使用多时相Landsat TM数据检测分析德国波鸿市的季节性多时土地覆盖分类和变化外文翻译资料

英语原文共 17 页，剩余内容已隐藏，支付完成后下载完整资料

International Journal of Remote Sensing, 2016 http://dx.doi.org/10.1080/01431161.2015.1125558

英译汉：阙宇杰

使用多时相Landsat TM数据检测分析德国波鸿市的季节性多时土地覆盖分类和变化

L. Henits^a,b*, C. Juuml;rgens^c, and L. Mucsi^a

a Department of Physical Geography and Geoinformatics, University of Szeged, Szeged, Hungary;

b

Department of Environmental Applications of Remote Sensing, Institute of Geodesy, Cartography and Remote Sensing, Budapest, Hungary; ^cFaculty of Geosciences, Ruhr-University, Bochum, Germany

(于2014年12月16日收到; 2015年11月21日接受)

摘要：40年Landsat时间序列使得可以连续地绘制和检查土地覆盖变化。 通过使用每个分类年份两个日期的图像，我们可以提高每年单时方法的分类精度，减少裸地或不透水面和植被覆盖三种类型之间的错误分类问题。 从德国波鸿市的地区选择了两对多时相无云的Landsat TM影像（第一对：1986年5月1日和6月9日；第二对：2010年6月4日和2011年4月20日）。 使用最大似然分类算法分别对多时相图像集进行分类。 1986年5月1日和6月9日的单时分类的总体精度分别为77.1％和75.4％，而1986年的多时分类的总体精度为82.1％。 2010年6月4日和2011年4月20日的单时分类的总体精度分别为81.4％和77.9％，而2010/2011年多时分类的总体精度为88.2％。 分类后比较变化检测用于确定土地覆盖类型的变化。 全区域城市面积比重由55.3％提高到61.1％，农用地面积比重从24.8％降至21.8％，裸地面积比重从3.6％降至0.2％。 1986年至2011年间，森林和水体几乎没有变化。

1.介绍

土地覆盖地图是遥感最常见的应用之一。 许多分类方法已经针对土地覆盖分类进行开发和测试，如最大似然法，决策树，支持向量机（SVM机器学习算法）和神经网络(Strahler 1980; Gopal, Woodcock, and Strahler 1999; Huang, Davis, and Townshend 2002; Lu and Weng 2007; Friedl et al. 2010)。这些方法比较容易从遥感数据生成的土地覆盖地图，精度却很难达到要求(Zhu and Woodcock 2014)。使用来自不同季节遥感数据已被证明是对提高分类准确率非常有用的，特别是区分作物和植被的分类(Wolter et al. 1995; Lunetta and Balogh 1999; Liu et al. 2002) ，根据植被和作物的物候差异。在城市研究中，研究人员使用多时相图像来导出城市掩模 (Yuan, Wu, and Bauer 2008) ，采用多期复合变化检测以确定土地覆盖变化(Yuan et al. 2005; Schneider 2012) ，并绘制不透水面的变化(Lu, Moran, and Hetrick 2011)。

裸露地面，休耕地或收获后的农田和新建筑物的区域在任何一年中给定时间的图像中容易相互混淆，而如果仅在一次时评估年内，小型定居地的植被覆盖物也容易与周围土地覆盖类型混淆。 这种混乱可通过包括多个季节或多年数据的图像来解决(Schneider 2012)。

大约40年来一直向用户免费提供的Landsat时间序列使得我们有可能连续地绘制和审查土地覆盖变化。 因为在各种应用，包括森林砍伐，损失评估，灾害监测，城市扩张，规划和土地管理中的实际用途，土地覆盖（LC）和土地利用（LU）变化的信息是重要的(Hussain et al. 2013)。城市LC变化是导致城市热岛（UHI）现象发生率增加的因素之一(Unger et al. 2010; Mucsi et al. 2014)。此外，城市环境冲突可以针对建成密度和人口进程的变化进行分析(Henits and Mucsi 2012)。

利用陆地卫星数据的变化检测算法大多使用了两个日期的陆地卫星图像(Townshend and Justice 1995; Ward, Phinn, and Murray 2000; Healey et al. 2005; Masek et al. 2008)。但是，它可能需要几年的时间来查找同属一年且无云、云影、雪影响的一对理想的陆地卫星图像(Zhu and Woodcock 2014)。有几个变化检测算法使用Landsat图像的多个日期。Yuan et al. (2005) 使用4对多时相无云图像来说明多时相Landsat数据对LC分类和变化分析的潜力。新开发的算法使用密集的Landsat时间序列，以尽量减少物候变化和太阳高度角的影响(Vogelmann, Tolk, and Zhu 2009; Coops et al. 2010; Huang et al. 2010; Zhu and Woodcock 2014)，尽管在某些地区由于研究季节缺少无云影像这样的方法可能根本不可行(Schneider 2012)。

在一般情况下，变化检测技术被分为预分类和分类后的方法(Chen et al. 2012)。预分类技术直接应用各种算法，包括图像差分和图像比率到单个或多个光谱带、植被指数或主成分到卫星图像的多个日期，以产生变化/无变化图像。但这些定位变化的技术不提供这些变化性质的信息(Singh 1989)。分类后比较方法使用不同时间所需影像的独立分类以制做与“from-to”变化所生成信息不同的图像(Jensen 2005)。后者这种方法的主要优点是其提供变化信息矩阵的能力(Lu et al. 2004)。分类后比较法还补偿了大气条件和日期之间植被物候变化带来的变化，因为每个分类是独立产生并映射的(Coppin et al. 2004)。

本文介绍了1986年和2010/2011年德国波鸿的多时相Landsat 5 TM数据的分类和分类后变化检测的方法和结果。 目标是：（1）使用多日期Landsat图像开发和测试易于应用的LC变化绘图技术; （2）评估多时相Landsat分类和变化检测的准确性和有效性; （3）比较单时和多时图像的分类结果。

2.方法

2.1.研究区域和多时相数据

波鸿被选为研究区，是德国北莱茵-威斯特法伦州的城市(图 1)。它位于鲁尔地区的中心，而该地区是德国最大的城市群。鲁尔区的特点是其前工业区和设施（如煤矿，焦炉和钢铁厂）。波鸿有36.5万居民和约145平方公里的城市行政区域面积。中部是低密度的城市地区，而周围一些农村的LC类型是农业用地的和森林。

波鸿地区的卫星图像来自美国地质调查局(USGS)的互联网数据库 (http://glovis.usgs.gov)。Landsat图像具有30 m的空间分辨率，可在UTM投影系统 (WGS84 N32) 中使用。择两对多时无云Landsat TM图像来对研究区域进行分类。Landsat数据是在1986年仲春到季春和孟夏获得的图像，而第二组是从2010年和2011年。不幸的是，在选定的时间间隔（仲春到季春和孟夏）清楚且无云的图像不足，而2010年和2011年的图像是使用过的。最后，我们选择了以下图像：1986年5月1日（列/行：196/24），1986年6月9日（列/行：197/24），2010年6月4日（列/行：196/24）和2011年4月20日（列/行：196/24）。为了分类工作从1986年和2010/2011年准备了具有12个光谱带（由于不同的空间分辨率去除了热波段）的两个图像集。

为了精度评估而使用了两种类型的参考数据。1986年的分类图像使用了德国的数字地形图(DTK) (1:25,000)，而2010/2011分类图像使用了官方地形制图信息系统数字景观模型(ATKIS DLM)。数字地形图(DTK25-V)是扫描地形图(TK25)的地理参考栅格数据。光栅数据根据它们的制图内容被细分为附加层（具有颜色编码的地图图像的一个组合层和根据地图颜色分类的六个单层）。波鸿的DTK25可用于1989年，空间分辨率为200像素/厘米(1.25米)。

图 1. 研究区域: (a)德国；(b)波鸿在北莱茵 - 威斯特法伦州的位置；(c) 所使用的2010年6月4日波鸿的Landsat TM图像；红色边线表示波鸿的行政区。

在ATKIS DLM中，景观的地形特征由矢量格式的点，线和形状描述。 关于ATKIS DLM的信息是基于1：25,000地形图的内容，包括六个主要类别（住宅区，交通，植被，水，行政区和其他形式），每个类别包含附加级别(Bundesamt fuuml;r Kartographie und Geodauml;sie 2013) (表1)。

低密度城市地区和裸地类别不能使用ATKIS数据确定，因此高密度和低密度城市类别合并为一个城市地区类别，裸地分类为未分类。 在ATKIS数据中，住宅区二级和交通一级和三级被用作城市地区; 1级植被作为农用地; 1级水体作为水。 植被2级，3级和4级（除不能确定的植被3和区域未分类）、2级居民区体育和娱乐区以及公墓被列为森林。 最后，专题图包括四个类别：森林，农业用地，城市地区和水，用于精度评估程序。图2显示了这一过程使用的参考数据的子集。

此外，使用来自波鸿地理房产地籍信息局的两张大型航拍照片用于验证和解释变化检测的结果。 1986年获得的单色航空照片的空间性分辨率为0.32 m，2011年获得的全色航空照片的空间分辨率为0.1 m。

表1. ATKIS DLM水平的概述

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[27138]，资料为PDF文档或Word文档，PDF文档可免费转换为Word