下载文档原格式
基于Landsat8数据和监督分类方法的土地利用分类研究作者：肖凡郭俊军张梦杰来源：《安徽农学通报》2020年第08期摘要：该研究以Landsat8数据为基础，采用ENVI软件对数据进行预处理，以《土地利用现状分类》（GB/T21010-2017）为标准，将研究区的土地利用分为农用地、林地、水域、建筑用地和未利用地5种类型，分别采用平行六面体法、马氏距离法、最小距离法、最大似然法、神经网络法、支持向量机等6种监督分类方法进行分类，并对土地分类结果和精度进行评价，以分类精度和制图精度最高的支持向量机分类结果为对象，用其他5种分类方法与其进行结果差异对比分析。
通过多种监督分类方法结果对比，以期为后期土地利用分类提供指导和借鉴。
关键词：Landsat8;监督分类方法;土地利用分类中图分类号 TP79 文献标识码 A 文章编号 1007-7731（2020）08-0110-04土地利用/覆盖变化（LUCC）是全球环境变化人文因素计划（IHDP）与国际地圈生物圈计划（IGBP）的核心研究内容之一，也是全球变化研究的重要因素之一[1]。
开展土地利用分类研究有助于及时掌握区域土地覆盖变化，合理制定土地利用规划，节约土地资源，提升土地利用效率。
20世纪以来，打造新型卫星的传感器相继发射，針对不同问题，不同传感器有不同的参数特点[2]。
Landsat8由于波段信息丰富、空间分辨率高、易获取等优点成为广大学者研究的重要数据来源。
而随着国内遥感技术的发展，高分辨率遥感影像凭借地物内部分异明显、纹理清晰、细节丰富等优点也被应用到土地利用分类中。
本研究通过获取Landsat8 OLI遥感影像数据，以长沙市望城区为研究区域，对其遥感影像进行辐射校正、大气校正、融合、裁剪等预处理后，采用目视解译选取具有代表性的土地利用分类训练样本，分别采取平行六面体法、马氏距离法、最大似然法、最小距离法、神经网络法和支持向量机等监督分类方法对研究区域进行分类，并对分类结果进行对比分析。
实验报告实验四土地利用与土地覆盖变化检测一、实验目的：通过监督分类的方法来进行土地利用分类和土地覆盖变化的检测。
二、实验要求：自行下载遥感数据，4个不同年份的土地利用土地覆盖情况。
四景分类后图像，统计地类面积，把变化的那部分展示出来。
三、实验材料：Landsat8遥感影像、佛山市shape file文件四、实验平台：ArcMap10.8和Google Earth Engine五、实验步骤：1)土地利用监督分类1)佛山市的shp文件，并显示边框边界显示：2)建立样本数据集共建立了四个样本数据集，分别为water、forest、city和cropland并对每个样本进行颜色选择和属性定义设置完样本：3)对Landsat8影像数据进行去云处理4)选择裁剪范围5)选择栅格数据集6)定义光谱指数7)选择下列波段作为特征8)通过要素集在Landsat-8中选取样本，把landcover属性赋予样本9)精度评价10)计算混合矩阵11)导出分类结果12)点击run，运行代码精度验证2013年 2015年2019年 2021年2)土地覆盖度检测1)导入分类样本和研究区域2)裁剪影像3)选择landsat8遥感影像4)筛选2013年1月影像5)针对2013年1月数据进行土地覆盖分类6)筛选2021年1月影像7)针对2021年1月数据进行土地覆盖分类8)将Value值0-3重分类为1-49)展示一年内产生变化的区域10)2013年的分类结果乘以100再加上2021年的分类结果11)使用频率直方图获得每个类的像素计数12)每个类转换的像素数13)导出变化图14)点击run，运行结果变化情况如下图。
101表示urban变urban，102表示urban变bara，103表示urban变water，104表示urban变vegetable，以此类推。
15)在arcgis中进行出图六、实验结果分析：LULC是指通过农业、保护、开发、娱乐场所、野生动物栖息地和城市区域或任何其他活动使用土地，以及受气候变化过程和社会经济动态影响的特定地点的人类与环境互动的结果。
基于纹理信息的Landsat-8影像植被分类初探宁亮亮;张晓丽【摘要】Vegetation classification by remote sensing images has been as the hotspot in the field of remote sensing, for the low resolution images, the traditional classiifcation method mainly used spectral information of image, the images of the spatial information were used less, but the facts have proved that spatial information of remote sensing image is also very rich. In order to improve the utilization of spatial information of remote sensing image, the latest Landsat-8 spatial texture information were extracted, by combining with the spatial information and spectral information of remote sensing image texture information, the vegetation the classification in remote sensing image was carried out. The experimental results veriifed that with the texture information classiifcation, the overall accuracy were 84.68% and 83.87%, with the spectral information classification the overall accuracy was 82.26%, the classification accuracy after combining the spatial texture information was more obvious enhancement than that of traditional method.%遥感图像植被分类一直为遥感领域的热点，对于中低分辨率的影像，传统的分类方法主要是利用影像的光谱信息，对于影像的空间信息利用较少，而事实证明遥感影像的空间信息也十分丰富。
2016 NO.04SCIENCE & TECHNOLOGY INFORMATION信 息 技 术12科技资讯 SCIENCE & TECHNOLOGY INFORMATION近年来,由于经济的快速发展,城市土地利用类型变化较大,遥感数据被广泛用于土地利用和土地覆盖研究,遥感技术的快速发展为土地利用研究提供了有力的工具。
利用遥感图像解译编制土地利用类型图是一种经济实用的方法,能够快速、准确、大范围地获取土地资源状况,它可为摸清土地资源的数量与质量并进行合理利用提供科学依据。
该文利用Landsat-8遥感影像结合ENVI 工具,快速得到了城市的土地利用类型。
通过对分类结果精度的验证,证明了此技术可以作为获取土地利用信息的有效手段。
1 研究区概况某市地处我国东部沿海向内陆过渡地带,气候属亚热带湿润性东南季风气候, 具有冬寒夏暖、春湿秋旱、夏季多雨、冬季少雪、四季分明的特征。
地形以平原为主,兼有少量低山丘陵以及岗地。
植被类型繁多,自然植被以常绿阔叶、落叶阔叶混交林为主,马尾松、杉木、栎树分布普遍。
2 数据来源2013年2月11号,美国航空航天局(NASA)成功发射了Landsat 8 卫星,其上携带OLI陆地成像仪和TIRS热红外传感器。
OLI陆地成像仪包括9个波段,空间分辨率为30m,其中包括一个15米的全色波段。
与ETM+传感器相比,OLI包括了ETM+传感器所有的波段,OLI全色波段Band8波段范围变窄,使全色图像更易区分植被和无植被地区,有利于目视判读和城市土地利用分类。
此外,还有两个新增的波段:蓝色波段(band 1;0.433 0.453μm)和短波红外波段(band 9;1.360 1.390 μm)。
研究选取2013年9月的两景Landsat-8 OLI影像对该市进行土地利用分类研究,行列号分别为123/38和123/39,两景数据云量较少,成像清晰,利于后续分类处理。
一、实验背景随着遥感技术的不断发展，遥感技术在环境监测、资源调查、灾害预警等领域得到了广泛应用。
本实验旨在通过遥感技术，对某地区进行地表覆盖分类，为该地区的环境监测和资源调查提供数据支持。
二、实验目的1. 熟悉遥感图像处理软件的基本操作；2. 掌握遥感图像分类方法；3. 对某地区进行地表覆盖分类，为该地区的环境监测和资源调查提供数据支持。
三、实验内容1. 数据准备本实验选用某地区Landsat 8卫星影像作为实验数据，该影像覆盖范围约为1000平方公里，分辨率为30米。
实验过程中，首先对影像进行预处理，包括辐射校正、几何校正和大气校正等。
2. 遥感图像分类（1）选择合适的分类器本实验选用支持向量机（SVM）作为分类器，因为SVM在处理小样本数据时具有较好的性能。
（2）训练样本选择为提高分类精度，需要选择具有代表性的训练样本。
本实验采用随机抽样方法，从预处理后的影像中随机选取1000个样本作为训练样本。
（3）分类结果分析将训练样本输入SVM分类器进行训练，得到分类模型。
然后，将测试样本输入分类模型进行分类，得到分类结果。
3. 分类结果验证为验证分类结果的准确性，采用混淆矩阵对分类结果进行评价。
混淆矩阵是一种用于评估分类结果的方法，它能够直观地反映分类精度、召回率和F1值等指标。
四、实验结果与分析1. 分类精度通过计算混淆矩阵，得到分类精度为90.5%。
这说明本实验采用SVM分类器对某地区进行地表覆盖分类的效果较好。
2. 分类结果分析（1）地表覆盖类型分布通过分析分类结果，可以看出该地区地表覆盖类型主要有耕地、林地、草地、水域、建筑用地和未利用地等。
（2）地表覆盖变化分析与历史影像对比，可以看出该地区耕地面积有所增加，林地和草地面积有所减少，建筑用地面积显著增加。
这可能与当地经济发展和城市化进程有关。
3. 分类结果应用（1）环境监测通过地表覆盖分类结果，可以监测该地区土地利用变化，为环境监测提供数据支持。
北京揽宇方圆信息技术有限公司北京揽宇方圆全国土地覆盖数据产品是指基于Landsat TM/ETM/OLI遥感影像，采用全数字化人机交互遥感快速提取方法，同时参照国内外现有的主要是美国马里兰大学土地覆盖分类体系，以及遥感信息源和我国地表覆盖的实际情况，将全国土地类型划分为13级分类土地覆盖数据产品栅格数据源数据名称全国土地覆盖数据类型栅格数据格式tif空间分辨率1km时间序列1980年、1990年、1995年、2000年、2005年、2008年、2010年、2013年、2015年投影坐标Krasovsky_1940_Albers覆盖范围中国全域数据简介土地覆盖最主要组成部分是植被，但也包括土壤和陆地表面的水体；是陆地生物圈的重要组成部分。
是土地自然属性的重要反映；土地覆盖具有显著的空间特征、时间特征和时空尺度特征。
土地覆盖形态和状态可以在多种时空尺度上变化，而且产生土地覆盖变化的原因也是复杂的。
土地覆盖数据是全球环境变化、碳氮循环等研究和应用的基础数据；土地覆盖数据是国家建设生态文明建设、自然资产价值等准确评估的基础数据。
全国各省市自治区土地覆盖数据产品是指基于Landsat TM/ETM/OLI遥感影像，采用遥感信息提取方法，并结合野外实测，以及参照国内外现有的土地覆盖分类体系，经过波段选择及融合，图像几何校正及配准并对图像进行增强处理、拼接与裁剪，将全国土地利用类型划分为13种分类土地覆盖数据产品。
土地覆盖分类体系编号名称含义（定义、特征）1常绿针叶林以针叶树为建群种所组成的各类森林的总称。
2常绿阔叶林亚热带湿润地区由常绿阔叶树种组成的地带性森林类型。
3落叶针叶林由落叶松柏类为主的针叶树所构成的森林。
4落叶阔叶林由冬季落叶的阔叶乔木组成的森林群落。
5混交林寒温带针叶林和夏绿阔叶林间的过渡类型。
6灌丛一种以灌木占优势组成的植被类型。
郁闭度>30%，高3m以下，通常丛生、无明显主干的木本植物，但有时也有明显主干。
基于Landsat8数据和监督分类方法的土地利用分类研究1. 引言1.1 研究背景和意义：基于Landsat8数据和监督分类方法的土地利用分类研究土地利用分类研究是地学领域中一个重要的研究方向，对于探究土地资源的利用状况、监测土地利用变化、保护生态环境等具有重要意义。
而基于Landsat8数据和监督分类方法的土地利用分类研究，是利用高分辨率遥感影像数据和地学信息技术相结合的一种研究手段。
Landsat8作为全球最具代表性的遥感卫星之一，具有较高的空间分辨率和频率，能够提供丰富的地学信息。
监督分类方法是一种基于地物光谱特征进行分类的遥感信息提取方法，可以有效地实现土地利用类型的识别和分类。
通过对Landsat8数据和监督分类方法的结合应用，可以实现对土地利用类型的准确识别和监测，为土地资源管理和规划提供科学依据。
开展基于Landsat8数据和监督分类方法的土地利用分类研究具有重要的实践意义和科学价值。
1.2 研究目的：基于Landsat8数据和监督分类方法的土地利用分类研究2. 探讨监督分类方法在土地利用分类中的应用效果及优势。
3. 研究不同土地利用类型的特征，找出其影响因素和区别。
4. 分析土地利用分类结果，为土地资源管理和规划提供科学依据。
通过本研究，旨在为土地资源管理、环境保护以及城乡规划等领域提供可靠的土地利用分类信息，为相关决策提供科学支持。
本研究也旨在进一步完善遥感影像处理和监督分类方法在土地利用研究中的应用，推动土地资源利用的可持续发展。
1.3 研究方法：基于Landsat8数据和监督分类方法的土地利用分类研究研究方法部分是本文的重点之一，本文将采用基于Landsat8数据和监督分类方法的土地利用分类研究。
我们将通过USGS网站获取Landsat8影像数据，选择适当的时间和地点进行研究。
接着，我们将对获取的数据进行预处理，包括云层去除、辐射校正、大气校正等步骤，以确保数据的质量和准确性。
Landsat 土地利用分类是将地球表面的土地按照其自然特征、用途和人类活动方式进行分类的一种方法。
具体的分类包括：
1. 农用地：包括种植农作物（如麦地、稻田等）的耕地，以及种植果木、蔬菜、花草等作物的园地。
2. 林地：主要指种植乔木、灌木和竹类的土地。
3. 水域：包括河流、湖泊、水库、池塘等天然水体和人工水体。
4. 建筑用地：主要指城镇、村庄、工矿、交通等建设的土地。
5. 未利用地：主要包括空闲地、裸地等。
Landsat 数据还可以用来分析各种类型的土地利用变化，如城市化进程中耕地的减少，林地的减少，建设用地的增加等。
这种变化的分析有助于理解人类活动对地球表面环境的影响，并制定相应的土地利用政策。
