基于Sentinel-2A影像的矿区土地利用信息提取方法

发布时间：2022-05-03 03:43

　　为研究中高分辨率遥感影像大范围精确提取矿区土地利用信息的技术方法,选取山东省兖州市兴隆庄煤矿作为研究区,针对遥感影像的光谱特征,采用监督分类和归一化指数计算相结合的方式进行矿区土地利用信息提取试验。结果表明,选择融合后Sentinel-2A卫星影像的四个高分辨率波段可应用于土地利用的精确识别;根据地物光谱特征,最大似然监督分类法提取建设用地、裸地效果较好,可作为精确提取两种地类的方法;结合归一化植被指数运算和归一化水体指数运算提取植被、水体信息可明显提高总体分类精度,提取精度可达93.54%,进而可利用该分类结果精确高效地识别和测算矿区土地利用类型及其分布特征,为矿区土地整治、村庄搬迁等提供依据。 

【文章页数】：6 页

【部分图文】：

兴隆庄煤矿

最小距离是通过训练样本数据去计算每种类别的均值向量和标准差向量，然后以均值向量作为该类在特征空间中的中心位置，计算输入图像中每个像元到各类中心的距离，将像元归入到距离中心最小的类别中[16]；马氏距离法是通过计算输入像元到各训练样本的马氏距离(计算2个未知样本集的相似度的方法)，统计马氏距离最小的即为此类别[15]，此方法既考虑离散度，也考虑到各轴间总体分布的相关(协方差)，能够考虑到分类类别的内在变化[16,17]；最大似然法是计算像元属于某一训练样本的似然度，然后将像元归为似然度最大的一类中[16]；支持向量机是一种基于统计学习理论的机器学习方法，可自动寻找对分类有较大区分功能的支持向量并构造分类器，最大化类别之间的间隔[11]。本研究分别对四种监督分类方法进行分类比较，选择最佳分类方法，如表1所示，经验证最大似然方法整体分类效果较好。2.4 土地利用信息间接提取

通过目视解译和混淆矩阵两种方法对分类结果进行精度验证，发现建设用地中的道路容易被误分成植被，且建设用地内部植被信息在分类过程中并未区分出来。为了分析建设用地与其背景地物在光谱特征上的差别，分别对兴隆庄矿区内地物按植被、水体、建设用地、裸地4种地类在图像上进行采样统计，并做出各类地物的光谱曲线图，如图3所示。从以上分析可知：建设用地与裸地的灰度值从band2到band3有重合，但从band3到band8波段灰度值差异明显且变化趋势一致，两者在近红外波段灰度值较高，说明其在近红外波段反射率较好；植被灰度值总体低于其他地类，且灰度值在band2到band4波段与水体产生重合，可能与矿区耕地塌陷并产生地面积水有关；水体的灰度值从band2到band8逐渐下降，表明水体在各波段反射率较低，说明该区域水体悬浮物浓度较高，可能与区域气候降水有关或者受部分浮游植物的干扰。


本文编号：3650559