地理科学进展  2016 , 35 (2): 255-263 https://doi.org/10.18306/dlkxjz.2016.02.012

研究论文| 土地利用

基于GF-1与Landsat-8影像的土地覆盖分类比较

宋军伟, 张友静*, 李鑫川, 杨文治

河海大学地球科学与工程学院,南京 210098

Comparison between GF-1 and Landsat-8 images in land cover classification

SONG Junwei, ZHANG Youjing*, LI Xinchuan, YANG Wenzhi

School of Earth Sciences and Engineering, Hohai University, Nanjing 210098, China

通讯作者:  通讯作者:张友静(1955-),男,江苏南京人,教授,主要从事遥感、GIS教学与科研工作,E-mail:zhangyj@hhu.edu.cn

收稿日期: 2015-08-10

接受日期:  2015-11-10

网络出版日期:  2016-02-10

版权声明:  2016 地理科学进展 《地理科学进展》杂志 版权所有

基金资助:  国家科技重大专项(08-Y30B07-9001-13/15)

作者简介:

作者简介:宋军伟(1991-),男,陕西咸阳人,硕士研究生,主要从事遥感技术机理与应用研究,E-mail:695276282@qq.com

展开

摘要

高分一号(GF-1)卫星具有多种分辨率与大幅宽结合、重访周期短等优势,而Landsat-8卫星具有多波段、高辐射分辨率等优势。针对不同传感器参数特点,利用支持向量机分类器(SVM)对同区域同期两种数据进行土地覆盖分类对比研究。结果表明:两种传感器对应波段决定系数均大于0.92;典型样本的光谱趋势一致性良好,但在农田与林地、不透水面与裸土的典型样本可分离性方面,Landsat-8优于GF-1;GF-1与Landsat-8的分类总精度分别为90.38%和90.07%,但不同地物类型的分类精度存在差异,波谱响应函数的差异可能是导致Landsat-8对林地的分类精度高于GF-1的原因;此外,GF-1对零碎分布地物类型的分类精度高于Landsat-8,主要原因是GF-1具有更高的空间分辨率。

关键词: 土地覆盖分类比较 ; 地物波谱 ; 地物可分性 ; GF-1影像 ; Landsat-8影像

Abstract

The GF-1 satellite has advantages such as short revisit period and the combination of various spatial resolutions and large swath, while the Landsat-8 satellite has the advantages of multi-channels and high radiometric resolution. This article presents a case study focused on land cover classification in Zhongxiang City, Hubei Province. Considering the characteristics of different sensor parameters, the Support Vector Machine classifier (SVM) was applied to the two datasets of the same region on 6 August 2013 and a comparison was made on the classification results. The result shows that the coefficient of determination of the corresponding channels between these two sensors are over 0.92. Good consistencies are found in typical samples’ spectrum. However, compared to GF-1, Landsat-8 has better separability between farmland and woodland, and between impervious surface and bare soil. The overall classification accuracy of GF-1 and Landsat-8 reaches 90.38% and 90.07% respectively, whereas there are differences in classification accuracies of different surface types. The differences in spectral response functions may account for the advantage of Landsat-8 on woodland identification accuracy as compared to GF-1. In addition, compared to Landsat-8, GF-1 outperforms in classification accuracy on surface types with fragmented distribution because GF-1 has higher spatial resolution.

Keywords: comparison of land cover classifications ; spectrum of surface types ; separability of surface types ; GF-1 image ; Landsat-8 image

0

PDF (14186KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

宋军伟, 张友静, 李鑫川, 杨文治. 基于GF-1与Landsat-8影像的土地覆盖分类比较[J]. , 2016, 35(2): 255-263 https://doi.org/10.18306/dlkxjz.2016.02.012

SONG Junwei, ZHANG Youjing, LI Xinchuan, YANG Wenzhi. Comparison between GF-1 and Landsat-8 images in land cover classification[J]. 地理科学进展, 2016, 35(2): 255-263 https://doi.org/10.18306/dlkxjz.2016.02.012

1 引言

土地覆盖主要描述地球表面的自然属性。土地覆盖变化是全球变化研究的热点问题之一,也是区域水文、气候和旱情监测的基础数据(赫英明等, 2013; 左玉珊等, 2014)。遥感数据因其具有大范围、时效性强和成本低的优势成为土地覆盖数据获取的主要数据源(刘爱霞等, 2006; 杨莹等, 2012; 陈趁新等, 2014)。20世纪以来,许多搭载新型卫星的传感器相继发射,针对不同问题,不同传感器有不同的参数特点。在中低尺度研究中,Landsat系列卫星应用最为广泛,但Landsat数据幅宽相对窄、重访周期长,在较大区域或流域研究中需要不同时相数据的拼接,因而难以保证数据的一致性;此外相对较低的空间分辨率对地物破碎的区域,难以获得较高的分类精度。

高空间分辨率影像具有地物内部分异明显,纹理、细节丰富等特点(黄昕等, 2007)。现有的高空间分辨率卫星如SPOT、IKONOS、QuickBird等在区域研究中应用较多(张锦水等, 2006),但波段少、幅 宽小,在研究中仍需要不同时相数据的拼接,且价格高昂。高分一号(gf-1)卫星具有重访周期短、多种分辨率与大幅宽结合的特点,但也存在波段数少的问题。目前GF-1数据已应用于各类作物面积提取(王利民等, 2015)、水体提取(李艳华等, 2015)以及植被参数提取(刘吉凯等, 2014)等方向;同时还与2013年2月发射的同期Landsat-8数据进行对比分析,如玉米LAI 反演(贾玉秋等, 2015)、海冰探测 能力(张晰等, 2015)等,而GF-1与Landsat-8影像的土地覆盖分类能力比较研究还未见报道。因此,探讨和比较GF-1数据对区域主要土地覆盖的分类能力和分类精度,对于有效和全面利用GF-1数据具有实际的应用价值,也可为国产遥感卫星传感器设计提供参考。

为了对比不同传感器参数对土地覆盖分类能力与精度的影响,评价GF-1在土地覆盖分类中的应用价值,选取湖北钟祥市同日Landsat-8和GF-1影像数据,分析对应波段相关性,采用SVM分类器进行土地覆盖分类,对比GF-1与Landsat-8数据的分类结果差异并分析造成差异的主要原因。

2 研究区域、数据与方法

2.1 研究区概况

研究区位于湖北省钟祥市(30°42’N-31°36’N,112°07’E-113°00’E)(图1)。该市位于汉江中游、汉江平原北端,地处亚热带季风性气候的过渡带上,光、热、水同步,具有多宜性的生态环境。区域内主要土地覆盖类型包括林地、裸土、水体、农田和不透水面等。研究区西部海拔较高地区土地覆盖类型为林地;东部丘陵地带以林地和坡耕地为主;汉江两岸的平原地区以农田为主,农田与分散的居民点呈混合分布状态,对比较不同分辨率影像中零碎分布地物的分类效果较为典型。城区位于研究区中部汉江东侧的平原地区。

图1   研究区位置

Fig.1   Location of the study area

2.2 数据与方法

2.2.1 高分一号(GF-1)数据

GF-1卫星搭载有两台2 m分辨率全色和8 m分辨率多光谱高分相机(PMS),四台16 m分辨率多光谱宽幅相机(WFV)(白照广, 2013; 翁进等, 2015)。本文选取了一景2013年8月6日获取的高分一号WFV3影像数据,轨道号:210(Row),4(Path),太阳高度角68.44°,太阳方位角125.91°,波谱范围为0.45~0.89 μm,分为4个波段,整个区域内无云,可视性良好。具体参数见表1

表1   Landsat-8与GF-1卫星参数对比

Tab.1   Comparison of satellite parameters between Landsat-8 and GF-1

卫星传感器类型像元分辨率/m成像幅宽/km波段数/个重访周期/d辐射分辨率/Bit
Landsat-8OLI30180111612
GF-1WFV16800448
PMS2/8605侧摆条件4天8

新窗口打开

2.2.2 Landsat-8数据

Landsat-8 携带有OLI(Operational Land Image)和TIRS(Thermal Infrared Sensor)推扫式成像仪,其中OLI包括9个波段, 除全色波段为15 m分辨率外,其余波段的空间分辨率为30 m(徐涵秋等, 2013)。TIRS包括2个热红外波段, 空间分辨率为100 m。选取同一时间、同一区域的Landsat-8卫星OLI传感器数据,与GF-1 16m分辨率多光谱数据进行土地覆盖分类对比分析。轨道号:38(Row),124(Path),太阳高度角64.35°,太阳方位角120.96°,波长范围为0.43~1.38 μm,分为9个波段,本文采用L1级产品。具体参数见表1

同时选择同期的2.5 m分辨率的SPOT5多光谱与全色波段融合影像(数据来自Google earth),主要用于分类训练样本的选择和分类结果的验证。

2.2.3 数据预处理

对两景影像进行辐射定标,得出大气上行辐亮度数据,通过FLAASH进行大气校正,将其转换为地面真实反射率数据。利用矢量数据对影像进行裁剪得出研究区。投影选择UTM-Zone-49N投影,WGS-84地理坐标系。以GF-1数据为基准,选取控制点采用二次多项式法对Landsat-8数据进行相对几何校正, RMES为0.5456。

3 分类方案及方法

3.1 分类方案

分类体系建立参考国土资源部《土地利用现状分类》一级分类系统,并考虑所用数据及研究区土地覆盖类型的特点,最终确定将研究区的土地覆盖类型划分为林地、水体、农田、不透水面和裸土五类。

3.2 分类方法

目前利用遥感影像进行分类的主要方法有监督分类和非监督分类、面向对象的影像信息提取以及基于专家知识的决策树分类等,选择支持向量机分类器(Support Vector Machine, SVM)对研究区进行土地覆盖分类(骆建承等, 2002; 张锦水等, 2006)。

支持向量机(SVM)是20世纪90年代中期发展起来的基于统计学习理论的一种机器学习方法,通过寻求结构化风险最小来提高学习机泛化能力,实现经验风险和置信范围的最小化,从而达到在统计样本量较少的情况下,亦能获得良好统计规律的目的(骆建承等, 2002; 张友静等, 2006)。其独有的特性和高效性使得该分类器在遥感分类中得到广泛的应用。SVM利用核函数将低维空间向量机映射到高维空间,从而在高维空间寻找线性分隔超平面使线性分隔最大。选用径向基函数(Radial Basis Function,简称RBF) 作为本次分类的核函数。

最常用的径向基函数是高斯核函数,公式为:

KX,XC=exp-|x-xc||22σ2(1)

式中: KX,XC为空间中任一点 X到某一中心 XC之间欧氏距离的单调函数, XC为核函数中心, σ为函数的宽度参数,控制了函数的径向作用范围。

4 结果与分析

4.1 两种传感器波段对比分析

为了对比两种传感器在红、绿、蓝和近红外波段反射率差异,选取各类典型地物(林地、农田、水体、不透水面、裸土)共7293个像元进行相关性分析(Hao et al, 2014; Zhong et al, 2014),分析结果见图2

图2   Landsat-8与GF-1影像对应波段相关性分析

Fig.2   Correlation analysis of corresponding channels between Landsat-8 and GF-1

通过相关性分析得到Landsat-8和GF-1各对应波段的线性回归方程的决定系数分别为0.94、0.92、0.93和0.97,均达到极显著性水平(P<0.001),说明两种传感器的反射率存在显著的相关关系。蓝、绿和近红外波段的斜率略小于1,红光波段斜率略大于1,原因是GF-1红光传感器光敏范围较大,进入了0.7~0.75 μm范围,近红外波段传感器也进入了该范围,而Landsat-8没有进入这一区域(图3),该范围处于植被“红边”区域。当样本中林地较多时,Landsat-8在红光波段的反射率值会偏低,同时“红边”区域只是植被从吸收转向反射的快速过渡区域,植被在这一区域的反射并未达到最强程度,因此植被对进入这一区域的GF-1近红外波段反射会有所降低(徐涵秋等, 2011; 贾玉秋等, 2015)。这一差异将会导致GF-1对植被的接受信号减弱,在土地覆盖分类时易造成林地与农田的混分。

图3   GF-1与Landsat-8在可见光及近红外波段波谱响应函数

Fig.3   Spectral response functions (SRFs) of the visible and NIR channels of GF-1 and Landsat-8

4.2 典型样本分析

为了获取高质量且具有代表性的样本数据,利用2.5 m分辨率的SPOT5多光谱与全色波段融合影像选择分类样本数据(黄婷等, 2013),同时保证样本数据在整个研究区均衡分布,采用分层随机抽样方法进行测试样本选择(刘旭拢等, 2006),训练样本个数及特征见表2

表2   典型样本选择

Tab.2   Selection of typical samples

新窗口打开

分析在不同传感器中各类地物的反射率差异,计算各类地物在不同波段的反射率平均值,得到典型地物类型样本反射率光谱曲线(图4)。

图4   典型地物反射率光谱曲线

Fig.4   Spectral curves of reflectance of typical surface types

图4可以看出,两种传感器中对应地物类型的反射率曲线趋势一致性良好,在近红外波段的反射率差异最小。在蓝光波段、绿光波段和红光波段Landsat-8各地物的反射率略大于GF-1,其中不透水面最为明显,裸土和农田次之,水体的反射率最为接近。

为了对比两种数据各类地物的光谱可分离性,计算不同类别样本间的统计距离。类别间的距离基于Jeffries-Matusita距离和转换分离度(Transformed Divergence)(刘新杰等, 2013; 许伟等, 2015),衡量各类别的可分离性,确定各类别间的差异程度。表3列出了高分一号数据和Ladsat-8数据6组训练样本可分离性的计算结果。

表3   GF-1与Landsat-8数据可分离性比较

Tab.3   Comparison of separability between GF-1 and Landsat-8 data

地物类型GF-1数据Landsat-8数据
农田—林地1.651.75
不透水面—裸土1.681.80
林地—裸土1.981.98
农田—裸土1.991.99
林地—不透水面1.991.99
农田—不透水面1.991.99

新窗口打开

表3看出,农田和林地,不透水面和裸土两组的类别可分离性Landsat-8高于GF-1,其他各组的差异不大,这说明在光谱可分离性方面,Landsat-8优于GF-1。

4.3 分类结果分析

选取相同的训练样本(表2),利用支持向量机对两景影像进行分类,其中GF-1利用WFV传感器的4个波段、Landsat-8利用OLI传感器除去卷云波段和热红外波段的其余8个波段进行分类。对分类结果进行聚类和筛选处理,去除孤立点并对细小斑块进行合并,分类结果见图5-6。

图5   GF-1土地覆盖分类结果

Fig.5   Land-cover classification result of GF-1

图6   Landsat-8土地覆盖分类结果

Fig.6   Land-cover classification result of Landsat-8

图5-6看出,研究区中农田的面积最大,林地主要分布在中西部和东部海拔较高地区。两景影像中水体的分类结果较为一致,林地与不透水面的分类差异较大,分别分布在研究区中西侧和南部汉江两侧。

4.4 分类精度评价

采用分层随机抽样点作为精度评价方法,利用2.5 m分辨率SPOT5多光谱与全色波段融合影像目视判读,对分类结果进行精度评价,测试样本个数见表2,表4-5为分类结果的混淆矩阵。

表4   GF-1分类混淆矩阵

Tab. 4   Confusion matrix of GF-1 classification

分类类别实际类别
林地水体农田不透水面裸土总体用户精度/%
林地5314036186.9
水体0241022788.9
农田1002451526193.9
不透水面1112212684.6
裸土1172506182.0
总体65272582561436
生产精度/%81.588.995.088.082.0
总精度:90.38% Kappa系数:0.875

新窗口打开

表5   Landsat-8分类混淆矩阵

Tab. 5   Confusion matrix of Landsat-8 classification

分类类别实际类别
林地水体农田不透水面裸土总体用户精度/%
林地8207109091.1
水体1240012692.3
农田821984221492.5
不透水面0133644481.8
裸土2124505984.8
总体93282104557433
生产精度/%88.285.794.380.087.7
总精度:90.07% Kappa系数:0.853

新窗口打开

表4-5混淆矩阵可看出,GF-1和Landsat-8的分类总精度较高,分别为90.38%、90.07%,分类结果理想。Landsat-8对林地的分类精度高于GF-1,主要因为波谱响应函数的差异造成GF-1将更多的林地误分为农田。GF-1对水体与不透水面的分类精度高于Landsat-8,因为研究区分布较多水塘、细小河流、村庄和小规模的城镇,地物类型破碎,在更高分辨率GF-1影像上混合像元少,纹理与细节信息明显,从而分类效果更好。GF-1将部分收割农田和未利用耕地分为裸土,是造成裸土分类精度低于Landsat-8的主要原因。

4.5 分类差异比较

对两景影像的分类结果图进行叠加,分析分类结果差异,结果图如图7,差异面积比例见表6

图7   GF-1与Landsat-8分类差异比较

Fig.7   Differences between GF-1 and Landsat-8 lassifications

表6   分类差异比例统计

Tab.6   Statistical difference in classifications

GF-1Landsat-8
林地/%水体/%农田/%不透水面/%裸土/%
林地/0.070.870.010.11
水体0.08/0.100.100.04
农田7.900.06/1.442.64
不透水面0.020.010.07/0.23
裸土0.160.200.411.57/

新窗口打开

图7表6可看出,Landsat-8与GF-1的分类结果有16.19%不一致。农田与林地的混分比例最高达8.77%,其中有7.90%的面积Landsat-8将其分为林地而GF-1分为农田,差异较大的原因应为两种传感器波谱响应函数在红波段和近红外波段响应范围差异造成。有3.01%的面积Landsat-8分类结果为不透水面而GF-1分类结果为农田和裸土,2.64%的面积Landsat-8分类结果为裸土GF-1分类结果为农田,结合表4表5混淆矩阵可看出,GF-1对不透水面的分类精度高于Landsat-8,而对裸土的分类精度低于Landsat-8。造成差异的原因一方面由于不透水面与裸土光谱特征相似,易产生混分,部分收割农田和未利用耕地光谱特征与裸土相似,也易混分其中;另一方面高分辨率影像对零碎分布地物类型具有更好的识别度。

选择分类差异较大区域,利用2.5 m分辨率的SPOT5多光谱与全色波段融合影像进行分类结果实地验证。验证图见图8-9。

图8   验证区域1:Google影像(左);GF-1分类结果(中);Landsat-8分类结果(右)

Fig.8   Verified area 1: Google Earth image (left); classification result of GF-1 (middle); classification result of Landsat-8 (right)

图9   验证区域2:Google影像(左);GF-1分类结果(中);Landsat-8分类结果(右)

Fig.9   Verified area 2: Google Earth image (left); classification result of GF-1 (middle); classification result of Landsat-8 (right)

整体来看,在图8验证区Landsat-8的林地面积明显大于GF-1。选取差异明显区域A、B、C,与2.5 m分辨率SPOT5影像对比验证。在A区域海拔较高,林地覆盖良好,Landsat-8分出的林地多于GF-1,更接近于真实值。在B、C区域,处于农田与林地的交界,地物类型主要为林地、未利用耕地和农田的混合,而GF-1在该区域分类结果大部为农田,林地极少,Landsat-8的分类结果亦更接近于真实值。从以上可知,林地与农田的区分能力上,Landsat-8数据要好于GF-1,主要原因是两种传感器在红光与近红外波段的光谱响应函数不同,造成林地覆盖区Landsat-8的林地接收信号要强于GF-1。对于GF-1对林地分类精度较低的问题,可利用DEM、纹理等信息进行后处理与农地等进行区分,提高精度。由于本次试验重点比较两种影像的分类差异,因此未对结果进行后处理,可在今后作进一步研究。

图9验证区地势平缓,主要地物类型为农田,村庄与城镇呈斑块状零散布于农田之间,汉江两侧不透水面沿河岸呈条带状分布,且在河滩间与河岸右侧分布部分裸土。由分类对比图可看出,Landsat-8的不透水面面积大于GF-1,与2 m高分辨率影像对比,Landsat-8对村庄、城镇和城市的分类面积均大于真实值,反观GF-1则更符合真实值,这从B、C区域分类结果对比可看出。在A区域沿河岸分布一定量林地,Landsat-8将其分出,而GF-1错分为农田。在D区域中左侧有部分收割农田,GF-1将其错分为裸土,Landsat-8错分为不透水面。从以上分析可得,GF-1在较零碎分布的不透水面分类效果优于Landsat-8,主要因为GF-1具有分辨率的优势,对于该类地物混合像元少,纹理和细节更加清晰。

5 结论

不同传感器参数的数据对土地覆盖分类结果有不同的影响,本文利用同区域同期GF-1和Landsat-8影像数据,对比相应波段相关性、典型样本光谱差异、类别可分性、分类结果及分类精度差异,结果表明:两种传感器对应波段决定系数分别为0.94、0.92、0.93和0.97,均达到极显著性水平(P<0.001),说明两种传感器的反射率存在显著的相关关系, 蓝、绿和近红外波段的斜率略小于1,红光波段斜率略大于1。典型地物光谱趋势一致性良好,对应地物在近红外波段反射率差异最小,农田与植被、不透水面与裸土的典型地物可分离性方面,Landsat-8高于GF-1,其他对应类型可分离性极为接近。GF-1与Landsat-8的分类总精度相仿,分别为90.38%和90.07%,Kappa系数分别为0.875和0.853。但不同地物类型的分类精度存在差异:波谱响应函数的差异造成Landsat-8对林地类型的接受信号好于GF-1,因此Landsat-8对林地的分类精度高于GF-1;GF-1具分辨率优势,对零碎分布地物类型的分类效果好于Landsat-8。

对GF-1在分类方面的不足,如林地分类精度较低,部分收割农田与裸土混分等,可在后续研究中利用DEM、纹理特征、多时相数据进行后处理,进一步提高分类精度(刘吉凯等, 2014; 李艳华等, 2015; 张晰等, 2015)。整体来说,GF-1影像数据的高空间分辨率在一级土地覆盖分类中体现出优势,具有较高的精度,并结合其大幅宽与重访周期短的优势,在土地覆盖分类中研究中有广泛的应用前景。

The authors have declared that no competing interests exist.


参考文献

[1] 白照广. 2013.

高分一号卫星的技术特点

[J]. 中国航天, (8): 5-9.

URL      [本文引用: 1]      摘要

一、前言高分一号卫星是国家高分辨率对地观测系统重大专项天基系统中的首发星,其主要目的是突破高空间分辨率、多光谱与高时间分辨率结合的光学遥感技术,多载荷图像拼接融合技术,高精度高稳定度姿态控制技术,5~8年寿命高可靠低轨卫星技术,高分辨率数据处理与应用等关键技术,推动我国卫星工程水平的提升,提高我国高分辨率数据自给率。

[Bai Z G.2013.

Gaofenyihao weixing de jishu tedian

[J]. Aerospace China, (8): 5-9.]

URL      [本文引用: 1]      摘要

一、前言高分一号卫星是国家高分辨率对地观测系统重大专项天基系统中的首发星,其主要目的是突破高空间分辨率、多光谱与高时间分辨率结合的光学遥感技术,多载荷图像拼接融合技术,高精度高稳定度姿态控制技术,5~8年寿命高可靠低轨卫星技术,高分辨率数据处理与应用等关键技术,推动我国卫星工程水平的提升,提高我国高分辨率数据自给率。
[2] 陈趁新, 胡昌苗, 霍连志, . 2014.

Landsat TM数据不同辐射校正方法对土地覆盖遥感分类影响

[J]. 遥感学报, 18(2): 320-334.

https://doi.org/10.11834/jrs.20143211      Magsci      [本文引用: 1]      摘要

本文主要是探索Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响。介绍了使用的3种不同辐射校正方法(ATCOR3、FLAASH以及查找表)和两种分类算法。在分类实验部分,根据样本的地理坐标在3景校正影像中分别采集训练样本并训练各自的分类器,并交叉用于其他辐射校正影像的土地覆盖遥感分类。实验结果表明:(1)用于分类器训练的样本采集自待分类影像时的分类精度明显高于采集自其他影像的分类精度;(2)3种辐射校正影像的分类结果存在差异,其中使用ATCOR3和FLAASH方法校正后影像的分类结果有更相近的精度;(3)辐射校正对分类类别的影响不同,其中对森林类型影响最大,对裸地等其他类别影响相对较小。

[Chen C X, Hu C M, Huo L Z, et al.2014.

Effect of different radiation correction methods of Landsat TM data on land-cover remote sensing classification

[J]. Journal of Remote Sensing, 18(2): 320-334.]

https://doi.org/10.11834/jrs.20143211      Magsci      [本文引用: 1]      摘要

本文主要是探索Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响。介绍了使用的3种不同辐射校正方法(ATCOR3、FLAASH以及查找表)和两种分类算法。在分类实验部分,根据样本的地理坐标在3景校正影像中分别采集训练样本并训练各自的分类器,并交叉用于其他辐射校正影像的土地覆盖遥感分类。实验结果表明:(1)用于分类器训练的样本采集自待分类影像时的分类精度明显高于采集自其他影像的分类精度;(2)3种辐射校正影像的分类结果存在差异,其中使用ATCOR3和FLAASH方法校正后影像的分类结果有更相近的精度;(3)辐射校正对分类类别的影响不同,其中对森林类型影响最大,对裸地等其他类别影响相对较小。
[3] 赫英明, 王汉杰, 张洪峰. 2011.

遥感数据的土地覆盖分类

[J]. 解放军理工大学学报: 自然科学版, 12(3): 294-300.

https://doi.org/10.3969/j.issn.1009-3443.2011.03.017      URL      [本文引用: 1]      摘要

为有效开展土地覆盖变化检测、 碳循环评价和气候评估,从土地覆盖分类中使用的遥感数据、分类方法、土地覆盖分类系统以及分类结果对比4个方面,综述了近年来国际上土地覆盖分类的研究进 展。这对建立一套能够反映中国实际,又能与国际上流行的分类系统兼容、灵活转换的土地覆盖分类系统,并建立开放的、及时更新的中国土地覆盖样本数据库,具 有现实意义。

[He Y M, Wang H J, Zhang H F.2011.

Land cover classification based on remote sensing data

[J]. Journal of PLA University of Science and Technology: Natural Science Edition, 12(3): 294-300.]

https://doi.org/10.3969/j.issn.1009-3443.2011.03.017      URL      [本文引用: 1]      摘要

为有效开展土地覆盖变化检测、 碳循环评价和气候评估,从土地覆盖分类中使用的遥感数据、分类方法、土地覆盖分类系统以及分类结果对比4个方面,综述了近年来国际上土地覆盖分类的研究进 展。这对建立一套能够反映中国实际,又能与国际上流行的分类系统兼容、灵活转换的土地覆盖分类系统,并建立开放的、及时更新的中国土地覆盖样本数据库,具 有现实意义。
[4] 黄昕, 张良培, 李平湘. 2007.

融合形状和光谱的高空间分辨率遥感影像分类

[J]. 遥感学报, 11(2): 193-200.

https://doi.org/10.11834/jrs.20070226      Magsci      [本文引用: 1]      摘要

提出了一种像元形状指数及基于形状和光谱特征融合的高(空间)分辨率遥感影像分类方法。形状和光谱是遥感影像纹理的具体表现形式,尤其在高分辨率影像中地物细节得到充分表达,相邻像元的关系及其共同表征的形状特性成为分类的重要因素。本文用像元及其邻域的关系来描述其空间结构,同时为了更全面地利用影像特征,提出了基于支持向量机的形状和光谱融合分类方法。实验证明,该方法计算简便且能有效表达高分辨率影像的地物特征,提高分类精度。

[Huang X, Zhang L P, Li P X.2007.

Classification of high spatial resolution remotely sensed imagery based on the fusion of spectral and shape features

[J]. Journal of Remote Sensing, 11(2): 193-200.]

https://doi.org/10.11834/jrs.20070226      Magsci      [本文引用: 1]      摘要

提出了一种像元形状指数及基于形状和光谱特征融合的高(空间)分辨率遥感影像分类方法。形状和光谱是遥感影像纹理的具体表现形式,尤其在高分辨率影像中地物细节得到充分表达,相邻像元的关系及其共同表征的形状特性成为分类的重要因素。本文用像元及其邻域的关系来描述其空间结构,同时为了更全面地利用影像特征,提出了基于支持向量机的形状和光谱融合分类方法。实验证明,该方法计算简便且能有效表达高分辨率影像的地物特征,提高分类精度。
[5] 黄婷, 师庆三, 师庆东, . 2013.

利用高分辨率影像验证低分辨率遥感数据的分类精度研究

[J]. 新疆大学学报: 自然科学版, 30(2): 238-242.

https://doi.org/10.3969/j.issn.1000-2839.2013.02.021      URL      [本文引用: 1]      摘要

遥感分类的精度决定了遥感数据 处理后的可信度,低分辨率的遥感数据连续性强、价格低廉,但在目视解译方面较为困难,进行野外验证时成本大、周期长、分类精度难以确定,所以低分辨率植被 类型的分类结果的精度估测问题并没有很好地得到解决.本文提出了利用高分辨率的遥感数据验证低分辨率遥感数据的方法,在对低分辨率NOAA数据进行分类之 后,寻找到同一地区同一时期的30 m分辨率的TM数据,利用目视解译方法对TM数据进行了同类型的植被分类.经过尺度变换后,利用TM分类结果对NOAA数据进行了精度验证,在一定程度上 解决了研究区域的空间尺度较大时分类精度难以确定,精度检验效率低下的问题.同时指出,高分辨率的遥感数据不仅可以进行大尺度植被观测的精度检验,同时可 以进行大尺度植被观测的分类校正.

[Huang T, Shi Q S, Shi Q D, et al.2013.

Validate classification precision of low spatial resolution remote sensing data by Using high spatial resolution data

[J]. Journal of Xinjiang University: Natural Science Edition, 30(2): 238-242.]

https://doi.org/10.3969/j.issn.1000-2839.2013.02.021      URL      [本文引用: 1]      摘要

遥感分类的精度决定了遥感数据 处理后的可信度,低分辨率的遥感数据连续性强、价格低廉,但在目视解译方面较为困难,进行野外验证时成本大、周期长、分类精度难以确定,所以低分辨率植被 类型的分类结果的精度估测问题并没有很好地得到解决.本文提出了利用高分辨率的遥感数据验证低分辨率遥感数据的方法,在对低分辨率NOAA数据进行分类之 后,寻找到同一地区同一时期的30 m分辨率的TM数据,利用目视解译方法对TM数据进行了同类型的植被分类.经过尺度变换后,利用TM分类结果对NOAA数据进行了精度验证,在一定程度上 解决了研究区域的空间尺度较大时分类精度难以确定,精度检验效率低下的问题.同时指出,高分辨率的遥感数据不仅可以进行大尺度植被观测的精度检验,同时可 以进行大尺度植被观测的分类校正.
[6] 贾玉秋, 李冰, 程永政, . 2015.

基于GF-1与Landsat-8多光谱遥感影像的玉米LAI反演比较

[J]. 农业工程学报, 31(9): 173-179.

Magsci      [本文引用: 2]      摘要

近年来,中国遥感事业已取得长足进步,高分一号(GF-1)卫星首次实现了中国自主研发的高分辨率对地观测。为探讨国产GF-1卫星影像在农业遥感长势监测中的适应性,以许昌地区为研究对象,选取同期Landsat-8卫星影像,结合地面采样数据LAI,从传感器光谱响应特征、经验回归模型监测精度以及LAI空间一致性等3方面进行2类遥感数据的对比评价。结果表明,GF-1影像近红外、红、蓝波段光谱响应与Landsat-8有差异,与绿波段光谱响应非常吻合,各波段光谱反射率与Landsat-8影像同类光谱间均存在显著线性关系。通过各波段组合多种归一化植被指数,采用经验回归模型反演LAI发现,GF-1影像反演的最优模型为NDVI的指数模型,R2为0.848,Landsat-8影像反演的最优模型为蓝红组合的归一化植被指数(blue-red NDVI,BRNDVI)的指数模型,R2为0.687,2类影像反演LAI与地面实测值均呈现较为一致的线性关系。由许昌地区玉米LAI值空间分布可见,GF-1影像反演的玉米LAI值与Landsat-8影像反演值过渡趋势一致,在许昌西部种植结构复杂地区,GF-1影像以其空间分辨率优势更能凸显LAI分布差异。通过该文研究表明,GF-1卫星的高时间分辨率以及高空间分辨率特征能够代替传统中分辨率数据成为农业遥感长势监测中的重要数据源,该数据在农业遥感其他领域的应用是今后研究的重点。

[Jia Y Q, Li B, Cheng Y Z, et al.2015.

Comparison between GF-1 images and Landsat-8 images in monitoring maize LAI

[J]. Transactions of the Chinese Society of Agricultural Engineering, 31(9): 173-179.]

Magsci      [本文引用: 2]      摘要

近年来,中国遥感事业已取得长足进步,高分一号(GF-1)卫星首次实现了中国自主研发的高分辨率对地观测。为探讨国产GF-1卫星影像在农业遥感长势监测中的适应性,以许昌地区为研究对象,选取同期Landsat-8卫星影像,结合地面采样数据LAI,从传感器光谱响应特征、经验回归模型监测精度以及LAI空间一致性等3方面进行2类遥感数据的对比评价。结果表明,GF-1影像近红外、红、蓝波段光谱响应与Landsat-8有差异,与绿波段光谱响应非常吻合,各波段光谱反射率与Landsat-8影像同类光谱间均存在显著线性关系。通过各波段组合多种归一化植被指数,采用经验回归模型反演LAI发现,GF-1影像反演的最优模型为NDVI的指数模型,R2为0.848,Landsat-8影像反演的最优模型为蓝红组合的归一化植被指数(blue-red NDVI,BRNDVI)的指数模型,R2为0.687,2类影像反演LAI与地面实测值均呈现较为一致的线性关系。由许昌地区玉米LAI值空间分布可见,GF-1影像反演的玉米LAI值与Landsat-8影像反演值过渡趋势一致,在许昌西部种植结构复杂地区,GF-1影像以其空间分辨率优势更能凸显LAI分布差异。通过该文研究表明,GF-1卫星的高时间分辨率以及高空间分辨率特征能够代替传统中分辨率数据成为农业遥感长势监测中的重要数据源,该数据在农业遥感其他领域的应用是今后研究的重点。
[7] 李艳华, 丁建丽, 闫人华. 2015.

基于国产GF-1遥感影像的山区细小水体提取方法研究

[J]. 资源科学, 37(2): 408-416.

Magsci      [本文引用: 2]      摘要

以国产&#x0201c;高分一号&#x0201d;16m遥感图像为数据源,在特克斯县选取两个研究区域,针对山区细小线状河流提取难度较大的问题,使用基于规则的面向对象的方法实现了对山区细小水体的精确化提取。首先,在总结前人选择最优分割尺度的基础上,考虑了各层权重信息,针对某一特定地物,提出了指示最优分割尺度的指标&#x02014;&#x02014;改进的与邻域绝对均值差分方差比(<em>MRMAS</em>),并由此获取了影像上细小水体的最优分割尺度。其次,为区分水体和山体阴影,构建阴影水体指数<em>SWI=B</em><sub>1</sub><em>+B</em><sub>2</sub><em>-B</em><sub>4</sub>,成功剔除了绝大部分阴影信息。最后,利用形态学膨胀滤波及Pavlidis异步细化算法对提取的细小水体进行后处理,最终得到细小河流的矢量化水系图。实验结果表明,该方法可以完整、快速地提取出山区细小线状河流信息,总体精度在90%以上,Kappa系数在85%以上,有效排除阴影等暗色地物的干扰,基本消除椒盐噪声。该研究成果或对国产高分影像处理系统的研发与应用提供一定的科学参考。

[Li Y H, Ding J L, Yan R H.2015.

Extraction of small river information based on China-made GF-1 remote sense images

[J]. Resources Science, 37(2): 408-416.]

Magsci      [本文引用: 2]      摘要

以国产&#x0201c;高分一号&#x0201d;16m遥感图像为数据源,在特克斯县选取两个研究区域,针对山区细小线状河流提取难度较大的问题,使用基于规则的面向对象的方法实现了对山区细小水体的精确化提取。首先,在总结前人选择最优分割尺度的基础上,考虑了各层权重信息,针对某一特定地物,提出了指示最优分割尺度的指标&#x02014;&#x02014;改进的与邻域绝对均值差分方差比(<em>MRMAS</em>),并由此获取了影像上细小水体的最优分割尺度。其次,为区分水体和山体阴影,构建阴影水体指数<em>SWI=B</em><sub>1</sub><em>+B</em><sub>2</sub><em>-B</em><sub>4</sub>,成功剔除了绝大部分阴影信息。最后,利用形态学膨胀滤波及Pavlidis异步细化算法对提取的细小水体进行后处理,最终得到细小河流的矢量化水系图。实验结果表明,该方法可以完整、快速地提取出山区细小线状河流信息,总体精度在90%以上,Kappa系数在85%以上,有效排除阴影等暗色地物的干扰,基本消除椒盐噪声。该研究成果或对国产高分影像处理系统的研发与应用提供一定的科学参考。
[8] 刘爱霞, 王静, 吕春艳. 2006.

基于MODIS数据的北京西北部地区土地覆盖分类研究

[J]. 地理科学进展, 25(2): 96-102.

https://doi.org/10.11820/dlkxjz.2006.02.011      Magsci      [本文引用: 1]      摘要

<p>本文主要基于MODIS 16天合成的NDVI时间序列数据、8天合成 LST数据、1∶5万DEM数据以及其他辅助数据相结合,进行北京西北部地区土地覆盖分类的研究。首先选取适合于MODIS数据分类的土地覆盖分类系统,然后用PCA方法对NDVI时间序列数据进行信息增强与压缩处理,以排除各种干扰因素,提高分类精度。最后结合LST数据、DEM数据及降雨温度数据,利用?齂-均值非监督分类法,进行研究区的土地覆盖分类,经过分类后处理,得到北京西北部地区的土地覆盖分类图。分类结果表明,使用250m分辨率MODIS数据,结合本文所用方法,能够实现较大区域的土地覆盖分类,并且能达到较高的分类精度。</p>

[Liu A X, Wang J, Lv C Y.2006.

Land cover classification based on MODIS data in area to the north-west of Beijing

[J]. Progress in Geography, 25(2): 96-102.]

https://doi.org/10.11820/dlkxjz.2006.02.011      Magsci      [本文引用: 1]      摘要

<p>本文主要基于MODIS 16天合成的NDVI时间序列数据、8天合成 LST数据、1∶5万DEM数据以及其他辅助数据相结合,进行北京西北部地区土地覆盖分类的研究。首先选取适合于MODIS数据分类的土地覆盖分类系统,然后用PCA方法对NDVI时间序列数据进行信息增强与压缩处理,以排除各种干扰因素,提高分类精度。最后结合LST数据、DEM数据及降雨温度数据,利用?齂-均值非监督分类法,进行研究区的土地覆盖分类,经过分类后处理,得到北京西北部地区的土地覆盖分类图。分类结果表明,使用250m分辨率MODIS数据,结合本文所用方法,能够实现较大区域的土地覆盖分类,并且能达到较高的分类精度。</p>
[9] 刘吉凯, 钟仕全, 徐雅, . 2014.

基于多时相GF-1 WFV数据的南方丘陵地区甘蔗种植面积提取

[J]. 广东农业科学, 41(18): 149-154.

https://doi.org/10.3969/j.issn.1004-874X.2014.18.036      URL      [本文引用: 2]      摘要

南方丘陵地区甘蔗种植具有分散、形状多样等特点,利用中低分辨率遥感数据提取甘蔗种植面积时,数据的有效性和精度都难以满足要求。利用高分辨率GF-1WFV遥感数据,分析比较甘蔗与其他地物类的光谱特征、纹理特征及植被指数时间变化差异,采用多时相迭代方法构建甘蔗提取特征向量决策树模型。利用该模型提取了广西江州区的甘蔗种植面积,经野外实地调查验证,甘蔗面积提取的用户精度为90.13%,生产精度为88.78%,表明GF-1WFV数据是复杂地形下提取甘蔗等农作物的潜力数据源,该提取思路可以为在全国范围内不同地区了解甘蔗种植情况,进行甘蔗长势监测和产量估测提供技术参考。

[Liu J K, Zhong S Q, Xu Y, et al.2014.

Sugarcane extraction in the southern hills using multi-temporal GF-1 WFV data

[J]. Guangdong Agricultural Sciences, 41(18): 149-154.]

https://doi.org/10.3969/j.issn.1004-874X.2014.18.036      URL      [本文引用: 2]      摘要

南方丘陵地区甘蔗种植具有分散、形状多样等特点,利用中低分辨率遥感数据提取甘蔗种植面积时,数据的有效性和精度都难以满足要求。利用高分辨率GF-1WFV遥感数据,分析比较甘蔗与其他地物类的光谱特征、纹理特征及植被指数时间变化差异,采用多时相迭代方法构建甘蔗提取特征向量决策树模型。利用该模型提取了广西江州区的甘蔗种植面积,经野外实地调查验证,甘蔗面积提取的用户精度为90.13%,生产精度为88.78%,表明GF-1WFV数据是复杂地形下提取甘蔗等农作物的潜力数据源,该提取思路可以为在全国范围内不同地区了解甘蔗种植情况,进行甘蔗长势监测和产量估测提供技术参考。
[10] 刘新杰, 刘良云, 李绪志, . 2013.

天宫一号高光谱成像仪数据与环境星CCD数据分类效果比较研究

[J]. 遥感信息, 28(3): 74-79.

https://doi.org/10.3969/j.issn.1000-3177.2013.03.013      URL      [本文引用: 1]      摘要

本文以北京市通州区为例,利用最短距离法、最大似然法和支持向量机3种分类方法分别对天官一号高光谱成像仪数据与HJ—A星CCD数据进行监督分类,通过比较分类结果发现,天宫一号高光谱成像仪数据在样本可分性度量、目视效果及分类精度3个方面均优于HJ—A星CCD数据,在土地利用类型分类应用中具有显著优势。

[Liu X J, Liu L Y, Li X Z, et al.2013.

Comparison on classification results based on data of TG-1 HSI and HJ-1 CCD

[J]. Remote Sensing Information, 28(3): 74-79.]

https://doi.org/10.3969/j.issn.1000-3177.2013.03.013      URL      [本文引用: 1]      摘要

本文以北京市通州区为例,利用最短距离法、最大似然法和支持向量机3种分类方法分别对天官一号高光谱成像仪数据与HJ—A星CCD数据进行监督分类,通过比较分类结果发现,天宫一号高光谱成像仪数据在样本可分性度量、目视效果及分类精度3个方面均优于HJ—A星CCD数据,在土地利用类型分类应用中具有显著优势。
[11] 刘旭拢, 何春阳, 潘耀忠, . 2006.

遥感图像分类精度的点、群样本检验与评估

[J]. 遥感学报, 10(3): 366-372.

https://doi.org/10.11834/jrs.20060356      Magsci      [本文引用: 1]      摘要

遥感专题分类结果在使用前,必须进行客观可靠的精度验证和分析,以保持遥感分类结果的可靠性.本文利用不同分辨率遥感数据获取的同一地区土地利用/覆盖信息,进行了简单随机抽样、系统抽样和分层抽样三种不同抽样组织方式下的点样本和群样本检验分析,评估了不同抽样方式下的点样本和群样本检验效果.研究结果表明:(1)抽样方式对遥感分类精度评价结果的影响是客观存在的,不同抽样方式下的点样本和群样本检验结果都存在一定的随机性,但同一种抽样方式下,点样本检验精度评估结果的波动幅度小于群样本检验,稳定性比群样本检验要好;(2)不同抽样方式下的多次点样本和群样本检验的平均精度检验结果基本上都能够反映分类图像的精度特征,其中,点样本检验中,分层随机抽样点样本检验效果较好;群样本检验中,系统抽样群样本检验和分层随机抽样群样本检验的效果优于简单随机抽样群样本检验.

[Liu X L, He C Y, Pan Y Z, et al.2006.

Accuracy assessment of thematic classification based on point and cluster sample

[J]. Journal of Remote Sensing, 10(3): 366-372.]

https://doi.org/10.11834/jrs.20060356      Magsci      [本文引用: 1]      摘要

遥感专题分类结果在使用前,必须进行客观可靠的精度验证和分析,以保持遥感分类结果的可靠性.本文利用不同分辨率遥感数据获取的同一地区土地利用/覆盖信息,进行了简单随机抽样、系统抽样和分层抽样三种不同抽样组织方式下的点样本和群样本检验分析,评估了不同抽样方式下的点样本和群样本检验效果.研究结果表明:(1)抽样方式对遥感分类精度评价结果的影响是客观存在的,不同抽样方式下的点样本和群样本检验结果都存在一定的随机性,但同一种抽样方式下,点样本检验精度评估结果的波动幅度小于群样本检验,稳定性比群样本检验要好;(2)不同抽样方式下的多次点样本和群样本检验的平均精度检验结果基本上都能够反映分类图像的精度特征,其中,点样本检验中,分层随机抽样点样本检验效果较好;群样本检验中,系统抽样群样本检验和分层随机抽样群样本检验的效果优于简单随机抽样群样本检验.
[12] 骆剑承, 周成虎, 梁怡, . 2002.

支撑向量机及其遥感影像空间特征提取和分类的应用研究

[J]. 遥感学报, 6(1): 50-55.

https://doi.org/10.11834/jrs.20020110      Magsci      [本文引用: 2]      摘要

提出了基于支撑向量机(SVM)的遥感影像空间特征提取的新方法,并以SPOT全色波段影像上城市特征信息的提取为应用实例,并与人工神经网络(ANN)等特征提取方法进行综合比较,认为SVM方法不但能够获得比较高的分类精度,而且在学习速度、自适应能力、特征空间高维不限制、可表达性等方面具有优势。

[Luo J C, Zhou C H, Liang Y, et al.2002.

Support vector machine for spatial feature extraction and classification of remotely sensed imagery

[J]. Journal of Remote Sensing, 6(1): 50-55.]

https://doi.org/10.11834/jrs.20020110      Magsci      [本文引用: 2]      摘要

提出了基于支撑向量机(SVM)的遥感影像空间特征提取的新方法,并以SPOT全色波段影像上城市特征信息的提取为应用实例,并与人工神经网络(ANN)等特征提取方法进行综合比较,认为SVM方法不但能够获得比较高的分类精度,而且在学习速度、自适应能力、特征空间高维不限制、可表达性等方面具有优势。
[13] 王利民, 刘佳, 杨福刚, . 2015.

基于GF-1卫星遥感的冬小麦面积早期识别

[J]. 农业工程学报, 31(11): 194-201.

Magsci      [本文引用: 1]      摘要

GF-1号卫星是中国高分卫星系列首颗卫星,自2013年04月26日发射以来,提供了大量的2 m/8 m/16 m空间分辨率的卫星数据,成为中国农业遥感监测的主要数据源之一。该文以GF-1卫星携带的16 m空间分辨率的宽视场(wide field view,WFV)传感器为主要数据源,采用2013年10月2日、10月17日、11月7日和12月5日4个时相的数据,以多尺度分割后的对象为基本分类单元,采用分层决策树分类的方法对冬小麦面积进行提取,并利用地面样方数据对分类结果进行了精度验证。结果表明,北京市顺义区冬小麦面积7 095 hm2,分类总体精度达到96.7%,制图精度为90.0%,其他未分类类别精度为97.3%,Kappa系数为0.8。研究区内冬小麦的播种时间可以分为10月1-5日早播、10月6-10日中播、10月11-15日中晚播、10月16-20日晚播等4个时间段,不同播期对应着归一化植被指数(normalized difference vegetation index,NDVI)不同的变化规律,是分层的基础,结合波段反射率、波段反射率和、波段反射率比值等参数的变化规律,通过分层可以有效的剔除草坪、桃树等容易同冬小麦混淆的地物类型,GF-1/WFV提供的多时相遥感数据能够可靠的反映冬小麦发育变化的规律,是冬小麦面积准确提取的基础,在农作物面积遥感监测业务运行中具有较大的开发应用潜力。

[Wang L M, Liu J, Yang F G, et al.2015.

Early recognition of winter wheat area based on GF-1 satellite

[J]. Transactions of the Chinese Society of Agricultural Engineering, 31(11): 194-201.]

Magsci      [本文引用: 1]      摘要

GF-1号卫星是中国高分卫星系列首颗卫星,自2013年04月26日发射以来,提供了大量的2 m/8 m/16 m空间分辨率的卫星数据,成为中国农业遥感监测的主要数据源之一。该文以GF-1卫星携带的16 m空间分辨率的宽视场(wide field view,WFV)传感器为主要数据源,采用2013年10月2日、10月17日、11月7日和12月5日4个时相的数据,以多尺度分割后的对象为基本分类单元,采用分层决策树分类的方法对冬小麦面积进行提取,并利用地面样方数据对分类结果进行了精度验证。结果表明,北京市顺义区冬小麦面积7 095 hm2,分类总体精度达到96.7%,制图精度为90.0%,其他未分类类别精度为97.3%,Kappa系数为0.8。研究区内冬小麦的播种时间可以分为10月1-5日早播、10月6-10日中播、10月11-15日中晚播、10月16-20日晚播等4个时间段,不同播期对应着归一化植被指数(normalized difference vegetation index,NDVI)不同的变化规律,是分层的基础,结合波段反射率、波段反射率和、波段反射率比值等参数的变化规律,通过分层可以有效的剔除草坪、桃树等容易同冬小麦混淆的地物类型,GF-1/WFV提供的多时相遥感数据能够可靠的反映冬小麦发育变化的规律,是冬小麦面积准确提取的基础,在农作物面积遥感监测业务运行中具有较大的开发应用潜力。
[14] 翁进, 曾海波, 罗国斌. 2015.

GF-1卫星数据在土地利用变更调查遥感监测中的应用

[J]. 安徽农业科学, 43(16): 358-362, 392.

URL      [本文引用: 1]      摘要

以湖南省衡阳县为研究区域,根据土地利用变更调查遥感监测的相关技术标准和规范,针对新型遥感卫星GF-1的全色、多光谱数据,围绕原始数据的质量和新增建设用地提取等遥感监测的关键技术环节进行评价试验,在运用定性和定量分析方法的基础上,与同级别的国外卫星数据作对比分析,测试GF-1卫星数据在遥感监测业务应用中的适用性。结果表明,GF-1卫星数据光谱信息丰富、地物解译标志清晰,能较好地反映地物信息,地物判读性较好,能够满足土地变更调查与监测的应用需求。

[Weng J, Zeng H B, Luo G B.2015.

The application of GF-1 remote sensing image in the land use change monitoring

[J]. Journal of Anhui Agricultural Sciences, 43(16): 358-362, 392.]

URL      [本文引用: 1]      摘要

以湖南省衡阳县为研究区域,根据土地利用变更调查遥感监测的相关技术标准和规范,针对新型遥感卫星GF-1的全色、多光谱数据,围绕原始数据的质量和新增建设用地提取等遥感监测的关键技术环节进行评价试验,在运用定性和定量分析方法的基础上,与同级别的国外卫星数据作对比分析,测试GF-1卫星数据在遥感监测业务应用中的适用性。结果表明,GF-1卫星数据光谱信息丰富、地物解译标志清晰,能较好地反映地物信息,地物判读性较好,能够满足土地变更调查与监测的应用需求。
[15] 徐涵秋, 唐菲. 2013.

新一代Landsat系列卫星: Landsat 8遥感影像新增特征及其生态环境意义

[J]. 生态学报, 33(11): 3249-3257.

https://doi.org/10.5846/stxb201305030912      Magsci      [本文引用: 1]      摘要

美国Landsat 8卫星的成功发射使一度中断的Landsat对地观测得以继续。Landsat 8除了保持Landsat 7卫星的基本特征外,还在波段的数量、波段的光谱范围和影像的辐射分辨率上进行了改进。基于该卫星的首幅影像,针对这些新的特性进行了分析和研究。研究发现:(1)新增的卷云波段有助于区别点云和高反射地物;(2)卷云波段设计的波长范围位于粘土矿物光谱反射的强吸收带,有利于土壤与建筑不透水面信息的区别; (3)新增的深蓝波段有助于水体悬浮物浓度的监测;(4)全色影像波长范围的收窄有利于该影像上植被和非植被的区别; (5)辐射分辨率的提高可避免极亮/极暗区的灰度过饱和现象,这对反射率极低的水体的细微特征识别有很大帮助。显然,Landsat 8这些新增的优点将会对全球生态环境变化的监测产生积极的作用。

[Xu H Q, Tang F.2013.

Analysis of new characteristics of the first Landsat 8 image and their eco-environmental significance

[J]. Acta Ecologica Sinica, 33(11): 3249-3257.]

https://doi.org/10.5846/stxb201305030912      Magsci      [本文引用: 1]      摘要

美国Landsat 8卫星的成功发射使一度中断的Landsat对地观测得以继续。Landsat 8除了保持Landsat 7卫星的基本特征外,还在波段的数量、波段的光谱范围和影像的辐射分辨率上进行了改进。基于该卫星的首幅影像,针对这些新的特性进行了分析和研究。研究发现:(1)新增的卷云波段有助于区别点云和高反射地物;(2)卷云波段设计的波长范围位于粘土矿物光谱反射的强吸收带,有利于土壤与建筑不透水面信息的区别; (3)新增的深蓝波段有助于水体悬浮物浓度的监测;(4)全色影像波长范围的收窄有利于该影像上植被和非植被的区别; (5)辐射分辨率的提高可避免极亮/极暗区的灰度过饱和现象,这对反射率极低的水体的细微特征识别有很大帮助。显然,Landsat 8这些新增的优点将会对全球生态环境变化的监测产生积极的作用。
[16] 徐涵秋, 张铁军. 2011.

ASTER与Landsat ETM+植被指数的交互比较

[J]. 光谱学与光谱分析, 31(7): 1902-1907.

https://doi.org/10.3964/j.issn.1000-0593(2011)07-1902-06      URL      [本文引用: 1]      摘要

在中尺度对地观测系统中,Landsat和ASTER数据无疑是使用得最多的遥感影像数据, 但是长期以来二者植被指数之间的定量关系并不清楚。因此,利用三对同日过空的Landsat ETM+和ASTER影像来考察二者植被指数(NDVI、SAVI)之间的定量关系,重点查明二者之间的差异。通过将ETM+与ASTER影像的多光谱波 段的灰度值转换成传感器处反射率,并对其进行回归分析来求出二者植被指数之间的定量关系和转换方程。研究发现,尽管ETM+与ASTER的植被指数之间具 有显著的线性正相关关系,但是二者在光谱响应函数上的不同造成ASTER影像的植被指数信号总体上弱于EMT+的植被指数信号。利用所求的转换方程对两种 传感器的植被指数进行互为转换,其转换的精度较高,RMSE都小于0.04。

[Xu H Q, Zhang T J.2011.

Cross comparison of ASTER and Landsat ETM+ multispectral measurements for NDVI and SAVI vegetation indices

[J]. Spectroscopy and Spectral Analysis, 31(7): 1902-1907.]

https://doi.org/10.3964/j.issn.1000-0593(2011)07-1902-06      URL      [本文引用: 1]      摘要

在中尺度对地观测系统中,Landsat和ASTER数据无疑是使用得最多的遥感影像数据, 但是长期以来二者植被指数之间的定量关系并不清楚。因此,利用三对同日过空的Landsat ETM+和ASTER影像来考察二者植被指数(NDVI、SAVI)之间的定量关系,重点查明二者之间的差异。通过将ETM+与ASTER影像的多光谱波 段的灰度值转换成传感器处反射率,并对其进行回归分析来求出二者植被指数之间的定量关系和转换方程。研究发现,尽管ETM+与ASTER的植被指数之间具 有显著的线性正相关关系,但是二者在光谱响应函数上的不同造成ASTER影像的植被指数信号总体上弱于EMT+的植被指数信号。利用所求的转换方程对两种 传感器的植被指数进行互为转换,其转换的精度较高,RMSE都小于0.04。
[17] 许伟, 奚砚涛. 2015.

基于Landsat8遥感影像的合肥市土地利用分类

[J]. 湖北农业科学, 54(15): 3625-3629, 3637.

https://doi.org/10.14088/j.cnki.issn0439-8114.2015.15.011      URL      [本文引用: 1]      摘要

基于Landsat8卫星2013年9月获取的合肥市OLI多光 谱数据,在经过校正以及波段的融合等处理后得到的数据作为研究数据,采用不同分类方法进行分类识别,并且对比不同分类器在遥感影像分类中的效果和分类精 度.根据国家土地利用现状分类的标准和合肥市土地利用的现状,将合肥市的土地主要分为建设用地、交通用地、水体、绿化用地、农业用地、林地等6类,并采用 5种常见监督分类方法和BP神经网络分类法对于本研究数据进行分类,结合实际用地情况对分类结果进行了总结分析,完成总体分类精度和Kappa系数等指标 对各分类器精度的评价,对比了各分类器对各要素的分类精度.

[Xu W, Xi Y T.2015.

Research on land use classification in Hefei based on Landsat8 images

[J]. Hubei Agricultural Sciences, 54(15): 3625-3629, 3637.]

https://doi.org/10.14088/j.cnki.issn0439-8114.2015.15.011      URL      [本文引用: 1]      摘要

基于Landsat8卫星2013年9月获取的合肥市OLI多光 谱数据,在经过校正以及波段的融合等处理后得到的数据作为研究数据,采用不同分类方法进行分类识别,并且对比不同分类器在遥感影像分类中的效果和分类精 度.根据国家土地利用现状分类的标准和合肥市土地利用的现状,将合肥市的土地主要分为建设用地、交通用地、水体、绿化用地、农业用地、林地等6类,并采用 5种常见监督分类方法和BP神经网络分类法对于本研究数据进行分类,结合实际用地情况对分类结果进行了总结分析,完成总体分类精度和Kappa系数等指标 对各分类器精度的评价,对比了各分类器对各要素的分类精度.
[18] 杨莹, 刘元波, 阮仁宗, . 2012.

MODIS土地覆盖分类的尺度不确定性研究

[J]. 遥感学报, 16(4): 868-880.

https://doi.org/10.11834/jrs.20121216      Magsci      [本文引用: 1]      摘要

以空间异质性较强的枯水期鄱阳湖为研究区,以搭载于同一卫星平台、具有同一观测时间和较高空间分辨率的ASTER数据为参照,分析研究了MODIS数据在土地覆盖分类中由空间尺度带来的不确定性。首先基于MODIS三角权重函数,建立了从ASTER到MODIS的尺度转换方法;然后对不同空间分辨率的数据进行土地覆盖分类,并基于误差矩阵和线性模型分析了MODIS土地覆盖分类结果的误差来源。结果表明,空间分辨率和光谱分辨率与成像方式这两类因素对MODIS与ASTER分类结果差异的贡献比例约为(6.6―11.2):2;MODIS像元尺度对研究区水体的分类不确定性影响较低,而对森林的不确定性影响可达63%。由此可见,在基于MODIS数据的土地覆盖分类研究中,空间尺度所产生的不确定性是比较显著的。这些研究结果对于土地覆盖分类及变化检测、尺度效应和景观生态学不确定性研究,有积极的参考意义。

[Yang Y, Liu Y B, Ruan R Z, et al.2012.

Scale-induced uncertainty in MODIS-based land cover classification

[J]. Journal of Remote Sensing, 16(4): 868-880.]

https://doi.org/10.11834/jrs.20121216      Magsci      [本文引用: 1]      摘要

以空间异质性较强的枯水期鄱阳湖为研究区,以搭载于同一卫星平台、具有同一观测时间和较高空间分辨率的ASTER数据为参照,分析研究了MODIS数据在土地覆盖分类中由空间尺度带来的不确定性。首先基于MODIS三角权重函数,建立了从ASTER到MODIS的尺度转换方法;然后对不同空间分辨率的数据进行土地覆盖分类,并基于误差矩阵和线性模型分析了MODIS土地覆盖分类结果的误差来源。结果表明,空间分辨率和光谱分辨率与成像方式这两类因素对MODIS与ASTER分类结果差异的贡献比例约为(6.6―11.2):2;MODIS像元尺度对研究区水体的分类不确定性影响较低,而对森林的不确定性影响可达63%。由此可见,在基于MODIS数据的土地覆盖分类研究中,空间尺度所产生的不确定性是比较显著的。这些研究结果对于土地覆盖分类及变化检测、尺度效应和景观生态学不确定性研究,有积极的参考意义。
[19] 张锦水, 何春阳, 潘耀忠, . 2006.

基于SVM的多源信息复合的高空间分辨率遥感数据分类研究

[J]. 遥感学报, 10(1): 49-57.

https://doi.org/10.11834/jrs.20060108      Magsci      [本文引用: 2]      摘要

遥感图像尤其是高空间分辨率(1―4m)遥感图像在土地利用和土地覆盖变化方面有着广阔的应用前景,传统高空间分辨率遥感图像信息提取方法存在精度和分类效率低的不足。本文提出的基于SVM的分类方法,复合光谱、纹理和结构信息等多源数据信息,对IKONOS高空间分辨率图像进行分类,并与最大似然法和单源数据(光谱)SVM分类结果进行定性和定量比较分析。研究结果表明,多源数据复合的SVM高空间分辨率遥感图像分类方法,能够有效解决单源数据信息图像分类效果破碎的问题;总精度达到68.38%,Kappa达到0.5993;对高维输入向量具有高的推广能力;比单源信息的SVM和最大似然方法图像分类精度更高,适合高空间分辨率遥感图像分类。

[Zhang J S, He C Y, Pan Y Z, et al.2006.

The high spatial resolution RS image classification based on SVM method with the multi-source data

[J]. Journal of Remote Sensing, 10(1): 49-57.]

https://doi.org/10.11834/jrs.20060108      Magsci      [本文引用: 2]      摘要

遥感图像尤其是高空间分辨率(1―4m)遥感图像在土地利用和土地覆盖变化方面有着广阔的应用前景,传统高空间分辨率遥感图像信息提取方法存在精度和分类效率低的不足。本文提出的基于SVM的分类方法,复合光谱、纹理和结构信息等多源数据信息,对IKONOS高空间分辨率图像进行分类,并与最大似然法和单源数据(光谱)SVM分类结果进行定性和定量比较分析。研究结果表明,多源数据复合的SVM高空间分辨率遥感图像分类方法,能够有效解决单源数据信息图像分类效果破碎的问题;总精度达到68.38%,Kappa达到0.5993;对高维输入向量具有高的推广能力;比单源信息的SVM和最大似然方法图像分类精度更高,适合高空间分辨率遥感图像分类。
[20] 张晰, 张杰, 孟俊敏. 2015.

Landsat-8与GF-1卫星渤海海冰探测能力对比研究

[J]. 海洋科学, 39(2): 50-56.

https://doi.org/10.11759/hykx20141011018      Magsci      [本文引用: 2]      摘要

为更有效地利用Landsat-8 和GF-1 卫星进行渤海海冰监测, 从海冰检测和海冰类型识别两方面,开展Landsat-8 与GF-1 卫星的渤海海冰探测能力对比分析研究。实验研究表明, 在海冰检测方面, GF-1区分海冰与海水的能力强于Landsat-8; 在海冰类型识别方面, Landsat-8 识别海冰类型的能力要强于GF-1 影像。初步讨论了综合利用Landsat-8 与GF-1 卫星监测渤海海冰的方案。

[Zhang X, Zhang J, Meng J M.2015.

Comparison of sea ice detection ability of Landsat-8 and GF-1 in the Bohai Sea

[J]. Marine Sciences, 39(2): 50-56.]

https://doi.org/10.11759/hykx20141011018      Magsci      [本文引用: 2]      摘要

为更有效地利用Landsat-8 和GF-1 卫星进行渤海海冰监测, 从海冰检测和海冰类型识别两方面,开展Landsat-8 与GF-1 卫星的渤海海冰探测能力对比分析研究。实验研究表明, 在海冰检测方面, GF-1区分海冰与海水的能力强于Landsat-8; 在海冰类型识别方面, Landsat-8 识别海冰类型的能力要强于GF-1 影像。初步讨论了综合利用Landsat-8 与GF-1 卫星监测渤海海冰的方案。
[21] 张友静, 黄浩, 马雪梅. 2006.

基于KPCA和SAM的城市植被遥感分类研究

[J]. 地理与地理信息科学, 22(3): 35-38.

https://doi.org/10.3969/j.issn.1672-0504.2006.03.008      URL      [本文引用: 1]      摘要

研究高分辨率遥感城市绿地信息自动提取技术是城市遥感技术应用亟 待解决的问题之一.城市绿地分布破碎,林种多样,林相不齐,具有极强的非线性特征.核主成分分析(KPCA)可以表达图像像素间的高阶关系,因而可以提取 图像的非线性特征,同时提供一组相互独立的主成分.通过实验分析核函数的参数,比较变换前后的平均可分性,进行波段选择.将KPCA与SAM分类方法结 合,构建基于KPCA的SAM 城市植被分类方案.实验结果表明,该方案比传统的分类方法精度高.城市6种绿地类型的分类总精度为80.6%;合并为草地、园地与林地绿地类型时分类总精 度达91.7%,可以满足城市植被分类与生态评价的需求.

[Zhang Y J, Huang H, Ma X M.2006.

Research on classification for City's vegetation type based on KPCA and SAM

[J]. Geography and Geo-Information Science, 22(3): 35-38.]

https://doi.org/10.3969/j.issn.1672-0504.2006.03.008      URL      [本文引用: 1]      摘要

研究高分辨率遥感城市绿地信息自动提取技术是城市遥感技术应用亟 待解决的问题之一.城市绿地分布破碎,林种多样,林相不齐,具有极强的非线性特征.核主成分分析(KPCA)可以表达图像像素间的高阶关系,因而可以提取 图像的非线性特征,同时提供一组相互独立的主成分.通过实验分析核函数的参数,比较变换前后的平均可分性,进行波段选择.将KPCA与SAM分类方法结 合,构建基于KPCA的SAM 城市植被分类方案.实验结果表明,该方案比传统的分类方法精度高.城市6种绿地类型的分类总精度为80.6%;合并为草地、园地与林地绿地类型时分类总精 度达91.7%,可以满足城市植被分类与生态评价的需求.
[22] 左玉珊, 王卫, 郝彦莉, . 2014.

基于MODIS影像的土地覆被分类研究: 以京津冀地区为例

[J]. 地理科学进展, 33(11): 1556-1565.

https://doi.org/10.11820/dlkxjz.2014.11.012      Magsci      [本文引用: 1]      摘要

在全球变化研究中,如何快速、准确获取土地覆被信息对该项研究有着至关重要的作用.随着遥感科学的不断发展和应用领域的深入,研究者可以利用遥感影像进行土地覆被分类研究,并且具有准确、快速、自动化等优点.本文利用MODIS数据具有的多光谱、多时相特点,以京津冀地区为例,选取2013 年全年16-day 的MOD13Q1/EVI时间序列数据、2013 年5 月份一期的MOD09Q1(1、2 波段)和MOD09A1(3-7 波段)产品,并运用时间序列谐波分析法对全年MOD13Q1/EVI 时间序列数据进行去云、去噪的平滑重建处理,使其数据更能反映物候周期性变化规律.选择谐波分析后的全年MOD13Q1/EVI 时间序列数据、MODIS数据的1-7 波段地表反射率和NDWI(归一化差异水体指数)、MNDWI(改进归一化差异水体指数)和NDSI(土壤亮度指数),构建了3 种特征变量组合方案的CART决策树,分别进行京津冀地区的土地覆被分类研究.结果表明:方案一(全年EVI 的23 个时相)、方案二(方案一+MOD09 的1-7 波段地表反射率)和方案三(方案二+MNDWI+NDSI+NDWI)的总体分类精度分别达到86.70%、89.98%、91.34%,<i>Kappa</i>系数分别为84.94%、88.66%、90.20%.研究表明,仅利用MODIS遥感影像自身多种分类特征和决策树方法对宏观土地覆被分类就可达到较高精度,显示了本文分类方法在实践中的可行性及MODIS数据在区域尺度土地覆被分类研究方面的优势与潜力.

[Zuo Y S, Wang W, Hao Y L, et al.2014.

Land cover classification based on MODIS images: Taking the Beijing-Tianjin-Hebei region as an example

[J]. Progress in Geography, 33(11): 1556-1565.]

https://doi.org/10.11820/dlkxjz.2014.11.012      Magsci      [本文引用: 1]      摘要

在全球变化研究中,如何快速、准确获取土地覆被信息对该项研究有着至关重要的作用.随着遥感科学的不断发展和应用领域的深入,研究者可以利用遥感影像进行土地覆被分类研究,并且具有准确、快速、自动化等优点.本文利用MODIS数据具有的多光谱、多时相特点,以京津冀地区为例,选取2013 年全年16-day 的MOD13Q1/EVI时间序列数据、2013 年5 月份一期的MOD09Q1(1、2 波段)和MOD09A1(3-7 波段)产品,并运用时间序列谐波分析法对全年MOD13Q1/EVI 时间序列数据进行去云、去噪的平滑重建处理,使其数据更能反映物候周期性变化规律.选择谐波分析后的全年MOD13Q1/EVI 时间序列数据、MODIS数据的1-7 波段地表反射率和NDWI(归一化差异水体指数)、MNDWI(改进归一化差异水体指数)和NDSI(土壤亮度指数),构建了3 种特征变量组合方案的CART决策树,分别进行京津冀地区的土地覆被分类研究.结果表明:方案一(全年EVI 的23 个时相)、方案二(方案一+MOD09 的1-7 波段地表反射率)和方案三(方案二+MNDWI+NDSI+NDWI)的总体分类精度分别达到86.70%、89.98%、91.34%,<i>Kappa</i>系数分别为84.94%、88.66%、90.20%.研究表明,仅利用MODIS遥感影像自身多种分类特征和决策树方法对宏观土地覆被分类就可达到较高精度,显示了本文分类方法在实践中的可行性及MODIS数据在区域尺度土地覆被分类研究方面的优势与潜力.
[23] Hao P Y, Wang L, Niu Z, et al.2014.

The potential of time series merged from Landsat-5 TM and HJ-1 CCD for crop classification: a case study for bole and manas counties in Xinjiang, China

[J]. Remote Sensing, 6(8): 7610-7631.

https://doi.org/10.3390/rs6087610      URL      [本文引用: 1]      摘要

Time series data capture crop growth dynamics and are some of the most effective data sources for crop mapping. However, a drawback of precise crop classification at medium resolution (30 m) using multi-temporal data is that some images at crucial time periods are absent from a single sensor. In this research, a medium-resolution, 15-day time series was obtained by merging Landsat-5 TM and HJ-1 CCD data (with similar radiometric performances in multi-spectral bands). Subsequently, optimal temporal windows for accurate crop mapping were evaluated using an extension of the Jeffries鈥揗atusita (JM) distance from the merged time series. A support vector machine (SVM) was then used to compare the classification accuracy of the optimal temporal windows and the entire time series. In addition, different training sample sizes (10% to 90% of the entire training sample in 10% increments; five repetitions for each sample size) were used to investigate the stability of optimal temporal windows. The results showed that time series in optimal temporal windows can achieve high classification accuracies. The optimal temporal windows were robust when the training sample size was sufficiently large. However, they were not stable when the sample size was too small (i.e., less than 300) and may shift in different agro-ecosystems, because of different classes. In addition, merged time series had higher temporal resolution and were more likely to comprise the optimal temporal periods than time series from single-sensor data. Therefore, the use of merged time series increased the possibility of precise crop classification.
[24] Zhong B, Zhang Y H, Du T T, et al.2014.

Cross-calibration of HJ-1/CCD over a desert site using Landsat ETM+ imagery and ASTER GDEM product

[J]. IEEE Transactions on Geoscience and Remote Sensing, 52(11): 7247-7263.

https://doi.org/10.1109/TGRS.2014.2310233      URL      [本文引用: 1]      摘要

The charge-coupled device (CCD) is visible to near-infrared imaging sensors onboard the Chinese Huan Jing 1 satellites. Like many sensors, the CCD lack onboard calibration capabilities, so alternative methods are required, e.g., cross-calibration. The wide field of view of the CCD sensors provides challenges for cross-calibration with narrow field of view sensors. We developed a technique to take advantage of a site with a uniform surface material and a natural topographic variation. Due to the topography, near-nadir Landsat Enhanced Thematic Mapper (TM) Plus (ETM+) observations actually see the material at a wide range of illumination and viewing angles. These observations and Advanced Spaceborne Thermal Emission and Reflection Radiometer global digital elevation model data were used to develop a model of this site's bidirectional reflectance distribution function that covered most of the illumination and view angle range of the CCD data. We validated this model by comparing the simulations to actual ETM + and TM surface reflectances. The validated model was then used to calibrate the CCD instruments. The results were consistent to within 5 % of field intensive vicarious calibration data.

/