文章目录

1 引言

2 研究区概况和数据来源

2.1 研究区概况

2.2 数据与预处理

    (1)Landsat遥感数据

    (2）地形数据

    (3）分类训练样本和验证数据

3 面向对象的沙化土地遥感识别方法

3.1 影像分割

3.2 特征提取

3.3 分类方法

3.4 精度验证

4 结果与分析

4.1 分类结果精度检验

4.2 分类方法对比

4.3 沙化土地空间分布现状

5 结论

文章摘要:雅鲁藏布江中部流域长期遭受土地沙化侵蚀,采取有效手段进行沙化土地信息快速识别,跟踪土地沙化现状和动态发展,是土地沙化防治的基本前提。遥感数据因其快速、大范围、高精度监测等特点已被广泛应用于土地沙化监测。为降低该区域沙化土地破碎化分布特征以及广泛分布的稀疏植被地表对沙化土地遥感识别带来的不确定性,本文利用Google Earth Engine平台获取2019年秋季雅鲁藏布江中部流域Landsat无云遥感影像,基于面向对象的分类思想,充分提取沙化土地的光谱、几何和地形特征,根据不同的分类器构建4种分类方案,包括单一分类器（支持向量机、决策树、最近邻）分类以及组合分类法分类,提取雅江中游河谷地区沙化土地信息并验证不同方案的提取精度。结果表明:（1）利用面向对象组合分类模型提取的沙化土地信息效果最佳,总体精度高达91.38%,Kappa系数为0.82;（2）相较于采用单一分类器（支持向量机、最近邻和决策树分类）的面向对象分类方法,组合分类模型能更有效地识别破碎化的小面积沙化土地,降低沙化土地与稀疏植被地表的混淆情况,提高分类可靠性;（3）基于面向对象组合分类模型反演得到雅鲁藏布江中部流域2019年沙化土地分布信息,土地沙化面积达299.61 km²,总体上呈现沿河谷的带状不连续分布,且集中分布于河流北岸以及靠近河道的阳坡、低海拔地区。本研究可为土地沙化遥感监测提供新思路,其应用可服务于雅鲁藏布江中部流域土地沙化预防和治理工作。

文章关键词:

项目基金: 上一篇：高等教育论文_面向图书情报专业硕士的数据素养
下一篇：没有了