融合光谱混合分解与面向对象的土地利用_覆被分类.pdfVIP

第 37 卷 第 17 期 农 业 工 程 学 报 Vol.37 No.17 2021 年 9 月 Transactions of the Chinese Society of Agricultural Engineering Sept. 2021 225 ·土地保障与生态安全· 融合光谱混合分解与面向对象的土地利用/覆被分类 1,2 1 1 1 1 李 卓 ，韩文超 ，胡起源 ，高 翔 ，王林林 ， 3,2 3,2 3,2 1※ 肖 飞 ，刘文超 ，郭文华 ，孙丹峰 （1. 中国农业大学土地科学与技术学院，北京 100193 ；2. 自然资源部城市国土资源监测与仿真重点实验室，深圳 518034 ； 3. 自然资源部信息中心，北京 100036 ） 摘 要：错综复杂的土地利用模式和破碎的地物斑块制约了土地利用/覆被分类的精度和效率。一方面，混合像元 模糊了地物的光谱信息，影响了分类精度。另一方面，如何高效利用地物的光谱、形状和纹理特征是当前土地利 用/覆被分类的研究热点。为了提高基于遥感技术的土地利用/覆被分类精度，该研究基于 Sentinel-2A 遥感影像， 开展融合光谱混合分解与面向对象的土地利用/覆被分类研究。首先，基于地物的光谱、形状和纹理特征，在 3 个 分割尺度通过 NDWI （Normalized Difference Water Index) 、NDVI （Normalized Difference Vegetation Index ）、SBL （Soil Background Level ）等 8 个特征参数构建了不同地物信息的提取规则。其次，利用光谱混合分解模型提取研 究区基质（SL ；岩石和土壤）、植被（GV ；光合作用叶片）和暗色物质（DA ；阴影和水）3 类通用端元。最后， 尝试融合 3 端元光谱特征优化地物信息提取规则。研究结果表明：1）基于构建的光谱、形状和纹理的地物信息 提取规则，使用模糊函数、阈值法进行土地利用/覆被分类，获得了较高的分类精度，总体精度为 80.83%，Kappa 系数为 0.76 。2 ）融合 3 端元的光谱特征的提取规则将分类精度提升至 90.00% ，Kappa 系数提升至 0.88 。3 ）具有 明确物理意义的 3 端元的融入增强了像元内各组分信息的差异性，弥补了传统光谱指数对植被与土壤间的亮度信 息解析度不足的缺陷。该方法能充分利用影像的光谱信息，是一种由易到难、对不确定因素进行逐层剥离的土地 利用/ 覆被信息提取技术，对中高分辨率的多光谱遥感影像十分友好，在土地利用/ 覆被的精细化分类中有较大应 用潜力。 关键词：土地利用；遥感；分类；面向对象法；光谱混合分解；多尺度分割；Sentinel-2A 影像 doi ：10.11975/j.issn.1002-6819.2021.17.026 中图分类号：TP79 文献标志码：A