论文部分内容阅读
为研究无人机可见光遥感技术在灌区土地利用和覆被分类中的有效性,以河套灌区五原县塔尔湖镇为试验区域,利用TEZ固定翼无人机搭载索尼A5100型相机进行航拍试验,获取试验区遥感影像数据。利用面向对象法构建不同分类方法用于提取灌区土地利用类型,并对分类结果进行精度评价,确定基于无人机遥感系统获取高分辨率可见光影像数据的最佳分类法。本文的主要研究内容及结论如下:(1)利用Agisoft PhotoScan软件对无人机遥感系统获取的150张高分辨率可见光原始影像数据进行拼接处理,得到分辨率为0.1m的正射影像数据,其能真实完整反映试验区内各地物特征。结合试验区域具体情况建立分类体系,确定了试验区土地利用类型,为高分辨率下的影像数据分类奠定基础。(2)采用面向对象法,利用多尺度分割原理,通过试误法不断改变分割参数,在目视判别准则下,除水域及水利设施用地和特殊用地外,确定了无人机遥感影像数据在分割尺度300、形状权重0.4、紧致度权重0.5下为最佳分割参数,能将剩余各地物完整分割。(3)在目视提取水域及水利设施用地和特殊用地的基础上,通过剩余各地物类别在光谱、形状、纹理特征参量中表现的特异性选取特征参量组合,分别建立决策树、不同核函数的支持向量机和K-最近邻分类规则集提取试验区土地利用类型试验。通过混淆矩阵对分类结果进行精度评价,以径向基为核函数的支持向量机分类法能较准确地提取各地物特征,总体精度为82.20%,Kappa系数为0.7659。以线性为核函数的支持向量机分类法的总体精度为81.40%,Kappa系数为0.7564;决策树分类法的总体精度为74.00%,Kappa系数为0.6675;K-最近邻分类法的总体精度为71.40%,Kappa系数为0.6107。(4)采用支持向量机结合决策树分类法创建的决策树模型,可以将分类总体精度提高到84.20%,Kappa系数达到0.7900,证明两种分类方法的结合在低空无人机可见光遥感土地利用分类中是可行的,且具有较高的分类精度。并利用支持向量机分类法对水域及水利设施用地进行自动提取,其生产者精度为66.67%,用户精度仅为43.48%。表明无人机可见光遥感技术可以用于提取灌区土地利用类型,但沟渠的提取还需进一步研究。