标签：des style blog http io ar color 使用 sp
城市绿地在改善城市生态环境和人居环境起着积极的作用，城市绿地含量逐渐成为衡量城市生活质量的一个重要指标。此外，城市绿地的空间分布格局与其生态效应有着密切的关系。因此，必须客观、准确地掌握城市绿地信息。传统的城市绿化调查主要通过基层单位上报统计数据和实地抽样调查完成，资金和人力投入大，时间周期长。数据受人为影响较大且精度低，缺乏空间统计分析功能。
随着航天遥感技术的发展，高分辨率遥感图像在国内已经得到广泛的应用。而这些高分辨率图像的出现，也给城市绿地信息提取提供了更为有效而便捷的手段。
目前，可获取的商业卫星影像最高可达0.5米，能分辨普通道路中间的绿化带，甚至单棵树木。并且具有较高的光谱分辨率，如包含红色波段、近红外波段，为精确的自动提取城市绿地信息提供了先决条件。一景高分辨率影像可覆盖18.5kmx18.5km的范围，2-3天即可对同一个地区进行重复拍摄，可进行大范围内、短周期内的调查。
如下图为一个典型的基于高分辨率影像的城市绿地信息提取流程，涉及高分辨率影像正射纠正、图像融合、大气校正、面向对象图像信息提取、矢量编辑与处理、属性赋值等内容。
除了使用ENVI主模块功能外，还需要用到大气校正扩展模块中的快速大气校正工具（QUAC）、ENVI EX扩展模块中的Feature Extraction工具、ArcGIS@ Desktop的 ArcMAP。
基于高分辨率影像的城市绿地信息提取流程
一、数据获取
选择带RPC文件的数据，包括多光谱和全色波段的数据；成像时间为6~9月份，这期间植被长势最好。辅助数据包括DEM数据、控制点数据或者控制点选择源。
二、数据预处理
根据现在高分辨率卫星影像的特点，先做全色和多光谱图像的融合，再利用全色图像的RPC文件对融合图像进行正射纠正，得到的融合图像正射纠正结果与全色图像正射纠正结果在相同条件下的精度是一致的。这样的顺序能减少流程而提高效率，并且进行全色和多光谱的图像融合时，能保证他们之间精确的空间配准。使用ENVI中的Pansharpening融合方法，它是专门为高分辨率影像而设计。
基于控制点+RPC+DEM完成正射纠正过程，控制点从参考影像中选择，也可以使用野外测量获取的控制点，每景影像的控制点数量不宜太多（8~12个即可），均匀分布。
使用快速大气校正工具（QUAC）去除部分大气的影响，在进行面向对象绿地信息提取环节中，提高计算对象的NDVI、光谱属性值的精度，以保证绿地自动提取结果的准确度。
三、面向对象绿地信息提取
利用ENVI的面相对象工具（Feature Extraction）完成此工作，这个工具采用向导式操作，简单易用，并且具有实时预览功能。
由于高分辨率影像数据量普遍较大，为了能快速获取规则。选择一部分区域作为研究区来确定对象分割与合并阈值、基于规则的信息提取中的对象阈值，之后将实验区获取的阈值以及规则应用到整个图像文件中。可以采用样本统计法。
样本统计法流程图
四、绿地矢量结果处理
这一步骤重要的环节是属性赋值，绿地矢量结果包括了面积属性字段，还需要增加绿地类型字段。如将获取的绿地矢量结果分为：公园绿地、生产绿地、防护绿地、附属绿地、其他绿地。完成这个过程需要一个矢量数据：城市用地分类。使用ArcMAP中的识别工具对两个矢量数据进行识别分析，将“城市用地分类”中与“绿地矢量”空间对应的图斑添加城市用地分类信息，参照中华人民共和国行业标准《城市绿地分类标准——CJJ/T 85—2002》进一步属性赋值。ArcMAP中的识别分析工具为：ArcToolbox->Analyst Tools->Overlay->Identity。
利用WorldView-2影像&面向对象分类法的城市绿地信息提取结果
标签：des style blog http io ar color 使用 sp
原文地址：http://blog.csdn.net/lucky51222/article/details/41812281
