鄱阳湖滨湖区多季相Landsat8OLI数据遴选及其土地利用覆被遥感分类提取.pdfVIP

第35卷 第1期 江 西 科 学 V0l_35No．1 2017年 2月 JIANGXI SCIENCE Feb．20l7 doi：10．13990／j．issnl001—3679．2017．01．016 鄱阳湖滨湖区多季相 Landsat8OLI数据遴选 及其土地利用／覆被遥感分类提取 张 杰 ，敖子强 ，吴永明 ，杨春燕 ，邓 觅 (1．江西省科学院鄱阳湖研究中心，江西省鄱阳湖重点实验室，330096，南昌； 2．江西省科学院能源研究所330096，南昌；3．南昌大学环境与化学工程学院，330047，南昌) 摘要：鄱阳湖滨湖地区是中国南方内陆浅水型湖泊滨岸带与红壤丘陵交错的典型区域。研究以江西省上饶市 鄱Fq-g-为例，在 ENVI遥感平 台的支持下，利用2014年多季相 Landsat8OLI遥感影像数据资料 ，通过实地土 地利用／覆被调查与地物光谱分离度分析进行遥感数据遴选，对优选数据采用马氏距离(MD)法、最大似然 (ML)分类器、人工神经网络 (ANN)分类器、支持向量机 (SVM)分类器、光谱信息散度 (SID)分类器、波谱角分 类器(SAM)等8种监督分类方法进行监督分类。在先验知识和野外调查数据的基础上，对分类结果进行分 析 ；然后通过总体分类精度、混淆矩阵和Kappa系数对几种分类器的精度进行评价和比较。并针对鄱阳湖滨 湖地区土地利用／覆盖分类问题探究几种遥感分类方法的优劣，挑选最适用遥感分类方法。结果表明：在鄱阳 湖滨湖地区，各季节影像 中地表光谱可分性在8月达到最佳值 ，期间所获取是优选数据，有利于遥感分类识 别；人工神经网络法、支持向量机法(SVM)具有较好的的分类效果和分类精度，总体分类精度96％，Kappa 系数 0．94。总体上讲，SVM分类器的分类精度和 Kappa系数都要优于其他分类器，相比之下7—10月获取 的影像更适合于鄱阳湖滨湖地区土地利用／覆被的遥感识别和提取。通过遥感数据最优遴选，并结合优选遥 感分类器，可以显著提高鄱阳湖滨湖区土地利用／覆盖信息提取效率和遥感高精度分类的总体精度 ，有助于提 升该地区大范围土地利用／覆盖遥感宏观监测的可靠性和精准度。 关键词：土地利用／覆盖；红壤丘陵区；遥感分类；数据遴选；鄱阳湖滨湖区 中图分类号：S127；TP79 文献标识码：A 文章编号：1001—3679(2017)01—079—07 SelectionandLandUse／CoverClassification ofM ulti-Seasonal Landsat8OLIDatafortheLakesideBeltofPoyangLake ZHANG Jie，AOZiqiang ，WUYongming，YANG Chunyan ，DENG Mi， (1．PoyangLakeResearchCenter，andKeyLabofPoyangLake， JiangxiAcademyofSciences，330096，Nanchang，PRC； 2．InstituteofEnergyofJiangxiAcademyofScience，330096，Nanchang，PRC； 3．SchoolofEnvironmentandChemicalEngineering，NanchangUniversity，330047，Nanchang，PRC) Abstract：Lakesidearea in PoyangLakeistypicalinterlacedregion between shallow inland lakes andredsoilhillylandinChina．WetakethePoyangCounty，ShangraocityinJiangxiprovinceasa easestudy，useLandsat8 OLIdatatoeval