以深圳市龙岗区为研究对象,基于LANDSAT 8中高分辨率遥感影像数据,结合光谱、纹理和空间属性信息,采用面向对象、决策树和非监督分类等方法,提取湿地信息,并对比各种方法分类结果,进行精度验证与评价。精度验证结果表明:决策树分类总精度高达93%,比面向对象和非监督分类总精度分别提高7%、20%;决策树分类结果中近海水域与岩石性海岸的用户精度比较高,面向对象分类结果中人工养殖水面用户精度比较高,非监督分类各湿地类型用户精度都比较低支进行类别定义，可以对节点进行修剪，可行性比较高[4]。经过对选取的样本点进行统计分析，主要依据以下四点建立分类规则：NDVI与植被覆盖度呈正相关的关系，利用NDVI区分植被覆盖区域与非植被覆盖区域；水体在近红外波段反射率较低，利用近红外波段反射率特征区分水体与非水体；近海水域的数字高程值较低，利用DEM可将水体区分为近海水域与陆生水域；经过多次统计分析，选取对比度（Contrast）与相异性（Dissimilarity）两个纹理属性对光谱特征相似性极高的城市建设用地、岩石性海岸与沙海滩这三种类别进行区分。图1决策树分类规则图基于遥感的滨海湿地信息提取方法比较研究马庆晓1，张佳华1，2，提取方法比较研究-数控滚圆机滚弧机折弯机张家港电动滚圆机滚弧机倒角机邓帆1（1.长江大学地球科学学院，湖北武汉430100；2.中国科学院遥感与数字地球研究所，北京100094）[摘要]以深圳市龙岗区为研究对象，基于LANDSAT8中高分辨率遥感影像数据，结合光谱、纹理和空间属性信息，采用面向对象、决策树和非监督分类等方法，提取湿地信息，并对比各种方法分类结果，进行精度验证与评价。精度验证结果表明：决策树分类总精度高达93%，比面向对象和非监督分类总精度分别提高7%、20%；决策树分类结果中近海水域与岩石性海岸的用户精度比较高，面向对象分类结果中人工养殖水面用户精度比较高，非监督分类各湿地类型用户精度都比较低。[关键词]遥感；信息提取；本文由张家港弯管机网站

转载中国知网整理!www.wangaunjimuju.net滨海湿地[中图分类号]TP751[文献标识码]A[文章编号]2096-1995(2019)06-0013-02作者简介：本文由张家港弯管机网站 转载中国知网整理!www.wangaunjimuju.net马庆晓（1995—），女，山东省潍坊市人，硕士，主要从事生态环境遥感研究。。 根据地物的光谱特征来进行分类。滨海湿地地物类型比较复杂，混合像元比较多，利用重复自组织数据分析技术，计算研究区遥感影像的类均值，并用最小距离法将剩余像元进行重复迭代聚合计算，可以减少“椒盐”噪声，提取结果更准确[5]。根据龙岗区土地利用类型选择初始分类数为35类，进行类别定义与合并，经过多次模拟，得到最佳的分类结果。2结果分析图2分类结果图结合Googleearth目视解译，对分类结果进行精度验证，在研究区域内随机且均匀的选择300样本点，使每种类别样本点与类别总像元数成比例，利用混淆矩阵计算出分类总体精度与Kappa系数。决策树、面向对象与非监督分类的总精度分别为93.38%、86.05%、65.38%，Kappa系数分别为0.8914、0.8388、0.5990。从分类结果看，决策树分类结果中岩石性海岸与城市建设用地、近海水域与人工养殖均存在错分现象，面向对象分类结果中岩石性海岸几乎没有与城市建设用地区分开，而人工养殖成片分布，破碎化程度低，一定程度上避免错分为近海水域。根据分类结果图统计，决策树与面向对象近海水域面积相差仅1.8公顷，而决策树用户精度比较高，说明两种分类方法得到的近海水域位置存在差异；决策树岩石性海岸用户精度为75%，面积570.26公顷，其他两种方法所得面积与之相差悬殊，不能用于参考；决策树提取的沙海滩用户精度高于其他两种方法，其面积为15.48公顷；面向对象人工养殖水面用户精度高达90%，面积为796.71公顷。表1精度验证结果决策树分类面向对象分类非监督分类湿地类型用户精度（%）面积（公顷）用户精度（%）面积提取方法比较研究-数控滚圆机滚弧机折弯机张家港电动滚圆机滚弧机倒角机本文由张家港弯管机网站 转载中国知网整理!www.wangaunjimuju.net