基于Sentinel-2影像的雄安新区2016—2019年土地利用分析

doi:10.13474/j.cnki.11-2246.2021.363

测绘通报 ›› 2021, Vol. 0 ›› Issue (12): 6-9,32.doi: 10.13474/j.cnki.11-2246.2021.363

基于Sentinel-2影像的雄安新区2016—2019年土地利用分析

于淼¹, 马洪兵², 王宏伟³

1. 新疆大学, 新疆乌鲁木齐 830047;
2. 清华大学, 北京 100084;
3. 大连理工大学, 辽宁大连 116024

收稿日期:2020-11-27 修回日期:2021-05-12 发布日期:2021-12-30
通讯作者: 马洪兵。E-mail:hbma@tsinghua.edu.cn
作者简介:于淼(1995-),男,硕士,研究方向为卫星遥感图像处理与应用。E-mail:374554982@qq.com
基金资助:
国家自然科学基金（61863034）

Analysis of land use change in Xiong'an New Area from 2016 to 2019 based on the Sentinel-2 images

YU Miao¹, MA Hongbing², WANG Hongwei³

1. Xinjiang University, Urumqi 830047, China;
2. Tsinghua University, Beijing 100084, China;
3. Dalian University of Technology, Dalian 116024, China

Received:2020-11-27 Revised:2021-05-12 Published:2021-12-30

摘要/Abstract

摘要： 雄安新区是国家层面打造的又一个具有重要战略意义的新区,及时准确掌握该地区的土地利用详情具有重要意义。本文利用10 m分辨率的Sentinel-2影像对雄安新区2016—2019年的土地利用进行分类,进而分析该地区的土地利用时空演变。共测试了决策树、随机森林和支持向量机3种分类器,进而获得最高精度的土地分类结果图;同时,利用随机森林的特征排序功能分析了不同特征的重要性。结果表明,雄安新区的耕地、林地、水生植物面积总体均呈显著减少趋势,建设用地面积变化最为显著,表明雄安新区正在进行中、快速的城市化发展。本研究得到的10 m分辨率土地利用专题图和分析结果对于雄安新区的及时监测与规划有着重要参考意义。

关键词: 土地变化, 遥感, Sentinel-2, 雄安新区

Abstract: The Xiong'an New Area is another strategically important new area established at the national level. It is of great significance to grasp the details of land use in this area. In this study, the 10 m Sentinel-2 images were used to classify the land use from 2016 to 2019, and the spatio-temporal land use changes were then analyzed. This study first tested three popular classifiers including decision tree, random forest, and support vector machine to obtain the highest-accuracy land use map. Meanwhile, the importance of different features was analyzed. The results showed that in Xiong'an New Area, the land use types and areas have undergone significant changes. Among them, the area of arable land, woodland, and aquatic plants all showed a significant reduction trend, and the area of construction land has increased a lot, indicating that the Xiong'an New Area was undergoing rapid urbanization. The 10 m land use maps obtained in this study have important reference significance for the timely monitoring and planning of Xiong'an New Area.

Key words: land change, remote sensing, Sentinel-2 images, Xiong'an New Area

中图分类号:

P237

于淼, 马洪兵, 王宏伟. 基于Sentinel-2影像的雄安新区2016—2019年土地利用分析[J]. 测绘通报, 2021, 0(12): 6-9,32.

YU Miao, MA Hongbing, WANG Hongwei. Analysis of land use change in Xiong'an New Area from 2016 to 2019 based on the Sentinel-2 images[J]. Bulletin of Surveying and Mapping, 2021, 0(12): 6-9,32.

参考文献

[1] 刘纪远,张增祥,庄大方,等.20世纪90年代中国土地利用变化时空特征及其成因分析[J].地理研究,2003, 22(1):1-12.
[2] FUENTES R, LEON-MUNOZ J, ECHEVERRIA C. Spatially explicit modelling of the impacts of land-use and land-cover change on nutrient inputs to an oligotrophic lake[J].International Journal of Remote Sensing, 2017, 38(24):7531-7550.
[3] LIU J, LIU M, ZHUANG D, et al. Study on spatial pattern of land-use change in China during 1995-2000[J].Science in China Series D:Earth Sciences, 2003, 46(4):373-384.
[4] 贺承伟,国巧真,付盈,等.基于遥感数据的雄安新区土地利用变化[J].天津城建大学学报,2019, 25(2):133-139.
[5] 孟梦,田海峰,邬明权,等.基于Google Earth Engine平台的湿地景观空间格局演变分析:以白洋淀为例[J].云南大学学报(自然科学版),2019, 41(2):416-424.
[6] 姜鲁光,吕佩忆,封志明,等.雄安新区土地利用空间特征及起步区方案比选研究[J].资源科学, 2017, 39(6):991-998.
[7] JIA K, LIANG S, WEI X, et al. Land cover classification of Landsat data with phenological features extracted from time series MODIS NDVI data[J]. Remote Sensing, 2014, 6(11):11518-11532.
[8] 孟广文,金凤君,李国平,等.雄安新区:地理学面临的机遇与挑战[J].地理研究,2017,36(6):1003-1013.
[9] 朱金峰,周艺,王世新,等.1975年-2018年白洋淀湿地变化分析[J].遥感学报,2019, 23(5):971-986.
[10] 徐涵秋,施婷婷,王美雅,等.雄安新区地表覆盖变化及其新区规划的生态响应预测[J].生态学报,2017, 37(19):6289-6301.
[11] SONOBE R, YAMAYA Y, TANI H, et al. Assessing the suitability of data from Sentinel-1A and 2A for crop classification[J].Giscience & Remote Sensing, 2017, 54(6):918-938.
[12] WARDLOW B D, EGBERT S L. Large-area crop mapping using time-series MODIS 250 m NDVI data:an assessment for the U.S. Central Great Plains[J].Remote Sensing of Environment, 2008, 112(3):1096-1116.
[13] 杨桄,刘湘南.遥感影像解译的研究现状和发展趋势[J].国土资源遥感,2004(2):7-10.
[14] FRIEDL M A, BRODLEY C E. Decision tree classification of land cover from remotely sensed data[J].Remote Sensing of Environment, 1997, 61(3):399-409.
[15] JOZDANI S E, JOHNSON B A, CHEN D. Comparing deep neural networks, ensemble classifiers, and support vector machine algorithms for object-based urban land use/land cover classification[J]. Remote Sensing, 2019, 11(14):1713.
[16] PELLETIER C, VALERO S, INGLADA J, et al. Assessing the robustness of random forests to map land cover with high resolution satellite image time series over large areas[J].Remote Sensing of Environment, 2016, 187:156-168.

基于Sentinel-2影像的雄安新区2016—2019年土地利用分析

Analysis of land use change in Xiong'an New Area from 2016 to 2019 based on the Sentinel-2 images

RichHTML

PDF

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]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	陈智朗, 付振华, 朱紫阳, 王慧慧, 刘沁雯, 杨钰灵, 许耿然. 基于HRNet的高分辨率遥感影像建筑物变化信息提取[J]. 测绘通报, 2022, 0(5): 126-132.