農(nóng)耕區(qū)土地覆被信息是土地資源管理與規(guī)劃的基礎(chǔ),在合理開發(fā)土地資源,調(diào)整土地利用結(jié)構(gòu)以及土地動態(tài)監(jiān)測等方面起著重要作用。由于農(nóng)耕區(qū)土地類型復(fù)雜并且具有高異質(zhì)性的特點(diǎn),土地覆被信息提取的精度一直面臨著挑戰(zhàn)。因此,以Sentinel-2A/B多光譜遙感數(shù)據(jù)作為數(shù)據(jù)源,首先構(gòu)建歸一化植被指數(shù)（normalized difference vegetation index,NDVI）時序數(shù)據(jù)集和纓帽-濕度分量（tasseled cap wetness,TCW）時序數(shù)據(jù)集;其次,利用J-M（Jeffries-Matusita）距離對地物進(jìn)行可分離性分析和挑選出NDVI和TCW最佳時序數(shù)據(jù)組合;最后,結(jié)合隨機(jī)森林（random forest,RF）、支持向量機(jī)（support vector machine,SVM）、最大似然分類（maximum likelihood classification,MLC） 3種分類算法以及利用單時相遙感數(shù)據(jù)對農(nóng)耕區(qū)典型地物進(jìn)行分類研究。研究結(jié)果表明:基于時間序列數(shù)據(jù)結(jié)合隨機(jī)森林分類算法取得了較高的分類精度,其總體分類精度達(dá)到88.87%,Kappa系數(shù)達(dá)到0.855 ... 

【文章來源】：國土資源遙感. 2020,32(04)北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

研究區(qū)Sentinel-2A B4(R),B3(G),B2(B)波段合成影像

本研究利用多時相Sentinel-2A/B影像數(shù)據(jù)，首先構(gòu)建NDVI和TCW時序數(shù)據(jù)集，通過分析ND-VI和TCW時間序列曲線尋找不同地物之間的差異特征，再計算J-M距離(Jeffries-Matusita)分析典型地物類型之間的可分離性;其次，確定研究區(qū)內(nèi)部用于土地利用類型分類的最佳時序數(shù)據(jù)組合，分別采用RF,SVM和MLC 3種分類器對其進(jìn)行分類研究;最后，對比分析3種分類結(jié)果以及利用單一時相分類結(jié)果的精度，研究過程如圖2所示。2.1 NDVI時序數(shù)據(jù)集的構(gòu)建

式中ρnir和ρred分別為近紅外和紅光波段的反射率值。根據(jù)式(1)得到農(nóng)耕區(qū)不同地物類型的NDVI時序集，如圖3所示。通過典型地物的NDVI時間序列曲線可以發(fā)現(xiàn):林地的NDVI值從5月逐漸上升，7月達(dá)到峰值，并且NDVI值高于其他地物，這主要是因?yàn)榱值卦?—7月正處于旺盛生長階段，植被生長較快，冠幅大，易于遮蓋其他植被;草地各期的NDVI值略低于林地，但整體趨勢與林地保持一致，5月NDVI值逐漸上升，并在8月達(dá)到峰值;根據(jù)我國東北地區(qū)主要農(nóng)作物的物候特征，旱田等作物主要集中在4—5月開始播種，6月出苗，此時NDVI值略有增加，但是整體NDVI值低于草地，7—9月為快速生長期，NDVI值持續(xù)增加，超過草地NDVI值，并在8月份達(dá)到峰值，10月份完成收割，其NDVI值急劇下降;此外，水體的NDVI值均小于0，而其他地物類型的NDVI值均大于0，可見水體的差異性特征顯著;建設(shè)用地、裸地和鹽堿地3類地物的NDVI值變化不明顯，曲線形狀特征相似，利用NDVI時間序列區(qū)分該3類地物存在困難。因此，根據(jù)林地、草地、旱田和水體NDVI值的變化情況，構(gòu)建的NDVI時間序列數(shù)據(jù)集可以作為區(qū)分林地、草地、旱田和水體的有效分類特征，而想要區(qū)分出建設(shè)用地、裸地和鹽堿地，必須對Sentinel-2A/B時序數(shù)據(jù)集進(jìn)一步處理。

【參考文獻(xiàn)】：
期刊論文
[1]基于多時相Sentinel-2A的縣域農(nóng)作物分類[J]. 吳靜,呂玉娜,李純斌,李全紅.  農(nóng)業(yè)機(jī)械學(xué)報. 2019(09)
[2]基于Sentinel-2A影像特征優(yōu)選的隨機(jī)森林土地覆蓋分類[J]. 何云,黃翀,李賀,劉慶生,劉高煥,周振超,張晨晨.  資源科學(xué). 2019(05)
[3]基于Landsat8 OLI數(shù)據(jù)的富貴竹種植區(qū)域信息提取[J]. 王月如,韓鵬鵬,關(guān)舒婧,韓宇,易琳,周廷剛,陳勁松.  國土資源遙感. 2019(01)
[4]基于HJ衛(wèi)星數(shù)據(jù)與面向?qū)ο蠓诸惖耐恋乩?覆蓋信息提取[J]. 朱永森,曾永年,張猛.  農(nóng)業(yè)工程學(xué)報. 2017(14)
[5]Sentinel-2B衛(wèi)星發(fā)射成功[J]. 范唯唯.  空間科學(xué)學(xué)報. 2017(04)
[6]融合面向?qū)ο笈c纓帽變換的濕地覆被類別遙感提取方法[J]. 羅開盛,陶福祿.  農(nóng)業(yè)工程學(xué)報. 2017(03)
[7]基于多目標(biāo)遺傳隨機(jī)森林特征選擇的面向?qū)ο鬂竦胤诸怺J]. 劉舒,姜琦剛,馬玥,肖艷,李遠(yuǎn)華,崔璨.  農(nóng)業(yè)機(jī)械學(xué)報. 2017(01)
[8]西北旱區(qū)遙感影像分類的支持向量機(jī)法[J]. 張靜,張翔,田龍,張青峰.  測繪科學(xué). 2017(01)
[9]典型遙感數(shù)據(jù)分類方法的適用性分析——以遙感圖像場景分類為例[J]. 趙理君,唐娉.  遙感學(xué)報. 2016(02)
[10]基于隨機(jī)森林算法的農(nóng)耕區(qū)土地利用分類研究[J]. 馬玥,姜琦剛,孟治國,李遠(yuǎn)華,王棟,劉驊欣.  農(nóng)業(yè)機(jī)械學(xué)報. 2016(01)



本文編號：3020325