论文部分内容阅读
当前,土地利用/覆被变化信息已经成为全球变化和可持续发展研究领域不可或缺的重要基础数据。这是由于地表覆盖是陆地表面可以观察到的自然营造物和人工建筑物的综合体,是自然和人类活动共同作用的结果。随着全球和区域土地利用/覆被的快速变化,以及遥感信息技术的迅猛发展,精确有效地获取高时空分辨率遥感影像在监测土地利用/覆被信息中起着至关重要的作用,但是在较大范围的土地覆被分类研究中,单纯依靠某一种传感器数据获取的遥感影像很难满足高时空分辨率的要求。因此如何有效提高土地利用覆被类型分类精度仍是当前国内外学者研究热点。本文选取秦皇岛市作为研究区域,参考USGS、IGBP、FAO和中科院土地利用分类系统,结合秦皇岛市的自然人文特征,建立了符合该区域实际情况的土地利用分类体系。综合MODIS高时间分辨率和Landsat OLI高空间分辨率的优势,基于ESTARFM时空数据融合模型生成了2015年秦皇岛市16天、30米的高时空分辨率NDVI数据。利用TIMESAT3.软件中的双Logistic函数拟合算法提取了研究区的物候参数,可以更好地反映诸如耕地、林地、灌木、草地等植被的物候学特征。获取DEM数据及其衍生的坡度、坡向数据、NDBI(归一化差值建筑指数)、MNDWI(改进归一化差异水体指数)和NDSI(土壤亮度指数),构建多特征分类数据集,根据可分离性分析确定最佳分类特征组合,之后采用面向对象支持向量机分类方法得到分类结果,并通过混淆矩阵进行分类精度验证。结果表明:(1)利用ESTARFM时空融合模型得到的ESTARFM_NDVI数据和真实Landsat_NDVI数据具有较高的相关性,R~2可达0.88,预测结果可用于土地利用覆被分类研究;(2)利用TIMESAT软件提取的物候参数可以有效的反映出研究区植被的物候变化特征,从而大大地提高植被的分类精度;(3)利用面向对象支持向量机的方法对研究区进行土地利用/覆被信息的提取,其总体分类精度可以达到87.15%,Kappa系数为84.29%,其中林地、灌丛和草地的分类精度分别达到86.38%、81.59%、83.51%,表明了使用多特征参量进行面向对象分类可以达到较高精度,并且能够显著提高林、灌、草自动分类精度。本文的创新点在于:(1)本文基于ESTARFM时空数据融合模型,利用MODIS数据补充了2015年缺失的Landsat数据,构建了秦皇岛地区高时空分辨率影像(16day、30m)NDVI数据集;(2)本文提取了秦皇岛地区高时空分辨率的植被物候参量及其他分类特征参量,分析了研究区地表覆被的物候变化情况,并选取最佳分类特征组合。利用面向对象支持向量机方法提取秦皇岛地区土地利用覆被分类信息。