Lọc theo danh mục
  • Năm xuất bản
    Xem thêm
  • Lĩnh vực
liên kết website
Lượt truy cập
 Lượt truy cập :  21,515,780
  • Công bố khoa học và công nghệ Việt Nam

Trắc địa học và bản đồ học

Phạm Thị Làn, Nguyễn Phi Sơn(1), Nguyễn Viết Nghĩa, Đào Vân Hương, Doãn Đức Long, Võ Thị Hồng Nhung, Nguyễn Thị Thu Trang, Trần Văn Huân, Lê Thanh Nghị

Thành lập bản đồ lớp phủ bằng phương pháp phân loại hướng đối tượng áp dụng cho dữ liệu ảnh VNREDSat-1

Establishment of land cover map using object-oriented classification method for VNREDSat-1 data

Tạp chí Khoa học Kỹ thuật Mỏ - Địa chất

2020

02

135-145

1859-1469

Phân loại lớp phủ/sử dụng đất bằng ảnh viễn thám độ phân giải cao có thách thức lớn nhất là cách phân biệt các lớp đối tượng theo giá trị phổ khác nhau, cấu trúc, hình dạng và yếu tố không gian. Bài báo này trình bày cách phân loại định hướng đối tượng trong việc phân loại lớp phủ với tư liệu ảnh VNREDSat-1, độ phân giải 10 m. Hệ thống lớp phủ/sử dụng đất được phân loại theo CORINE (COoRdination of information on the environment) với 3 cấp 1, 2, 3 và với cấp 3 có 14 loại lớp phủ/sử dụng đất. Việc chiết xuất 14 loại hình lớp phủ/sử dụng đất thông qua việc phân cấp các đối tượng theo đặc trưng phổ phản xạ, chỉ số hình dạng, vị trí các đối tượng, độ sáng, chỉ số thực vật NDVI và mật độ các đối tượng. Kết quả phân loại đạt độ chính xác 0,813%.

Land cover/land use classification using high resolution remote sensing data has the biggest challenge is how to distinguish object classes from different spectral values, structures, shapes, and spatial elements. This paper reveals the object-oriented classification method to establish the land cover map using VNREDSat-1 data, with a spatial resolution of 10 m. Land cover/land use system is classified according to CORINE with level 3 with 14 types of land cover/land use. Extraction of 14 types of land cover/land use using object-oriented classification method based on reflectance spectral characteristics, shape index, location of objects, brightness, NDVI plant index, and density objects. The overall accuracy of classification result is about 0.71%.

TTKHCNQG, CVv 294