使用多光谱Ikonos影像中的对象特定纹理度量进行森林类型映射

本研究探讨了使用地理对象基础图像分析（GEOBIA）方法，结合来自多光谱Ikonos影像的对象特定灰度共生矩阵（GLCM）纹理度量，来划分北卡罗来纳州Guilford Courthouse国家军事公园的落叶林、常绿林和混交林类型。根据不同尺度生成了一系列自动分割，每个分割产生了一定数量和大小的对象（或分段）。在分类之前，通过计算每个分段的平均图像数字值（DNs），评估了每个分段的空间自相关性。初步假设认为，最佳分段尺度将具有最低的空间自相关性，而过度和不足分割将导致分段之间的更高自相关性。在这些最佳分段尺度上，自动分割的结果与手动解读的单木级森林图在分段的大小和数量方面相当。整幅图像在整个分段尺度范围内进行了对象基础分类。结果表明，分段的尺度直接影响基于对象的森林类型分类结果。从空间自相关分析确定的具有最佳分段的图像的分类准确率高于那些被认为存在过度或不足分段的图像。在最佳分段尺度19时，获得了79%的整体准确率，Kappa值为0.65。通过减少常绿林和混合林类型之间的混淆，增加对象特定GLCM多重纹理分析使分类准确率提高到83%，整体准确率和Kappa值达到0.71。尽管由于局部分割质量仍然存在一些分类错误，但纹理增强的GEOBIA分类与手动解析的森林类型总体上是一致的。