基于SPOT5土地利用信息提取技术研究
摘要
本文是结合浙江省科技计划项目——基于SPOT5数据水土流失遥感动态监测技术研究(2006C33056)而展开的,由于土地利用信息是影响水土流失的最重要因子之一,本文主要研究基于SPOT5影像数据获取土地利用信息的技术。
为了较好的获取土地利用信息,本文结合SPOT5影像几何分辨率特点采用了一种基于知识的分层分类方法。在对遥感影像进行特征提取时,结合不同地物自身的波谱特性应用了不同的特征提取方法,进行水体特征提取时,使用了波段运算的方法得到水体特征波段PRWI,针对茶树使用波形判断与单波段阈值控制相结合的方法确定分类条件,并设计分类器。通过2005年11月余杭区SPOT5影像的具体分类实验,结合野外实地勘测的土地利用数据,进行分类结果精度评价,证明得到的土地利用类型精度是较高的,能够满足水土流失提取模型的土地利用类型精度要求,表明分层分类方法是比较适合水土流失提取模型中的土地利用类型获取的。并对比了监督分类的结果,大大提高了遥感影像分类的精度。
同时本文尽可能的把分类细化到具体的树种(茶树),本次试验方法为相似的研究提供了可行的思路。
通过本文的研究,为下一步提取水土流失信息奠定了良好的基础。
This article is one part of scientific plan project of ZhejiangProvince----The technology research of dynamic monitoring water and soilerosion based on SPOT5 data by remote sensing(2006C33056). Study the technology of extracting the land use type by SPOT5 image data which is one of most important factors to influencing water and soil erosion.
In order to pick up high accuracy land use data , the article combines the high space resolution characteristic of SPOT5 image data to design a new method which makes Classification Method of Remote Sensing Image on Basis of Knowledge and Sub-Region Classification Method together , and makes it use in this study .At the point of picking up character on the remote sensing image , in order to obtain character wave band of the water-PRWI , this author use wave band operation , and reckon classification terms to design the classification machine of the tea , which uses a method that combines comparing wave band shape and limiting threshold value rang .By concrete classification experiment of Yu Hang District by SPOT5 image in November, 2005 and combining land use data which measured on the open country, the experiment has got high accuracy in picking up land use data and the results can fit to the high accuracy need of land use in water and soil erosion model which indicates that the Sub-Region Classification Method are feasible to pick up the land use data in water and soil erosion model. After compare with the two results of the new method and Monitoring Classification , finds that the new method improves the accuracy of the result highly.
In addition , this study try its best to make clear each type of wood , for example the tea , the new method give a viable idea for the same research .
The result of the research puts the good foundation on withdrawing the water and soil erosion information further by the research.
为了较好的获取土地利用信息,本文结合SPOT5影像几何分辨率特点采用了一种基于知识的分层分类方法。在对遥感影像进行特征提取时,结合不同地物自身的波谱特性应用了不同的特征提取方法,进行水体特征提取时,使用了波段运算的方法得到水体特征波段PRWI,针对茶树使用波形判断与单波段阈值控制相结合的方法确定分类条件,并设计分类器。通过2005年11月余杭区SPOT5影像的具体分类实验,结合野外实地勘测的土地利用数据,进行分类结果精度评价,证明得到的土地利用类型精度是较高的,能够满足水土流失提取模型的土地利用类型精度要求,表明分层分类方法是比较适合水土流失提取模型中的土地利用类型获取的。并对比了监督分类的结果,大大提高了遥感影像分类的精度。
同时本文尽可能的把分类细化到具体的树种(茶树),本次试验方法为相似的研究提供了可行的思路。
通过本文的研究,为下一步提取水土流失信息奠定了良好的基础。
This article is one part of scientific plan project of ZhejiangProvince----The technology research of dynamic monitoring water and soilerosion based on SPOT5 data by remote sensing(2006C33056). Study the technology of extracting the land use type by SPOT5 image data which is one of most important factors to influencing water and soil erosion.
In order to pick up high accuracy land use data , the article combines the high space resolution characteristic of SPOT5 image data to design a new method which makes Classification Method of Remote Sensing Image on Basis of Knowledge and Sub-Region Classification Method together , and makes it use in this study .At the point of picking up character on the remote sensing image , in order to obtain character wave band of the water-PRWI , this author use wave band operation , and reckon classification terms to design the classification machine of the tea , which uses a method that combines comparing wave band shape and limiting threshold value rang .By concrete classification experiment of Yu Hang District by SPOT5 image in November, 2005 and combining land use data which measured on the open country, the experiment has got high accuracy in picking up land use data and the results can fit to the high accuracy need of land use in water and soil erosion model which indicates that the Sub-Region Classification Method are feasible to pick up the land use data in water and soil erosion model. After compare with the two results of the new method and Monitoring Classification , finds that the new method improves the accuracy of the result highly.
In addition , this study try its best to make clear each type of wood , for example the tea , the new method give a viable idea for the same research .
The result of the research puts the good foundation on withdrawing the water and soil erosion information further by the research.
引文
1陈华,陈书海,张平等.K-means算法在遥感分类中的应用[J].红外与激光工程.2000,29(2):26-30
2陈华丽,陈植华,丁国平.用基于知识的决策树方法分层提取矿区土地类型--以湖北大冶为例[J].国土资源遥感:2004,49-53
3傅肃性等.遥感专题分析与地学图[M].北京:科学出版社,2002
4费鲜芸,高祥伟.土地利用/土地覆盖遥感分类研究综述[J].山东农业大学学报(自然科学版).2002,33(3):39l一394
5郭鹏,孙艳玲,刘洪斌等.基于知识的土地利用/土地覆盖遥感分类研究[J].西南农业大学学报,2003,25(3):279-282
6甘淑,王人潮,何大明.澜沧江流域山区土地覆盖遥感监测分类组织与实施技术研究[J].资源科学.2000,22(5):78-82
7黄福奎.论遥感技术在土地利用动态监测中的应用[J].中国土地科学.1998,12(3):21-25
8贺德化,朱锋峰,彭英伟.有类间距离因素聚类结果的比较分析[J].运筹学学报,1998,2(2):36-41
9骆剑承,王钦敏,马江洪等.遥感图像最大似然分类方法的EM改进算法[J].测绘学报,2002,31(3):234-239
10骆剑承,周成虎,杨艳.基于径向基函数(RBF)映射理论的遥感影像分类模型研究[J].中国图象图形学报,2000,5(2):94-99
11刘小平、黎夏、何晋强等.基于蚁群智能的遥感影像分类新方法[J].遥感学报.2008,12(2):253-262
12李平,李秀彬,刘学军.我国现阶段土地利用变化驱动力的宏观分析.地理研究[J],2001,20(2):129-138
13刘伟强,陈鸿,夏德深.基于马尔可夫随机场的快速图像分割[J].中国图象图形学报,2001,6(3):228-233
14刘咏梅,杨勤科,温仲明.地形复杂地区遥感分类方法应用研究--以黄土丘陵沟壑地区坡耕地遥感调查为例[J].水土保持通报.2003,23(4):30一32
15刘旭升、李锋、昝国胜等.基于GIS和神经网络的森林植被分类[J].遥感学报.2007,11(5):717-726
16刘亚岚、阎守邕、王涛等.遥感图像分区自动分类分法研究[J].遥感学报.2002,6(5):357-363
17李祚泳.用BP神经网络实现多波段遥感图像的监督分类[J].红外与毫米波学报,1998,17(2):153-156
18李爽,丁圣彦,许叔明.遥感影像分类方法比较研究[J].河南大学学报(自然科学版).2002,32(2):70-73
19李强,王正志.基于人工神经网络和经验知识的遥感信息分类综合方法[J].自动化学报,2000,26(2):233-238
20梅安新,彭望碌,秦其明等.遥感导论[M].北京:高等教育出版社.2001
21莫源富,周立新.分区分类法--针对山区遥感图像的一种有效的分类方法[J].中国岩溶.2000,19(4):360-365
22牛明香,赵庚星,李尊英.南四湖湿地遥感信息分区分层提取研究[J].地理与地理信息科学.2004,20(2):45-52
23孙家.遥感原理与应用[M].武汉:武汉人学出版社,2002
24史培军,宫鹏,李晓兵等.土地利用/土地覆盖变化研究的方法与实践[M].北京:科学出版社,2000
25师庆东,吕光辉,潘晓玲等.遥感影像中分区分类法及在新疆北部植被分类中的应用[J].干旱区地理.2003,26(3):264-268
26王萍.遥感土地利用土地覆盖变化信息提取的决策树方法.博士学位论文.山东科技大学.2004
27王旭红,肖平.基于知识库分类法在植被提取中应用研究.第十四届全国遥感技术学术交流会.2003.10
28王秀峰、松冈延浩、于贵瑞等.应用卫星与气象数据及其关系研究黄河流域的荒漠化现状[J].遥感学报.2007,11(5):747-755
29武永峰.包头市九原区土地利用动态变化与驱动因素研究.陕西师范大学.硕士学位论文.2002
30许榕峰,徐涵秋.多步骤分类法在土地利用覆盖专题提取中的应用[J].福州大学学报(自然科学版).2003,31(4):408-412
31杨存建,周成虎.基于知识的遥感图像分类方法的探讨[J].地理学与国土研究,2001,17(1):72-77
32岳彩荣.土地利用与土地覆盖遥感调查技术研究[J].西南林学院学报,2003,23(2):44-48
33于秀兰,莫红等.Markov随机场模型在多光谱遥感图像分类中的应用[J].中国农业资源与区划,1999,20(5):48-53
34左大康主编.现代地理学词典[M].北京:商务印书馆.1990.:585
35赵英时等.遥感应用分析原理与方法[M].北京:科学出版社,2003.:6
36赵书河,冯学智,都金康.基于遥感与GIS的县级土地利用的时空变化分析[J].测绘通报.2003,(3):16-18
37郑玮、康戈文、陈武凡等.基于模糊马尔可夫随机场的无监督遥感图像分割算法[J].遥感学报.2008,12(2):246-252
38朱建华,刘政凯,俞能海.一种多光谱遥感图像的自适应最小距离分类方法[J].中国 图象图形学报,2000,5(1):21-23
39张银辉,赵庚星.土地利用/土地覆盖遥感分类分法的研究综述[J].中国农业资源与区划.2002,23(3):21-25
40朱翔、李卓卿、朱云燕等.多山地区植被类型遥感调查--以金沙江流域滇西北部为例[J].生态学杂志.2001,20(增刊):12-17
41朱述龙,张占睦.遥感图像获取与分析[M].北京:科学技术出版社,2000
42Bradley C Rundquist.The influence of canopy green vegetation fraction on spectral measurements over native tallgrass prairie.Remote Sensing of Environment,2002,81(1):129-135
43Foody M G,Mathur A.Toward Intelligent Training of Supervised Image Classifications:Directing Training Data Acquisition for SVM Classification[J].Remote Sensing of Environment,2004,93:107-117
44Leprieur C,Verstraete MM,Pinty B.Evaluation of the performance of various vegetation indices to retrieve vegetation cover from AVHRR data.Remote Sensing Review,1994(lO):265-284
45Ma R H,Dai J F.Chlorophylla Concentration Estimation with Field Spectra of Water Body Near Meiliang Bayou in Taihu Lake[J].Journal of Remote Sensing,Chinese 2005,9(1):78-86
46Mclachlang J,Basford K E.The EM Algorithm and Extensions[M].New York John Wiley,1997
47WilkinsomG G,Results and Implications of a Study of Fifteen Years of Satellite Image Classification Experiments[J].IEEE Transaction on Geoscience and Remote Sensing,2005,43(3):433-440
48Wittich KP,Hansing O.Area-averaged vegetative cover fraction estimated from satellite data.International.Journal of Biometerology,1995,38(3):209-215
2陈华丽,陈植华,丁国平.用基于知识的决策树方法分层提取矿区土地类型--以湖北大冶为例[J].国土资源遥感:2004,49-53
3傅肃性等.遥感专题分析与地学图[M].北京:科学出版社,2002
4费鲜芸,高祥伟.土地利用/土地覆盖遥感分类研究综述[J].山东农业大学学报(自然科学版).2002,33(3):39l一394
5郭鹏,孙艳玲,刘洪斌等.基于知识的土地利用/土地覆盖遥感分类研究[J].西南农业大学学报,2003,25(3):279-282
6甘淑,王人潮,何大明.澜沧江流域山区土地覆盖遥感监测分类组织与实施技术研究[J].资源科学.2000,22(5):78-82
7黄福奎.论遥感技术在土地利用动态监测中的应用[J].中国土地科学.1998,12(3):21-25
8贺德化,朱锋峰,彭英伟.有类间距离因素聚类结果的比较分析[J].运筹学学报,1998,2(2):36-41
9骆剑承,王钦敏,马江洪等.遥感图像最大似然分类方法的EM改进算法[J].测绘学报,2002,31(3):234-239
10骆剑承,周成虎,杨艳.基于径向基函数(RBF)映射理论的遥感影像分类模型研究[J].中国图象图形学报,2000,5(2):94-99
11刘小平、黎夏、何晋强等.基于蚁群智能的遥感影像分类新方法[J].遥感学报.2008,12(2):253-262
12李平,李秀彬,刘学军.我国现阶段土地利用变化驱动力的宏观分析.地理研究[J],2001,20(2):129-138
13刘伟强,陈鸿,夏德深.基于马尔可夫随机场的快速图像分割[J].中国图象图形学报,2001,6(3):228-233
14刘咏梅,杨勤科,温仲明.地形复杂地区遥感分类方法应用研究--以黄土丘陵沟壑地区坡耕地遥感调查为例[J].水土保持通报.2003,23(4):30一32
15刘旭升、李锋、昝国胜等.基于GIS和神经网络的森林植被分类[J].遥感学报.2007,11(5):717-726
16刘亚岚、阎守邕、王涛等.遥感图像分区自动分类分法研究[J].遥感学报.2002,6(5):357-363
17李祚泳.用BP神经网络实现多波段遥感图像的监督分类[J].红外与毫米波学报,1998,17(2):153-156
18李爽,丁圣彦,许叔明.遥感影像分类方法比较研究[J].河南大学学报(自然科学版).2002,32(2):70-73
19李强,王正志.基于人工神经网络和经验知识的遥感信息分类综合方法[J].自动化学报,2000,26(2):233-238
20梅安新,彭望碌,秦其明等.遥感导论[M].北京:高等教育出版社.2001
21莫源富,周立新.分区分类法--针对山区遥感图像的一种有效的分类方法[J].中国岩溶.2000,19(4):360-365
22牛明香,赵庚星,李尊英.南四湖湿地遥感信息分区分层提取研究[J].地理与地理信息科学.2004,20(2):45-52
23孙家.遥感原理与应用[M].武汉:武汉人学出版社,2002
24史培军,宫鹏,李晓兵等.土地利用/土地覆盖变化研究的方法与实践[M].北京:科学出版社,2000
25师庆东,吕光辉,潘晓玲等.遥感影像中分区分类法及在新疆北部植被分类中的应用[J].干旱区地理.2003,26(3):264-268
26王萍.遥感土地利用土地覆盖变化信息提取的决策树方法.博士学位论文.山东科技大学.2004
27王旭红,肖平.基于知识库分类法在植被提取中应用研究.第十四届全国遥感技术学术交流会.2003.10
28王秀峰、松冈延浩、于贵瑞等.应用卫星与气象数据及其关系研究黄河流域的荒漠化现状[J].遥感学报.2007,11(5):747-755
29武永峰.包头市九原区土地利用动态变化与驱动因素研究.陕西师范大学.硕士学位论文.2002
30许榕峰,徐涵秋.多步骤分类法在土地利用覆盖专题提取中的应用[J].福州大学学报(自然科学版).2003,31(4):408-412
31杨存建,周成虎.基于知识的遥感图像分类方法的探讨[J].地理学与国土研究,2001,17(1):72-77
32岳彩荣.土地利用与土地覆盖遥感调查技术研究[J].西南林学院学报,2003,23(2):44-48
33于秀兰,莫红等.Markov随机场模型在多光谱遥感图像分类中的应用[J].中国农业资源与区划,1999,20(5):48-53
34左大康主编.现代地理学词典[M].北京:商务印书馆.1990.:585
35赵英时等.遥感应用分析原理与方法[M].北京:科学出版社,2003.:6
36赵书河,冯学智,都金康.基于遥感与GIS的县级土地利用的时空变化分析[J].测绘通报.2003,(3):16-18
37郑玮、康戈文、陈武凡等.基于模糊马尔可夫随机场的无监督遥感图像分割算法[J].遥感学报.2008,12(2):246-252
38朱建华,刘政凯,俞能海.一种多光谱遥感图像的自适应最小距离分类方法[J].中国 图象图形学报,2000,5(1):21-23
39张银辉,赵庚星.土地利用/土地覆盖遥感分类分法的研究综述[J].中国农业资源与区划.2002,23(3):21-25
40朱翔、李卓卿、朱云燕等.多山地区植被类型遥感调查--以金沙江流域滇西北部为例[J].生态学杂志.2001,20(增刊):12-17
41朱述龙,张占睦.遥感图像获取与分析[M].北京:科学技术出版社,2000
42Bradley C Rundquist.The influence of canopy green vegetation fraction on spectral measurements over native tallgrass prairie.Remote Sensing of Environment,2002,81(1):129-135
43Foody M G,Mathur A.Toward Intelligent Training of Supervised Image Classifications:Directing Training Data Acquisition for SVM Classification[J].Remote Sensing of Environment,2004,93:107-117
44Leprieur C,Verstraete MM,Pinty B.Evaluation of the performance of various vegetation indices to retrieve vegetation cover from AVHRR data.Remote Sensing Review,1994(lO):265-284
45Ma R H,Dai J F.Chlorophylla Concentration Estimation with Field Spectra of Water Body Near Meiliang Bayou in Taihu Lake[J].Journal of Remote Sensing,Chinese 2005,9(1):78-86
46Mclachlang J,Basford K E.The EM Algorithm and Extensions[M].New York John Wiley,1997
47WilkinsomG G,Results and Implications of a Study of Fifteen Years of Satellite Image Classification Experiments[J].IEEE Transaction on Geoscience and Remote Sensing,2005,43(3):433-440
48Wittich KP,Hansing O.Area-averaged vegetative cover fraction estimated from satellite data.International.Journal of Biometerology,1995,38(3):209-215