【目的】利用遙感制圖對(duì)海南省屯昌縣土地利用情況進(jìn)行分析評(píng)價(jià)�！痉椒ā课恼虏捎煤Ｄ系貐^(qū)GF-2多光譜4 m和全色1 m影像,經(jīng)過(guò)正射校正、輻射定標(biāo)、大氣校正和融合處理,在eCongnition軟件平臺(tái)上,利用面向?qū)ο蠓诸惙椒?通過(guò)構(gòu)建NDVI、NDWI、SAVI 3種植被指數(shù)特征值,結(jié)合多尺度分割算法,建立規(guī)則集,逐層逐步提取了該地區(qū)林地、水體、不透水面和其他植被4種類型的地物。【結(jié)果】林地和水體提取結(jié)果較優(yōu),NDVI對(duì)林地和其他植被2個(gè)地類識(shí)別的貢獻(xiàn)率較大。NDWI指數(shù)的引入能夠較好地解決淺水識(shí)別困難的問(wèn)題,取得了很好的水體分類效果;通過(guò)SAVI臨界閾值的設(shè)定,不透水面和道路能夠較好地分類,但是部分裸土地與不透水面容易混淆。分類結(jié)果為不透水面12.392 km²、水體2.534 km²、林地8.519 km²、其他植被7.690 km²。【結(jié)論】在eCongnition軟件平臺(tái)的多尺度分割算法和多種指數(shù)結(jié)合逐層提取土地利用覆蓋分類方法具有高效且便于操作等特點(diǎn),適合在區(qū)域尺度上推廣。 

【文章來(lái)源】：北方農(nóng)業(yè)學(xué)報(bào). 2020,48(04)

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

技術(shù)流程

通過(guò)對(duì)分類結(jié)果的分析，林地提取結(jié)果最優(yōu)，水體其次，不透水面和其他植被也有較好的分類結(jié)果。本文采用的指數(shù)特征在分類過(guò)程中的貢獻(xiàn)率表現(xiàn)，NDVI對(duì)林地和其他植被的貢獻(xiàn)率較高；SAVI對(duì)于不透水面的貢獻(xiàn)率高，能夠很好地將建筑物和道路從其他地類中提取出來(lái)，但是在部分地區(qū)未能將裸地從不透水面中提取出來(lái)。由圖3的分類結(jié)果可以看出，結(jié)合植被指數(shù)和水體指數(shù)對(duì)試驗(yàn)區(qū)的土地利用分類取得了十分理想的結(jié)果。其中，林地因其高NDVI值的特點(diǎn)，提取效果是最為理想的，水體其次，其他植被的分類過(guò)程中，有一小部分林地和農(nóng)田有混淆的情況，其原因可能是試驗(yàn)選取的遙感圖像是海南地區(qū)的，而海南又屬于橡膠樹種植區(qū)，人工種植的橡膠樹地塊容易跟天然林地混淆。在試驗(yàn)初始階段，在基于光譜DN值和形狀特征、緊湊特征度等特征采用分類分割方法未能取得較好的分類結(jié)果，尤其沒能完整地提取圖3c左上角的水體部分，對(duì)淺水的提取也不夠準(zhǔn)確完整。但是，通過(guò)計(jì)算NDWI值，設(shè)定閾值的方法能夠較完整地提取淺水地區(qū)和城市地區(qū)的水域。此外，使用SAVI能夠較完整地提取不透水面（建筑物和道路）。本試驗(yàn)的結(jié)果表明，在e Congnition軟件平臺(tái)，采用多尺度分割和多種指數(shù)結(jié)合的方法，逐層提取城市土地利用、覆蓋分類十分高效，且便于操作，適合在區(qū)域尺度上應(yīng)用。

GF-2是第1顆空間分辨率優(yōu)于1 m的民用光學(xué)遙感衛(wèi)星，衛(wèi)星攜帶了2個(gè)高分辨率的1 m全色相機(jī)和4 m多光譜相機(jī)。該衛(wèi)星具有空間分辨率高、定位精度高、姿態(tài)快、可操作性強(qiáng)等特點(diǎn)，有效地提高了衛(wèi)星的綜合觀測(cè)效率，達(dá)到國(guó)際先進(jìn)水平。GF-2是我國(guó)高分辨率地球觀測(cè)系統(tǒng)（CHEOS）的第2顆高分辨率成像衛(wèi)星，是我國(guó)第1顆具有地面采樣距離（GSD）的民用高分辨率成像儀。與GF-1相機(jī)相比，數(shù)據(jù)分辨率有所提升[14]。GF-2因其數(shù)據(jù)高獲取能力和高空間分辨率越來(lái)越受到國(guó)內(nèi)學(xué)者的重視，GF-2數(shù)據(jù)廣泛應(yīng)用于農(nóng)業(yè)資源管理[15]、精準(zhǔn)農(nóng)業(yè)[16]、林業(yè)[12]、建成區(qū)提取監(jiān)測(cè)[17-18]、水域監(jiān)測(cè)[8,19]等領(lǐng)域，是目前我國(guó)空間分辨率最高的衛(wèi)星數(shù)據(jù)，對(duì)國(guó)土資源調(diào)查、災(zāi)害應(yīng)急管理等具有十分重要的價(jià)值。本試驗(yàn)數(shù)據(jù)為海南地區(qū)GF-2衛(wèi)星數(shù)據(jù)，全色分辨率為1 m，多光譜分辨率為4 m。研究區(qū)域?yàn)楹Ｄ鲜⊥筒?zhèn)及其周邊區(qū)域，覆蓋范圍：5 735像元×5 429像元，主要包括建筑物、植被、道路、水體和裸地。

【參考文獻(xiàn)】：
期刊論文
[1]GF-2 Satellite 1m/4m Camera Design and In-Orbit Commissioning[J]. HUANG Wei,SUN shunrong,JIANG Haibin,GAO Chao,ZONG Xiaoying.  Chinese Journal of Electronics. 2018(06)
[2]基于多尺度分割與光譜特征提取建成區(qū)的方法[J]. 鐘舒怡,李向新,柏葉輝,馮駿.  軟件導(dǎo)刊. 2018(09)
[3]面向?qū)ο蟮腉F-1遙感影像多尺度分割研究[J]. 張華,張改改.  甘肅農(nóng)業(yè)大學(xué)學(xué)報(bào). 2018(04)
[4]基于GF-1影像的東江流域面向?qū)ο笸恋乩梅诸怺J]. 李恒凱,吳嬌,王秀麗.  農(nóng)業(yè)工程學(xué)報(bào). 2018(10)
[5]機(jī)載LiDAR與高分2號(hào)融合的城鎮(zhèn)地物分類研究[J]. 劉茂華,李如仁,王巖,馬志新.  中國(guó)科技論文. 2018(09)
[6]面向水稻LAI監(jiān)測(cè)的植被指數(shù)土壤調(diào)節(jié)參數(shù)修正[J]. 謝京凱,王福民,王飛龍,張東尼.  遙感技術(shù)與應(yīng)用. 2018(02)
[7]耦合空-頻域特征的高分二號(hào)濁水提取模型[J]. 馬吉晶,楊樹文,薛理,張珊.  遙感信息. 2018(02)
[8]基于物候參數(shù)和面向?qū)ο蠓ǖ臑l海生態(tài)脆弱區(qū)植被遙感提取[J]. 張貴花,王瑞燕,趙庚星,袁秀杰,彭?xiàng)?王向峰.  農(nóng)業(yè)工程學(xué)報(bào). 2018(04)
[9]隨機(jī)森林在城市不透水面提取中的應(yīng)用研究[J]. 趙藝淞,楊昆,王保云,黎曉路.  云南師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[10]基于分層分類法提取城市裸地信息[J]. 董婷,焦利民,許剛.  測(cè)繪地理信息. 2016(04)

碩士論文
[1]多尺度遙感數(shù)據(jù)在西安城區(qū)水體信息提取中的方法研究[D]. 劉知.中國(guó)地質(zhì)大學(xué)(北京) 2018
[2]基于GF-2遙感影像的城鎮(zhèn)地物信息提取分割尺度研究[D]. 袁澤.新疆大學(xué) 2016
[3]基于易康軟件平臺(tái)下的北京城區(qū)林木樹冠覆蓋解譯與檢驗(yàn)[D]. 宋宜昊.中國(guó)林業(yè)科學(xué)研究院 2016



本文編號(hào)：3617722