GF-1与Landsat-8影像土地利用遥感解译对比分析
|
摘要
以黑龙江省嫩江县为研究区,以GF-1和Landsat-8遥感影像为数据源,运用ENVI软件,采用最大似然分类法,对研究区进行土地利用遥感解译,利用混淆矩阵对解译结果进行精度检验,并进行对比分析。结果表明:Landsat-8用地类型之间的可分离性除了草地与耕地的区分度小于1.6以外,其他用地类型的区分度都在1.6之上,而GF-1的用地类型之间可分离性都大于1.6。对于不同的用地类型,GF-1与Landsat-8的分类精度存在一定的差异。在复杂用地类型分布的地区,GF-1具有更高的精度,而在大片相同用地类型的区域,Landsat-8更接近真实值。
This paper,the taking County of Nenjiang Heilongjiang Province as the study area,with Landsat-8 and GF-1 images as the data source,with ENVI software,uses the maximum likelihood classification method to make the remote sensing interpretation,and the confusion matrix to test the precision of the results of interpretation,and to make comparative analysis.The research result shows that the object types in landsat-8 separation in addition to the distinction between grassland and arable land is less than 1.6 outside,other feature types of discrimination are above 1.6,and the GF-1 can separation are greater than 1.6.For different object types,the classification accuracy of landsat-8 and GF-1 exists certain differences.In regions of complex terrain types distribution,high spatial resolution GF-1 has higher accuracy,and in the region of large tracts of the same feature types,the landsat-8 is closer to the true value.
This paper,the taking County of Nenjiang Heilongjiang Province as the study area,with Landsat-8 and GF-1 images as the data source,with ENVI software,uses the maximum likelihood classification method to make the remote sensing interpretation,and the confusion matrix to test the precision of the results of interpretation,and to make comparative analysis.The research result shows that the object types in landsat-8 separation in addition to the distinction between grassland and arable land is less than 1.6 outside,other feature types of discrimination are above 1.6,and the GF-1 can separation are greater than 1.6.For different object types,the classification accuracy of landsat-8 and GF-1 exists certain differences.In regions of complex terrain types distribution,high spatial resolution GF-1 has higher accuracy,and in the region of large tracts of the same feature types,the landsat-8 is closer to the true value.
引文
[1]李智峰.高分一号卫星在土地利用遥感监测中的应用[J].国土资源导刊,2015,12(3):85-88.
[2]陈文倩,丁建丽,王娇,等.基于高分一号影像的土地覆被分类方法初探[J].干旱区地理,2016,39(1):182-189.
[3]杨长坤,王崇倡,张鼎凯,等.基于SVM的高分一号卫星影像分类[J].测绘与空间地理信息,2015,38(9):142-146.
[4]王婷婷,李山山,李安,等.基于Landsat 8卫星影像的北京地区土地覆盖分类[J].中国图象图形学报,2015,20(9):1275-1284.
[5]张超,李智晓,李鹏山,等.基于高分辨率遥感影像分类的城镇土地利用规划监测[J].农业机械学报,2015,46(11):323-329.
[6]林雪,彭道黎,黄国胜,等.结合多尺度纹理特征的遥感影像面向对象分类[J].测绘工程,2016,25(7):22-27.
[7]张杰,敖子强,吴永明,等.鄱阳湖滨湖区多季相Landsat8OLI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.
[8]杨珍,张永志,张文军,等.遥感影像解译样本的一体化生产研究[J].测绘工程,2016,25(7):7-17.
[9]邸向红,侯西勇,吴莉.中国海岸带土地利用遥感分类系统研究[J].资源科学,2014,36(3):463-472.
[10]李茂娇,杨斌,詹金凤,等.基于GIS的岷江上游流域土地利用/覆被变化研究[J].测绘工程,2016,25(6):41-45.
[11]谢士琴,赵天忠,王威,等.森林资源监测中GF-2卫星影像波段配准误差分析[J].测绘工程,2017,26(2):18-21.
[12]陈杰,邵权斌,梅小明,等.结合尺度空间的面向对象高分辨率影像城市道路提取[J].测绘工程,2016,25(12):5-12.
[13]李丹,杨金玲,张玉娟,等.基于RS/GIS的耕地资源变化特征分析[J].测绘与空间地理信息,2015,38(7):9-11.
[14]付佳,黄海军,杨曦光.基于ENVI的唐山湾三岛土地利用遥感分类方法的比较分析[J].海洋科学,2014,38(1):20-26.
[15]杜国明,刘美,孟凡浩,等.基于地学知识的大尺度土地利用/土地覆盖精细化分类方法研究[J].地球信息科学学报,2017,19(1):91-100.
[2]陈文倩,丁建丽,王娇,等.基于高分一号影像的土地覆被分类方法初探[J].干旱区地理,2016,39(1):182-189.
[3]杨长坤,王崇倡,张鼎凯,等.基于SVM的高分一号卫星影像分类[J].测绘与空间地理信息,2015,38(9):142-146.
[4]王婷婷,李山山,李安,等.基于Landsat 8卫星影像的北京地区土地覆盖分类[J].中国图象图形学报,2015,20(9):1275-1284.
[5]张超,李智晓,李鹏山,等.基于高分辨率遥感影像分类的城镇土地利用规划监测[J].农业机械学报,2015,46(11):323-329.
[6]林雪,彭道黎,黄国胜,等.结合多尺度纹理特征的遥感影像面向对象分类[J].测绘工程,2016,25(7):22-27.
[7]张杰,敖子强,吴永明,等.鄱阳湖滨湖区多季相Landsat8OLI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.
[8]杨珍,张永志,张文军,等.遥感影像解译样本的一体化生产研究[J].测绘工程,2016,25(7):7-17.
[9]邸向红,侯西勇,吴莉.中国海岸带土地利用遥感分类系统研究[J].资源科学,2014,36(3):463-472.
[10]李茂娇,杨斌,詹金凤,等.基于GIS的岷江上游流域土地利用/覆被变化研究[J].测绘工程,2016,25(6):41-45.
[11]谢士琴,赵天忠,王威,等.森林资源监测中GF-2卫星影像波段配准误差分析[J].测绘工程,2017,26(2):18-21.
[12]陈杰,邵权斌,梅小明,等.结合尺度空间的面向对象高分辨率影像城市道路提取[J].测绘工程,2016,25(12):5-12.
[13]李丹,杨金玲,张玉娟,等.基于RS/GIS的耕地资源变化特征分析[J].测绘与空间地理信息,2015,38(7):9-11.
[14]付佳,黄海军,杨曦光.基于ENVI的唐山湾三岛土地利用遥感分类方法的比较分析[J].海洋科学,2014,38(1):20-26.
[15]杜国明,刘美,孟凡浩,等.基于地学知识的大尺度土地利用/土地覆盖精细化分类方法研究[J].地球信息科学学报,2017,19(1):91-100.