基于面向对象的遥感影像分类研究——以河北省柏乡县为例

遥感作为提取土地覆盖类型的主要手段对监测土地利用变化和制定国家政策具有重要意义。通过利用影像的光谱、形状和纹理信息,面向对象分类方法能够比基于像元的分类方法提供更高精度的数据。基于高分一号卫星数据提出一种自动计算最优尺度的方法,基于多尺度分割和3种监督型机器学习算法对研究区典型地物类型(农田、裸地、居民区和道路)进行面向对象分类,并用总体精度和Kappa系数对分类结果进行精度评价,分析了分类精度与训练样本占总样本比例的关系。研究表明,面向对象分类方法在训练样本占总样本比例较小的情况下就可以取得较高的分类精度,总体精度高于94%。总体来看,支持向量的分类精度比神经网络和决策树的分类精度高。     

基于高分遥感影像的露天矿区土地利用动态监测——以平朔矿区为例

煤炭能源是我国能源体系的重要组成部分,煤炭的露天开采相较于井工开采对周边环境影响更加深远。平朔矿区是我国早期开发的露天矿区,主要采用边修复边开采的露天开采模式,导致矿区内部土地利用变化较快,亟需高效、准确提取各类地物类型及监测其生态恢复情况。以多期高分辨率影像为数据基础,通过多尺度分割和机器学习的面向对象分类方法,提取了研究区2013～2020年的土地利用信息,并进一步分析了平朔露天矿区的土地利用动态变化情况。结果表明：2013～2020年,矿区逐年向东迁移,矿区面积减少7.84 km²,农田面积减少36.08 km²,林地和草地面积增加64.77 km²,水体、排土场、矿区面积减少低于10 km²。研究区内土地利用面积变化分析结果表明,绿色矿山建设效果显著。结合平朔煤矿绿色发展政策,本研究将为绿色矿山建设评价提供方法和数据支撑。