留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

面向Sentinel-2A影像的大理市土地利用分类方法适用性研究

贾玉洁 刘云根 杨思林 王妍 张超 徐红枫 郑淑君

贾玉洁, 刘云根, 杨思林, 王妍, 张超, 徐红枫, 郑淑君. 面向Sentinel-2A影像的大理市土地利用分类方法适用性研究[J]. 浙江农林大学学报. doi: 10.11833/j.issn.2095-0756.20220134
引用本文: 贾玉洁, 刘云根, 杨思林, 王妍, 张超, 徐红枫, 郑淑君. 面向Sentinel-2A影像的大理市土地利用分类方法适用性研究[J]. 浙江农林大学学报. doi: 10.11833/j.issn.2095-0756.20220134
JIA Yujie, LIU Yungen, YANG Silin, WANG Yan, ZHANG Chao, XU Hongfeng, ZHENG Shujun. Applicability of land use classification method in Dali City based on Sentinel-2A image[J]. Journal of Zhejiang A&F University. doi: 10.11833/j.issn.2095-0756.20220134
Citation: JIA Yujie, LIU Yungen, YANG Silin, WANG Yan, ZHANG Chao, XU Hongfeng, ZHENG Shujun. Applicability of land use classification method in Dali City based on Sentinel-2A image[J]. Journal of Zhejiang A&F University. doi: 10.11833/j.issn.2095-0756.20220134

本文已在中国知网网络首发,可在知网搜索、下载并阅读全文。

面向Sentinel-2A影像的大理市土地利用分类方法适用性研究

doi: 10.11833/j.issn.2095-0756.20220134
基金项目: 国家自然科学基金资助项目(32160405);云南省高原湿地保护修复与生态服务重点实验室开放基金项目(202105AG070002)
详细信息
    作者简介: 贾玉洁(ORCID: 0000-0003-0184-0266),从事环境生态遥感研究。E-mail: 2443972318@qq.com
    通信作者: 杨思林(ORCID: 0000-0003-1671-8482),副教授,博士,从事高原湖泊水环境研究。E-mail: 84458250@qq.com
  • 中图分类号: S758;F301.2

Applicability of land use classification method in Dali City based on Sentinel-2A image

  • 摘要:   目的  获取更高效、准确的土地利用自动分类方法,为后续的高原山区土地利用分类研究提供理论支撑。  方法  选取中国典型的高原山区云南省大理市为研究区域,以Sentinel-2A影像为对象,提出一种面向对象特征的决策树分类方法,并将此方法分类结果与传统的ISODATA法和最大似然法土地利用分类结果进行对比。  结果  ①面向对象特征的决策树方法分类结果在空间分布和各地类的面积统计方面都优于ISODATA法和最大似然法,与研究区实际土地利用面积数据更为接近;②在大理市,最大似然法在水体和林地的提取上适用性较好,而面向对象特征的决策树分类方法在农田、草地、建设用地和其他这些地类的区分上适用性更强,且在冰川积雪的提取上也有更好的提取效果;③相比与传统的ISODATA法和最大似然法分类结果精度,面向对象特征的决策树分类方法可进一步提高分类精度,总体分类精度可达90.20%,Kappa系数为87.95%。  结论  相较于传统的分类方法,先粗分类再进一步细分类的分类思想,可避免区域之间的混淆问题。面向对象特征与决策树相结合的组合分类方法在高原山区有着更好的适用性,可以有效提高高原山区分类精度。图3表8参26
  • 图  1  分类模型流程图

    Figure  1  Flow chart of classification model

    图  2  基于不同分类方法得到的大理市2020年土地利用类型图

    Figure  2  Land use type map of Dali City in 2020 based on different classification methods

    图  3  各类地物面积统计

    Figure  3  Area statistics of various features

    表  1  各种类型地物样本组合的Jeffries-Matusita距离

    Table  1.   Jeffries Matusita distance of various types of feature sample combinations

    土地利用类型分离度土地利用类型分离度
    林地-农田 1.953 农田-其他 1.994
    林地-水体 2.000 水体-草地 1.993
    林地-草地 1.895 水体-建设用地 2.000
    林地-建设用地 1.998 水体-冰川积雪 1.998
    林地-冰川积雪 1.995 水体-其他 1.996
    林地-其他 1.994 草地-建设用地 1.996
    农田-水体 1.983 草地-冰川积雪 1.997
    农田-草地 1.894 草地-其他 1.996
    农田-建设用地 1.993 建设用地-冰川积雪 1.992
    农田-冰川积雪 1.993 建设用地-其他 1.983
    冰川积雪-其他 1.990
    下载: 导出CSV

    表  2  面向对象特征定义表

    Table  2.   Object oriented feature definition

    类别特征定义和公式
    光谱特征 光谱均值   斑块内像素光谱均值
    纹理特征 纹理特征   灰度共生矩阵(GLCM,包括5×5卷积模板内的均值、方差、同质性、熵值、对比度、二阶矩、相关性)
    几何特征 面积     斑块总面积
    延伸率    最大直径与最小直径比值
    矩形形状参数 矩形形状度量值(Rect)=面积/(最大直径×最小直径)
    下载: 导出CSV

    表  3  各地类验证点个数

    Table  3.   Number of verification points of each class

    土地利用类型天地图验证点个数野外调查验证点个数
    水体  945
    林地  6858
    建设用地546
    农田  6718
    草地  898
    冰川积雪130
    其他  164
    下载: 导出CSV

    表  4  ISODATA法遥感解译误差矩阵

    Table  4.   ISODATA remote sensing interpretation error matrix

    土地利用类型林地建设用地农田水体草地其他冰川积雪参考样本数用户精度/%
    林地 93 0 3 0 4 0 0 100 93.00
    建设用地 0 67 0 7 5 5 3 87 77.01
    农田 16 2 47 0 2 1 7 75 62.67
    水体 0 0 0 76 2 0 0 78 97.44
    草地 3 0 0 3 29 2 0 37 78.38
    其他 0 4 2 0 8 71 0 85 83.53
    冰川积雪 0 2 6 0 0 0 30 38 78.95
    分类样本数 112 75 58 86 50 79 40 500
    制图精度/% 83.04 89.33 81.03 88.37 58.00 89.37 75.00
    下载: 导出CSV

    表  5  最大似然法遥感解译误差矩阵

    Table  5.   Maximum likelihood remote sensing interpretation error matrix

    土地利用类型林地建设用地农田水体草地其他冰川积雪参考样本数用户精度/%
    林地 119 0 0 0 2 0 0 121 98.35
    建设用地 3 51 2 5 1 2 0 64 79.69
    农田 6 4 61 0 4 4 1 80 76.25
    水体 0 0 0 91 0 0 0 91 100.00
    草地 5 4 7 0 55 0 3 74 74.32
    其他 0 14 2 0 0 36 0 52 69.23
    冰川积雪 1 4 0 0 1 0 12 18 66.67
    分类样本数 134 77 72 96 63 42 16 500
    制图精度/% 88.81 66.23 84.72 94.79 87.30 85.71 75.00
    下载: 导出CSV

    表  6  面向对象特征决策树法遥感解译误差矩阵

    Table  6.   Remote sensing interpretation error matrix of object-oriented feature decision tree method

    土地利用类型林地建设用地农田水体草地其他冰川积雪参考样本数用户精度/%
    林地 118 0 2 0 5 0 0 125 94.40
    建设用地 0 51 3 3 1 2 1 61 83.61
    农田 4 2 76 0 4 1 2 89 85.39
    水体 1 2 0 93 1 0 0 97 95.88
    草地 3 3 4 3 86 0 0 99 86.87
    其他 0 1 0 0 0 17 0 18 94.44
    冰川积雪 0 1 0 0 0 0 10 11 90.91
    分类样本数 126 60 85 99 97 20 13 500
    制图精度/% 93.65 85.00 89.41 93.94 88.66 85.00 76.92
    下载: 导出CSV

    表  7  3种分类方法比较

    Table  7.   Comparison of three classification methods

    分类方法总体分类精度/%Kappa系数/%
    ISODATA法分类 82.60 79.40
    最大似然法分类 85.00 81.90
    面向对象特征决策树法 90.20 87.95
    下载: 导出CSV
  • [1] 郎文婧, 李效顺, 卞正富, 等. 徐州市区土地利用格局变化分析及其空间扩张模拟[J]. 生态与农村环境学报, 2017, 33(7): 592 − 599. doi:  10.11934/j.issn.1673-4831.2017.07.003

    LANG Wenjing, LI Xiaoshun, BIAN Zhengfu, et al. Analysis of land use pattern change and spatial expansion simulation in Xuzhou [J]. J Ecol Rural Environ, 2017, 33(7): 592 − 599. doi:  10.11934/j.issn.1673-4831.2017.07.003
    [2] 李万源, 田佳, 马琴, 等. 基于Google Earth Engine与机器学习的黄土梯田动态监测[J]. 浙江农林大学学报, 2021, 38(4): 730 − 736. doi:  10.11833/j.issn.2095-0756.20200673

    LI Wanyuan, TIAN Jia, MA Qin, et al. Dynamic monitoring of loess terraces based on Google Earth Engine and machine learning [J]. J Zhejiang A&F Univ, 2021, 38(4): 730 − 736. doi:  10.11833/j.issn.2095-0756.20200673
    [3] 谭磊, 赵书河, 罗云霄, 等. 基于对象特征的山东省丘陵地区多时相遥感土地覆被自动分类[J]. 生态学报, 2014, 34(24): 7251 − 7260.

    TAN Lei, ZHAO Shuhe, LUO Yunxiao, et al. Automatic classification of land cover based on multi temporal remote sensing in hilly areas of Shandong Province [J]. J Ecol, 2014, 34(24): 7251 − 7260.
    [4] 周珂, 杨永清, 张俨娜, 等. 光学遥感影像土地利用分类方法综述[J]. 科学技术与工程, 2021, 21(32): 13603 − 13613.

    ZHOU Ke, YANG Yongqing, ZHANG Yanna, et al. Summary of land use classification methods of optical remote sensing images [J]. Sci Technol Eng, 2021, 21(32): 13603 − 13613.
    [5] 杨知, 欧文浩, 刘晓燕, 等. 基于LinkNet卷积神经网络的高分辨率遥感影像水体信息提取[J]. 云南大学学报(自然科学版), 2019, 41(5): 932 − 938.

    YANG Zhi, OWEN Hao, LIU Xiaoyan, et al. Water information extraction from high resolution remote sensing images based on LinkNet convolutional neural network [J]. J Yunnan Univ Nat Sci Ed, 2019, 41(5): 932 − 938.
    [6] 尹华锋, 苏程, 冯存均, 等. 基于样本知识挖掘的高分辨率遥感图像水稻种植信息提取方法[J]. 浙江大学学报(农业与生命科学版), 2018, 44(6): 765 − 774.

    YIN Huafeng, SU Cheng, FENG Cunjun, et al. Extraction of rice planting information from high-resolution remote sensing images based on sample knowledge mining [J]. J Zhejiang Univ Agric Life Sci Ed, 2018, 44(6): 765 − 774.
    [7] 甘甜, 李金平, 李小强, 等. 面向对象的高分辨率遥感影像建筑物震害信息提取[J]. 测绘工程, 2015, 24(4): 11 − 15. doi:  10.3969/j.issn.1006-7949.2015.04.003

    GAN Tian, LI Jinping, LI Xiaoqiang, et al. Object oriented extraction of building seismic damage information from high-resolution remote sensing images [J]. Surv Mapp Eng, 2015, 24(4): 11 − 15. doi:  10.3969/j.issn.1006-7949.2015.04.003
    [8] 宋军伟, 张友静, 李鑫川, 等. 基于GF-1与Landsat-8影像的土地覆盖分类比较[J]. 地理科学进展, 2016, 35(2): 255 − 263.

    SONG Junwei, ZHANG Youjing, LI Xinchuan, et al. Comparison of land cover classification based on GF-1 and landsat-8 images [J]. Prog Geogr Sci, 2016, 35(2): 255 − 263.
    [9] 张卫春, 刘洪斌, 武伟. 基于随机森林和Sentinel-2影像数据的低山丘陵区土地利用分类——以重庆市江津区李市镇为例[J]. 长江流域资源与环境, 2019, 28(6): 1334 − 1343.

    ZHANG Weichun, LIU Hongbin, WU Wei. Land use classification in low mountain and hilly areas based on random forest and sentinel-2 image data: a case study of Lishi Town, Jiangjin District, Chongqing [J]. Resour Environ Yangtze River Basin, 2019, 28(6): 1334 − 1343.
    [10] ZHU Yuanhui, LIU Kai, LIU Lin, et al. Exploring the potential of World- View-2 Red-Edge Band-Based vegetation indices for estimation of mangrove leaf area index with machine learning algorithms[J/OL]. Remote Sensing, 2017, 9(10): 1060[2022-01-02]. doi:  10.3390/rs9101060.
    [11] KIM H O, YEOM J M. Effect of red-edge and texture features for object-based paddy rice crop classification using Rapid Eye multi-spectral satellite image data [J]. Int J Remote Sensing, 2014, 35(19): 7046 − 7068.
    [12] IMMITZER M, VUOLO F, ATZBERGER C. First experience with Sentinel-2 data for crop and tree species classifications in central Europe [J]. Remote Sensing, 2016, 8(3): 166. doi:  10.3390/rs8030166
    [13] 许超, 何静, 何小弟, 等. 基于遥感的土地利用/覆盖信息动态变化监测分析——以扬州市为例[J]. 东北林业大学学报, 2010, 38(4): 128 − 131.

    XU Chao, HE Jing, HE Xiaodi, et al. Monitoring and analysis of dynamic change of land use / cover information based on remote sensing: a case study of Yangzhou City [J]. J Northeast For Univ, 2010, 38(4): 128 − 131.
    [14] 代晶晶, 吴亚楠, 王登红, 等. 基于面向对象分类的稀土开采区遥感信息提取方法研究[J]. 地球学报, 2018, 39(1): 111 − 118. doi:  10.3975/cagsb.2017.112504

    DAI Jingjing, WU Yanan, WANG Denghong, et al. Research on remote sensing information extraction method of rare earth mining area based on object-oriented classification [J]. Acta Geo Sin, 2018, 39(1): 111 − 118. doi:  10.3975/cagsb.2017.112504
    [15] 郭海湘, 杨娟, 杨文霞, 等. 基于改进的ABC模糊分类法煤矿物资分类[J]. 辽宁工程技术大学学报(自然科学版), 2010, 29(5): 985 − 989.

    GUO Haixiang, YANG Juan, YANG Wenxia, et al. Coal mine material classification based on improved ABC fuzzy classification [J]. J Liaoning Univ Eng Technol Nat Sci Ed, 2010, 29(5): 985 − 989.
    [16] 张晓羽, 李凤日, 甄贞, 等. 基于随机森林模型的陆地卫星-8遥感影像森林植被分类[J]. 东北林业大学学报, 2016, 44(6): 53 − 57, 74. doi:  10.3969/j.issn.1000-5382.2016.06.014

    ZHANG Xiaoyu, LI fengri, ZHEN Zhen, et al. Forest vegetation classification of Landsat -8 remote sensing images based on random forest model [J]. J Northeast For Univ, 2016, 44(6): 53 − 57, 74. doi:  10.3969/j.issn.1000-5382.2016.06.014
    [17] 郑卓, 方芳, 刘袁缘, 等. 高分辨率遥感影像场景的多尺度神经网络分类法[J]. 测绘学报, 2018, 47(5): 620 − 630. doi:  10.11947/j.AGCS.2018.20170191

    ZHENG Zhuo, FANG Fang, LIU Yuanyuan, et al. Multi scale neural network classification of high resolution remote sensing image scenes [J]. J Surv Mapp, 2018, 47(5): 620 − 630. doi:  10.11947/j.AGCS.2018.20170191
    [18] 张舒婷, 王晓慧, 彭道黎, 等. 黄土高原丘陵沟壑区植被覆盖度变化监测[J]. 浙江农林大学学报, 2020, 37(6): 1045 − 1053. doi:  10.11833/j.issn.2095-0756.20200136

    ZHANG Shuting, WANG Xiaohui, PENG Daoli, et al. Monitoring of vegetation coverage change in Hilly and gully areas of the Loess Plateau [J]. J Zhejiang A&F Univ, 2020, 37(6): 1045 − 1053. doi:  10.11833/j.issn.2095-0756.20200136
    [19] 陈俊松, 施舫, 杜薇, 等. 基于GF-2影像的平原河网区规模化生猪养殖场提取方法研究[J]. 生态与农村环境学报, 2020, 36(11): 1485 − 1494. doi:  10.19741/j.issn.1673-4831.2019.0764

    CHEN Junsong, SHI Fang, DU Wei, et al. Study on extraction method of large-scale pig farm in plain river network area based on GF-2 image [J]. J Ecol Rural Environ, 2020, 36(11): 1485 − 1494. doi:  10.19741/j.issn.1673-4831.2019.0764
    [20] 杨子生, 杨诗琴, 杨人懿, 等. 基于利用视角的土地资源分类方法探讨[J]. 资源科学, 2021, 43(11): 2173 − 2191. doi:  10.18402/resci.2021.11.03

    YANG Zisheng, YANG Shiqin, YANG Renyi, et al. Discussion on land resources classification method based on utilization perspective [J]. Resour Sci, 2021, 43(11): 2173 − 2191. doi:  10.18402/resci.2021.11.03
    [21] 任向宇, 孙文彬, 袁烨. MESMA与面向对象组合的土地利用分类方法[J]. 遥感信息, 2021, 36(1): 69 − 76.

    REN Xiangyu, SU Wenbin, YUAN Ye. Land use classification method based on combination of mesma and object-oriented [J]. Remote Sensing Inf, 2021, 36(1): 69 − 76.
    [22] 吴健生, 潘况一, 彭建, 等. 基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例[J]. 地理研究, 2012, 31(11): 1973 − 1980.

    WU Jiansheng, PAN Kuangyi, PENG Jian, et al. Land use classification of remote sensing images based on quest decision tree: a case study of Lijiang City, Yunnan Province [J]. Geogr Res, 2012, 31(11): 1973 − 1980.
    [23] NOVELLI A, AGUILAR M A, NEMMAOUI A, et al. Performance evaluation of object based greenhouse detection from Sentinel-2 MSI and Landsat 8 OLI data: a case study from Almería (Spain) [J]. Int J Appl Earth Obs Geoinf, 2016, 52: 403 − 411.
    [24] HILLl M J. Vegetation index suites as indicators of vegetation state in grassland and savanna: an analysis with simulated SENTINEL 2 data for a north American transect [J]. Remote Sensing Environ, 2013, 137: 94 − 111.
    [25] GAUTAM V K, GAURAV P K, MURUGAN P, et al. Assessment of surface water dynamics in bangalore using WRI, NDWI, MNDWI, supervised classification and K-T transformation [J]. Aquatic Procedia, 2015, 4: 739 − 746.
    [26] 张亚新, 吴志勇, 何海. 苏南丘陵区土地利用遥感分类方法适用性研究[J]. 湖北农业科学, 2021, 60(5): 138 − 143. doi:  10.14088/j.cnki.issn0439-8114.2021.05.027

    ZHNG Yaxin, WU Zhiyong, HE Hai. Study on applicability of remote sensing classification method of land use in hilly area of Southern Jiangsu [J]. Hubei Agric Sci, 2021, 60(5): 138 − 143. doi:  10.14088/j.cnki.issn0439-8114.2021.05.027
  • [1] 杨东伟, 张建强, 黄学彬, 章明奎.  休闲农业旅游背景下浙江省水改旱土壤有机碳的时空分异 . 浙江农林大学学报, doi: 10.11833/j.issn.2095-0756.20210607
    [2] 崔杨林, 高祥, 董斌, 位慧敏.  县域景观生态风险评价 . 浙江农林大学学报, 2021, 38(3): 541-551. doi: 10.11833/j.issn.2095-0756.20200461
    [3] 李文灏, 沈俊.  水网平原地区耕地破碎化时空变化研究 . 浙江农林大学学报, 2021, 38(4): 723-729. doi: 10.11833/j.issn.2095-0756.20200682
    [4] 曹嘉铄, 邓政宇, 胡远东, 吴妍.  神农架林区景观格局时空演变及其驱动力分析 . 浙江农林大学学报, 2021, 38(1): 155-164. doi: 10.11833/j.issn.2095-0756.20200279
    [5] 孙敏, 陈健, 林鑫涛, 杨山.  城市景观格局对PM2.5污染的影响 . 浙江农林大学学报, 2018, 35(1): 135-144. doi: 10.11833/j.issn.2095-0756.2018.01.018
    [6] 段彦博, 雷雅凯, 马格, 吴宝军, 田国行.  郑州市生态系统服务价值时空变化特征 . 浙江农林大学学报, 2017, 34(3): 511-519. doi: 10.11833/j.issn.2095-0756.2017.03.017
    [7] 董心玉, 范文义, 田甜.  基于面向对象的资源3号遥感影像森林分类研究 . 浙江农林大学学报, 2016, 33(5): 816-825. doi: 10.11833/j.issn.2095-0756.2016.05.013
    [8] 王晓学, 林田苗, 吴秀芹.  土地利用时空变化对宁夏盐池县沙区人居环境的影响 . 浙江农林大学学报, 2014, 31(1): 111-116. doi: 10.11833/j.issn.2095-0756.2014.01.017
    [9] 于龙, 周宇峰, 丁丽霞, 邹红玉.  基于波谱角分类的土地利用动态监测 . 浙江农林大学学报, 2014, 31(3): 386-393. doi: 10.11833/j.issn.2095-0756.2014.03.009
    [10] 张涛, 李永夫, 姜培坤, 周国模, 刘娟.  土地利用变化影响土壤碳库特征与土壤呼吸研究综述 . 浙江农林大学学报, 2013, 30(3): 428-437. doi: 10.11833/j.issn.2095-0756.2013.03.021
    [11] 俞静芳, 余树全, 张超, 李土生.  应用CASA模型估算浙江省植被净初级生产力 . 浙江农林大学学报, 2012, 29(4): 473-481. doi: 10.11833/j.issn.2095-0756.2012.04.001
    [12] 唐洁, 李志辉, 汤玉喜, 吴敏, 李永进, 王胜.  洞庭湖区滩地不同土地利用类型土壤呼吸动态 . 浙江农林大学学报, 2011, 28(3): 439-443. doi: 10.11833/j.issn.2095-0756.2011.03.014
    [13] 张利阳, 温国胜, 王圣杰, 刘兆玲.  毛竹光响应模型适用性分析 . 浙江农林大学学报, 2011, 28(2): 188-193. doi: 10.11833/j.issn.2095-0756.2011.02.003
    [14] 惠淑荣, 王娇, 张倩, 魏忠平, 刘阳.  辽西北沙地不同土地利用方式对土壤水分的影响 . 浙江农林大学学报, 2010, 27(4): 579-584. doi: 10.11833/j.issn.2095-0756.2010.04.017
    [15] 吴见, 彭道黎.  多伦县土地利用遥感信息提取技术 . 浙江农林大学学报, 2010, 27(3): 417-423. doi: 10.11833/j.issn.2095-0756.2010.03.016
    [16] 顾蕾, 吴春骏, 王鑫.  基于遥感的临安市土地利用变化及驱动力分析 . 浙江农林大学学报, 2009, 26(6): 870-876.
    [17] 李正才, 徐德应, 杨校生, 傅懋毅, 孙雪忠, 奚金荣.  7 种不同林农土地利用类型残体的有机碳储量 . 浙江农林大学学报, 2007, 24(5): 581-586.
    [18] 葛静茹, 秦安臣, 赵雄伟, 孙秋华, 李明, 张锐, 贾哲.  叠加分类及其在冀太行山区土地利用类型遥感解译中的应用 . 浙江农林大学学报, 2007, 24(6): 681-685.
    [19] 曹银贵, 周伟, 程烨, 许宁, 郝银.  土地利用变化研究现状 . 浙江农林大学学报, 2007, 24(5): 633-637.
    [20] 蒋文伟, 管宇, 刘彤, 周国模, 沈振明.  利用Markov 过程预测安吉土地利用格局的变化 . 浙江农林大学学报, 2004, 21(3): 309-312.
  • 加载中
  • 链接本文:

    https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20220134

    https://zlxb.zafu.edu.cn/article/zjnldxxb/2022//1

计量
  • 文章访问数:  11
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-01-21
  • 录用日期:  2022-07-18
  • 修回日期:  2022-06-30

面向Sentinel-2A影像的大理市土地利用分类方法适用性研究

doi: 10.11833/j.issn.2095-0756.20220134
    基金项目:  国家自然科学基金资助项目(32160405);云南省高原湿地保护修复与生态服务重点实验室开放基金项目(202105AG070002)
    作者简介:

    贾玉洁(ORCID: 0000-0003-0184-0266),从事环境生态遥感研究。E-mail: 2443972318@qq.com

    通信作者: 杨思林(ORCID: 0000-0003-1671-8482),副教授,博士,从事高原湖泊水环境研究。E-mail: 84458250@qq.com
  • 中图分类号: S758;F301.2

摘要:   目的  获取更高效、准确的土地利用自动分类方法,为后续的高原山区土地利用分类研究提供理论支撑。  方法  选取中国典型的高原山区云南省大理市为研究区域,以Sentinel-2A影像为对象,提出一种面向对象特征的决策树分类方法,并将此方法分类结果与传统的ISODATA法和最大似然法土地利用分类结果进行对比。  结果  ①面向对象特征的决策树方法分类结果在空间分布和各地类的面积统计方面都优于ISODATA法和最大似然法,与研究区实际土地利用面积数据更为接近;②在大理市,最大似然法在水体和林地的提取上适用性较好,而面向对象特征的决策树分类方法在农田、草地、建设用地和其他这些地类的区分上适用性更强,且在冰川积雪的提取上也有更好的提取效果;③相比与传统的ISODATA法和最大似然法分类结果精度,面向对象特征的决策树分类方法可进一步提高分类精度,总体分类精度可达90.20%,Kappa系数为87.95%。  结论  相较于传统的分类方法,先粗分类再进一步细分类的分类思想,可避免区域之间的混淆问题。面向对象特征与决策树相结合的组合分类方法在高原山区有着更好的适用性,可以有效提高高原山区分类精度。图3表8参26

English Abstract

贾玉洁, 刘云根, 杨思林, 王妍, 张超, 徐红枫, 郑淑君. 面向Sentinel-2A影像的大理市土地利用分类方法适用性研究[J]. 浙江农林大学学报. doi: 10.11833/j.issn.2095-0756.20220134
引用本文: 贾玉洁, 刘云根, 杨思林, 王妍, 张超, 徐红枫, 郑淑君. 面向Sentinel-2A影像的大理市土地利用分类方法适用性研究[J]. 浙江农林大学学报. doi: 10.11833/j.issn.2095-0756.20220134
JIA Yujie, LIU Yungen, YANG Silin, WANG Yan, ZHANG Chao, XU Hongfeng, ZHENG Shujun. Applicability of land use classification method in Dali City based on Sentinel-2A image[J]. Journal of Zhejiang A&F University. doi: 10.11833/j.issn.2095-0756.20220134
Citation: JIA Yujie, LIU Yungen, YANG Silin, WANG Yan, ZHANG Chao, XU Hongfeng, ZHENG Shujun. Applicability of land use classification method in Dali City based on Sentinel-2A image[J]. Journal of Zhejiang A&F University. doi: 10.11833/j.issn.2095-0756.20220134

返回顶部

目录

    /

    返回文章
    返回