论文部分内容阅读
土地覆盖分类能为生态系统模型、水资源模型和气候模型等提供重要信息，遥感技术运用于土地覆盖分类具有诸多优势。作为区域性土地覆盖分类应用的重要数据源，Landsat5卫星于2013年失效退役，Landsat7出现机载扫描行校正器(SLC)工作故障，导致获取的图像出现数据重叠及大约25％的数据丢失，面对这些问题，美国国家航空航天局(NASA)于2013年发射了Landsat8卫星，该卫星的发射延续了Landsat系列卫星对地观测任务。Landsat8陆地成像仪(OLI)多光谱影像较TM和ETM+影像增加了新的特性，本文对基于Landsat8数据的土地覆盖分类方法进行研究，以北京地区为例，探讨了处理方法的适用性。 首先，根据研究区域的地物分布特点确定研究区域内土地覆盖分类系统，并对Landsat8多光谱数据进行预处理，包括大气校正、地形校正、拼接及裁剪;然后，利用灰度共生矩阵提取全色波段纹理信息并与多光谱数据复合，使用支持向量机(SVM)进行分类，获得土地覆盖分类结果并进行精度评价;最后，对Landsat8 Quality Band(QB)进行优化扩展，将分类结果以QB产品格式实现。 经过精度评价和分析发现，Landsat8多光谱数据预处理中，采用6S模型进行大气校正获得的地物反射率光谱较为准确，地形校正采用C模型得到的阳坡和阴坡植被反射率更接近标准植被光谱;6S大气校正和C模型地形校正对影像不同类别之间的可分性均有不同程度的提高;多光谱数据结合全色波段纹理信息能有效提高部分地物的土地覆盖分类精度，总体精度提高2.8％。 相对于Landsat TM/ETM+数据，Landsat8OLI数据新增特性有利于土地覆盖分类精度的提高。利用本文的方法，Landsat8OLI数据取得较高的分类精度，能够满足大区域土地覆盖分类应用需求。