GF-1与Landsat-8影像土地利用遥感解译对比分析
李 丹,梅晓丹,赵 鹤,田美玲,翟 慧,罗雨斐,蒙延斌
【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。 【期刊名称】测绘工程 【年(卷),期】2018(027)010 【总页数】4
【关键词】GF-1;Landsat-8;土地利用;遥感解译;嫩江县
引用著录:李丹,梅晓丹,赵鹤,等.GF-1与Landsat-8影像土地利用遥感解译对比分析[J].测绘工程,2018,27(10):42-45.
基金项目:国家自然科学基金(41701198);黑龙江省青年科学基金(QC2016051);黑龙江省普通本科高等学校青年创新人才培养计划(UNPYSCT-2017170);黑龙江省博士后基金(LBH-Z17039);2017年黑龙江工程学院博士科研启动基金(2017BJ02)
高分一号(GF-1)卫星是我国高分辨率对地观测卫星系统重大专项(简称“高分专项”)的第一颗卫星,于2013年发射,包括红、绿、蓝、近红外4个波段,其
全色数据空间分辨率为 2 m,多光谱和宽幅多光谱空间分辨率分别为 8 m、16 m,具有高空间分辨率、高时间分辨率、宽覆盖等特点[1-3]。Landsat8 是美国国家航空航天局( NASA) 于 2013 年发射,该卫星的发射延续了 Landsat 系列卫星对地观测任务,为全球资源环境变化应用和研究提供了重要支撑[4]。土地利用变化是全球变化研究的热点问题之一[5-8],遥感数据因其具有大范围、时效性强和成本低的优势成为土地利用数据获取的主要数据源[9-12]。
为了对比上述2种传感器参数对土地利用分类能力与精度的影响,评价 GF-1 在土地利用遥感解译中的应用价值,本研究选取松嫩平原北部典型区域——黑龙江省嫩江县 GF-1和Landsat-8 影像数据,进行土地利用遥感解译,分析两种影像解译结果,以期为土地利用遥感图像解译研究提供数据支撑。
1 研究区概况
本文研究区嫩江县位于黑龙江省西北部,东经124°44′30″~126°49′30″,北纬48°42′35″~51°00′05″。行政区划面积1.51×104 km2。嫩江县位于兴安山地和松嫩平原之间的过渡地段,海拔为193~729.7 m,地势北、东部地区高,南、西部地区低。气候类型为中温带半湿润大陆性季风气候,年平均温度低,雨热同季且冬季漫长。嫩江县是我国重点商品粮生产基地,享有中国“大豆之乡”及“北国粮仓”的美誉。受行政管理限制,本文的研究区域未包括国营农场及军队农场[13]。
2 数据来源与处理
2.1 遥感影像预处理
本文选取嫩江县2013-08-20 Landsat-8 卫星OLI传感器数据,与GF-1 16 m分辨率多光谱数据进行土地利用遥感解译对比分析,具体参数如表1所示。对
影像进行辐射定标、大气校正、波段合成、图像镶嵌、图像裁剪等预处理后,定义训练样本,进行监督分类、精度检验,最终获得研究区土地利用遥感解译数据。
2.2 土地利用分类
根据研究区2013年Landsat-8与GF-1卫星遥感影像目视解译分类结果,选用最大似然法进行土地利用分类,参照《土地利用现状分类(G/T21010-007)》将嫩江县行政区土地利用类型划分为耕地、林地、草地、水域、建设用地、其他用地6个一级地类[14],如表2、表3所示。 2.3 精度检验
采用混淆矩阵进行精度检验,混淆矩阵是一种由N行和N列组成的N阶矩阵,其中N代表了类别的数量。混淆矩阵的列和行,分别代表了参考影像的信息和被评价影响的分类结果信息。
3 结果分析
3.1 Landsat-8和GF-1区域分类精度对比
由表2,表3可知,Landsat-8卫星对于林地区域和耕地区域的分类精度高于GF-1卫星;而在草地、建设用地、其他用地区域和水域方面的分类则是GF-1的精度高于Landsat-8卫星。因为GF-1卫星的分别率更高,所以在较多水塘、细小河流、村庄和小规模的城镇,地物类型破碎,纹理与细节信息明显的地区,分类效果更好。
3.2 Landsat-8和GF-1可分离性对比
为了对比2种数据在各土地利用类别上的光谱可分离性,将全部用地类型进行可分离性比较,详见表4、表5。在GF-1卫星的分类基础上,全部6个土地利
相关推荐: