研究目的
利用Landsat 8时序影像和基于对象分类方法，准确高效地监测城市区域土地利用/覆盖状况，以克服单时相数据和基于像元方法的局限性。
研究成果
该方法利用时间序列Landsat 8影像和基于对象的分类技术，在城市土地利用/覆盖制图中取得了高精度（总体精度94.38%，Kappa系数0.88），优于单时相和基于像素的方法，为城市规划和环境管理提供了技术支撑。
研究不足
影响融合精度的因素包括MODIS数据中的云污染、基图像对的选择以及异质区域中的混合像素问题；这些可能导致预测误差和分类精度降低。
1：实验设计与方法选择：
本研究采用ESTARFM融合模型将Landsat8与MODIS数据融合生成高时空分辨率影像，随后运用支持向量机算法进行基于对象的分类。
2：样本选取与数据来源：
中国长沙市2015年Landsat8 OLI与MODIS09Q1数据（下载自USGS）；辅助数据包括GF-1影像和谷歌地球影像用于训练与验证。
3：实验设备与材料清单：
预处理软件ENVI5.1、影像分割软件eCognition9.0及多种遥感数据集。
4：影像分割软件eCognition0及多种遥感数据集。 实验流程与操作步骤：
4. 实验流程与操作步骤：数据预处理（辐射定标、大气校正）、ESTARFM融合、影像分割、基于JBh距离的特征组合优化及SVM分类。
5：数据分析方法：
通过混淆矩阵、相关系数（R）和均方根误差（RMSE）进行精度评估。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
Landsat 8 OLI
OLI
United States Geological Survey
Provides high spatial resolution remote sensing data for land cover classification.
-
MODIS09Q1
09Q1
United States Geological Survey
Provides high temporal resolution remote sensing data for fusion with Landsat data.
-
ENVI
5.1
Harris Geospatial
Software used for radiometric calibration, atmospheric correction, and data preprocessing.
-
eCognition
9.0
Trimble
Software used for image segmentation and object-based analysis.
-
GF-1
China
High-resolution satellite data used for training and validation.
-
Google Earth
Google
Provides high-resolution images for validation and reference.
-
登录查看剩余4件设备及参数对照表
查看全部
