首页|基于CR-SAM的博斯腾湖西岸湖滨带典型植被分类

基于CR-SAM的博斯腾湖西岸湖滨带典型植被分类

扫码查看
原文链接
  • 万方数据
  • 维普
以博斯腾湖西岸湖滨带为研究区,采取高光谱数据和Sentinel-2A遥感数据,采用包络线去除(CR)法提取并分析箭杆杨、沙枣树和芦苇3种典型植被类别间的可区分特征,利用光谱角匹配(SAM)法对研究区3种典型植被的分布状况进行分类识别.结果表明:①SAM分类方法对3种典型植被的识别百分比为58.47％,基于包络线去除的光谱角匹配(CR-SAM)分类方法对3种典型植被的识别百分比为79.12％,CR-SAM能够突出植被光谱细节特征,减少环境背景对植被光谱的影响.②CR-SAM分类结果的总体分类精度为70.50％,较SAM分类方法提高了17.50％,Kappa系数由SAM分类方法的0.32增加到0.66,CR-SAM分类方法更能满足影像分类过程中的精度需求.③3种典型植被中,箭杆杨呈片状分布于道路两侧,面积3.98 km2,占研究区总面积的2.01％;沙枣树主要分布于荒地与耕地之间的过渡带,面积19.76 km2,占研究区总面积的9.98％;芦苇主要分布于湖滨带湿地及开都河下游沿岸,面积174.26 km2,占研究区总面积的88.01％.
The typical vegetation classification at Bosten lakeshore using CR-SAM

张子慧、李新国、李勇

展开 >

新疆师范大学地理科学与旅游学院,新疆乌鲁木齐830054

中国科学院新疆生态与地理研究所,新疆乌鲁木齐830011

新疆干旱区湖泊环境与资源重点实验室,新疆乌鲁木齐830054

植被分类 Sentinel-2A遥感数据 高光谱数据 包络线去除 光谱角制图 湖滨带

41661047U2003301

2022

10.13471/j.cnki.acta.snus.2021D013

中山大学学报(自然科学版)(中英文)
中山大学

中山大学学报(自然科学版)(中英文)

CSTPCDCSCD北大核心
影响因子：0.608
ISSN：0529-6579
年,卷(期)：2022.61(6)
  • 1
  • 17