偃师市土地利用遥感分类研究

doi:10.14088/j.cnki.issn0439-8114.2021.13.011

湖北农业科学 ›› 2021, Vol. 60 ›› Issue (13): 60-62.doi: 10.14088/j.cnki.issn0439-8114.2021.13.011

偃师市土地利用遥感分类研究

王国重¹, 李中原², 张继宇³, 程焕玲⁴, 李佳红⁵

1.黄河水文水资源科学研究院,郑州 450004;
2.河南省水文水资源局,郑州 450003;
3.河南黄河河务局,郑州 450003;
4.河南省水土保持监测总站,郑州 450008;
5.河南省焦作水文水资源勘测局,河南焦作 454002

收稿日期:2020-08-26 出版日期:2021-07-10 发布日期:2021-07-26
作者简介:王国重（1972-）,男,河南南阳人,高级工程师,博士,主要从事水文水资源、水土保持研究,（电话）15890151558（电子信箱） zhonggw@tom.com。
基金资助:
河南省科技攻关计划项目（GG201719）

Study on remote sensing classification of land utilization in Yanshi city

WANG Guo-zhong¹, LI Zhong-yuan², ZHANG Ji-yu³, CHENG Huan-ling⁴, LI Jia-hong⁵

1. Yellow River Scientific Research Institute of Hydrology and Water Resources,Zhengzhou 450004,China;
2. Hydrology and Water Resources Bureau of Henan Province,Zhengzhou 450003,China;
3. Henan Yellow River Bureau,Zhengzhou 450003,China;
4. Soil and Water Conservation Supervision Central Station of Henan Province,Zhengzhou 450008,China;
5. Hydrology and Water Resources Survey Bureau of Jiaozuo,Henan Province,Jiaozuo 454002,Henan,China

Received:2020-08-26 Online:2021-07-10 Published:2021-07-26

摘要/Abstract

摘要： 为了掌握河南省偃师市真实、准确的土地利用数据,根据其Landsat8影像,采用支持向量基（SVM）和最大似然法（ML）对其2016年用地类型进行分类。结果表明,2种方法都具有较高的分类精度,但SVM的分类精度略低,这可能与所选参数、核函数及训练样本的影响有关,需做进一步研究。

关键词: 支持向量基（SVM）, 最大似然法, 遥感影像, 分类, 偃师市

Abstract: To grasp true and accurate land data in Yanshi city, Henan province, the classing methods were adopted by support vector （SVM） and maximum likelihood （ML） to classify its land use types in 2016 with landsat8 images. The results showed that both methods had high classification accuracy, but the SVM classification accuracy was slightly lower, which could be related to the selected parameters, the influence of kernel function and the training sample.

Key words: support vector machine（SVM）, maximum likelihood method, remote sensing image, classification, Yanshi city

中图分类号:

P237

王国重, 李中原, 张继宇, 程焕玲, 李佳红. 偃师市土地利用遥感分类研究[J]. 湖北农业科学, 2021, 60(13): 60-62.

WANG Guo-zhong, LI Zhong-yuan, ZHANG Ji-yu, CHENG Huan-ling, LI Jia-hong. Study on remote sensing classification of land utilization in Yanshi city[J]. HUBEI AGRICULTURAL SCIENCES, 2021, 60(13): 60-62.

参考文献

[1] 王鹏,黄荣. 基于土地利用变化的区域土地生态安全动态评价——以衡阳市为例[J]. 衡阳师范学院学报,2019,40(3):54-60.
[2] 张伟,吴艳民,刘吉凯. Landsat系列影像支持下的凤阳县石英砂矿区土地利用动态监测[J].测绘通报,2018(6):91-97.
[3] 陈霖,陈铭,腾龙妹,等. 基于村镇尺度的建设用地变化时空特征分析——以浙江省安吉县为例[J].山东国土资源,2019,35(6):78-88.
[4] 崔小芳,刘正军. 基于随机森林分类方法和多源遥感数据的湿地植被精细分类[J]. 测绘与空间地理信息,2018,41(8):113-116.
[5] 李晓红,陈尔学,李增元. 综合应用多源遥感数据的面向对象土地覆盖分类方法[J].林业科学,2018,54(2):68-80.
[6] 彭中,阿如旱,范田芳. 基于决策树分类算法的遥感影像土地利用分类[J].阴山学刊,2018,32(2):99-103.
[7] 赵理君,唐娉. 典型遥感数据分类方法的适用性分析——以遥感图像场景分类为例[J].遥感学报,2016,20(2):157-171.
[8] 许朝霞,王忆勤,颜建军,等. 基于支持向量机和人工神经网络的心血管疾病中医证候分类识别研究[J].北京中医药大学学报,2011,34(8):539-543.
[9] 周珂,陈磊阳,沈夏炯,等. 基于Landsat-8的开封城区不透水面提取[J].地理空间信息,2019,17(8):88-91,115.
[10] 程彬. 基于支持向量机的乾安县土地利用遥感分类研究[J].长春师范大学学报,2017,36(12):86-88.
[11] 蒋长辉,陈帅,薄煜明,等.利用支持向量机的矢量跟踪通道故障检测算法[J].国防科技大学学报,2017,39(5):21-25.
[12] 高鑫,徐景东,冯阳,等. 基于遥感与GIS的土地利用分类方法研究——以河北省安新县为例[J]. 科技创新与应用,2019(7):116-118.
[13] 陈书林,瞿佳明. 基于最大似然法的南京市土地利用类型分类研究[J].商,2016(22):110.
[14] 刘怀鹏,安慧君. 利用最大似然法识别呼和浩特市绿化树种[J].东北林业大学学报,2014,42(7):157-160,169.
[15] 陈敬柱,贺瑞霞,郭恒亮. 最大似然法在植被信息识别提取中的应用[J].水文地质工程地质,2004(2):94-96.
[16] 王素叶,王争艳,潘元庆. 浅析县级土地利用总体规划编制技术与方法——以偃师市为例[J].安徽农学通报,2013,19(9):9-11.
[17] 唐川,唐卷,房俊民,等.图灵奖得主识别与预测研究——基于多文献计量指标和支持向量机[J].情报杂志,2015,34(2):69-72,78.
[18] 关绍云,郑丽坤,金一宁,等. 基于高斯核函数的局部离群点检测算法[J].哈尔滨商业大学学报(自然科学版),2019,35(2):185-190,203.
[19] 林目轩,师迎春,陈秧分,等.长沙市区建设用地扩张的时空特征[J].地理研究,2007,26(2):265-274.
[20] 王明伟,王志平,赵春霞,等.基于最大似然和支持向量机方法的遥感影像地物分类精度评估与比较[J]. 山东科技大学学报(自然科学版),2016,35(3):25-32.
[21] 杨艳青,柴旭荣. 基于遥感和GIS的土地利用分类方法研究[J]. 山西师范大学学报(自然科学版),2015,29(4):69-74.
[22] 奉国和. SVM分类核函数及参数选择比较[J].计算机工程与应用,2011,47(3):123-124,128.
[23] 刘大宁,杨永乐,白林.SVM 核函数对分类精度影响的研究[J].佳木斯大学学报(自然科学版),2012,30(4):627-630.
[24] 赵慧,汪云甲.影响ETM影像土地利用/覆盖分类精度因素的研究[J]. 遥感技术与应用,2012,27(4):600-608.

偃师市土地利用遥感分类研究

Study on remote sensing classification of land utilization in Yanshi city

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	赵任重, 张秀丽, 刘晓潺, 陈永, 周湘铭, 宋强龙, 裴宜坤. 农村生活垃圾处理工艺设计实例——以河南省登封市为例[J]. 湖北农业科学, 2023, 62(6): 152-156.
[2]	蒋海涛, 周晋皓, 李欣茹, 林景华, 黄少芳, 刘吼海, 钟志艺. 基于高分二号卫星影像的基塘提取与形态分析[J]. 湖北农业科学, 2023, 62(6): 157-162.
[3]	施玉鸿, 亓迪. 垃圾分类政策下基层政府的治理逻辑——以Y市Z镇为例[J]. 湖北农业科学, 2023, 62(6): 252-257.
[4]	邱儒琼, 彭少坤, 李孟璠. 基于深度学习和遥感数据的水稻种植面积提取[J]. 湖北农业科学, 2023, 62(11): 176-182.
[5]	王俊俊, 王玲丽. 运城市盐湖区景观格局演变及其驱动因素研究[J]. 湖北农业科学, 2022, 61(8): 81-86.
[6]	王国重, 李中原, 程焕玲, 张继宇, 高镜清, 杨丹, 李秀红, 卢圆章. 偃师区不同坡度带植被覆盖度分布研究[J]. 湖北农业科学, 2022, 61(5): 106-110.
[7]	马海荣, 冯天晶, 戢锐. 基于FCN和面向对象的高分辨率遥感影像土地覆盖分类[J]. 湖北农业科学, 2022, 61(22): 163-168.
[8]	汪荃, 陈军军. 基于Sentinel-2时序影像的水稻种植信息提取[J]. 湖北农业科学, 2022, 61(16): 175-181.
[9]	吴碧兰, 向冬蕾, 陈运春. 基于土地功能的乡村“三生空间”分类评价体系研究——以禄劝彝族苗族自治县为例[J]. 湖北农业科学, 2022, 61(15): 90-97.
[10]	麻之润, 费凡, 黎芬, 董慧洁, 彭琳. 基于少样本学习的农业领域短文本分类研究[J]. 湖北农业科学, 2022, 61(13): 151-155.
[11]	俞武, 薛梦瑶, 何斌, 马金萍, 杜子龙. 面向中小型企业的废水排放水质监测模型研究[J]. 湖北农业科学, 2022, 61(10): 74-79.
[12]	杜学林, 刘悦明, 伍青, 黄子锋, 余铭杰, 王凤兰. 三角梅属研究进展[J]. 湖北农业科学, 2022, 61(1): 12-17.
[13]	王涛, 刘星亮, 王泓淇, 于志军. 基于机器学习的富硒茶评论文本消费者满意度感知研究[J]. 湖北农业科学, 2022, 61(1): 146-152.
[14]	刘帅君, 寇旭鹏, 何颖, 莫雪峰. 基于卷积神经网络的农作物病理图像分类算法研究[J]. 湖北农业科学, 2021, 60(9): 131-134.
[15]	刘选卫. 垃圾分类对新农村绿色文明建设促进机制及发展策略研究[J]. 湖北农业科学, 2021, 60(8): 190-194.