基于高分辨率遥感影像的青海湖沙柳河流域土地覆盖监督分类方法对比

成淑艳; 曹生奎; 曹广超; 韩建平; 汉光昭; 吴方涛

doi:10.13961/j.cnki.stbctb.2018.05.042

您当前的位置：

首页 >

文章列表页 >

基于高分辨率遥感影像的青海湖沙柳河流域土地覆盖监督分类方法对比

试验研究

- 基于高分辨率遥感影像的青海湖沙柳河流域土地覆盖监督分类方法对比
- Comparisons of Supervised Classification Methods for Land Cover Based on High Spatial Resolution Remote Sensing Images in Shaliu River Basin of Qinghai Lake
- 水土保持通报 2018年38卷第5期页码：261-268
- 作者机构：
  
  1. 青海师范大学地理科学学院,青海,西宁,810008
  2. 青海师范大学青海省自然地理与环境过程重点实验室,青海,西宁,810008
  3. 青海省第二测绘院,青海,西宁,810008
- 作者简介：
- 基金信息：
  
  青海省“高端创新人才千人计划”（青人才字[2016]11号）;青海省“135高层次人才培养工程”;高分专项青海高分遥感数据产业化应用项目（94-Y40G14-9001-15/18）;青海省重点实验室发展专项资助
- DOI：10.13961/j.cnki.stbctb.2018.05.042
  中图分类号： P23
- 纸质出版：2018
- 稿件说明：
移动端阅览
成淑艳, 曹生奎, 曹广超, 等. 基于高分辨率遥感影像的青海湖沙柳河流域土地覆盖监督分类方法对比[J]. 水土保持通报, 2018,38(5):261-268.

CHENG Shuyan, CAO Shengkui, CAO Guangchao, et al. Comparisons of Supervised Classification Methods for Land Cover Based on High Spatial Resolution Remote Sensing Images in Shaliu River Basin of Qinghai Lake[J]. Bulletin of Soiland Water Conservation, 2018, 38(5): 261-268.
成淑艳, 曹生奎, 曹广超, 等. 基于高分辨率遥感影像的青海湖沙柳河流域土地覆盖监督分类方法对比[J]. 水土保持通报, 2018,38(5):261-268. DOI： 10.13961/j.cnki.stbctb.2018.05.042.

CHENG Shuyan, CAO Shengkui, CAO Guangchao, et al. Comparisons of Supervised Classification Methods for Land Cover Based on High Spatial Resolution Remote Sensing Images in Shaliu River Basin of Qinghai Lake[J]. Bulletin of Soiland Water Conservation, 2018, 38(5): 261-268. DOI： 10.13961/j.cnki.stbctb.2018.05.042.

摘要

[目的]研究高寒河源区土地覆盖的精准分类方法，为地物分类提供参考，分类结果可为青海湖流域土地资源与生态环境监管提供数据支撑。[方法]运用高分辨率遥感影像，通过6种监督分类器（平行六面体、最小距离、马氏距离、最大似然、神经网络和支持向量机）对青海湖沙柳河流域的土地覆盖进行分类，最后通过最佳提取方法统计得出青海湖沙柳河流域土地覆被概况。[结果]支持向量机、神经网络和最大似然的分类精度较高，其总体分类精度均大于96%，Kappa系数均大于0.95，平行六面体的分类精度最低，误差较大。综合各种分类精度及分类图像局部细节，支持向量机分类效果最佳。通过解译可知沙柳河流域土地覆被以草地为主，占流域总面积的71.09%，裸地和湿地分别占流域总面积的16.26%和10.24%，水体、农田和建筑用地面积较小，共占流域总面积的2.41%。[结论]运用高分辨率遥感影像，通过支持向量机分类器可实现对青海湖沙柳河流域土地覆被的良好分类。整个流域植被覆盖度高，生态环境良好。

Abstract

[Objective] To study the precise classification method of land cover in the alpine river-source area in order to provide references for future land classification and provide data support for land resources and ecological environment supervision in the Qinghai Lake basin.[Methods] High spatial resolution remote sensing images were used to derive the land cover information through six different kinds of supervised classifiers (parallel hexahedron

minimum distance

Mahalanobis distance

maximum likelihood

neural network and support vector machine). And the land cover status of the Shaliu river basin in Qinghai Lake was statistically obtained through the best extraction method.[Results] The classification accuracy of support vector machine

neural network and maximum likelihood was high

the overall classification accuracy was greater than 96%

and Kappa coefficient was greater than 0.95. The classification accuracy of the parallel hexahedron was the lowest

and the error was largest. Support vector machine showed the best classification effect by combining all kinds of classification accuracy and classification image local details. Through interpretation

it showed that the land cover of the Shaliu river basin was dominated by grassland

and accounted for 71.09% of the total area of the basin. Bare land and wetlands accounted for 16.26% and 10.24% of the total area of the basin

respectively. Water

farmland

and construction land was small

accounted for 2.41% of the total basin area.[Conclusion] By using high spatial resolution remote sensing images

a good classification of land cover in Shaliu river basin of Qinghai Lake was achieved by support vector machine classifier. The whole basin has a high vegetation coverage and good ecological environment.

关键词

Keywords

references

Townshend J R, Masek J G, Huang C Q, et al. Global characterization and monitoring of forest cover using Landsat data:opportunities and challenges[J]. International Journal of Digital Earth, 2012,5(5):373-397.

杨朝斌,张树文,卜坤,等.高分辨率遥感影像在城市LUCC中的应用[J].中国科学院大学学报,2016,33(3):289-297.

郑晓,王乃昂,李卓仑,等.1990-2005年疏勒河流域土地利用/覆盖变化分析[J].中国沙漠,2010,30(4):857-861.

祁威.羌塘高原自然地理特征与寒旱核心区范围探讨[D].北京:中国科学院,2015.

张涛,曹广超,曹生奎,等.2000-2012年青海湖流域NPP时空分布特征[J].中国沙漠,2015,35(4):1072-1080.

常华进,曹广超,陈克龙,等.青海湖流域沙柳河下游沉积物中重金属污染风险评价[J].地理科学,2017,37(2):259-265.

李成秀,李小雁,杨太保,等.青海湖流域沙柳河草甸群落结构与数量特征[J].干旱区研究,2013,30(6):1028-1035.

廖杰,王涛,薛娴.近55a来黑河流域绿洲演变特征的初步研究[J].中国沙漠,2012,32(5):1426-1441.

邓书斌,陈秋锦,杜会建,等.ENVI遥感图像处理方法[M].北京:高等教育出版社,2014.

杨文波.遥感数据在拒马河自然保护区科学考察中的应用研究[D].上海:上海水产大学,2005.

孙坤,鲁铁定.监督分类方法在遥感影像分类处理中的比较[J].江西科学,2017,35(3):367-371.

张杰,敖子强,吴永明,等.鄱阳湖滨湖区多季相Landsat 8 OLI数据遴选及其土地利用/覆被遥感分类提取[J].江西科学,2017,35(1):79-85.

颜长珍,王一谋,冯毓荪,等.在全数字方式下对宁夏草地覆盖的遥感宏观研究[J].中国沙漠,2000,20(3):298-300.

王金华,李森,李辉霞,等.石漠化土地分级指征及其遥感影像特征分析:以粤北岩溶山区为例[J].中国沙漠,2007,27(5):765-770.

曾群,殷宝库,蔡明祥,等.多时相土地利用/覆盖遥感数据处理及其精度评定[J].华中师范大学学报:自然科学版,2009,43(2):314-318.

宋军伟,张友静,李鑫川,等.基于GF-1与Landsat-8影像的土地覆盖分类比较[J].地理科学进展,2016,35(2):255-263.

吴黎,张有智,解文欢,等.基于TM的混合分解模型提取水稻种植面积研究[J].农机化研究,2013,35(2):44-47.

王延飞,温小荣,周蔚.湿地覆被的几种遥感监督分类方法比较:以江苏盐城湿地珍禽国家级自然保护区核心区为例[J].林业科技通讯,2012(2):62-64.

Cohen J. A coefficient of agreement for nominal scales[J]. Educational and Psychological Measurement, 1960,20(1):37-46.

Cohen J. Weighted Kappa:Nominal scale agreement with provision for scaled disagreement or partial credit[J]. Psychological Bulletin, 1968,70(4):213-220.

Cicchetti D V, Feinstein A R. High agreement but low Kappa(Ⅱ):Resolving the paradoxes[J]. Journal of Clinical Epidemiology, 1990,43(6):551-558.

Feinstein A R, Cicchetti D V. High agreement but low Kappa(I):The problems of two paradoxes[J]. Journal of Clinical Epidemiology, 1990,43(6):543-549.

梁继,王建,王建华.基于光谱角分类器遥感影像的自动分类和精度分析研究[J].遥感技术与应用,2002,17(6):299-304.

夏文韬,王莺,冯琦胜,等.甘南地区MODIS土地覆盖产品精度评价[J].草业科学,2010,27(9):11-18.

韦玉春,汤国安,杨昕,等.遥感数字图像处理教程[M].北京:科学出版社,2007.

刘静."高分"遥感图像的植被分类与识别研究[D].石家庄:河北科技大学,2016.

贾建峰.ENVI遥感图像监督分类方法比较[J].西部资源,2014(6):133-136.

邓乃扬.支持向量机[M].北京:科学出版社,2009.

闫琰,董秀兰,李燕.基于ENVI的遥感图像监督分类方法比较研究[J].北京测绘,2011(3):14-16.

孙小飞,刘智,范敏,等.青藏高原深切割区GF-1土地利用分类精度研究[J].地理空间信息,2017,15(10):13-15.

李国清.南方山地丘陵森林主要树种遥感信息提取研究[D].福州:福建农林大学,2009.

陈超,江涛,岳远平.监督分类和目视修改相结合在高分辨率遥感影像中的应用[J].国土资源信息化,2009(5):37-41.

冯琦胜,尚占环,梁天刚,等.甘肃省玛曲县沼泽湿地遥感监测与动态变化分析[J].湿地科学,2008,6(3):379-385.

潘倩,杨武年,邵怀勇.川西高原土地利用/土地覆盖分类方法[J].地理空间信息,2009,7(4):82-84.

常布辉,王军涛,罗玉丽,等.河套灌区沈乌灌域GF-1/WFV遥感耕地提取[J].农业工程学报,2017,33(23):188-195.

浏览量

1042

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于RS和GIS的小型城市土地利用动态分析--以杨凌示范区为例

铜川市土地利用/土地覆被动态变化研究

基于景观连通性优化的坝上地区张家口段生态安全格局构建

不同空间尺度耕地埂坎提取方法及其分布特征

中国典型河口三角洲生态系统服务价值的时空异质性