土地利用数据分类过程教学/土地利用分类/遥感解译/地理数据获取

本篇主要介绍如何对影像数据进行分类解译，及过程教学，示例数据下载链接：数据下载链接

一、背景介绍

土地是人类赖以生存与发展的重要资源和物质保障，在“人口－资源－环境－发展（PRED）”复合系统中，土地资源处于基础地位。随着现代社会人口的不断增长以及工业化、城市化进程的加速，人类对土地资源的开发利用强度不断增大，对土地资源的不合理利用，导致了严重的水土流失和生态环境恶化，人类面临的土地利用问题较历史上任何时候都更为突出。土地利用现状分析是在土地利用现状调查的基础上进行的。通过对土地资源的数量与质量、结构与分布以及土地利用现状与开发潜力等方面的分析，明确规划区域内土地资源的整体优势与劣势、制约优势土地资源开发利用的主要因素，揭示土地利用中存在的问题，从而明确土地资源开发利用的方向和重点，提出改善土地利用、提高土地利用率和生产力的对策和途径，既可以发挥区域资源优势、强化区域土地系统功能，又强调人地协调发展的土地利用规划，为制定土地利用规划提供重要的科学依据。因此，进行土地利用现状分析，对促进土地利用结构的调整与优化、综合整治、保护土地、充分挖掘土地利用上的潜力以及保持国民经济的持续健康发展等都具有十分重要的意义。

二、计算过程

1.数据获取与数据准备

本研究采用的遥感影像数据来自美国马里兰大学和中国科学院国际科学数据服务平台，均采用美国陆地卫星于1990年和2018年所拍摄的LandsatTM/ OLI30m遥感影像，云量均接近0%。本文的遥感影像成像时间不一致，根据瞬时状态下最大限度使图像上尽可能丰富地反映地表信息的原则，本次遥感调查主要选择5月下旬至6月中旬或8月下旬至9月中旬的图像，由于地物信息较清楚，由此带来的地物反射光谱差异显著，容易识别，影像解译比较容易。

2.数据预处理

在对影像数据进行分类解译之前，首先要对数据做预处理工作，主要步骤有:

（1）波段选择及融合

本文采用最佳指数法（Optimum Index Factor，简称）和特征值法相结合，共同确定了最佳波段组合，也就是Landsat5-TM4、3、2波段，Landsat8-OLI5、4、3波段，分别赋予红、绿、蓝色作为标准假彩色合成的RGB波段。这一假彩色影像最关键的是突出了植被特征，并且能提供丰富的信息，能充分显示各种地物特征的差别，便于分类，可以保证分类的准确性。

（2）图像几何校正与配准

采用的Landsat系列图像已经在中国遥感卫星地面站进行过辐射校正和几何粗校正，但为了使研究结果更加的科学、可信，则必须的对影像进行几何精校正。几何精校正是利用地面控制点(Ground control Point，GPC)对由各种随机因素引起的遥感图像进行几何畸变的校正。本研究以研究区的地形图作为参考图像，必要时辅以实地考察的GPS点，采用多项式几何纠正计算模型，对遥感影像进行几何精校正。

（3）图像增强处理

传感器获取的遥感图像含有大量地物特征信息，在图像上这些特征信息以灰度形式表现出来，当地物特征间表现的灰度差很小时，目视判读就无法辨认，图像增强处理是的目的在于突出图像中有用的信息，扩大不同图像特征之间的差别，从而提高对图像的解译和分析能力。遥感数字图像增强处理一般可分为两大类：频域法和空间域法。本文主要采用空间域图像增强方法，其遵循视觉效果比较好、计算相对简单、合乎应用要求的原则。另外，在后面遥感图像分类的新波段变量构造部分还应用了NDVI指数以区分植被和非植被以提高分类精度。

（4）影像拼接与裁剪

本案例中的研究区域为西宁市，则遥感影像数据需要覆盖整个研究区，因此需要进行影像拼接，进行拼接时首先要参照某一遥感影像，将其它遥感影像进行直方图匹配处理，使得所有用到的遥感影像具有基本一致的色调，然后再将要用到的影像进行无缝的拼接处理，之后经过裁剪得到覆盖整个研究区的遥感影像。

3.分类方法

本次服务是基于Landsat等遥感信息基础上，在多位专家的参与下，采用全数字人机交互作业方法，同时参照有关地理图件和统计资料，结合外业实地考察验证，对地物的几何形状，颜色特征、纹理特征和空间分布情况进行分析，并在综合各位专家意见后，建立遥感影像解译标志。在内业建立解译标志与实现数据获取的基础上，不断的对解译模板进行修改，直到修改的模板经过评价以后比较满意为止，以提高土地利用/覆盖类型精度。动态图斑数据主要采用“动态分割图斑法”。参照国内外现有土地利用/土地覆盖的分类体系，结合本项目的开展的目的和要求以及遥感信息源的情况，制定了有6个一级分类，25个二级分类的土地利用/土地覆盖分类体系。

在分类过程中，由于遥感图像自身的空间分辨率，同物异谱以及异物同谱现象广泛存在，所以错分和误分的情况很常见，因此对分类结果要做进一步的处理工作，也就是去除小图斑的工作，我们常称之为分类后处理。常用的分类后处理方法有：聚类统计（Clump）、过滤分析（Sieve）、去除分析（Eliminate）和分类重编码（Recode）等。

4.质量控制与检查

各工序过程质量按要求进行过程检查 ,需100%检查。

土地利用/覆盖数据抽样检查

对获取的土地利用/覆盖数据产品进行空间抽样检查，验证土地利用/覆盖数据类型定性是否正确。验证的方式主要依靠高分影像（要考虑影像的时效性）与野外实地验证相结合的方式作业，未达到抽样精度90%的重新修正数据。

5.技术服务成果展示如下图

另附上获取30m土地利用数据获取来源：

地理遥感生态网平台公布了1980年-2020年土地利用分类数据，精度有10m、30m、1000m。精度据官网介绍达到了92%精度。

同时地理遥感生态网平台也正式发布该项数据，数据来源请引用：地理遥感生态网科学数据注册与出版系统

土地利用数据分类过程教学/土地利用分类/遥感解译/地理数据获取相关推荐

土地利用数据分类过程教学/土地利用分类/遥感解译/土地利用获取来源介绍/地理数据获取
本篇主要介绍如何对影像数据进行分类解译,及过程教学,示例数据下载链接:数据下载链接更多GIS遥感教程,来源于地理遥感生态网. 一.背景介绍土地是人类赖以生存与发展的重要资源 ...
制作(土壤侵蚀度图，土地利用图、生态系统类型图，生境分布图)遥感解译模型方法.
最新<环境影响评价技术导则生态影响HJ19-2022>于2022年1月15日发布,2022-07-01正式实施,新导则颁布后,要求生态现状评价内容中基本图件构成包含:项目区域地理位置图.工 ...
2021年最新全国30米土地利用数据（中科院二级分类）
中科院全国30米土地利用数据(1980-2018) 数据来源:中科院地理所/地理国情监测云平台数据名称:中国全国30米高精度土地利用现状土地利用类型遥感监测数据 1980年-2018年中国土地利用现 ...
计算机解译地学应用效果,不同的遥感解译方法在地表覆盖分类信息提取中的应用研究...
摘要: 第一次全国地理国情普查工作正在华夏大地如火如荼的进行中.通过对地理国情全面的普查,能够更加权威,更加客观,更加准确的了解和掌握我国陆地国土范围内的地表自然,生态以及人类活动的基本情况.地理这一 ...
脑启发遥感解译:一个全面的调查
Brain-inspired Remote Sensing Interpretation: A Comprehensive Survey 脑启发遥感解译:一个全面的调查摘要:基于大脑的算法已经成为下 ...
最新导则下：基于遥感解译与GIS技术环境影响评价图件制作实践应用
[前言] <环境影响评价技术导则生态影响>(HJ 19-2022)即将实施,其中生态影响评价图件是生态影响评价报告的必要组成内容,是评价的主要依据和成果的重要表现形式,是指导生态保护措施 ...
遥感解译实验样本标注规范
遥感解译实验样本标注规范为了进行遥感解译实验,现进行全地物类别产品实验,需要提供大量的样本数据,故对GF1-WFV(16米分辨率)影像进行样本的标注,用于深度学习技术的训练学习阶段. 一实验所用软 ...
基于遥感解译与GIS技术环境影响评价图件制作
<环境影响评价技术导则生态影响>(HJ 19-2022)即将实施,其中生态影响评价图件是生态影响评价报告的必要组成内容,是评价的主要依据和成果的重要表现形式,是指导生态保护措施设计的重要依 ...
ArcGIS土地利用动态度与土地利用程度计算（附练习数据下载）
一. 数据来源介绍土地利用数据分为2000年和2020年两期数据,土地利用数据以及贵州省地市行政边界数据均来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn/). 二. ...

土地利用数据分类过程教学/土地利用分类/遥感解译/地理数据获取

土地利用数据分类过程教学/土地利用分类/遥感解译/地理数据获取相关推荐

最新文章

热门文章