鄱阳湖滨湖区多季相Landsat 8 OLI数据遴选及其土地利用/覆被遥感分类提取

作     者：张杰 敖子强 吴永明 杨春燕 邓觅 ZHANG Jie;AO Ziqiang;WU Yongming;YANG Chunyan;DENG Mi

作者机构：江西省科学院鄱阳湖研究中心江西省鄱阳湖重点实验室南昌330096 江西省科学院能源研究所南昌330096 南昌大学环境与化学工程学院南昌330047 

出 版 物：《江西科学》 (Jiangxi Science)

年 卷 期：2017年第35卷第1期

页      面：79-85页

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 0804[工学-仪器科学与技术] 

基　　金：国家自然科学基金项目(41661019,41263006) 江西省自然科学基金项目(20132BAB213024) 全国科学院联盟建设专项(2012-5) 江西省科学院普惠制项目(2013-XTPH1-28)资助 

主　　题：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 

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阳县为例,在ENVI遥感平台的支持下,利用2014年多季相Landsat 8 OLI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。