基于多源多时相遥感数据的关中地区土地利用分类研究

摘要

及时、准确地获取土地利用信息，可为土地资源的规划管理和生态环境保护活动提供重要依据，同时可用于农业灌溉需水量的计算，对水资源配置等具有重要意义，也是农业信息化发展的必然要求。 为获取关中地区土地利用信息，探究影响土地利用分类精度的因素，基于MOD13Q1数据，采用迭代自组织数据分析算法（ISODATA）与分类回归决策树算法（CART）结合的方法分四种植被指数情形进行土地利用分类，从空间和定量两个方面分析不同植被指数对分类结果的影响，比选最佳植被指数情形；采用ESTARFM算法实现Landsat 8和MODIS数据blue，red和NIR波段的融合，获取具有高时空分辨率的融合影像，从光谱和分类结果两方面评价融合影像的质量；以及在融合影像中引入 DEM和坡度信息进行分类，并对比不同情形分类结果，分析影响土地利用分类精度的因素。主要结论如下： （1）采用ISODATA与CART结合算法获取的土地利用分类结果，与关中地区实际情况吻合，四种情形总体精度均超过96%，Kappa系数均在0.94以上，耕地和果园的提取精度分别可达到 89.36%和 65.47%，该方法适用于关中地区土地利用分类，且较单一CART算法的分类精度更高； （2）基于不同植被指数情形，土地利用分类结果存在差异，组合植被指数时间序列用于分类时，分类效果优于单一植被指数时间序列，且 EVI 优先时，精度较高， EVI+NDVI植被指数时间序列为最佳分类情形； （3）ESTARFM算法能够实现MODIS数据与Landsat 8数据的融合，获得具有MODIS数据时间分辨率和Landsat 8数据空间分辨率的融合影像，且blue、red和NIR波段预测反射率与参考反射率的相关性均在 0.8 以上，融合质量较好；基于融合影像的土地利用分类，与原始 MODIS 数据相比，空间精度有一定提高，耕地的提取精度提高5.19%，而可能由于“椒盐现象”，果园的提取精度并未提高； （4）基于MODIS和Landsat 8融合影像、DEM和坡度信息多源数据，获取土地利用信息，能有效缓“椒盐现象”，提高分类精度，总体精度和 Kappa 系数分别可达97.60%、0.9700，耕地和果园的提取精度分别可达99.53%、72.17%； （5）影响土地利用分类精度的因素主要包括：遥感数据的系统误差及质量、时空间分辨率，时空融合算法，分类依据的选取，DEM、坡度及其分布等空间特征。 虽然本研究基于MODIS、Landsat 8时间序列影像、DEM、坡度多源数据，已获取精度较高的土地利用分类结果，并探究了影像分类精度的因素，但是受时间和个人能力限制，存在一定的不足：研究区面积广阔，受Landsat 8数据幅宽的限制，多幅影 像才能覆盖整个区域，数据处理工作量较大，仅定性地分析了影像土地利用分类精度的因素。今后的研究中可以考虑开发批处理软件，简化工作，减少工作量；通过计算景观格局参数等指标，深入研究土地利用分类精度的影像因素。

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究进展

1.3 研究内容

1.4 技术路线

第二章 研究区概况及研究方法

2.1 研究区概况

2.2 研究方法

第三章 基于不同植被指数时间序列的土地利用分类与评价

3.1 基于Savitzky-Golay滤波法的植被指数时间序列构建

3.2 基于不同植被指数时间序列的土地利用分类

3.3 土地利用分类结果评价

3.4 讨论

3.5 本章小结

第四章基于MODIS和Landsat 8融合数据的土地利用分类与评价

4.1基于ESTARFM算法的MODIS与Landsat 8数据融合及评价

4.2 基于融合影像的土地利用分类

4.3 讨论

4.4 本章小结

第五章 基于融合影像和空间信息的土地利用分类与评价

5.1 基于融合影像和空间信息多源数据的土地利用分类

5.2 土地利用分类结果评价

5.3 讨论

5.4 本章小结

第六章 研究成果及今后研究方向

6.1 研究成果

6.2 存在问题及今后研究方向

参考文献

致谢

作者简介