Please wait a minute...
国土资源遥感  2019, Vol. 31 Issue (2): 125-130    DOI: 10.6046/gtzyyg.2019.02.18
  技术应用 本期目录 | 过刊浏览 | 高级检索 |
高标准农田建后遥感监测方法
陈震1,张耘实1,章远钰2,桑玲玲2
1.中国地质大学(北京)地球科学与资源学院,北京 100083
2.自然资源部土地整治中心,北京 100035
A study of remote sensing monitoring methods for the high standard farmland
Zhen CHEN1,Yunshi ZHANG1,Yuanyu ZHANG2,Lingling SANG2
1.School of Earth Sciences and Resources, China University of Geosciences(Beijing), Beijing 100083, China
2.Land Consolidation and Rehabilitation Center, Ministry of Natural Resources, Beijing 100035, China
全文: PDF(3857 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

高标准农田建后常会有违规利用情况存在,如何实现对高标准农田建后实时、精准的遥感监测成为土地整治部门亟待解决的问题。全国高标准农田监测面积大,监测精度要求高,迫切需要一套适应于全国范围推广的高标准农田自动监测方法。以广东省东莞地区为研究区,对比了面向对象和最大似然2种自动遥感分类监测方法,面向对象总体精度达到98.684 7%,Kappa系数为0.983 3; 而最大似然分类方法总体精度则为78.587 1%,Kappa系数为0.718 0。研究表明面向对象分类方法能较好地满足高标准农田建后利用情况遥感监测工作的需求,此方法可以为全国高标准农田建成后的实时监管提供高效、精准的决策信息,为国家耕地保护、粮食安全工作提供技术支撑。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
陈震
张耘实
章远钰
桑玲玲
关键词 农田建后遥感监测面向对象分类最大似然分类    
Abstract

At present, the area of high standard farmland has reached a certain scale in China. In the remote sensing monitoring for the utilization of high standard farmland, illegal utilization has appeared frequently. How to realize real-time and accurate remote sensing monitoring for high standard farmland has become an urgent problem for the land regulation department of the government. The national high standard farmland monitoring area is large, and the monitoring precision requirements are high. It is urgent for the government to study a set of high standard farmland automatic monitoring methods adapted to the nationwide extension. In this paper, two automatic remote sensing classification monitoring methods, i.e., object oriented and maximum likelihood, are compared. The overall precision of the object-oriented method is 98.684 7%, and the Kappa coefficient is 0.983 3. The overall accuracy of the maximum likelihood classification method is 78.587 1%, and the Kappa coefficient is 0.718 0. The research shows that the object-oriented classification method can better meet the requirements of the high standard farmland. By popularizing the method, it is the way to provide efficient and accurate decision-making information for real time supervision of high standard farmland, and can provide technical support for the national protection of cultivated land and food security.

Key wordsfarmland use remote sensing monitoring    object-oriented classification    maximum likelihood classification
收稿日期: 2018-03-27      出版日期: 2019-05-23
ZTFLH:  TP79  
作者简介: 陈 震(1977-),男,博士,讲师,主要从事遥感技术应用方面的研究。Email: chenzhen@cugb.edu.cn。
引用本文:   
陈震,张耘实,章远钰,桑玲玲. 高标准农田建后遥感监测方法[J]. 国土资源遥感, 2019, 31(2): 125-130.
Zhen CHEN,Yunshi ZHANG,Yuanyu ZHANG,Lingling SANG. A study of remote sensing monitoring methods for the high standard farmland. Remote Sensing for Land & Resources, 2019, 31(2): 125-130.
链接本文:  
http://www.gtzyyg.com/CN/10.6046/gtzyyg.2019.02.18      或      http://www.gtzyyg.com/CN/Y2019/V31/I2/125
参数 全色/多光谱相机参数值
光谱范围/μm 全色 0.450.90
多光谱 0.450.52
0.520.59
0.630.69
0.770.89
空间分辨率/m 全色 1
多光谱 4
幅宽/km 45(2台相机组合)
重访周期(侧摆时)/d 5
覆盖周期(不侧摆)/d 69
Tab.1  高分二号卫星有效载荷技术指标
波段 B1 B2 B3 B4
B1 1.00 0.95 0.90 0.34
B2 0.95 1.00 0.97 0.43
B3 0.90 0.96 1.00 0.41
B4 0.34 0.43 0.41 1.00
Tab.2  高分二号各多光谱波段间相关系数矩阵
R,G,B B1,B2,B4 B1,B3,B4 B2,B3,B4
OIF 290.52 366.17 352.60
Tab.3  高分二号数据各组合方案及OIF值
Fig.1  工作流程
Tab.4  高标准农田建后利用情况监测遥感解译标志
Fig.2  KNN分类原理
Fig.3  面向对象分类结果
Fig.4  最大似然分类结果
类别 农田 水体 公路 建设
占用
调整
用途
荒地 合计
农田 522 0 0 0 0 0 522
水体 0 412 0 0 13 0 425
公路 0 0 840 0 0 19 859
建设占用 0 0 0 609 0 0 609
调整用途 0 0 0 0 180 0 180
荒地 0 0 4 0 0 138 142
合计 522 412 844 609 193 157 2 737
Tab.5  面向对象分类结果混淆矩阵
类别 农田 水体 公路 建设
占用
调整
用途
荒地 合计
农田 521 0 0 1 0 0 522
水体 0 0 0 0 165 0 165
公路 0 411 843 0 0 0 1 254
建设占用 0 0 0 607 3 0 610
调整用途 0 0 0 0 25 5 30
荒地 0 0 0 0 0 151 151
合计 521 411 843 608 193 156 2 732
Tab.6  最大似然分类结果混淆矩阵
[1] 孙丹峰, 杨冀红, 刘顺喜 . 高分辨率遥感卫星影像在土地利用分类及其变化监测的应用研究[J]. 农业工程学报, 2002,18(2):160-164.
Sun D F, Yang J H, Liu S X . Application of high resolution remote sensing satellite images in land use classification and change monitoring[J]. Transactions of the Chinese Society of Agricultural Engineering, 2002,18(2):160-164.
[2] 郭文娟, 张佳华 . 利用ASTER遥感资料提取南京城郊土地利用信息的研究[J]. 农业工程学报, 2005,21(9):62-66.
Guo W J, Zhang J H . Extraction for land use classification information of suburb of Nanjing City using ASTER image[J]. Transactions of the Chinese Society of Agricultural Engineering, 2005,21(9):62-66.
[3] 张超, 李智晓, 李鹏山 , 等. 基于高分辨率遥感影像分类的城镇土地利用规划监测[J]. 农业机械学报, 2015,46(11):323-329.
Zhang C, Li Z X, Li P S , et al. Urban-rural land use plan monitoring based on high spatial resolution remote sensing imagery classification[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015,46(11):323-329.
[4] 陈凯, 罗兆楠, 王小松 , 等. 特高压工程施工利用高分二号遥感影像进行水土保持远程监测研究[J]. 地理信息世界, 2016,23(3):108-113.
Chen K, Luo Z N, Wang X S , et al. The research on remote monitoring of soil and water conservation using Gaofen-2(GF-2) satellite in UHV engineering construction[J]. Geomatics World, 2016,23(3):108-113.
[5] 吴洪涛, 刘晶东 . 几种基于高分辨率遥感影像分类技术的分析与探讨[J]. 测绘与空间地理信息, 2008,31(2):47-51.
Wu H T, Liu J D . Analysis and discussion on classification techniques based on high resolution remote sensing image[J]. Geomatics and Spatial Information Technology, 2008,31(2):47-51.
[6] 陈启浩, 刘志敏, 刘修国 , 等. 面向基元的高空间分辨率矿区遥感影像土地利用分类[J]. 地球科学(中国地质大学学报), 2010,35(3):453-458.
Chen Q H, Liu Z M, Liu X G , et al. Element-oriented land-use classification of mining area by high spatial resolution remote sensing image[J]. Earth Science(Journal of China University of Geosciences), 2010,35(3):453-458.
[7] 王岩, 王晓青, 窦爱霞 . 面向对象遥感分类方法在汶川地震震害提取中的应用[J]. 地震, 2009,29(3):54-60.
Wang Y, Wang X Q, Dou A X . Building damage detection of the 2008 Wenchuan,China earthquake based on object-oriented classification method[J]. Earthquake, 2009,29(3):54-60.
[8] Hussain E, Shan J . Object-based urban land cover classification using rule inheritance over very high-resolution multisensor and multi-temporal data[J]. GIScience and Remote Sensing, 2016,53(2):164-182.
doi: 10.1080/15481603.2015.1122923
[9] Liang J, Yang J Y, Zhang C , et al. A comparison of two object-oriented methods for land -use/cover change detection with SPOT5 imagery[J]. Sensor Letters, 2012,10:415-424.
doi: 10.1166/sl.2012.1865
[1] 滑永春, 李增元, 高志海, 郭中. 基于GF-2民勤县白刺包提取技术[J]. 国土资源遥感, 2017, 29(1): 71-77.
[2] 李雪冬, 张洪岩, 杨广斌, 李晓松, 周越. 辅以地貌类型的喀斯特地区土地利用信息提取[J]. 国土资源遥感, 2016, 28(3): 138-145.
[3] 赵志明, 周小成, 付乾坤, 汪小钦. 基于资源三号影像的建筑物高度信息提取方法[J]. 国土资源遥感, 2015, 27(3): 19-24.
[4] 董张玉, 赵萍, 刘殿伟, 王宗明, 汤旭光, 刘婧怡. 一种改进的小波变换融合方法及其效果评价[J]. 国土资源遥感, 2012, 24(3): 44-49.
[5] 侯东, 宋国宝, 董燕生, 顾建宇. TM传感器辐射定标参数精度分析[J]. 国土资源遥感, 2010, 22(4): 14-18.
[6] 杨刚, 赵文吉, 段福洲, 赵文慧. 基于纹理增强的数字航片村镇建筑物信息提取[J]. 国土资源遥感, 2010, 22(4): 51-55.
[7] 龙娟, 宫兆宁, 郭逍宇, 赵文吉. 基于光谱特征的湿地湿生植物信息提取研究[J]. 国土资源遥感, 2010, 22(3): 125-129.
[8] 喻小倩, 刘娜, 李红, 廖铁军, 孙丹峰. 基于线性光谱混合分解和最大似然分类相结合的土地覆被分类——以红寺堡灌区为例[J]. 国土资源遥感, 2010, 22(1): 96-100.
[9] 刘浩, 胡卓玮, 赵文慧. 基于面向对象的重大工程土地利用变化信息提取——以国家体育场(鸟巢)建设工程为例[J]. 国土资源遥感, 2009, 21(4): 86-89.
[10] 吴波, 朱勤东, 高海燕, 周小成. 面向对象影像分类中基于最大化互信息的特征选择[J]. 国土资源遥感, 2009, 21(3): 30-34.
[11] 魏彦昌, 吴炳方, 张喜旺, 袁超, 董立新. 基于高分辨率影像的景观格局定量分析[J]. 国土资源遥感, 2009, 21(2): 76-81.
[12] 桂德竹, 李钢, 张成成. 基于多特征信息融合的面向对象的高光谱图像分类[J]. 国土资源遥感, 2007, 19(2): 31-34.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《国土资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 Email:gtzyyg@agrs.cn; gtzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发