基于青铜峡灌区的土地利用数据源适用性研究.pdf
《基于青铜峡灌区的土地利用数据源适用性研究.pdf》由会员分享,可在线阅读,更多相关《基于青铜峡灌区的土地利用数据源适用性研究.pdf(9页珍藏版)》请在咨信网上搜索。
1、Journal of Water Resources Research 水资源研究水资源研究,2023,12(3),278-286 Published Online June 2023 in Hans.https:/www.hanspub.org/journal/jwrr https:/doi.org/10.12677/jwrr.2023.123032 文章引用文章引用:杨凤荣,李志鹏,荆志铎,葛召华,史林.基于青铜峡灌区的土地利用数据源适用性研究J.水资源研究,2023,12(3):278-286.DOI:10.12677/jwrr.2023.123032 基于青铜峡灌区的土地利用数据源适用
2、性研究基于青铜峡灌区的土地利用数据源适用性研究 杨凤荣杨凤荣1,李志鹏李志鹏2,荆志铎,荆志铎2,葛召华,葛召华3,史史 林林2 1宁夏回族自治区青铜峡市水务局,宁夏 青铜峡 2山东锋士信息技术有限公司,山东 济南 3山东省水利综合事业服务中心,山东 济南 收稿日期:2023年4月23日;录用日期:2023年5月10日;发布日期:2023年6月30日 摘摘 要要 快速准确快速准确地地获取灌区土地利用信息是进行农作物精细分类、土壤墒情监测、作物长势监测以及作物估产的前提。获取灌区土地利用信息是进行农作物精细分类、土壤墒情监测、作物长势监测以及作物估产的前提。本文以我国宁夏回族自治区青铜峡市的青铜
3、峡灌区为研究对象,以高分一号本文以我国宁夏回族自治区青铜峡市的青铜峡灌区为研究对象,以高分一号(GF1-WFV)影像、高分六号影像、高分六号(GF6-WFV)影像以及影像以及Sentinel-2数据为数据源,对比分析三类影像数据的建模精度,选取精度最高的一类影像数据为数据源,对比分析三类影像数据的建模精度,选取精度最高的一类影像并基于决策树方法进行土地利用信息提取,将土地利用类别划分为作物覆盖农田、裸露农田、水体、田间道路并基于决策树方法进行土地利用信息提取,将土地利用类别划分为作物覆盖农田、裸露农田、水体、田间道路和建筑物五类。结果显示:高分六号和建筑物五类。结果显示:高分六号(GF6-WF
4、V)数据建模精度最高,三层时模型精度数据建模精度最高,三层时模型精度98.98%,验证精度,验证精度100%;高分一号高分一号(GF1-WFV)数据建模精度最低,三层时模型精度数据建模精度最低,三层时模型精度95.92%,验证精度,验证精度92.86%;高分六号;高分六号(GF6-WFV)与与Sentinel-2对比,波段数量以及红边波段的设置对信息的提取起到的作用强于分辨率,在波段信息相同的情对比,波段数量以及红边波段的设置对信息的提取起到的作用强于分辨率,在波段信息相同的情况下,分况下,分辨率对提取的精度影响明显。辨率对提取的精度影响明显。关键词关键词 数据适用性,决策树,土地利用,青铜峡
5、灌区数据适用性,决策树,土地利用,青铜峡灌区 Study on the Applicability of Land Use Data Source Based on Qingtongxia Irrigation District Fengrong Yang1,Zhipeng Li2,Zhiduo Jing2,Zhaohua Ge3,Lin Shi2 1Qingtongxia Water Affairs Bureau,Qingtongxia Ningxia 2Shandong Fengshi Information Technology Co.,Ltd.,Jinan Shandong 3Wate
6、r Resources Comprehensive Development Center of Shandong Province,Jinan Shandong Received:Apr.23rd,2023;accepted:May 10th,2023;published:Jun.30th,2023 Abstract Fast and accurate acquisition of land use information in irrigation area is the premise of fine classification 作者简介:杨凤荣,女,1973 年 11 月出生,水利高级
7、工程师,主要从事水利工程勘测、规划、设计、方案编制及工程建设管理工作,Email: 基于青铜峡灌区的土地利用数据源适用性研究 DOI:10.12677/jwrr.2023.123032 279 水资源研究 of crops,soil moisture monitoring,crop growth monitoring and crop yield estimation.In this paper,Qing-tongxia Irrigation District in Qingtongxia City,Ningxia Hui Autonomous Region is taken as the r
8、esearch object,and GF1-WFV,GF6-WFV and Sentinel-2 data are taken as data sources,and the modeling accuracy of three types of image data is comparatively analyzed.The image with the highest accuracy is selected and the land use information is extracted based on the decision tree method,and the land u
9、se categories are divided into five categories:crop-covered farmland,bare farmland,water body,field roads and build-ings.The results show that the modeling accuracy of GF6-WFV is the highest,with the model accuracy of 98.98%and the verification accuracy of 100%in three layers.The modeling accuracy o
10、f GF1-WFV is the lowest,with the model accuracy of 95.92%and the verification accuracy of 92.86%in three layers.Com-pared with Sentinel-2,the number of bands and the setting of red band play a stronger role in information extraction than resolution,and the resolution has obvious influence on the ext
11、raction accuracy under the same band information.Keywords Data Applicability,Decision Tree,Land Use,Qingtongxia Irrigation District Copyright 2023 by author(s)and Wuhan University.This work is licensed under the Creative Commons Attribution International License(CC BY 4.0).http:/creativecommons.org/
12、licenses/by/4.0/1.引言引言 宁夏回族自治区是黄河流经的重要省份之一,青铜峡灌区是宁夏引黄灌区中规模最大的灌区,具有 2000 多年的引黄灌溉历史,是我国最古老的特大型灌区之一。及时掌握灌区的土地利用信息是进行农作物精细分类、土壤墒情监测、作物长势监测以及作物估产的前提,也是灌区智慧化管理的重要基础。近年来,随着遥感技术的兴起、发展、日趋成熟,遥感技术对田块信息进行快速、大范围、动态提取成为了田块信息获取的重要技术手段,彻底改变了传统的依靠人工测绘、走访完成的土地信息采集方式。灌区土地利用监测主要是从整个灌区范围内对耕地、裸地、建筑用地、水体等信息进行区分,针对不同土地利用信息
13、开展研究分析。早期的土地利用分类主要通过目视解译进行人工判读,党杨梅1等以常德市汉寿县为例,利用 SPOT 影像通过人机交互解译的方式,进行土地利用类型的更新处理,提升了工作效率;Antrop 和Van Eetvelde 2利用目视解译方法对郊区进行土地利用类型提取,指出目视解译对复杂、异质空间单元进行分类具有明显效果。随着分类方法的完善,有学者利用决策树、ISODATA 算法3 4、最大似然法5、支持向量机法6、随机森林法7、BP 神经网络分类算法8、空谱结合的分类算法9等进行土地利用监测分析。伴随机器学习的发展,决策树分类方法方便快捷,在土地利用信息提取中应用十分广泛10 11。贾玉洁等1
14、2在研究云南省大理市各土地利用类型的面积时,以 Sentinel-2A 影像为数据源,提出一种面向对象特征的决策树分类方法,结果表明面向对象特征的决策树方法的分类结果在空间分布和各地类的面积统计方面都优于 ISODATA法和最大似然法,与研究区实际土地利用面积数据更为接近;孙亚楠等13以 Landsat 时间序列影像数据,建立土地利用决策树分类模型,并利用实测数据和 Google earth 影像对不同组合方式的土地利用模型进行验证,结果表明该研究区土地利用最佳识别期为 8 月,其次为 9 月。利用 8 月最优遥感模型(最佳识别期和最优组合)识别的耕地、林地、草地、未利用地、水域和居民工矿用地
15、的制图精度分别为 96.83%、73.33%、70.00%、65.52%、100.00%和 80.00%,用户精度分别为 76.62%、100.00%、82.35%、82.61%、100.00%和 80.00%。本文以青铜峡灌区为研究对象,基于决策树分类方法,对高分一号(GF1-WFV)影像、高分六号(GF6-WFV)影像以及 Sentinel-2 数据在灌区土地利用分类的适用性方面进行对比分析,依据适用性最强的数据源进行灌区土Open AccessOpen Access基于青铜峡灌区的土地利用数据源适用性研究 DOI:10.12677/jwrr.2023.123032 280 水资源研究 地
16、利用分类。2.研究区与数据源研究区与数据源 2.1.研究区概况研究区概况 青铜峡灌区(372273893N,105559106323E)位于宁夏回族自治区黄河冲积平原上,西依贺兰山,东濒鄂尔多斯台地,地势西南高,东北低,由西南向东北自高而低呈现阶梯状分布,形成山地、低山丘陵、缓坡丘陵、洪积扇地带、黄河冲积平原和库区 6 个地貌类型,其中黄河贯流其中,年平均降雨量约 200 mm。20 世纪 60 年代中期建成了青铜峡水利枢纽工程,结束了长期以来无坝引水的历史,灌区设计灌溉面积为 2500 km2。青铜峡灌区地理位置见图 1。青铜峡灌区的农作物以水稻、小麦为主,兼种胡麻甜菜等,是中国西北地区重要
17、产粮区,被誉为“塞外江南”14。本文根据农田特征和当地作物种植特点,将农田用地划分为作物覆盖农田、裸露农田,包括灌区内的水体、田间道路和建筑物,一共划分为 5 种土地利用类型。Figure 1.Geographical location of Qingtongxia irrigation district 图图 1.青铜峡灌区地理位置 2.2.数据源数据源 高分一号(GF1-WFV)卫星发射于 2013 年,卫星采用太阳同步轨道,有效载荷包括 2 台高分辨率相机和 4台中分辨率相机及配套的高速数传系统。在卫星侧摆条件下,高分相机(2/8 m 相机)可以实现 41 d 的重复观测和全球小于 4
18、d 的重访,16 m 分辨率的宽幅相机,其组合幅宽超过 800 km,无需侧摆即可实现 4 d 的回归覆盖周期,高分一号(GF1-WFV)卫星首先将在国土资源、环保、农业等方面发挥作用15。高分六号(GF6-WFV)卫星于 2018 年发射升空,配置 2 m 全色/8 m 多光谱高分辨率相机、16 m 多光谱中分辨率宽幅相机,2 m 全基于青铜峡灌区的土地利用数据源适用性研究 DOI:10.12677/jwrr.2023.123032 281 水资源研究 色/8 m 多光谱相机观测幅宽 90 km,16 m 多光谱相机观测幅宽 800 km。高分六号(GF6-WFV)增加了“红边”波段,与高分
19、一号(GF1-WFV)组网运行后,将使遥感数据获取的时间分辨率从 4 d 缩短到 2 d。高分六号(GF6-WFV)是一颗低轨光学遥感卫星,具有高分辨率、宽覆盖、高质量和高效成像等特点16。波段信息如表 1 所示:Table 1.Sensor parameters of GF1-WFV and GF6-WFV 表表 1.高分一号(GF1-WFV)和高分六号(GF6-WFV)传感器参数 传感器 波段 光谱范围(m)空间分辨率(m)重访周期(d)GF1-WFV 1 0.450.52 16 4 2 0.520.59 16 4 3 0.630.69 16 4 4 0.770.89 16 4 GF6-W
20、FV 1 0.450.52 16 2 2 0.520.59 16 2 3 0.630.69 16 2 4 0.770.89 16 2 5 0.690.73(红边 I)16 2 6 0.730.77(红边 II)16 2 7 0.401.45 16 2 8 0.590.63 16 2 Sentinel-2 是高分辨率多光谱成像卫星,分为 2A 和 2B 两颗卫星。2A 于 2015 年发射升空,2B 于 2017 年发射升空。Sentinel-2 卫星携带一枚多光谱成像仪(MSI),高度为 786 km,可覆盖 13 个光谱波段,幅宽达 290 km。地面分辨率分别为 10 m、20 m 和 6
21、0 m。一颗卫星的重访周期为 10 d,两颗互补,重访周期为 5 d 17。波段信息如表 2 所示:Table 2.Sensor parameters of Sentinel-2 表表 2.Sentinel-2 的传感器参数 波段 中心波长(m)空间分辨率(m)波段 中心波长(m)空间分辨率(m)Band 1 0.433 60 Band 8 0.842 10 Band 2 0.490 10 Band 8A 0.865 20 Band 3 0.560 10 Band 9 0.945 60 Band 4 0.665 10 Band 10 1.375 60 Band 5 0.705 20 Band
22、11 1.610 20 Band 6 0.740 20 Band 12 2.190 20 Band 7 0.783 20 本研究使用高分一号(GF1-WFV)卫星多光谱数据,包含蓝、绿、红、近红外四个波段,空间分辨率为 16 m;使用高分六号(GF6-WFV),8 个波段,空间分辨率为 16 m;使用 Sentinel-2 蓝、绿、红、近红外四个波段,空间分辨率为 10 m。基于青铜峡灌区的土地利用数据源适用性研究 DOI:10.12677/jwrr.2023.123032 282 水资源研究 3.土地利用分类方法土地利用分类方法 3.1.土地利用分类原理土地利用分类原理 在土地利用监测过程中
23、不同土地利用类型的组成成分、含水量的差异,不同成分电磁波的反射或发射辐射之间的差异,是进行土地利用分类的基础。水体的反射率总体上比较低,不超过 10%,一般为 4%5%,并随着波长的增大逐渐降低,到 0.6 m 处约 2%3%,过了 0.75 m,水体几乎成为全吸收。作物监测主要研究植株和叶片结构、叶肉细胞、叶绿素、含水量等发生反射的光谱信息之间的规律特征。植被可见光波段的光谱主要受各种色素的影响,叶绿素吸收蓝红光,对绿光反射作用强,因而在 0.45 m 和 0.67 m 处为吸收带,在 0.55 m处为反射峰,在光谱的近红外阶段,绿色植物的光谱响应主要被 1.4 m、1.9 m 和 2.7
24、m 附近的水的强烈吸收带所支配。作物分类主要根据不同作物植株冠层和叶片反射、发射的光谱存在差异来进行区分。3.2.决策树分类决策树分类 决策树(Decision Tree)是一种非参数的监督学习方法,它能够从一系列有特征和标签的数据中总结出决策规则,并用树状图的结构来呈现这些规则,以解决分类和回归问题。决策树算法容易理解,适用各种数据,在解决各种问题时都有良好表现,尤其是以树模型为核心的各种集成算法,在各个行业和领域都有广泛应用18。决策树的核心思想是把数据集作为根节点,通过特征参数的阈值对数据集进行逐层的划分,随着划分的不断进行,尽量使得划分后的每一个子数据集属于同一类,达到分类的目的19。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 青铜峡 灌区 土地利用 数据源 适用性 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。