河套沈乌灌域遥感耕地面积变化

以河套灌区沈乌灌域为例,以2012年的RapidEye和2016年Landsat8OLI遥感影像为数据来源,在实地调查的基础上,利用监督分类(SVM)和目视解译方法,提取了2012年和2016年沈乌灌域的耕地面积。结合目视解译结果,运用随机验证点对解译结果进行了验证,运用正确率(用户精度)、完整率(生产者精度)和整体精度(提取耕地面积与实际面积的比值)3个指标对提取结果进行了评价。验证结果显示,2012年监督分类精度的3个指标正确率、完整率以及整体精度分别为81.96%、77.12%和94.10%,2016年分别为91.97%、71.39%和91.78%。结果表明:通过遥感开展灌区耕地面积变化研究具有很高的精度和时效性;相较于2012年,沈乌灌域2016年耕地面积增加了0.648万hm^2,新增面积为2012年的12.8%;地下水位的变化与耕地面积变化关系密切,地下水位下降改善了土壤环境,促进了耕地面积的增加。

河套灌区沈乌灌域GF-1/WFV遥感耕地提取

为提高基于遥感影像的灌区耕地自动快速提取,该文针对河套灌区沈乌灌域种植结构特点,利用实地调查结果、Google earth和GF1-WFV遥感影像构建了研究区主要作物及土地利用类型的NDVI时间序列,并利用HANTS滤波法对NDVI时间序列进行了平滑处理。分别采用基于遥感与Google earth的目视解译、监督分类(支持向量机)、基于NDVI时间序列的决策树分类与监督分类相结合的方法、基于HANTS滤波法平滑处理后的NDVI时间序列决策树分类与监督分类相结合的方法对灌区耕地进行提取。利用基于Google earth与目视解译的10 000个随机验证点以及正确率(用户精度)、完整率(生产者精度)和整体精度(提取耕地面积与实际面积的比值)3个指标对提取结果进行了评价。验证结果表明:监督分类(支持向量机)提取结果的正确率、完整率和总体精度仅为84.82%、64.4%和75.68%;基于NDVI时间序列的决策树分类与监督分类相结合的方法提取精度分别为94.28%、84.21%和89.1%;基于HANTS滤波法平滑处理后的NDVI时间序列决策树分类与监督分类相结合的方法提取精度进一步提高,3个指标分别达到94.47%、87.32%和92.24%。在作物种类繁多的大型灌区,时空分辨率优异的GF1-WFV数据在耕地面积提取上具有很强的实用性;结合作物生长规律与遥感信息的联合方法能够有效提高耕地面积的提取精度。