利用國產(chǎn)GF-1衛(wèi)星影像,以南京市為例,采用面向?qū)ο蠹夹g(shù)對旅游用地信息進(jìn)行專題提取,研發(fā)出基于遙感手段的旅游用地信息提取方法和流程。研究結(jié)果如下:1) GF-1夏季影像4個(gè)圖層(紅、綠、藍(lán)和近紅外波段)方差的平均值(VI-Summer)是識別旅游用地的有效指標(biāo)。2)旅游用地提取的制圖精度和用戶精度分別為83. 33%和73. 53%,表明基于GF-1衛(wèi)星影像和面向?qū)ο蠹夹g(shù)的方法能夠?qū)β糜斡玫剡M(jìn)行有效識別和監(jiān)測。3)南京市的旅游用地總面積為137. 34 km2。4)在空間分布上,旅游用地主要集中在長江以南地區(qū),尤其是鼓樓區(qū)、雨花臺區(qū)、建鄴區(qū)、玄武區(qū)和秦淮區(qū)及其附近;而長江以北(江北)地區(qū)相對稀疏。本研究結(jié)果可為利用GF-1衛(wèi)星影像快速有效地監(jiān)管旅游用地提供技術(shù)支撐。
【部分圖文】：

南京市地理位置為31°14"～32°37"N和118°22"～119°14"E，地處長江下游，國土面積6 590.72 km2(圖1)。南京市是江蘇省的省會城市，是長江國際航運(yùn)物流中心，也是東部沿海經(jīng)濟(jì)帶與長江經(jīng)濟(jì)帶交匯的節(jié)點(diǎn)城市。該市屬于亞熱帶季風(fēng)氣候區(qū)，年均溫15.4℃，年極端氣溫最高39.7℃，最低-13.1℃，年平均降水量1 200 mm。該市地貌特征屬寧鎮(zhèn)揚(yáng)山地，低山、丘陵、崗地約占全市總面積的60.8%，平原、洼地及河流湖泊約占39.2%;海拔0～488 m;土壤以地帶性黃棕壤為主。南京市歷史悠久且市內(nèi)地形多樣，旅游景點(diǎn)豐富。其中，國家等級旅游景點(diǎn)53家，省級旅游景點(diǎn)56家，其他等級的旅游景點(diǎn)數(shù)目眾多。2017年該市旅游總收入為2 168.9億元，占GDP的18.51%，且以10%左右的速度增長[16-17]。2 原理與方法

輔助數(shù)據(jù)主要包括野外采樣點(diǎn)、數(shù)字高程模型(DEM)和南京市行政邊界矢量圖�？臻g分辨率30 m的DEM從中國地理空間數(shù)據(jù)云(http:∥www.gscloud.cn/)下載獲得。我們于2018年7月1日—2018年7月29日在南京市范圍內(nèi)采集旅游用地、林地、耕地、濕地、草地和未利用土地的樣本點(diǎn)，共計(jì)698個(gè)野外樣點(diǎn)數(shù)據(jù)。在采樣過程中考慮了南京市交通的可達(dá)性和旅游用地的分布，采樣中利用手持GPS定位經(jīng)緯度，同時(shí)記錄土地利用類型和周邊狀況。由于南京市旅游景點(diǎn)數(shù)目眾多，完成市內(nèi)所有旅游用地的野外采樣將耗費(fèi)大量的人力物力財(cái)力，同時(shí)也非必須。因此選擇南京市的53家國家級旅游景區(qū)和邊界相對明確的26家省級國家旅游景區(qū)進(jìn)行野外調(diào)查。這樣既能夠保證本試驗(yàn)中所需野外采樣點(diǎn)的數(shù)量，也使得野外樣點(diǎn)更具有代表性。在每個(gè)景區(qū)采集7～20個(gè)樣點(diǎn)，景區(qū)內(nèi)2～5個(gè)，景區(qū)邊界5～15個(gè)，從而保證在GF-1影像上能夠完全勾勒出旅游用地的范圍，進(jìn)而保證旅游用地采樣點(diǎn)的準(zhǔn)確性。野外采樣路線及采樣點(diǎn)的空間分布如圖2所示。2.1.2 數(shù)據(jù)預(yù)處理

GF-1影像數(shù)據(jù)的處理包括波段合成、投影轉(zhuǎn)換和統(tǒng)一、影像的裁剪和拼接、去云處理、幾何校正和大氣校正。投影坐標(biāo)系統(tǒng)一為Krasovsovsky＿1940＿Albers。去云處理采用Motran4方法，在ERDAS軟件的Haze remove模塊完成。根據(jù)野外采樣的定位點(diǎn)，在ERDAS軟件平臺中利用二次多項(xiàng)式模型對影像進(jìn)行幾何校正，誤差控制在0.5個(gè)像元內(nèi)。GF-1影像的大氣校正在ENVI軟件的FLAASH模塊完成。匯總698個(gè)野外樣點(diǎn)數(shù)據(jù)，導(dǎo)入到ArcGIS軟件中，建立野外樣點(diǎn)數(shù)據(jù)庫。以經(jīng)緯度為依據(jù)，將野外樣點(diǎn)轉(zhuǎn)化為矢量圖，從而能夠疊加在GF-1影像上。預(yù)處理后的GF-1影像如圖3所示。2.2 面向?qū)ο蠹夹g(shù)
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉偉東;徐健;張海霞;;面向?qū)ο蠓诸惙椒ㄔ诘诙瓮恋卣{(diào)查中的應(yīng)用研究[J];遙感信息;2009年06期

2 胡長軍，仝兆岐;用面向?qū)ο蠹夹g(shù)設(shè)計(jì)儲層數(shù)據(jù)庫系統(tǒng)[J];石油大學(xué)學(xué)報(bào)(自然科學(xué)版);1996年06期

3 譚衢霖;高姣姣;;面向?qū)ο蠓诸愄崛「叻直媛识喙庾V影像建筑物[J];測繪工程;2010年04期

4 張潔;熊永合;程璐;;基于面向?qū)ο蠓诸惙ê透叻忠惶栍跋竦穆短斓V區(qū)分類技術(shù)研究[J];青海大學(xué)學(xué)報(bào);2018年01期

5 毛玉龍;;基于面向?qū)ο蠓诸惙椒ǖ牡托в玫匦畔⑻崛⊙芯俊愿＝ㄊx江市為例[J];科技創(chuàng)新導(dǎo)報(bào);2018年03期

6 宋明輝;;基于高分二號數(shù)據(jù)的面向?qū)ο蟪鞘型恋乩梅诸愌芯縖J];遙感技術(shù)與應(yīng)用;2019年03期

7 員永生;常慶瑞;劉煒;高欣;;面向?qū)ο笸恋馗脖粓D像組合分類方法[J];農(nóng)業(yè)工程學(xué)報(bào);2009年07期

8 楊良闖;程先富;;基于高分?jǐn)?shù)據(jù)的村級地塊面向?qū)ο蠓诸惙椒ㄑ芯縖J];資源開發(fā)與市場;2014年05期

9 周晴;杜平安;劉孝保;;面向?qū)ο笥邢拊治黾夹g(shù)及其實(shí)現(xiàn)方法研究[J];系統(tǒng)仿真學(xué)報(bào);2012年03期

10 高海燕;吳波;;結(jié)合像元形狀特征分割的高分辨率影像面向?qū)ο蠓诸怺J];遙感信息;2010年06期

相關(guān)博士學(xué)位論文 前8條

1 陳杰;高分辨率遙感影像面向?qū)ο蠓诸惙椒ㄑ芯縖D];中南大學(xué);2010年

2 韓凝;空間信息在面向?qū)ο蠓诸惙椒ㄖ械膽?yīng)用[D];浙江大學(xué);2011年

3 黃志堅(jiān);面向?qū)ο笥跋穹治鲋械亩喑叨确椒ㄑ芯縖D];國防科學(xué)技術(shù)大學(xué);2014年

4 童立;面向?qū)ο蟮乃侣晥龇抡鎽?yīng)用框架研究[D];西北工業(yè)大學(xué);2002年

5 黃慧萍;面向?qū)ο笥跋穹治鲋械某叨葐栴}研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2003年

6 馬海全;面向?qū)ο蟮碾S機(jī)有限元與接觸問題的可靠性形狀優(yōu)化設(shè)計(jì)研究[D];南京航空航天大學(xué);2002年

7 黃紅兵;層次流形學(xué)習(xí)及其在監(jiān)督分類中的應(yīng)用[D];上海交通大學(xué);2015年

8 靳華中;譜圖理論支持下的高分辨率遙感影像多尺度分割研究[D];武漢大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 孫坤;基于FNEA的面向?qū)ο蠓诸惣捌湓诟哞F線路提取中的應(yīng)用[D];東華理工大學(xué);2018年

2 鄒瑞雪;基于多特征的面向?qū)ο蟾叻直媛蔬b感圖像分類[D];電子科技大學(xué);2017年

3 黃瑾;面向?qū)ο筮b感影像分類方法在土地利用信息提取中的應(yīng)用研究[D];成都理工大學(xué);2010年

4 馬倩倩;基于RapidEye遙感影像的農(nóng)作物種植面積提取研究[D];山東師范大學(xué);2012年

5 馮曉寧;水下無人探測器系統(tǒng)性能的面向?qū)ο驪etri網(wǎng)模型[D];哈爾濱工程大學(xué);2005年

6 鄧劉昭蘆;基于MSRC的遙感影像面向?qū)ο蠓诸愌芯縖D];湖南工業(yè)大學(xué);2014年

7 李榮;基于面向?qū)ο筮b感技術(shù)的矢量元胞自動(dòng)機(jī)建模及應(yīng)用[D];武漢理工大學(xué);2013年

8 吳洋;基于超像素的面向?qū)ο筮b感圖像分類方法研究[D];華中科技大學(xué);2013年

9 高洋洋;全色遙感影像地物信息自動(dòng)分類方法研究[D];長春理工大學(xué);2017年

10 陸超;基于WorldView-2影像的面向?qū)ο笮畔⑻崛〖夹g(shù)研究[D];浙江大學(xué);2012年

本文編號：2856235