多源遥感技术在土地利用分类中的应用

doi:10.13474/j.cnki.11-2246.2018.0245

测绘通报 ›› 2018, Vol. 0 ›› Issue (8): 56-61.doi: 10.13474/j.cnki.11-2246.2018.0245

多源遥感技术在土地利用分类中的应用

马腾¹, 刘全明¹, 孙红²

1. 内蒙古农业大学水利与土木建筑工程学院, 内蒙古呼和浩特 010018;
2. 内蒙古自治区城镇供排水监测中心, 内蒙古呼和浩特 010018

收稿日期:2017-10-24 修回日期:2018-05-15 出版日期:2018-08-25 发布日期:2018-08-30
作者简介:马腾(1982-),男,硕士,讲师,主要研究方向为农业、生态环境遥感。E-mail:mt19822005@163.com
基金资助:
国家自然科学基金（51569018）

Application of Multi-source Remote Sensing Technology in Land Use Classification

MA Teng¹, LIU Quanming¹, SUN Hong²

1. College of Water Conservancy and Civil Engineering, Inner Mongolia Agricultural University, Huhhot 010018, China;
2. Inner Mongolia Autonomous Region Water Supply and Drainage Monitoring Center of Towns, Huhhot 010018, China

Received:2017-10-24 Revised:2018-05-15 Online:2018-08-25 Published:2018-08-30

摘要/Abstract

摘要： 为有效提高土地利用分类精度，研究多源遥感数据的分类方法，提出了利用多源遥感技术进行土地利用分类。对居民地、耕地、林地、水体、未利用土地等土地利用类型的光谱特征及微波散射特征进行了分析，将高分一号多光谱数据与RADARSAT-2数据相结合，利用决策树分类器实现了土地利用类型的划分，其总体分类精度达到96.6%。与高分一号数据最大似然分类及RADARSAT-2数据的Freeman-Durden三分量最大似然分类进行了精度比较，结果表明，多源遥感技术可实现数据的特征互补，其分类精度优于仅采用多光谱数据或微波数据的分类精度。

关键词: 微波遥感, 表面散射, 体散射, 二次散射, 多光谱遥感, 分类精度

Abstract: In order to improve the accuracy of land use classification and study multi-source remote sensing classification technology,the article analyzes the spectral characteristics and microwave characteristics of land use type such as residential area,arable land,forest,water and unused land.The multi-spectral data GF1 combine with microwave data RADARSAT-2,and the decision tree classifier is used for classifying land use type.The overall classification accuracy of multi-source classification method is 96.6%.The article compares the classification accuracies of the Freeman-Durden three-component method and the multi-spectral method combined maximum likelihood classifier with multi-source method.The results show the multi-source method can achieve complementary of features,and its accuracy is better than multi-spectral method or microwave method.

Key words: microwave remote sensing, surface scattering, volume scattering, secondary scattering, multi-spectral remote sensing, classification accuracy

中图分类号:

P237

马腾, 刘全明, 孙红. 多源遥感技术在土地利用分类中的应用[J]. 测绘通报, 2018, 0(8): 56-61.

MA Teng, LIU Quanming, SUN Hong. Application of Multi-source Remote Sensing Technology in Land Use Classification[J]. 测绘通报, 2018, 0(8): 56-61.

参考文献

[1] 赵少华,张峰,李自杰,等.雷达遥感在环境保护工作中的应用[J].微波学报,2014,30(1):90-96.
[2] 邓云凯,赵凤军,王宇.星载SAR技术的发展趋势及应用浅析[J].雷达学报,2012,1(1):1-10.
[3] 何慧娟,史学丽.1990-2010年中国土地覆盖时空变化特征[J].地球信息科学学报,2015,17(11):1323-1332.
[4] 施建成,杜阳,杜今阳,等.微波遥感地表参数反演进展[J].中国科学:地球科学,2012,42(6):814-842.
[5] 庞治国,蔡静雅.遥感影像发展趋势及其在农业中的应用[J].测绘通报,2017(7):45-48.
[6] 何宗友,区永洪. 地理国情普查中的遥感影像融合算法分析[J].测绘通报,2016(6):79-81.
[7] 林栋,秦志远,杨婧玮,等.高分辨率遥感影像多特征协同地物分类方法[J].测绘科学技术学报,2014,31(2):167-172.
[8] 于文婧,刘晓娜,孙丹峰,等.基于HJ-CCD数据和决策树算法的干旱半干旱灌区土地利用分类[J].农业工程学报,2016,32(2):212-219.
[9] 马腾,王耀强,李瑞平,等.基于微波遥感极化目标分解的土地覆盖/土地利用分类[J].农业工程学报,2015,31(2):259-265.
[10] 张微,林健,陈玲,等.基于极化分解的极化SAR数据地质信息提取方法研究[J].遥感信息,2014,29(1):10-14.
[11] CAMERON W L,YOUSSEF N N,LEUNG L K.Simulated Polarimetric Signatures of Primitive Geometrical Shapes[J].IEEE Transaction on Geoscience Remote sensing,1996,34(3):793-803.
[12] CAMERON W L,RAIS H.Conservative Polarimetric Scatters and Their Role in Incorrect Extensions of the Cameron Decomposition[J].IEEE Transaction on Geoscience Remote Sensing,2006,44(12):3506-3516.
[13] TOUZI R,CHARBONNEAU F.Characterization of Target Symmetric Scattering Using Polarimetric SARs[J].IEEE Transaction on Geoscience Remote Sensing,2002,40(11):2507-2516.
[14] KROGAGER E.A New Decomposition of the Radar Target Scattering Matrix[J].Electronics Letter,1990,26(18):1525-1526.
[15] CLOUDE S R,POTTIER E.Matrix Difference Operators as Classifiers in Polarimetric Radar Imaging[J].Journal L'Onde Electrique,1994,74(3):34-40.
[16] CLOUDE S R,POTTIER E.The Concept of Polarization Entropy in Optical Scattering[J].Optical Engineering,1995,34(6):1599-1610.
[17] CLOUDE S R,POTTIER E.A Review of Target Decomposition Theorems in Radar Polarimetry[J].IEEE Transaction on Geoscience and Remote Sensing,1996,34(2):498-518.
[18] VAN ZYL J J.Application of Cloude's Target Decomposition Theorem to Polarimetric Imaging Radar Data[C]//Proceedings SPIE Conference on Radar Polarimetry.San Diego:[s.n.],1992:184-212.
[19] FREEMAN A,DURDEN S L.A Three-component Scattering Model for Polarimetric SAR Data[J].IEEE Transaction on Geoscience and Remote Sensing,1998,36(3):963-973.

多源遥感技术在土地利用分类中的应用

Application of Multi-source Remote Sensing Technology in Land Use Classification

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价

[1]	孔瑞瑶, 谢涛, 马明, 孔瑞林. CatBoost模型在水深反演中的应用[J]. 测绘通报, 2022, 0(7): 33-37.
[2]	王腾军, 方珂, 杨耘, 张祥东. 随机森林回归模型用于土壤重金属含量多光谱遥感反演[J]. 测绘通报, 2021, 0(11): 92-95.
[3]	章晓洁, 邓艳芬, 张亚超, 蒋芸芸, 邱桔斐. 利用Sentinel-2A多光谱成像仪与Landsat 8陆地成像仪影像进行普陀山岛植被分类效果比较[J]. 测绘通报, 2019, 0(10): 97-100.
[4]	李杰, 李玉, 王玉, 赵泉华. 结合最大似然算法和波利亚罐模型的全色遥感图像分类[J]. 测绘通报, 2018, 0(4): 36-43,49.
[5]	王利花, 路鹏. “微波遥感”课程教学改革探索与实践[J]. 测绘通报, 2018, 0(10): 140-143,151.
[6]	王志勇. 开源软件辅助下“微波遥感”实践教学改革与探索[J]. 测绘通报, 2017, 0(3): 137-140.
[7]	王志勇, 于胜文. 网络环境下的“微课堂”实验教学改革[J]. 测绘通报, 2016, 0(2): 140-142.
[8]	高小六, 刘善军, 吴立新, 双建丽. 测量方位与土壤对玉米微波辐射特性的影响分析[J]. 测绘通报, 2016, 0(1): 33-36.
[9]	高小六张慧慧. 粗糙度对被动微波遥感反演土壤水分影响的实验研究[J]. 测绘通报, 2014, 0(8): 59-61.
[10]	孙晓霞李利伟杨玲高连如. 有限样本类别城市高光谱数据SVM分类应用分析[J]. 测绘通报, 2014, 0(11): 33-36.
[11]	宋学忠徐爱功杨东凯马小东. GNSS反射信号在土壤湿度测量中的应用[J]. 测绘通报, 2013, 0(11): 61-64.