基于Pleiades-1高分辨率卫星影像的干旱沙区遥感影像分类——以甘肃民勤青土湖为例

doi:10.11924/j.issn.1000-6850.casb15040132

中国农学通报 ›› 2015, Vol. 31 ›› Issue (20): 126-130.doi: 10.11924/j.issn.1000-6850.casb15040132

所属专题：农业气象

• 资源环境生态土壤气象 • 上一篇下一篇

基于Pleiades-1高分辨率卫星影像的干旱沙区遥感影像分类——以甘肃民勤青土湖为例

陈政融¹，刘世增²，刘淑娟²，赵越¹

（¹甘肃农业大学林学院，兰州 730070；²甘肃省治沙研究所，兰州 730070）

收稿日期:2015-04-16 修回日期:2015-06-27 接受日期:2015-05-20 出版日期:2015-07-28 发布日期:2015-07-28
通讯作者: 刘世增
基金资助:
国家自然科学基金项目“石羊河尾闾（青土湖）水面形成的生态效应研究”(31160116)。

Classification of Arid Sand Remote Sensing Image Based on Pleiades-1 High Resolution Satellite Image: A Case Study of Qingtu Lake in Minqin County of Gansu Province

Chen Zhengrong¹, Liu Shizeng², Liu Shujuan², Zhao Yue¹

(¹Forestry College of Gansu Agricultural University, Lanzhou 730070;
²Gansu Desert Control Research Institute, Lanzhou 730030)

Received:2015-04-16 Revised:2015-06-27 Accepted:2015-05-20 Online:2015-07-28 Published:2015-07-28

摘要/Abstract

摘要： 研究旨在应用高分辨率遥感卫星影像对干旱沙区的植被进行调查、监测和统计。以甘肃省民勤县石羊河下游的青土湖为研究对象，运用法国Pleiades-1卫星的影像数据，通过面向对象分类方法对沙区的植被信息进行提取分类，对分类结果进行精度评价。结果表明，面向对象分类的方法提取精度达到95%，Kappa系数为0.8035，分类结果精度较高，有效地避免了基于像素分类方法的噪声和光谱的影响，具有极强的实用性，为高分辨率卫星影像分类提供了新的思路和方法。

关键词: 植物, 植物, 光谱, 铀

Abstract: The paper aims to study the application of high resolution remote sensing satellite image to the investigation, monitoring and statistics of arid sand vegetation. The author took Qingtu Lake located in the downstream of Shiyang River in Minqin County of Gansu Province as the study object, used the French Pleiades-1 satellite image data, and adopted the object oriented classification method, to extract and classify information of vegetation in desert area and evaluate the accuracy of the classification results. The results showed that the overall classification accuracy of object-oriented information extraction reached 95%, Kappa coefficient reached 0.8035. The classification results had high accuracy, effectively avoided the noise and spectral image based on pixel classification method, and had very strong practicability, providing a new idea and method for the high resolution satellite image classification.

陈政融,刘世增. 基于Pleiades-1高分辨率卫星影像的干旱沙区遥感影像分类——以甘肃民勤青土湖为例[J]. 中国农学通报, 2015, 31(20): 126-130.

参考文献

[1] 李海霞,高分辨率遥感影像对象分类方法研究及其城乡规划监测应用[D].北京:中国农业大学,2014:2.
[2] 周成虎,骆剑成.高分辨率卫星遥感影像地学计算[M].北京:科学出版社,2009:50.
[3] 杜凤兰,田庆久,夏学齐,等.面向对象的地物分类法分析与评价[J].遥感技术与应用,2004,19(1):20-23.
[4] 周春艳,王萍,张振勇,等.基于面向对象信息提取技术的城币用地分类[J].遥感技术与应用.2008,23(1):31-35.
[5] 常春艳,赵庚星,王凌,等.滨海光谱混淆区面向对象的土地利用遥感分类[J].农业工程学报,2012,28(5):226-231.
[6] Van de Voorde T, De Genst W, Canters F, et al. Extraction of land use /land cover related information from very high resolution data in urban and suburban areas[J].Remote Sensing in Transition,2004,18(30):237-244．
[7] Baudouin Desclee, Patrick Bogaert, Pierre Defourny. Forest change detection by statistical object-based method[J].Remote Sensing of Environment,2006,102:1-11.
[8] 赵福军,张磊.面向对象的遥感震害信息提取方法——以汉川地震为例[J].地震,2009,29:130-138.
[9] 刘浩,胡卓玮,赵文慧.基于面向对象的重大工程土地利用变化信息提取——以国家体育场(鸟巢)建设工程为例[J].国土资源遥感,2009,8204:86-89,95.
[10] 冯钟葵,石丹,陈文熙,等.法国遥感卫星的发展——从SPOT到Pleiades[J].遥感信息,2007(4):87-92.
[11] Jean-Luc Lamard, Catherine Gaudin-Delrieu, David Valentini, et al. Design of the high resolution optical instrument for the PLEIADES HR earth observation Satellites[C].5^th International Conference on Space Optics,2004,554:149-156.
[12] 徐伟,朴永杰.从Pleiades剖析新一代高性能小卫星技术发展[J].中国光学,2013,6(1):9-19.
[13] 沈渊婷,倪国强,徐大琦,等.利用Hyperion短波红外高光谱数据勘探天然气的研究[J].红外与毫米波学报,2008,27(3):210-214.
[14] 王小明;毛梦祺,张昌景,等.基于支持向量机的遥感影像分类比较研究[J].东北测绘,2013(4):17-20,23.
[15] 曹宝,秦其明,马海建,等.面向对象方法在SPOT5遥感图像分类中的应用——以北京市海淀区为例[J].地理与地理信息科学,2006,22(2):46-50.
[16] 王昌满,面向对象的遥感影像旱季水田利用信息提取[D].昆明:昆明理工大学,2014:25.
[17] Baatz M, Schap E. Multiresolution Segmentation-an optimization approach for high quality multi scale image segmentation[C]. In: Strobl, Blaschke, Greisebener. Angewandte Geographische Information Sverarbeitung XI. Beitrage zum AGIT-SymposiumSalzburg,1999, Karlsruhe: Herbert Wichmann Verlag,2000.
[18] 朱丹瑶.基于面向对象的SPOT5湿地影像分类[J].长春师范学院学报:自然科学版,2014,33(6):45-49.
[19] 牟凤云,罗丹,官冬杰,等.面向对象的土地覆盖信息提取方法研究及应用[J].重庆交通大学学报:自然科学版,2014,33(6):104-108,160.
[20] 李小强,李金平,甘甜.面向对象的高分辨率遥感影像城市地物信息提取研究[J].河南城建学院学报,2014,23(2):63-68.

基于Pleiades-1高分辨率卫星影像的干旱沙区遥感影像分类——以甘肃民勤青土湖为例

Classification of Arid Sand Remote Sensing Image Based on Pleiades-1 High Resolution Satellite Image: A Case Study of Qingtu Lake in Minqin County of Gansu Province

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

[1]	马元花, 印彩霞, 王红玉, 刘宇轩, 刘前通, 张泽. 基于高光谱的棉花叶片磷含量估测模型[J]. 中国农学通报, 2023, 39(1): 123-132.
[2]	殷婷婷, 李志慧, 苏佳贺, 吴世迪, 徐红岩, 贺帅, 刘培, 李相前. 生物法制备纳米硒的研究进展和应用前景[J]. 中国农学通报, 2022, 38(8): 33-41.
[3]	董文彩, 刘宪斌, 李红梅, 赵双梅, 包金美, 沈健萍, 梁芳, 鲁美. 不同水平供钙量对木本观赏植物生长发育的影响[J]. 中国农学通报, 2022, 38(8): 42-50.
[4]	张日谦, 何孟莹, 钱美娇, 张雪, 刘依琳, 宛传捷, 张震. 不同生境中喜旱莲子草雄蕊雌化的发生及其在花序内的分布模式[J]. 中国农学通报, 2022, 38(4): 29-35.
[5]	王琰, 胥美美, 单连慧, 苟欢, 童俞嘉, 安新颖. 基于文献专利计量的重大植物疫情领域态势分析[J]. 中国农学通报, 2022, 38(34): 144-154.
[6]	李爽, 张小军, 王平, 徐永菊, 侯睿, 朱勋路, 刘行, 张相琼, 岳福良, 李文均, 张小红. 花生不同遗传背景下的花生芽产出系数比较[J]. 中国农学通报, 2022, 38(31): 17-23.
[7]	李政璞, 佟静, 王素娜, 李炎艳, 王丽萍, 梁浩, 武占会. 光周期对植物工厂水芹产量和品质的影响[J]. 中国农学通报, 2022, 38(31): 38-42.
[8]	王晴, 方文生, 李园, 王秋霞, 颜冬冬, 曹坳程. 杀线虫剂新品种及作用机制研究进展[J]. 中国农学通报, 2022, 38(30): 100-107.
[9]	刘淑娟, 张翠萍, 李淑英, 杨小燕, 周元清, 李元. 草本植物根际微生物降解地表水环境邻苯二甲酸酯的研究[J]. 中国农学通报, 2022, 38(3): 44-51.
[10]	陈柳宏, 赵春雷, 王希, 李彦丽, 丁广洲, 陈丽. 单细胞转录组测序技术及其在植物研究中的应用[J]. 中国农学通报, 2022, 38(3): 87-93.
[11]	隋振全, 范金石, 尹崇山, 毛金超. 壳聚糖对植物病原体的作用机制及其影响因素[J]. 中国农学通报, 2022, 38(3): 121-126.
[12]	王春玲, 叶彩华, 姜江. 北京地区春季木本植物花粉起始期预报模型研究[J]. 中国农学通报, 2022, 38(28): 89-97.
[13]	李佳佳, 徐翎清, 赵阳, 芮秀丽, 石俊婷, 刘大丽. 氮代谢参与植物低氮胁迫研究进展[J]. 中国农学通报, 2022, 38(27): 119-124.
[14]	吴宇炼, 范慧艳, 汪彦欣, 徐凯逸, 邵承媛. 植物免疫诱抗剂研究文献计量可视化分析[J]. 中国农学通报, 2022, 38(27): 138-146.
[15]	缪宗崇. 中国植物新品种保护制度的完善思考[J]. 中国农学通报, 2022, 38(26): 100-104.