10-25 | 2012-04-26 | Trimble Navigation Limited | Wide-area agricultural monitoring and prediction |
CN104361338A (zh) * | 2014-10-17 | 2015-02-18 | 中国科学院东北地理与农业生态研究所 | 一种基于ENVISAT ASAR、Landsat TM与DEM数据的泥炭沼泽信息提取方法 |
-
2015
- 2015-08-24 CN CN201510521563.XA patent/CN105139369B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120101784A1 (en) * | 2010-10-25 | 2012-04-26 | Trimble Navigation Limited | Wide-area agricultural monitoring and prediction |
CN104361338A (zh) * | 2014-10-17 | 2015-02-18 | 中国科学院东北地理与农业生态研究所 | 一种基于ENVISAT ASAR、Landsat TM与DEM数据的泥炭沼泽信息提取方法 |
Non-Patent Citations (2)
Title |
---|
JINWEI DONG 等: "Mapping tropical forests and rubber plantations in complex landscapes", 《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》 * |
徐天 等: "利用多时相雷达数据进行多云多雨地区的土地利用分类研究", 《测绘通报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273858A (zh) * | 2017-06-19 | 2017-10-20 | 潘浩天 | 一种数据处理方法及系统 |
CN107273858B (zh) * | 2017-06-19 | 2018-07-31 | 潘浩天 | 一种数据处理方法及系统 |
CN107862255A (zh) * | 2017-10-23 | 2018-03-30 | 交通运输部科学研究院 | 一种基于微波遥感和光学遥感技术的湿地信息提取与生态敏感性评价的方法 |
CN107862255B (zh) * | 2017-10-23 | 2020-12-22 | 交通运输部科学研究院 | 一种基于微波遥感和光学遥感技术的湿地信息提取与生态敏感性评价的方法 |
CN109614942A (zh) * | 2018-12-14 | 2019-04-12 | 中国科学院遥感与数字地球研究所 | 一种基于云计算平台的森林扰动长时间序列监测方法 |
CN111652289A (zh) * | 2020-05-15 | 2020-09-11 | 中国科学院空天信息创新研究院 | 合成孔径雷达图像的海冰海水的分割方法 |
CN111652289B (zh) * | 2020-05-15 | 2023-01-13 | 中国科学院空天信息创新研究院 | 合成孔径雷达图像的海冰海水的分割方法 |
CN111695606A (zh) * | 2020-05-25 | 2020-09-22 | 中国科学院东北地理与农业生态研究所 | 一种多类型城市绿地分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105139369B (zh) | 2018-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
McCarthy et al. | Enabling efficient, large-scale high-spatial resolution wetland mapping using satellites | |
Tigges et al. | Urban vegetation classification: Benefits of multitemporal RapidEye satellite data | |
Lu | The potential and challenge of remote sensing‐based biomass estimation | |
CN104656098B (zh) | 一种遥感森林生物量反演的方法 | |
CN105957079B (zh) | 基于Landsat OLI多光谱影像的湖泊水域信息提取方法 | |
CN105139369A (zh) | 消除基于palsar雷达影像的森林分类结果中城市建筑像元方法 | |
Ferrato et al. | Comparing hyperspectral and multispectral imagery for land classification of the Lower Don River, Toronto | |
Gašparović et al. | Mapping floods in lowland forest using sentinel-1 and sentinel-2 data and an object-based approach | |
Palaniswami et al. | Spectral mixture analysis for subpixel classification of coconut | |
CN116091938B (zh) | 一种针对单季稻种植面积的多源遥感监测方法 | |
Clark et al. | Landscape analysis using multi-scale segmentation and object-oriented classification | |
Chouhan et al. | Vegetation detection in multispectral remote sensing images: Protective role-analysis of vegetation in 2004 indian ocean tsunami | |
Bucha et al. | Analysis of MODIS imagery for detection of clear cuts in the boreal forest in north-west Russia | |
Gazzea et al. | Tree species classification using high-resolution satellite imagery and weakly supervised learning | |
Rizki et al. | Mapping of vegetation and mangrove distribution level in Batam Island using SPOT-5 satellite imagery | |
He et al. | An operational workflow of deciduous-dominated forest species classification: Crown delineation, gap elimination, and object-based classification | |
Haest et al. | An object-based approach to quantity and quality assessment of heathland habitats in the framework of Natura 2000 using hyperspectral airborne AHS images | |
Aroma et al. | A coastal band spectral combination for water body extraction using Landsat 8 images | |
CN116385842A (zh) | 一种融合可见光-红外-雷达影像多特征的机器学习水体提取方法 | |
Antunes et al. | Atmospheric effects on vegetation indices of TM and ETM+ images from a tropical region using the 6S model | |
Pagkalinawan | Mangrove forest mapping using Landsat 8 images | |
Tamiminia et al. | Evaluating pixel-based and object-based approaches for forest above-ground biomass estimation using a combination of optical, Sar, and an extreme gradient boosting model | |
Afrasinei et al. | Diachronic analysis of salt-affected areas using remote sensing techniques: the case study of Biskra area, Algeria | |
Tochon et al. | Binary partition tree as a hyperspectral segmentation tool for tropical rainforests | |
Rahm et al. | Detecting forest degradation in the Congo Basin by optical remote sensing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180227 Termination date: 20180824 |