10.6041/j.issn.1000-1298.2020.03.023
基于机载CCD和ALS伪波形数据的山区地表分类研究
为利用机载激光雷达(Airborne LiDAR scanning,ALS)、结合高空间分辨率影像进行土地利用分类,提出一种利用统计高程分布曲线生成的ALS伪波形,结合点云强度信息和CCD影像RGB 3波段数据对山区复杂地表进行分类的方法,并验证了该方法对山区复杂地形下典型地物的分类精度.通过安徽黄山地区研究区数据分类结果与相同区域基于光学图像的GlobeLand30全球分类产品的对比,验证了该分类方法的可行性和适用性.利用伪波形结合强度信息和RGB信息生成的分类特征曲线,采用神经网络分类方法(ANN)将研究区内地物分为农田、森林、水体、村庄4类.结果 表明,研究区分类总体精度达到95.22%,Kappa系数0.919 2,较同一区域、同等分辨率的光学数据分类产品(总体精度79.56%,Kappa系数0.661 8)精度显著提高.
地表分类、CCD影像、机载激光雷达、伪波形
51
S758.5;TP391(森林经营学、森林计测学、森林经理学)
国家自然科学基金项目41971289
2020-05-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
201-208