基于Sentinel-2A/B时序数据与随机森林算法的农耕区土地利用分类
发布时间：2021-02-06 06:40
农耕区土地覆被信息是土地资源管理与规划的基础,在合理开发土地资源,调整土地利用结构以及土地动态监测等方面起着重要作用。由于农耕区土地类型复杂并且具有高异质性的特点,土地覆被信息提取的精度一直面临着挑战。因此,以Sentinel-2A/B多光谱遥感数据作为数据源,首先构建归一化植被指数（normalized difference vegetation index,NDVI）时序数据集和缨帽-湿度分量（tasseled cap wetness,TCW）时序数据集;其次,利用J-M（Jeffries-Matusita）距离对地物进行可分离性分析和挑选出NDVI和TCW最佳时序数据组合;最后,结合随机森林（random forest,RF）、支持向量机（support vector machine,SVM）、最大似然分类（maximum likelihood classification,MLC） 3种分类算法以及利用单时相遥感数据对农耕区典型地物进行分类研究。研究结果表明:基于时间序列数据结合随机森林分类算法取得了较高的分类精度,其总体分类精度达到88.87%,Kappa系数达到0.855 ...
【文章来源】：国土资源遥感. 2020,32(04)北大核心
【文章页数】：8 页
【部分图文】：
研究区Sentinel-2A B4(R),B3(G),B2(B)波段合成影像
本研究利用多时相Sentinel-2A/B影像数据，首先构建NDVI和TCW时序数据集，通过分析ND-VI和TCW时间序列曲线寻找不同地物之间的差异特征，再计算J-M距离(Jeffries-Matusita)分析典型地物类型之间的可分离性;其次，确定研究区内部用于土地利用类型分类的最佳时序数据组合，分别采用RF,SVM和MLC 3种分类器对其进行分类研究;最后，对比分析3种分类结果以及利用单一时相分类结果的精度，研究过程如图2所示。2.1 NDVI时序数据集的构建
式中ρnir和ρred分别为近红外和红光波段的反射率值。根据式(1)得到农耕区不同地物类型的NDVI时序集，如图3所示。通过典型地物的NDVI时间序列曲线可以发现:林地的NDVI值从5月逐渐上升，7月达到峰值，并且NDVI值高于其他地物，这主要是因为林地在5—7月正处于旺盛生长阶段，植被生长较快，冠幅大，易于遮盖其他植被;草地各期的NDVI值略低于林地，但整体趋势与林地保持一致，5月NDVI值逐渐上升，并在8月达到峰值;根据我国东北地区主要农作物的物候特征，旱田等作物主要集中在4—5月开始播种，6月出苗，此时NDVI值略有增加，但是整体NDVI值低于草地，7—9月为快速生长期，NDVI值持续增加，超过草地NDVI值，并在8月份达到峰值，10月份完成收割，其NDVI值急剧下降;此外，水体的NDVI值均小于0，而其他地物类型的NDVI值均大于0，可见水体的差异性特征显著;建设用地、裸地和盐碱地3类地物的NDVI值变化不明显，曲线形状特征相似，利用NDVI时间序列区分该3类地物存在困难。因此，根据林地、草地、旱田和水体NDVI值的变化情况，构建的NDVI时间序列数据集可以作为区分林地、草地、旱田和水体的有效分类特征，而想要区分出建设用地、裸地和盐碱地，必须对Sentinel-2A/B时序数据集进一步处理。
【参考文献】：
期刊论文
[1]基于多时相Sentinel-2A的县域农作物分类[J]. 吴静,吕玉娜,李纯斌,李全红. 农业机械学报. 2019(09)
[2]基于Sentinel-2A影像特征优选的随机森林土地覆盖分类[J]. 何云,黄翀,李贺,刘庆生,刘高焕,周振超,张晨晨. 资源科学. 2019(05)
[3]基于Landsat8 OLI数据的富贵竹种植区域信息提取[J]. 王月如,韩鹏鹏,关舒婧,韩宇,易琳,周廷刚,陈劲松. 国土资源遥感. 2019(01)
[4]基于HJ卫星数据与面向对象分类的土地利用/覆盖信息提取[J]. 朱永森,曾永年,张猛. 农业工程学报. 2017(14)
[5]Sentinel-2B卫星发射成功[J]. 范唯唯. 空间科学学报. 2017(04)
[6]融合面向对象与缨帽变换的湿地覆被类别遥感提取方法[J]. 罗开盛,陶福禄. 农业工程学报. 2017(03)
[7]基于多目标遗传随机森林特征选择的面向对象湿地分类[J]. 刘舒,姜琦刚,马玥,肖艳,李远华,崔璨. 农业机械学报. 2017(01)
[8]西北旱区遥感影像分类的支持向量机法[J]. 张静,张翔,田龙,张青峰. 测绘科学. 2017(01)
[9]典型遥感数据分类方法的适用性分析——以遥感图像场景分类为例[J]. 赵理君,唐娉. 遥感学报. 2016(02)
[10]基于随机森林算法的农耕区土地利用分类研究[J]. 马玥,姜琦刚,孟治国,李远华,王栋,刘骅欣. 农业机械学报. 2016(01)
本文编号：3020325
【文章来源】：国土资源遥感. 2020,32(04)北大核心
【文章页数】：8 页
【部分图文】：
研究区Sentinel-2A B4(R),B3(G),B2(B)波段合成影像
本研究利用多时相Sentinel-2A/B影像数据，首先构建NDVI和TCW时序数据集，通过分析ND-VI和TCW时间序列曲线寻找不同地物之间的差异特征，再计算J-M距离(Jeffries-Matusita)分析典型地物类型之间的可分离性;其次，确定研究区内部用于土地利用类型分类的最佳时序数据组合，分别采用RF,SVM和MLC 3种分类器对其进行分类研究;最后，对比分析3种分类结果以及利用单一时相分类结果的精度，研究过程如图2所示。2.1 NDVI时序数据集的构建
式中ρnir和ρred分别为近红外和红光波段的反射率值。根据式(1)得到农耕区不同地物类型的NDVI时序集，如图3所示。通过典型地物的NDVI时间序列曲线可以发现:林地的NDVI值从5月逐渐上升，7月达到峰值，并且NDVI值高于其他地物，这主要是因为林地在5—7月正处于旺盛生长阶段，植被生长较快，冠幅大，易于遮盖其他植被;草地各期的NDVI值略低于林地，但整体趋势与林地保持一致，5月NDVI值逐渐上升，并在8月达到峰值;根据我国东北地区主要农作物的物候特征，旱田等作物主要集中在4—5月开始播种，6月出苗，此时NDVI值略有增加，但是整体NDVI值低于草地，7—9月为快速生长期，NDVI值持续增加，超过草地NDVI值，并在8月份达到峰值，10月份完成收割，其NDVI值急剧下降;此外，水体的NDVI值均小于0，而其他地物类型的NDVI值均大于0，可见水体的差异性特征显著;建设用地、裸地和盐碱地3类地物的NDVI值变化不明显，曲线形状特征相似，利用NDVI时间序列区分该3类地物存在困难。因此，根据林地、草地、旱田和水体NDVI值的变化情况，构建的NDVI时间序列数据集可以作为区分林地、草地、旱田和水体的有效分类特征，而想要区分出建设用地、裸地和盐碱地，必须对Sentinel-2A/B时序数据集进一步处理。
【参考文献】：
期刊论文
[1]基于多时相Sentinel-2A的县域农作物分类[J]. 吴静,吕玉娜,李纯斌,李全红. 农业机械学报. 2019(09)
[2]基于Sentinel-2A影像特征优选的随机森林土地覆盖分类[J]. 何云,黄翀,李贺,刘庆生,刘高焕,周振超,张晨晨. 资源科学. 2019(05)
[3]基于Landsat8 OLI数据的富贵竹种植区域信息提取[J]. 王月如,韩鹏鹏,关舒婧,韩宇,易琳,周廷刚,陈劲松. 国土资源遥感. 2019(01)
[4]基于HJ卫星数据与面向对象分类的土地利用/覆盖信息提取[J]. 朱永森,曾永年,张猛. 农业工程学报. 2017(14)
[5]Sentinel-2B卫星发射成功[J]. 范唯唯. 空间科学学报. 2017(04)
[6]融合面向对象与缨帽变换的湿地覆被类别遥感提取方法[J]. 罗开盛,陶福禄. 农业工程学报. 2017(03)
[7]基于多目标遗传随机森林特征选择的面向对象湿地分类[J]. 刘舒,姜琦刚,马玥,肖艳,李远华,崔璨. 农业机械学报. 2017(01)
[8]西北旱区遥感影像分类的支持向量机法[J]. 张静,张翔,田龙,张青峰. 测绘科学. 2017(01)
[9]典型遥感数据分类方法的适用性分析——以遥感图像场景分类为例[J]. 赵理君,唐娉. 遥感学报. 2016(02)
[10]基于随机森林算法的农耕区土地利用分类研究[J]. 马玥,姜琦刚,孟治国,李远华,王栋,刘骅欣. 农业机械学报. 2016(01)
本文编号：3020325
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3020325.html
