【翻译论文】Object-based land cover classification using airborne LiDAR（2008）

本文链接：https://blog.csdn.net/Yang_Wanli/article/details/121921968

本文介绍了使用机载激光雷达（LiDAR）数据进行基于对象的土地覆盖分类研究，重点探讨了如何利用LiDAR的高程和强度信息对森林和地面类型进行快速有效的分类。通过分析点云数据的分布、偏度、峰度等特征，实现了对水体、植被、裸地、砾石等多种土地类型的精确分类，分类精度达到94%-95%。研究强调了LiDAR在不需要多光谱图像的情况下对森林类型和年龄进行分类的能力，对于洪水模型和阻力方程的应用具有重要意义。

摘要由CSDN通过智能技术生成

Object-based land cover classification using airborne LiDAR（2008）
AS Antonarakis，KS Richards，J Brasington
基于对象的机载LiDAR土地覆盖分类

摘要

光探测与测距(LiDAR)提供了高分辨率的水平和垂直空间点云数据，并越来越多地应用于许多应用和学科，这些应用和学科主要集中在利用数据的三维性质对数据进行开发和操纵。考虑到强度，激光LiDAR的信息潜力甚至更大。本研究使用高程和强度机载激光雷达数据，以便使用有监督的面向对象的分类方法，在无需操作多光谱文件的情况下，快速有效地对森林和地面类型进行分类。LiDAR的优势在于能够创建三维高程表面，同时还具有LiDAR强度值的信息，因此它是一种空间和光谱分割工具。该分类方法还使用点分布频率准则来区分土地覆盖类型。
采用两种方法进行分类，一种是在植被茂密的地区考虑地面的影响，另一种是在分类前剔除地面点。对法国加隆河和阿利耶河三段河流的分类结果表明，包括地面影响和排除地面影响的方法的分类精度分别为95%和94%。对5种河岸林进行了分类，准确率在66 ~ 98%之间。这些森林类型包括不同林龄的人工林和天然林。低矮植被和裸地的分类精度也很高，平均在90%以上。