利用人工智能神经网络和DEM数据进行植被变化探测

被引:7
作者
张志明 [1 ]
LPCVerbeke [2 ]
EMDe Clercq [2 ]
欧晓昆 [1 ]
RRDeWulf [2 ]
机构
[1] 云南大学生态学与地植物学研究所
[2] Laboratory of Forest Management and Spatial Information,Bioengineering Faculty,Ghent University,Ghent,Belgium
关键词
人工智能神经网络探测变化技术; DEM; 植被变化; 分类后比较法; NDVI差值法;
D O I
暂无
中图分类号
Q948-3 [];
学科分类号
071012 ; 0713 ;
摘要
适时精确的探测土地利用和覆盖变化是研究其起因、过程和效应的基础.本研究利用人工智能神经网络对两景不同时期的影像(2003和2004年)进行一次性变化探测.并且输入层中增加了DEM和坡度两个额外"波段".在选取训练样区的过程中,共选取了82个亚类型,其中36个为植被变化亚类型,46个为无变化植被亚类型.NDVI差值法被用于探测变化和无变化的区域,该方法为获取精确的和足够的植被变化类型训练样区提供有效的参考.研究结果显示利用人工智能神经网络探测变化技术所产生的植被变化图,其精度明显高于分类后比较法所产生的植被变化图精度.此外将DEM和坡度作为额外波段结合两景影像得的8个主成分作为输入层,能够有效的提高人工智能神经网络进行山区植被变化探测精度.同时在选取训练样区的过程中,将各不同的变化和无变化的植被类型根据其不同的光谱特征分成不同的亚类型进行取样,对提高人工智能神经网络进行山区植被变化探测精度有着非常重要的促进作用,此处理可以降低山区影像的地形效应.
引用
收藏
页码:201 / 210
页数:10
相关论文
共 9 条
[1]   景观生态学中的十大研究论题 [J].
邬建国 .
生态学报, 2004, (09) :2074-2076
[2]   20世纪90年代中国土地利用变化时空特征及其成因分析 [J].
刘纪远 ;
张增祥 ;
庄大方 ;
王一谋 ;
周万村 ;
张树文 ;
李仁东 ;
江南 ;
吴世新 .
地理研究, 2003, (01) :1-12
[3]   基于人工神经元网络技术的土地利用/覆盖变化探测 [J].
肖平 ;
李德仁 .
武汉大学学报(信息科学版), 2002, (06) :586-590
[4]   Change detection techniques [J].
Lu, D ;
Mausel, P ;
Brondízio, E ;
Moran, E .
INTERNATIONAL JOURNAL OF REMOTE SENSING, 2004, 25 (12) :2365-2407
[5]  
Eric F. Lambin,Helmut J. Geist,Erika Lepers.DYNAMICS OF LAND-USE AND LAND-COVER CHANGE IN TROPICAL REGIONS[J].Annual Review of Environment and Resources,2003
[6]   Urban change detection based on an artificial neural network [J].
Liu, X ;
Lathrop, RG .
INTERNATIONAL JOURNAL OF REMOTE SENSING, 2002, 23 (12) :2513-2518
[7]  
Curtis E Woodcock,Scott A Macomber,Mary Pax-Lenney,Warren B Cohen.Monitoring large areas for forest change using Landsat: Generalization across space, time and Landsat sensors[J].Remote Sensing of Environment,2001(1)
[8]   An evaluation of some factors affecting the accuracy of classification by an artificial neural network [J].
Foody, GM ;
Arora, MK .
INTERNATIONAL JOURNAL OF REMOTE SENSING, 1997, 18 (04) :799-810
[9]  
任志远,张艳芳等著.土地利用变化与生态安全评价[M].北京:科学出版社,2003