高分辨率遥感影像下沿海地区地表覆盖信息的提取

doi:10.13474/j.cnki.11-2246.2017.0041

测绘通报 ›› 2017, Vol. 0 ›› Issue (2): 19-24.doi: 10.13474/j.cnki.11-2246.2017.0041

高分辨率遥感影像下沿海地区地表覆盖信息的提取

周星宇¹, 张继贤², 高绵新³, 桑会勇², 翟亮²

1. 辽宁工程技术大学, 辽宁阜新 123000;
2. 中国测绘科学研究院, 北京 100830;
3. 广东省国土资源测绘院, 广东广州 510500

收稿日期:2016-08-29 修回日期:2016-11-25 出版日期:2017-02-25 发布日期:2017-03-01
通讯作者: 翟亮。E-mail:zhailiang@casm.ac.cn E-mail:zhailiang@casm.ac.cn
作者简介:周星宇(1991-),女,硕士,研究方向为地理国情监测、土地利用变化。E-mail:xiaoyu961026631@163.com
基金资助:
专题性地理国情监测（B1605）；国家测绘地理信息局青年学术和技术带头人科研计划（E1604）；中国测绘科学研究院基本科研业务费（7771622）；京津冀地区基础国情综合分析（E1610）

Land Cover Information Extraction Based on High-Resolution Remote Sensing Image in Coastal Areas

ZHOU Xingyu¹, ZHANG Jixian², GAO Mianxin³, SANG Huiyong², ZHAI Liang²

1. Liaoning Technical University, Fuxin 123000, China;
2. Chinese Academy of Surveying and Mapping, Beijing 100830, China;
3. Survey and Mapping Institute Lands and Resource Department of Guangdong Province, Guangzhou 510500, China

Received:2016-08-29 Revised:2016-11-25 Online:2017-02-25 Published:2017-03-01

摘要/Abstract

摘要：

沿海地区地表覆盖信息是全国地理国情普查的重要内容，遥感影像分类技术为沿海地区地表覆盖信息提供了一种重要方法。本文基于GF-1高分辨率遥感影像，建立了沿海地区地表覆盖分类系统，采用中国测绘科学研究院自主研发的面向对象GLC决策树分类方法和软件进行了地表覆盖分类。通过对某试验区进行分类试验，并结合该区地表覆盖标准分类图进行精度评价，验证了基于高分辨率影像，面向对象GLC决策树分类方法在沿海地区地表覆盖信息提取上的有效性及优越性，其总体分类精度和Kappa系数分别为87.201 8%、0.840 6，均高于SVM分类法。最后提出基于高分辨率遥感影像的沿海地区地表覆盖信息提取流程。

关键词: 沿海地区地表覆盖, 面向对象, GLC树, GF-1, SVM分类法, 提取流程

Abstract:

Remote sensing image classification provides an important method for the extraction of land cover information in coastal areas which is essential part of the national general survey of geographic conditions. This paper establishes the land cover classification system in coastal areas and then utilizes the classification method based on object-oriented GLC decision tree developed by Chinese Academy of Surveying and Mapping to extract the land cover information in coastal areas on the bases of a GF-1 high-resolution remote sensing image. This paper conducts classification experiment by choosing an area and compares the results with the reference classification image which verifies the validity and superiority of the proposed method. Its overall accuracy and Kappa coefficient are 87.201 8%,0.840 6 separately which are both higher than SVM. At the end of this thesis, the extraction process flow of land cover information in coastal areas based on the high-resolution remote sensing image is summarized.

Key words: land cover in coastal areas, object-oriented, GLC decision tree, GF-1, SVM, extraction process flow

中图分类号:

P237

周星宇, 张继贤, 高绵新, 桑会勇, 翟亮. 高分辨率遥感影像下沿海地区地表覆盖信息的提取[J]. 测绘通报, 2017, 0(2): 19-24.

ZHOU Xingyu, ZHANG Jixian, GAO Mianxin, SANG Huiyong, ZHAI Liang. Land Cover Information Extraction Based on High-Resolution Remote Sensing Image in Coastal Areas[J]. 测绘通报, 2017, 0(2): 19-24.

参考文献

[1] 程滔,周旭,刘若梅.面向地理国情监测的地表覆盖信息提取方法[J].测绘通报,2013(8):84-86.
[2] 王常颖. 基于数据挖掘的遥感影像海岸带地物分类方法研究[D].青岛:中国海洋大学,2009.
[3] 郭健,张继贤,张永红,等.多时相MODIS影像土地覆盖分类比较研究[J].测绘学报,2009,38(1):88-92.
[4] 王知鸷. 基于纹理及光谱信息融合的遥感图像分类方法研究[D].西安:西安电子科技大学,2010.
[5] JENSEN J R. Introductory Digital Image Processing:A Remote Sensing Perspective[M]. Upper Saddle River:Prentice Hall PTR, 1986.
[6] 曹莹,苗启广,刘家辰,等. AdaBoost算法研究进展与展望[J]. 自动化学报,2013,39(6):745-758.
[7] 常虹,詹福雷,杨国东,等.面向对象的高分遥感影像信息提取技术研究[J].测绘通报,2015(1):99-101.
[8] ZHAI L, SANG H Y, GAO Y, et al. A New Approach for Mapping Regional Land Cover and the Application of This Approach in Australia[J]. Remote Sensing Letters, 2015, 6(4):267-275.
[9] 翟亮,张晓贺,桑会勇,等. 面向地理国情普查的地表覆盖分类技术与试验[J]. 遥感信息,2014(4):71-75.
[10] 曾波,赵展.地理国情普查中高分辨率遥感影像自动分类技术研究[J]. 测绘通报,2015(1):95-98.
[11] 白秀莲,巴雅尔,哈斯其其格. 基于C5.0的遥感影像决策树分类实验研究[J]. 遥感技术与应用,2014, 29(2):338-343.
[12] FREUND Y, SCHAPIRE R. A Decision-Theoretic Generalization of On-line Learning and an Application to Boosting[J]. Journal of Computerand System Sciences, 1997, 55(1):119-139.
[13] 龚健雅,姚璜,沈欣. 利用AdaBoost算法进行高分辨率遥感影像的面向对象分类[J]. 武汉大学学报(信息科学版),2010,35(12):1440-1443.
[14] 刘旭拢,何春阳,潘耀忠,等. 遥感图像分类精度的点、群样本检验与评估[J]. 遥感学报,2006,10(3):366-372.
[15] CONGALTON R G, GREEN K. Assessing the Accuracy of Remotely Sensed Data:Principles and Practices[M]. Second Edition. London:Chemical Rubber Company Press Taylor &Francis Group, 2009.

高分辨率遥感影像下沿海地区地表覆盖信息的提取

Land Cover Information Extraction Based on High-Resolution Remote Sensing Image in Coastal Areas

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	董迪, 魏征, 曾纪胜. 1995—2019年北莉岛人工水产养殖遥感监测[J]. 测绘通报, 2022, 0(7): 1-6.
[2]	罗鸿, 廖雨, 杨存建. 基于高分影像的乡村聚落提取与空间重构[J]. 测绘通报, 2022, 0(6): 62-65,92.
[3]	丁永辉, 张勤, 杨成生, 王猛, 丁辉. 基于高分遥感的金沙江流域滑坡识别——以巴塘县王大龙村为例[J]. 测绘通报, 2022, 0(4): 51-55.
[4]	高雨, 胡召玲, 樊茹. 高分辨率影像融合算法对滨海湿地土地利用分类精度的影响[J]. 测绘通报, 2022, 0(1): 116-120.
[5]	陈磊士, 高霞霞, 廖玉芳, 邓剑波, 周碧. 基于CART决策树的高分二号洞庭湖区湿地分类方法[J]. 测绘通报, 2021, 0(6): 12-15.
[6]	聂倩, 七珂珂, 赵艳福. 融入超像素分割的高分辨率影像面向对象分类[J]. 测绘通报, 2021, 0(6): 44-49.
[7]	侯翘楚, 李必军, 蔡毅. 高分辨率遥感影像的车道级高精地图要素提取[J]. 测绘通报, 2021, 0(3): 38-43.
[8]	李悦, 张敏. 面向对象的高分辨率遥感影像建设用地变化监测[J]. 测绘通报, 2021, 0(2): 54-58.
[9]	符宝玲, 琚锋, 赵伟忠, 许星. 利用Landsat 7与GF-1 WFV影像反演地表温度[J]. 测绘通报, 2021, 0(11): 124-127,135.
[10]	陈根良, 董胜光. 面向地理国情监测的房屋建筑区树冠覆盖多特征协同提取[J]. 测绘通报, 2021, 0(10): 73-77.
[11]	贾玉娜, 张文超, 康会涛, 白洋, 鲍检平. 2016—2019年雄安新区土地覆盖变化研究[J]. 测绘通报, 2020, 0(9): 76-79.
[12]	张宏涛, 黄宏胜, 魏康宁, 钟海燕. 基于面向对象与规则的Sentinel-2A影像土地覆被分类——以江西省都昌县为例[J]. 测绘通报, 2020, 0(6): 111-117.
[13]	薛源, 李丹, 吴保生, 傅旭东. 利用国产GF-1卫星数据实现山区细小河流河宽的自动提取[J]. 测绘通报, 2020, 0(3): 12-16.
[14]	耿仁方, 付波霖, 金双根, 蔡江涛, 耿万轩, 娄佩卿. 面向对象的无人机遥感影像岩溶湿地植被遥感识别[J]. 测绘通报, 2020, 0(11): 13-18.
[15]	杨智翔, 贾东振, 周航宇, 胡有能, 黎广. 面向对象的库区高分一号影像土地利用信息提取[J]. 测绘通报, 2020, 0(1): 35-39.