基于面向对象技术的旅游用地遥感识别

发布时间：2020-10-26 00:53

　　 利用国产GF-1卫星影像,以南京市为例,采用面向对象技术对旅游用地信息进行专题提取,研发出基于遥感手段的旅游用地信息提取方法和流程。研究结果如下:1) GF-1夏季影像4个图层(红、绿、蓝和近红外波段)方差的平均值(VI-Summer)是识别旅游用地的有效指标。2)旅游用地提取的制图精度和用户精度分别为83. 33%和73. 53%,表明基于GF-1卫星影像和面向对象技术的方法能够对旅游用地进行有效识别和监测。3)南京市的旅游用地总面积为137. 34 km2。4)在空间分布上,旅游用地主要集中在长江以南地区,尤其是鼓楼区、雨花台区、建邺区、玄武区和秦淮区及其附近;而长江以北(江北)地区相对稀疏。本研究结果可为利用GF-1卫星影像快速有效地监管旅游用地提供技术支撑。
【部分图文】：

南京市地理位置为31°14"～32°37"N和118°22"～119°14"E，地处长江下游，国土面积6 590.72 km2(图1)。南京市是江苏省的省会城市，是长江国际航运物流中心，也是东部沿海经济带与长江经济带交汇的节点城市。该市属于亚热带季风气候区，年均温15.4℃，年极端气温最高39.7℃，最低-13.1℃，年平均降水量1 200 mm。该市地貌特征属宁镇扬山地，低山、丘陵、岗地约占全市总面积的60.8%，平原、洼地及河流湖泊约占39.2%;海拔0～488 m;土壤以地带性黄棕壤为主。南京市历史悠久且市内地形多样，旅游景点丰富。其中，国家等级旅游景点53家，省级旅游景点56家，其他等级的旅游景点数目众多。2017年该市旅游总收入为2 168.9亿元，占GDP的18.51%，且以10%左右的速度增长[16-17]。2 原理与方法

辅助数据主要包括野外采样点、数字高程模型(DEM)和南京市行政边界矢量图。空间分辨率30 m的DEM从中国地理空间数据云(http:∥www.gscloud.cn/)下载获得。我们于2018年7月1日—2018年7月29日在南京市范围内采集旅游用地、林地、耕地、湿地、草地和未利用土地的样本点，共计698个野外样点数据。在采样过程中考虑了南京市交通的可达性和旅游用地的分布，采样中利用手持GPS定位经纬度，同时记录土地利用类型和周边状况。由于南京市旅游景点数目众多，完成市内所有旅游用地的野外采样将耗费大量的人力物力财力，同时也非必须。因此选择南京市的53家国家级旅游景区和边界相对明确的26家省级国家旅游景区进行野外调查。这样既能够保证本试验中所需野外采样点的数量，也使得野外样点更具有代表性。在每个景区采集7～20个样点，景区内2～5个，景区边界5～15个，从而保证在GF-1影像上能够完全勾勒出旅游用地的范围，进而保证旅游用地采样点的准确性。野外采样路线及采样点的空间分布如图2所示。2.1.2 数据预处理

GF-1影像数据的处理包括波段合成、投影转换和统一、影像的裁剪和拼接、去云处理、几何校正和大气校正。投影坐标系统一为Krasovsovsky＿1940＿Albers。去云处理采用Motran4方法，在ERDAS软件的Haze remove模块完成。根据野外采样的定位点，在ERDAS软件平台中利用二次多项式模型对影像进行几何校正，误差控制在0.5个像元内。GF-1影像的大气校正在ENVI软件的FLAASH模块完成。汇总698个野外样点数据，导入到ArcGIS软件中，建立野外样点数据库。以经纬度为依据，将野外样点转化为矢量图，从而能够叠加在GF-1影像上。预处理后的GF-1影像如图3所示。2.2 面向对象技术
【相似文献】

相关期刊论文 前10条

1 刘伟东;徐健;张海霞;;面向对象分类方法在第二次土地调查中的应用研究[J];遥感信息;2009年06期

2 胡长军，仝兆岐;用面向对象技术设计储层数据库系统[J];石油大学学报(自然科学版);1996年06期

3 谭衢霖;高姣姣;;面向对象分类提取高分辨率多光谱影像建筑物[J];测绘工程;2010年04期

4 张洁;熊永合;程璐;;基于面向对象分类法和高分一号影像的露天矿区分类技术研究[J];青海大学学报;2018年01期

5 毛玉龙;;基于面向对象分类方法的低效用地信息提取研究——以福建省晋江市为例[J];科技创新导报;2018年03期

6 宋明辉;;基于高分二号数据的面向对象城市土地利用分类研究[J];遥感技术与应用;2019年03期

7 员永生;常庆瑞;刘炜;高欣;;面向对象土地覆被图像组合分类方法[J];农业工程学报;2009年07期

8 杨良闯;程先富;;基于高分数据的村级地块面向对象分类方法研究[J];资源开发与市场;2014年05期

9 周晴;杜平安;刘孝保;;面向对象有限元分析技术及其实现方法研究[J];系统仿真学报;2012年03期

10 高海燕;吴波;;结合像元形状特征分割的高分辨率影像面向对象分类[J];遥感信息;2010年06期

相关博士学位论文 前8条

1 陈杰;高分辨率遥感影像面向对象分类方法研究[D];中南大学;2010年

2 韩凝;空间信息在面向对象分类方法中的应用[D];浙江大学;2011年

3 黄志坚;面向对象影像分析中的多尺度方法研究[D];国防科学技术大学;2014年

4 童立;面向对象的水下声场仿真应用框架研究[D];西北工业大学;2002年

5 黄慧萍;面向对象影像分析中的尺度问题研究[D];中国科学院研究生院（遥感应用研究所）;2003年

6 马海全;面向对象的随机有限元与接触问题的可靠性形状优化设计研究[D];南京航空航天大学;2002年

7 黄红兵;层次流形学习及其在监督分类中的应用[D];上海交通大学;2015年

8 靳华中;谱图理论支持下的高分辨率遥感影像多尺度分割研究[D];武汉大学;2011年

相关硕士学位论文 前10条

1 孙坤;基于FNEA的面向对象分类及其在高铁线路提取中的应用[D];东华理工大学;2018年

2 邹瑞雪;基于多特征的面向对象高分辨率遥感图像分类[D];电子科技大学;2017年

3 黄瑾;面向对象遥感影像分类方法在土地利用信息提取中的应用研究[D];成都理工大学;2010年

4 马倩倩;基于RapidEye遥感影像的农作物种植面积提取研究[D];山东师范大学;2012年

5 冯晓宁;水下无人探测器系统性能的面向对象Petri网模型[D];哈尔滨工程大学;2005年

6 邓刘昭芦;基于MSRC的遥感影像面向对象分类研究[D];湖南工业大学;2014年

7 李荣;基于面向对象遥感技术的矢量元胞自动机建模及应用[D];武汉理工大学;2013年

8 吴洋;基于超像素的面向对象遥感图像分类方法研究[D];华中科技大学;2013年

9 高洋洋;全色遥感影像地物信息自动分类方法研究[D];长春理工大学;2017年

10 陆超;基于WorldView-2影像的面向对象信息提取技术研究[D];浙江大学;2012年

本文编号：2856235