|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 多时相遥感影像变化检测方法综述显示文摘遥感影像变化检测一直是国际遥感领域研究的热点和难点,尽管各国学者对变化检测问题进行了大量深入的研究,但是目前尚未出现一种普适性强、适用于所有情况的通用方法。随着遥感对地观测技术的快速发展和应用,变化检测技术体系也在不断地发展和演化。回顾了多时相遥感影像变化检测技术的发展历程,对多时相遥感影像变化检测方法的分类体系进行了归纳总结,从变化检测预处理、变化检测方法、精度评价3个方面详细总结了变化检测研究的最新进展,并指出了变化检测面临的核心困难及可能的应对措施,以期推动遥感影像变化检测研究更加深入的发展。 | 眭海刚 冯文卿 李文卓 孙开敏 徐川 | 2018 | 武汉大学学报(信息科学版)2018，43，12： | 91 |
| 2 | Google Earth Engine支持下的江苏省夏收作物遥感提取显示文摘江苏省是农作物种植大省,国家统计局统计数据显示,江苏省近10年冬小麦、冬油菜的总播种面积分列全国第五、第七,快速准确地获取冬小麦和冬油菜的空间分布对于该省的农业发展具有重意义。基于单机的传统遥感分类能够准确获取农作物的空间分布信息,但是耗时较长。随着地理大数据与云平台、云计算的发展,Google Earth Engine(GEE)作为一个基于云平台的全球尺度地理空间分析平台,为快速遥感分类带来了新的机遇。本文基于GEE,使用Sentinel-2数据快速提取了江苏省2017年冬小麦与冬油菜的空间分布。首先,利用GEE获得覆盖江苏省119景无云质优的Sentinel-2影像;其次,在此基础上分别计算了遥感指数、纹理特征、地形特征,并完成原始特征的构建与优化;最后,分别试验了朴素贝叶斯、支持向量机、分类回归树和随机森林4种分类器,比较了各分类器的分类精度,并提取了冬小麦与冬油菜的空间分布信息。得出以下结论:①GEE能够快速完成覆盖江苏省影像数据的去云、镶嵌、裁剪及特征构建等预处理,较本地处理具有明显优势;②J-M距离值位于前两位且大于1将特征数量从28个压缩到11个,有效压缩了原始特征空间;③光谱+纹理+地形特征组合训练,朴素贝叶斯、支持向量机、分类回归树、随机森林的平均验证精度分别为61%、87%、89%、92%。 | 何昭欣 张淼 吴炳方 邢强 | 2019 | 地球信息科学学报2019，21，5： | 46 |
| 3 | 基于Sentinel-2时序多特征的植被分类显示文摘植被分类是研究森林资源状况和动态变化规律的基础,利用遥感手段可以更加快速、准确地识别植被类型。以位于内蒙古赤峰市喀喇沁旗西南部的旺业甸实验林场为研究对象进行植被分类。采用分层分类的思想,首先根据植被物候特征选取植被生长旺盛时期的影像,计算归一化植被指数(normalized difference vegetation index,NDVI)并设定合适的阈值将研究区内的植被提取出来,剩余部分归为非植被。然后选取NDVI时间序列、最佳时相的Sentinel-2数据中10个波段的光谱反射率特征和主成分分析前3个分量的纹理特征作为分类特征,利用支持向量机分类器将研究区内的植被类型分为耕地、草地、常绿针叶林、落叶针叶林和落叶阔叶林五大类,并将分类结果与最大似然法、NDVI时序+光谱特征的分类结果进行对比分析。NDVI时序+光谱特征+纹理特征的多特征植被分类总体精度达87.64%,Kappa系数为0.85,分别比最大似然法和结合NDVI时序+光谱特征的分类总体精度提高了15.73%和14.61%,Kappa系数提高了0.20和0.18。其中常绿针叶林和耕地的分类结果与实地调查情况高度一致,分类精度分别达到95.65%和92.31%。从而得出:①基于多特征的分类方法有助于提高分类精度;②NDVI时序特征对于植被的区分具有很大帮助;③采用分层分类的思想,首先将研究区内的植被提取出来,可以排除非植被因素的干扰,有效提高植被类型的分类精度。 | 郭文婷 张晓丽 | 2019 | 浙江农林大学学报2019，36，5： | 18 |
| 4 | 基于多特征优选的无人机可见光遥感林分类型分类显示文摘【目的】以无人机可见光遥感影像为数据源实现竹林、针叶林和阔叶林的分类识别,扩展无人机可见光遥感数据在森林资源调查中的应用范围。【方法】利用无人机获取仅包含红、绿、蓝3个波段光谱信息的航拍影像,经预处理生成空间分辨率为0.1 m的数字正射影像图(DOM)和数字表面模型(DSM),从DSM和DOM中提取包括高度特征、光谱特征、常见的可见光植被指数、HSV颜色分量、HSV颜色分量基础上提取的纹理特征以及扩展的形态学多属性剖面(EMAPs)6类特征;采用递归特征消除随机森林算法(RF_RFE)优选特征子集,根据不同类型特征和优选特征子集设置8组试验,使用随机森林分类器(RFC)进行林分类型分类,运用目视解译获得的地面真实影像建立混淆矩阵评价分类结果。【结果】1)单独利用光谱特征进行林分类型分类效果不理想,总体精度为65.68%,Kappa系数为0.53;以光谱特征为基础单独引入其他特征进行林分类型分类,除植被指数外,其他特征均可提高总体分类精度;2)采用递归特征消除随机森林算法优选出11个特征,包括5个EMAPs特征、3个HSV纹理特征、1个高度特征、1个植被指数和1个HSV颜色分量,11个特征组合获得8组试验中最高分类精度,总体精度为81.05%,Kappa系数为0.73;3)将多特征优选方法应用于不同分辨率的可见光无人机影像上均取得较好分类结果,其中分辨率为0.3 m时分类精度最高,总体精度为82.46%,Kappa系数为0.75。【结论】递归特征消除随机森林算法综合多类型特征中最有利于林分类型分类的特征,从而提高分类精度,研究结果可为无人机可见光遥感数据在森林资源调查中林分类型信息的提取提供参考。 | 周小成 郑磊 黄洪宇 | 2021 | 林业科学2021，57，6： | 18 |
| 5 | 基于Landsat影像的面向对象土地利用分类——以下辽河平原为例显示文摘基于Landsat OLI影像运用支持向量机和随机森林分类方法进行下辽河平原地区面向对象土地利用分类,同时探讨DEM因素对分类精度的影响.结果表明:(1)研究区随机森林分类的总体精度和Kappa系数优于支持向量机分类的结果,同时参考DEM因素有助于提高分类精度,总体精度最高为91.80%.(2)研究区支持向量机分类方法下水田和建设用地的分类精度较高;而旱地、林地、水域和未利用地更适用于随机森林分类方法.DEM因素对于水田、旱地、水域及未利用地的分类精度有提升作用,而对林地的分类精度有一定的削减.(3)2015年研究区土地利用以耕地为主,其次是建设用地和林地,水域、未利用地和草地的面积相对较少.中等分辨率遥感影像的面向对象土地利用分类的适用性较好,可为区域土地利用信息提取提供参考. | 张露洋 雷国平 郭一洋 路中 | 2021 | 应用基础与工程科学学报2021，29，2： | 13 |
| 6 | 基于深度学习的农业区土地利用无人机监测分类显示文摘农业种植区土地利用快速监测与分类对政府部门制定规划、土地资源管理、生态环境保护规划与决策以及 农业旱情与旱灾动态监测评估具有重要意义。本研究以东雷二期抽黄灌区具有下垫面代表性的小区域为研究区, 利用卷积神经网络深度学习方法,针对较高空间分辨率的无人机航片影像,开展了农业区土地利用监测分类研 究,并与最大似然法进行比较,探究该方法对于农业区土地利用监测分类的适用性。结果表明,该方法优于最大 似然法,其总体分类精度达93%以上,Kappa系数为0.9以上,能够更清晰地识别提取出地物边界,分类效果较 好。本研究有助于提升应急抗旱减灾工作对农业区土地利用的快速监测与分类能力,为旱情与旱灾快速监测评 估、决策提供技术支持,同时能够及时为政府、土地资源管理以及生态环境保护规划等部门提供基础数据。 | 田琳静 宋文龙 卢奕竹 吕娟 李焕新 陈静 | 2019 | 中国水利水电科学研究院学报2019，17，4： | 12 |
| 7 | 基于无人机影像的喀斯特农耕区地物识别——以桂林市为例显示文摘为了探究低空无人机遥感技术对喀斯特地貌条件下不同形态农耕区地物类型的识别精度,以桂林市3个200 m×200 m样方的农耕区为研究区,在无人机航拍影像和地面调查数据的支持下,分别将基于像元和面向对象的影像分析技术与支持向量机(support vector machine,SVM)算法相结合,构建不同地貌条件下农耕区地物遥感识别模型,并进行精度对比分析。结果表明,面向对象的SVM分类结果保留了原始地物的大致轮廓,且地块较完整,更为适用于喀斯特地貌条件下的农耕区地物识别,较基于像元的SVM分类方法总体精度高6. 54%,Kappa系数高0. 135;基于像元的SVM分类方法适用于地物分布规则的农耕区地物识别,相比面向对象的SVM分类方法总体精度高2. 92%,Kappa系数高0. 026。 | 娄佩卿 陈晓雨 王疏桐 付波霖 黄永怡 唐廷元 凌铭 | 2020 | 国土资源遥感2020，32，1： | 10 |
| 8 | 结合纹理和空间特征的多光谱影像面向对象茶园提取显示文摘云南茶园主要分布于山区,往往与其他地物混合,破碎化程度高,给基于遥感的高精度茶园提取带来困难。破碎化山地茶园的遥感识别能力有待进一步提高。以西双版纳北部及普洱市南部山区为研究区,以高分一号(GF-1)遥感影像为数据源,基于易康(eCognition9.0)软件,采用多尺度分割(MRS)方法对影像进行分割,并通过ED3_(Modified))评估影像的最优分割尺度。首先构造了包括14个光谱特征、6个纹理特征和3个空间特征的23维初始特征,通过计算样本的分离度对分类特征空间进行优化,确定了16维最优特征空间。然后应用面向对象的监督分类方法[贝叶斯(Bayes)、决策树5.0(DT5.0)及随机森林(RF)]对研究区茶园进行提取。采用实地调查样点和随机点结合的方法对提取结果进行精度验证,并比较了不同分类方法的茶园提取精度。面向对象的监督分类[多分类(茶园、森林、农田、不透水层、水体)]结果的总体精度(OA)和Kappa系数分别为(Bayes:87.73%,0.70),(DT:88.52%,0.72),(RF:91.23%,0.78)。三种分类方法对茶园提取的生产者精度(PA)和使用者精度(UA)分别为(Bayes:67.23%,75.33%),(DT:68.84%,83.83%),(RF:70.54%,87.13%);相比于面向对象的RF多分类,面向对象RF二分类(茶园、其他地物)OA和Kappa系数分别提高了3.24%和0.07,茶园提取的PA与UA分别提高了5.99%和5.61%;相较于仅利用光谱特征的基于像元的RF多分类,面向对象的RF二分类OA与Kappa系数分别提高了23.32%和0.27,茶园提取PA与UA分别提高了21.10%和29.03%。结果表明:采用面向对象的监督分类方法在对茶园提取方面有应用潜力,尤其面向对象的RF分类精度更高,二分类相较于多分类对于茶园提取更为精细和准确。该方法对于复杂、破碎山地茶园提取精度较高,能够满足基于高空间分辨率多光谱影像的茶园精细化识别应用需求。 | 黄邵东 徐伟恒 熊源 吴超 代飞 徐海峰 王雷光 寇卫利 | 2021 | 光谱学与光谱分析2021，41，8： | 9 |
| 9 | 山水林田湖草生态保护修复项目遥感监测及辅助绩效评价显示文摘山水林田湖草生态保护修复是保障国家生态安全的重要举措,科学合理的生态保护修复项目监测和绩效评价方法,有助于保障生态保护修复工程的顺利实施和生态保护修复成果的可持续发展。本研究采用文献综述和案例分析相结合的方法,论述了遥感技术在山水林田湖草生态保护修复项目监测和绩效评价中的具体应用。从关注区域生态系统格局和质量两方面出发,选择遥感数据获取的土地覆盖类型、植被长势、水质参数作为评价指标,整体实现了山水林田湖草各生态要素的监测;从维护和提升区域生态系统服务出发,选择水源涵养、水土保持、生态系统承载力等指标,论述了遥感数据在辅助山水林田湖草生态保护修复项目绩效评价中的作用。最后指出积极探索新的遥感数据挖掘方法,并结合遥感技术与传统的调查方法,有望形成更客观、更快速且具备可执行性的山水林田湖草生态保护修复项目监测及绩效评价体系。 | 王力 黄妮 牛铮 罗明 陈元鹏 郭义强 雷雅会 扶卿华 应凌霄 | 2022 | 遥感学报2022，26，8： | 9 |
| 10 | 训练样本数量对最大似然监督分类精度影响的研究显示文摘基于Landsat8 OLI遥感影像,以东莞市为研究对象,应用最大似然法进行监督分类,对比分析不同数量的训练样本对地物分类精度的影响。研究发现,当训练样本达到一定数量后,分类精度受训练样本数量的影响较少。权衡分类精度与工作量,训练样本数量每个类别20个最优。在林地、农田、裸地、水体、居民用地和工业用地的分类体系中,最大似然法分类林地和水体的制图精度与用户精度能达90%以上。 | 吴振彪 沈德才 黄练忠 徐庆华 | 2018 | 林业勘查设计2018，47，2： | 8 |
| 11 | GEE平台下利用物候特征进行面向对象的水稻种植分布提取显示文摘为高效提取高精度水稻种植分布及其面积,该研究基于谷歌地球引擎(Google Earth Engine,GEE)平台,以辽宁省盘锦市为研究区,利用2020年Sentinel-2影像提取水稻生命周期内4个水稻物候期相应的光谱指数,利用简单非迭代聚类(Simple Non-Iterative Clustering,SNIC)算法来分割影像,灰度共生矩阵(Gray Level Co-occurrence Matrix,GLCM)来计算纹理特征,结合支持向量机(Support Vector Machine,SVM)和随机森林(Random Forest,RF)算法构建6种不同的模型进行水稻种植分布提取,并基于目视解译及实地调查数据,对比6种模型提取水稻的验证精度和实测精度,确定最优模型。结果表明:在水稻种植分布提取中,面向对象方法有助于提高水稻种植分布提取精度,且RF算法优于SVM算法。其中SNIC图像分割结合RF模型具有最高提取精度,总体精度和Kappa系数分别为96.83%、0.934,经实测数据验证,水稻实测精度为95.43%,可满足区域水稻种植分布和面积监测需求。 | 刘通 任鸿瑞 | 2022 | 农业工程学报2022，38，12： | 7 |
| 12 | 基于Google Earth Engine的黄土高原覆膜农田遥感识别显示文摘为了建立覆膜农田遥感识别技术体系,本研究选取甘肃省定西市安定区团结镇作为黄土高原地膜覆盖旱作农业代表性区域,基于Google Earth Engine云平台和Landsat-8反射率数据,采用特征重要性分析优选纹理特征,利用参数优化后的随机森林算法提取覆膜农田区域并选出最佳特征组合方案,最后通过对比随机森林、支持向量机、决策树和最小距离分类4种算法的分类结果来评价不同分类算法的性能。结果表明:优化关键参数后的随机森林算法能够显著提高遥感影像的分类精度;单一特征方案中,基于光谱特征的分类精度最高,且加入指数和纹理特征可提高总体识别精度;利用随机森林特征重要性分析选取的优选纹理特征分类性能优于全部纹理特征,基于“光谱+指数+优选纹理”特征方案的识别结果最佳,总体精度和Kappa系数达95.05%和0.94;与支持向量机、决策树和最小距离分类相比,随机森林优势明显,总体精度分别高3.10、7.74、50.78个百分点。本研究实现了对地形复杂地区覆膜农田空间分布较为精准的识别。 | 郑文慧 王润红 曹银轩 靳宁 冯浩 何建强 | 2022 | 农业机械学报2022，53，1： | 7 |
| 13 | 河谷盆地型城市扩张的时空与驱动力分析——以兰州市为例显示文摘城市建成区扩张是地区城市化水平的重要标志。基于兰州市Landsat系列卫星遥感影像,首先基于提出的多分类器组合土地利用/覆被分类方法,提取建成区范围;其次计算2003—2019年城市扩张速度、扩张强度和城市紧凑度等,分析兰州市建成区扩张的时空特征;最后分析驱动城市扩张的自然条件和社会经济因素。结果表明:①基于分层策略的多分类器组合分类方法对兰州市土地利用/覆被分类效果很好,提取的建成区范围面积与年鉴统计数据也基本一致;②城市建成区面积在16年内持续增加,年增加量6.72 km 2,处于快速扩张状态,城市紧凑度较低,扩张合理性差;③由于兰州市“两山夹一川”的自然条件,城市南北方向扩张已趋于饱和,扩张只能沿黄河东西方向;④人口增长和经济的快速发展是兰州市城市扩张的主要驱动力。 | 顾晶晶 冶运涛 何毅 曹引 赵红莉 蒋云钟 | 2021 | 科学技术与工程2021，21，19： | 7 |
| 14 | 基于卫星遥感的城市绿地景观格局变化研究进展显示文摘城市绿地景观是城市景观自然要素和社会经济可持续发展的生态基础,在城市景观结构、功能及其变化中起重要作用。利用卫星遥感技术开展城市绿地格局研究已成为热点。本文通过梳理相关研究成果,阐述了城市绿地景观遥感分类方法、景观格局指数的选择及城市绿地景观格局动态变化驱动力分析的具体内容,分析出基于遥感技术的城市绿地景观格局研究在数据源和景观格局指数选择时所存在的不足,并且从遥感数据源、分类方法、景观指数筛选和多学科、多角度交叉综合的研究方法等方面对城市绿地景观格局分析提出展望。 | 叶俊 康思奇 傅根深 吕海燕 钱文祺 唐雪海 | 2022 | 测绘通报2022，，3： | 6 |
| 15 | 基于PCA和SVM的遥感影像水体提取方法及验证显示文摘针对内陆湖泊水质及光谱特性空间差异性大、支流水系结构复杂而导致的遥感影像水体提取精度低的问题,提出了结合光谱主成分分析(PCA)及支持向量机(SVM)的PCA-SVM水体提取算法。基于GF-1卫星遥感影像,对原始影像光谱波段特征进行PCA降维,从中优选熵、方差、差异性纹理特征向量,结合原始波段及归一化差分水体指数(NDWI),构建了8维特征向量,并基于SVM算法提取湖泊水体。以巢湖洪水期与非洪水期影像为研究实例,分别采用NDWI法、传统SVM算法及PCA-SVM算法对水体进行提取,并进一步基于PCA-SVM算法对2020年汛期巢湖洪水期淹没演变过程进行反演和跟踪,定量解析特征向量组合及SVM惩罚系数C对水体提取性能的影响。结果表明:PCA-SVM算法提取的湖泊完整、支流连续,显著改善了含蓝藻水体漏提、建筑物误提等问题;洪水期和非洪水期提取结果的F1分数分别为95.08%和97.95%,虚警率分别为5.43%和1.13%,提取精度显著高于NDWI法和SVM算法。 | 周婷 汪炎 邹俊 李辰 崔玉环 王笑宇 谢传流 夏萍 | 2023 | 水资源保护2023，39，2： | 6 |
| 16 | 基于GF-2号影像的森林优势树种分类显示文摘利用遥感数据开展森林资源优势树种的分类对森林资源的监测、森林可持续经营及生物多样性研究具有重要意义。研究针对复杂地形区域的破碎化森林,采用高分二号(GF-2)的多光谱影像作为基础数据进行森林优势树种的精细分类。本文以地形复杂、森林破碎化的湖北省竹山县九华山林场为研究对象,采用面向对象分类方法对树种进行精细分类,比较支持向量法、最近邻法(KNN)和随机森林(RF)三种不同分类算法的分类效果。在尺度阈值为30、合并阈值为95时分割的基础上,利用SVM、KNN和RF分类结果和分类精度差异较大。分类精度最高的是SVM分类方法,总体精度为68.52%,Kappa系数为0.62;其次为随机森林分类法,总体精度为60.29%,Kappa系数为0.54;KNN分类方法精度最低,总体精度为59.41%,Kappa系数为0.53。GF-2号数据能满足树种分类基本需求,在复杂地形和景观破碎化地区用支持向量机进行树种的分类精度更高,但仍存在一定的局限性。 | 王熊 胡兵 韩泽民 菅永峰 梁杰 周欢 周靖靖 佃袁勇 | 2020 | 湖北林业科技2020，49，1： | 4 |
| 17 | 基于GEE云平台的2005-2017年云南省森林覆盖变化监测显示文摘以云南省为研究区,探究云南省2005-2017年间土地及森林覆盖情况及动态变化分析,为云南森林保护及生态环境建设提供参考依据。利用Google Earth Engine平台在大区域分类研究中的优势,选取2005、2010年和2017年3期的Landsat系列影像作为主要数据源,采用随机森林方法,监测研究区内土地及森林覆盖空间分布、动态变化及转移情况。得到总体精度分别为75.55%、75.33%和83.42%3期影像分类结果。结果表明,森林总面积分别为2006.19×10^(4)hm^(2)、2015.77×10^(4) hm^(2)和2067.21×10^(4) hm 2,占到研究区总面积的52.30%、52.55%和53.88%。研究期内云南省森林面积总体呈增长趋势。 | 李微 岳彩荣 | 2022 | 西北林学院学报2022，37，5： | 4 |
| 18 | 基于主被动遥感数据和面向对象的大蒜识别显示文摘针对开封市大蒜种植破碎化程度高,光学数据难以高精度、快速提取问题。该研究基于谷歌地球引擎(Google Earth Engine,GEE)云平台、随机森林算法(RandomForest,RF)和面向对象方法,选择融合Sentinel-1卫星的后向散射系数与Sentinel-2卫星的光谱、光谱指数及纹理特征,分别应用10 m与加入植被红边波段的20 m空间分辨率遥感数据,探究不同特征组合对改善大蒜识别精度的性能。结果表明:应用10 m空间分辨率的Sentinel主被动遥感数据,在简单非迭代聚类(Simple Non-iterative Clustering,SNIC)分割尺度为5,灰度共生矩阵(Gray-level Co-occurrence Matrix,GLCM)邻域值为4,7个纹理特征选择第一、二主成分时,分类总体精度和Kappa系数最高,为94.54%、0.93,大蒜的制图精度和用户精度为97.83%、96.38%。应用加入植被红边波段的20m空间分辨率Sentinel主被动遥感数据,在SNIC分割尺度为3,GLCM邻域值为4,7个纹理特征选择第一、二主成分时,分类总体精度和Kappa系数最高,为94.14%、0.92,大蒜的制图精度和用户精度为95.72%、98.81%。单独使用Sentinel-2光学数据,加入植被红边波段的20 m分辨率数据相对10 m分辨率数据,大蒜制图精度和用户精度分别提高0.49%和4.38%。单独使用时序Sentinel-1 SAR数据,10 m空间分辨率数据的大蒜制图精度和用户精度优于20 m分辨率数据0.66%和2.03%。研究为遥感数据识别生长周期相同或重叠的大宗、小宗经济作物提供技术参考。 | 马战林 薛华柱 刘昌华 李长春 房旭 周俊利 | 2022 | 农业工程学报2022，38，2： | 4 |
| 19 | 1990—2019年石漠化区耕地时空特征及成因分析——以富源县为例显示文摘针对石漠化区耕地变化研究存在时间、空间尺度有限的问题,本文以富源县为例,基于1990、2000、2010和2019年4期的Landsat遥感数据,应用多特征与随机森林相结合的分类方法提取耕地,运用耕地覆盖度、耕地类型转化、坡度分区统计分析了近30年(1990—2019年)耕地时空变化特征,并讨论了耕地变化的原因。结果表明,1990—2019年富源县耕地面积呈先增加(1990—2010年)后减少(2010—2019年)的态势;耕地面积主要来源和转化类型均以林地和草地为主,林地最多;主要分布在北部5个石漠化面积较少的乡镇,以缓坡区为主;耕地覆盖度呈现低-高-低的过程,陡坡区耕地变化率在不同时段差异明显。近30年富源县耕地变化是在石漠化独特的地理环境下,由人口、经济、政策、交通等因素共同作用而形成的。本文的结论可为评估石漠化区域生态安全和粮食安全提供数据支撑。 | 王丽蒙 王加胜 杨昆 王志敏 粟凡婕 陈鑫亚 | 2022 | 测绘通报2022，，4： | 3 |
| 20 | 辽河口国家级自然保护区湿地时空演变遥感评估显示文摘以1980年、1990年、2000年、2010年和2020年Landsat遥感影像作为数据源,结合野外实测数据和Google Earth的高分影像,采用面向对象的决策树分类方法,得到1980~2020年辽河口国家级自然保护区土地覆盖变化情况。结合土地利用转移矩阵、景观格局分析法以及等扇方位分析法,研究近40 a辽河口国家级自然保护区内的人工类型用地时空动态演变特征。结果表明:1980~2020年间,研究区内自然湿地减少了270.12 km2,主要转化为耕地、油井、建设用地及交通用地等人工土地覆盖类型。由于受人类活动干扰较大,研究区内景观趋于破碎化、均衡化,景观异质性降低。近40 a来,研究区内人工土地覆盖类型主要沿北西北方向扩张。国家政策和经济发展对辽河口湿地的演变过程影响极大,农田开垦、城镇建设、油田开发和海水养殖等人类活动是自然湿地演变的主要驱动力。 | 谭月 杨倩 贾明明 席志成 王宗明 毛德华 | 2022 | 遥感技术与应用2022，37，1： | 3 |
您所在的机构暂未开通此部分的功能，请联系管理员