基于环境一号卫星数据的西乌珠穆沁旗土地利用及覆盖分类研究

发布时间：2021-01-14 22:07

　　以西乌珠穆沁旗的土地利用及覆盖分类为主要研究内容,选择环境一号卫星为数据源,在保证分类训练样本精度的前提下进行监督分类,其结果并不十分理想。综合分析研究后发现少部分地类的分类图斑与其他地类的分类图斑存在混淆和错分,造成这一现象的原因主要是遥感数据的光谱特征不足以支持已建立的分类体系,部分类别之间存在较高的光谱相似度;其次某些类别的解译特征可能会因研究区域跨度大而有所不同,从而影响该分类训练样本的纯净度和典型性。在利用各种遥感数据进行土地利用及覆盖状况分类时,应充分研究所用数据的光谱特点,结合研究区域特征建立与之相适应的分类体系,尽量保证各类别训练样本的一致性,从而提高分类结果的精度。 

【文章来源】：内蒙古科技与经济. 2020,(17)

【文章页数】：4 页

【部分图文】：

监督分类流程

通过检查上述几类地物的分类训练样本,发现样区的选择上没有问题,与遥感数据中的地物特征完全一致,样本边界与实际地物边界吻合,因此训练样本不是造成总体分类精度和Kappa系数不理想的原因。通过对比研究西乌旗遥感影像与土地利用分类图斑,发现上述精度值偏低的几类地物的分类图斑与其他图斑存在混淆和错分的现象,综合分析后认为可能是研究区域中上述地类的影像特征与其他地类存在相似性造成的,因此需对土地利用分类的训练样本进行检测。在ENVI的ROI工具中选择Region Of Interest—Compute ROI Separability模块生成训练样本可分离度报告ROI Separability Report。该报告表示各个样本类型之间的可分离性,用Jeffries-Matusita和Transformed Divergence两种参数表示,其值域在0到2之间,参数值越大则训练样本的可分离性就越好,若值小于1则可以考虑将两类样本合成一类样本(见表2)。综合上述分析,应将精度值较低的旱地、灌木林地、滩涂、湿地、居民地及裸土地与分类特征相近的其他地类合并处理或者重新分类,减少特征近似地类的数量,从而保证不同类别训练样本的纯净度和典型性。图3 遥感影像与分类数据对照(2)

图2 遥感影像与分类数据对照(1)表2 训练样本分离度低值表 序号 分类1 分类2 分离度 1 高草 湿地 0.31931324 2 沙地 裸土地 0.59260045 3 建设用地 居民地 0.64050199 4 滩涂 居民地 0.79833149 5 盐碱地 裸土地 0.80229654 6 旱地 灌木林 0.80670017 7 灌木林 湿地 0.96555717 8 河湖水库 建设用地 0.9886236 9 旱地 湿地 1.07820421 10 旱地 高草 1.08817217 11 有林地 高草 1.15705194 12 低草 居民地 1.15820108

【参考文献】：
期刊论文
[1]基于卫星遥感影像的土地分类实验方法研究[J]. 彭天凡,范昕桐,任瑞治,顾玲嘉.  吉林大学学报(信息科学版). 2019(05)
[2]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)
[3]基于GF-1号卫星影像的监督分类方法比较[J]. 陈兴杰.  矿山测量. 2017(03)
[4]基于Landsat 8遥感影像的土地利用分类研究——以四川省红原县安曲示范区为例[J]. 王敏,高新华,陈思宇,冯琦胜,梁天刚.  草业科学. 2015(05)
[5]基于环境小卫星的半干旱区土地利用信息提取[J]. 杜娟,杨国范,翟光耀.  国土资源科技管理. 2014(04)
[6]基于RS和GIS技术环境星影像的武汉市土地分类方法的研究[J]. 唐菊莉,姚廷娟,申维.  测绘与空间地理信息. 2013(03)
[7]基于光谱和纹理特征的ALOS影像土地利用信息提取[J]. 刘恩勤,周万村,周介铭,莫开林.  地理与地理信息科学. 2012(04)



本文编号：2977643