HSV变换与监督分类结合的沙漠信息提取
Journal of Arid Land Resources and Environment(2023)
摘要
沙漠化是全球干旱、半干旱地区土地退化的主要表现之一,而如何快速、高效、准确、大范围的提取沙漠信息一直是沙漠化研究领域的技术难点.文中以石羊河下游民勤盆地为研究区,以Landsat-8卫星影像为数据源,采用HSV色彩变换的光谱增强手段,探讨了HSV变换对沙质地表像元的影响,对比分析了6种监督分类方法(神经网络、支持向量、最大似然、马氏距离、平行六面体和最小距离)对于沙漠信息提取的效果和精度.结果表明:1)HSV变换降低了沙质地表像元在Red和NIR波段的辐射亮度值(分别为增强前的1.0%和29.8%)及其标准偏差(0.81%和19.7%),提高了SWIR 2波段的辐射亮度值(1.50倍)及其标准偏差(1.32倍);提高了沙质地表与其他土地之间的分离程度,增大了沙质地表与其他地表在光谱层面的差异.2)最小距离法在HSV变换前后均具有较高的精度(Kappa系数分别为0.9615和0.9627),且由于其方法简单、运算时间短,在研究区沙漠监测中具有较好的应用前景;HSV变换明显提高了平行六面体与最大似然法的精度,Kappa系数分别增加了0.5400和0.2048;HSV变换与神经网络法相结合是快速准确提取沙质地表信息的最优方法,Kappa系数可达0.9682.以上结论可以为今后沙漠信息提取与监测提供理论依据.
更多查看译文
关键词
HSV transformation,supervision classification,desert information extraction,Minqin Basin,arid and semi-arid regions
AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要