提高城市TM图像分类精度的两种方法比较

城市遥感图像分类是获取城市绿地空间分布状况的基础,然而混合像元的存在导致分类精度不高.因此,提出了混合像元分解模型结合神经网络法(MPD-NN法),利用其对北京市TM图像进行地物分类,并与较常用的决策树法分类结果比较,研究在图像现有空间分辨率的条件下提高城市分类精度.结果表明,MPD-NN法分类可较为有效地处理城市遥感图像存在的混合像元问题,可以提高城市分类精度,分类精度高于决策树法,其总体精度和Kappa精度均将近90%,水体、草地、农田、裸地、林地的分类精度在85%以上,高密度建筑区、低密度建筑区、水泥地的分类精度接近80%,也均高于决策树法,是遥感分类较精确识别城市下垫面地物的一种可行方法.     

利用单窗算法反演喀斯特城市地表温度

针对桂林喀斯特城市快速扩展呈现的热岛问题,提出喀斯特山峰混合像元比辐射率估算方法,使单窗算法适用于喀斯特城市地表温度遥感反演。结果表明,地表温度反演值与测量值的误差在2°C内;桂林中心老城区的地表温度相对低于新开发区和城市南北部工厂区,地表温度随植被覆盖度的增加而降低,呈明显的负相关关系;水体的表面温度最低,约17°C,植被覆盖度较高的喀斯特山峰的地表温度较低,阴坡为18~19°C,而阳坡为22~24°C;水泥广场、大面积建筑区的地表温度较高,为32~35°C;厂房密集且生产过程释放热量的工厂的地表温度最高,为33~36°C,个别像元达到40°C。植被覆盖的喀斯特山峰呈现显著的城市凉岛现象,对调节喀斯特城市气候环境具有重要作用。