面向对象的沿海地区土地利用/覆被信息提取研究

doi:10.13474/j.cnki.11-2246.2019.0191

测绘通报 ›› 2019, Vol. 0 ›› Issue (6): 89-91,95.doi: 10.13474/j.cnki.11-2246.2019.0191

面向对象的沿海地区土地利用/覆被信息提取研究

杨小艳^1,2, 刘文璐¹, 李龙^2,3, 陈龙乾², 陈龙高¹

1. 江苏师范大学地理测绘与城乡规划学院, 江苏徐州 221116;
2. 中国矿业大学环境与测绘学院, 江苏徐州 221116;
3. Department of Geography, Earth System Science, Vrije Universiteit Brussel, Brussels 1050

收稿日期:2018-09-28 修回日期:2018-11-07 出版日期:2019-06-25 发布日期:2019-07-01
通讯作者: 陈龙高。E-mail:longgao.chen@jsnu.edu.cn E-mail:longgao.chen@jsnu.edu.cn
作者简介:杨小艳(1976-),女,博士,副教授,主要研究方向为土地信息处理与应用。E-mail:yangxy0705@163.com
基金资助:
国家自然科学基金（41601087；41271121）；江苏省大学生创新训练重点项目（201710320029）；江苏高校优势学科建设工程项目

Object-oriented land use/cover classification in coastal area

YANG Xiaoyan^1,2, LIU Wenlu¹, LI Long^2,3, CHEN Longqian², CHEN Longgao¹

1. School of Geography, Geomatics and Planning, Jiangsu Normal University, Xuzhou 221116, China;
2. School of Environment and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China;
3. Department of Geography, Earth System Science, Vrije Universiteit Brussel, Brussels 1050, Belgium

Received:2018-09-28 Revised:2018-11-07 Online:2019-06-25 Published:2019-07-01

摘要/Abstract

摘要：

土地利用/覆被（LUC）可为土地资源领域相关研究提供基础数据。本文构建了面向对象的LUC分类方法，并以沿海特殊土地类型区连云港市为例，应用Landsat 8影像开展了实证研究。结果表明：①总体分类精度达到85.06%，总体Kappa系数为0.83，超过了0.7的最低允许判别精度；②该方法可以有效地减少研究区因南北部区域耕地植被覆盖度不同导致的错分现象，并可以用于盐田与滩涂信息的提取工作；③该方法既可为研究区土地利用相关研究提供符合精度要求的数据，也可为其他沿海地区进行土地利用/覆被信息提取工作提供参考和借鉴。

关键词: 土地利用/覆被(LUC), 面向对象, 分类规则, 沿海地区, 遥感

Abstract:

Land use/cover (LUC) information is a very essential dataset in supporting the related research and application. To extract the LUC information in the coastal area, an object-oriented based classification method is proposed and applied to Lianyungang city using Landsat 8 imagery. The results indicate that the accuracy of the classification exceeded the minimum allowed discriminant accuracy 0.7 with the overall accuracy 85.06% and the overall Kappa coefficient is 0.83. The methodology can reduce the misclassification of arable land due to the vegetation coverage between the southern plains and northern hills, and can be used to extract the tideland and salt-field in the area. The methodology can provide the LUC data with agreed accuracy for the land related research for Lianyungang city, and support the extraction of LUC information in other similar coastal areas.

Key words: land use/cover (LUC), object-oriented, classification rules, coastal area, remote sensing

中图分类号:

P237

杨小艳, 刘文璐, 李龙, 陈龙乾, 陈龙高. 面向对象的沿海地区土地利用/覆被信息提取研究[J]. 测绘通报, 2019, 0(6): 89-91,95.

YANG Xiaoyan, LIU Wenlu, LI Long, CHEN Longqian, CHEN Longgao. Object-oriented land use/cover classification in coastal area[J]. 测绘通报, 2019, 0(6): 89-91,95.

参考文献

[1] 伍星,沈珍瑶,刘瑞民. 长江上游土地利用/覆被变化及区域分异研究[J]. 应用基础与工程科学学报, 2008,16(6):819-829.
[2] CHEN L, LI L, YANG X, et al. A worst-case scenario based methodology to assess the environmental impact of land use planning[J]. Habitat International, 2017,67:148-163.
[3] CHEN L, YANG X, CHEN L, et al. A state-impact-state methodology for assessing environmental impact in land use planning[J]. Environmental Impact Assessment Review, 2014,46(4):1-12.
[4] 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(8):56-61.
[5] 兰泽英,刘洋. 领域知识辅助下基于多尺度与主方向纹理的遥感影像土地利用分类[J]. 测绘学报, 2016,45(8):973-982.
[6] 陈龙高,李英奎,陈龙乾, 等. 土地生态利用视角下的连云港空间管制分区研究[J]. 应用基础与工程科学学报, 2014,22(4):685-697.
[7] 陈绍杰,李光丽,张伟, 等. 基于多分类器集成的煤矿区土地利用遥感分类[J]. 中国矿业大学学报, 2011,40(2):273-278.
[8] 孔博,邓伟,李爱农, 等. 多源数据的面向对象国际河流土地覆被分类研究[J]. 武汉大学学报(信息科学版), 2015,40(7):943-949.
[9] 苑全治,吴炳方,张磊, 等. 辅助数据在面向对象分类方法中的应用——以密云水库上游为例[J]. 生态学报, 2014,34(24):7202-7209.
[10] 孙丹峰,杨冀红,刘顺喜. 高分辨率遥感卫星影像在土地利用分类及其变化监测的应用研究[J]. 农业工程学报, 2002,18(2):160-164.
[11] 殷瑞娟,施润和,李镜尧. 一种高分辨率遥感影像的最优分割尺度自动选取方法[J]. 地球信息科学学报, 2013,15(6):902-910.
[12] 王贺,陈劲松,余晓敏. 面向对象分类特征优化选取方法及其应用[J]. 遥感学报, 2013,17(4):816-829.
[13] 张明媚,姚国红. 面向对象的高分辨率遥感影像信息提取技术[J]. 地理空间信息, 2013,11(1):89-91.
[14] JANSSEN L L F, WEL F J M. Accuracy assessment of satellite derived land cover data:a review[J]. Photogrammetric Engineering and Remote Sensing, 1994,60(4):419-426.
[15] LANDIS J R, KOCH G G. The measurement of observer agreement for categorical data[J]. Biometrics, 1977,33(1):159-174.
[16] 陈龙高,李英奎,杨小艳, 等. 土地利用/覆被遥感分类评价与季节变化分析——以连云港为例[J]. 中国矿业大学学报, 2013,42(5):873-879.
[17] YANG X, CHEN L, LI Y, et al. Rule-based land use/land cover classification in coastal areas using seasonal remote sensing imagery:a case study from Lianyungang city, China[J]. Environmental Monitoring and Assessment, 2015,187(7):1-15.

面向对象的沿海地区土地利用/覆被信息提取研究

Object-oriented land use/cover classification in coastal area

可视化

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]	胡义强, 杨骥, 荆文龙, 彭小燕, 蓝文陆, 彭梦微, 张雨萌. 茅尾海入海河口池塘养殖污染状况遥感调查[J]. 测绘通报, 2022, 0(7): 12-17,53.
[3]	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.
[4]	温雨笑, 吕杰, 马庆勋, 张鹏, 徐汝岭. 高光谱和LiDAR联合反演森林生物量研究[J]. 测绘通报, 2022, 0(7): 38-42.
[5]	江泽霖, 邓健, 栾海军, 李兰晖. 基于逐日夜间灯光遥感的新冠肺炎疫情变化信息快速提取——以北京市为例[J]. 测绘通报, 2022, 0(7): 43-48.
[6]	刘立, 董先敏, 刘娟, 文学虎. 人机融合智能的遥感解译生产新方法[J]. 测绘通报, 2022, 0(7): 118-123,137.
[7]	艾敏, 景慧, 田禹东, 郭兰勤, 裴渊杰. 近20年哈尔滨市呼兰区土地利用覆盖变化及驱动分析[J]. 测绘通报, 2022, 0(7): 124-128.
[8]	胡义强, 杨骥, 荆文龙, 杨传训, 舒思京, 李勇. 基于无人机遥感的海岸带生态环境监测研究综述[J]. 测绘通报, 2022, 0(6): 18-24.
[9]	李茂林, 闫庆武, 仲晓雅. 一种复合型校正植被信息的方法[J]. 测绘通报, 2022, 0(6): 49-54142.
[10]	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.
[11]	刘耀辉, 于祥惠, 范洁洁, 周洁, 程昊, 姚国标, 孟飞, 靳奉祥. 基于无人机影像和面向对象的中国西部地区农村宅基地面积快速估算[J]. 测绘通报, 2022, 0(6): 125-129.
[12]	任超, 邓诗琴, 高懋芳. 一种提取北部湾沿海地区水体信息的动态阈值方法[J]. 测绘通报, 2022, 0(5): 14-19,37.
[13]	赵传武, 吴子若, 张玉环, 郭伟. 基于多时相遥感的鄂尔多斯市不透水面变化分析[J]. 测绘通报, 2022, 0(5): 56-61.
[14]	张龚泉, 岳建平, 刘胜男, 王海龙, 杨智翔, 周航宇. 基于遥感影像的鄱阳湖地形提取方法[J]. 测绘通报, 2022, 0(5): 62-66,73.
[15]	潘建平, 付占宝, 程卫华, 陆世安, 李鑫, 孙博文, 黄桂萍. 基于地表类型的山地海绵城市生态建设评估[J]. 测绘通报, 2022, 0(5): 84-88.