全 文 ：第 34 卷第 24 期
2014年 12月
生 态 学 报
ACTA ECOLOGICA SINICA
Vol.34,No.24
Dec.,2014
http: / / www.ecologica.cn
基金项目:国家自然科学基金(41271432);中国科学院战略性先导科技专项(XDA05050107鄄03)
收稿日期:2013鄄10鄄16; 摇 摇 修订日期:2014鄄10鄄20
*通讯作者 Corresponding author.E鄄mail: js.chen@ siat.ac.cn
DOI: 10.5846 / stxb201310162499
陈劲松, 韩宇,陈工,张瑾.基于多源遥感信息融合的广东省土地利用分类方法———以雷州半岛为例.生态学报,2014,34(24):7233鄄7242.
作者.Land utilization mapping in Guangdong Province based on integration of optical and SAR remote sensing data.Acta Ecologica Sinica,2014,34(24):
7233鄄7242.
基于多源遥感信息融合的广东省
土地利用分类方法
———以雷州半岛为例
陈劲松*, 韩摇 宇,陈摇 工,张摇 瑾
(中国科学院深圳先进技术研究院,生态与环境遥感研究室, 深圳摇 518055)
摘要:准确高效的获取土地利用信息对生态环境评价非常重要。 广东省地处华南热带和亚热带季风气候区,经济作物种类繁
多,土地覆盖破碎,为土地利用精确分类带来很大不确定性,而常年多云雨的天气也为有效光学影像的获取带来困难。 为提高
土地覆盖分类精度,以雷州半岛为实验区,综合应用 Landsat鄄TM / ETM、多时相 HJ光学影像,以及 X波段 TerraSAR数据,通过分
析不同地物类型在光谱、极化以及多时相特征上的差别,对原始图像进行特征提取。 在此基础上融合多源遥感信息的地物特征
运用面向对象土地覆盖分类方法获取研究区高精度的土地利用信息。 结果显示这一方法能有效提高土地覆盖利用信息获取精
度,为研究生态环境变化提供更准确的数据支持。
关键词:土地利用和覆盖;TerraSAR鄄X;分类;面向对象;多源遥感信息融合
Land utilization mapping in Guangdong Province based on integration of optical
and SAR remote sensing data
CHEN Jinsong*, HAN Yu, CHEN Gong, ZHANG Jin
Laboratory of Ecosystem and Environment Remote Sensing, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen
518055, China
Abstract: Economic development and rapid urbanization have caused dramatic changes in regional land use and land cover
(LULC), which can directly affect ecosystem function and ecosystem service values. Guangdong Province is located in
southern China, with tropical and subtropical monsoon climates. The LULC in this region features a high degree of
fragmentation and a rich diversity of land types. Remote sensing has proven to be an effective tool to characterize and
quantify LULC information, but the cloud鄄prone and rainy weather in this region makes it difficult to obtain valid optical
remote sensing images. In addition, the complexity of the spectral features of some of the land types also has a negative
impact on the accuracy of LULC classification using only optical remote sensing imagery. Synthetic aperture radar (SAR)
can transmit energy at microwave frequencies that are unaffected by weather conditions. This advantage gives SAR all鄄day
and all鄄weather imaging capability. Furthermore, previous research has shown that SAR measurements are sensitive to the
biophysical and geophysical characteristics of land targets. In this paper, we propose a preliminary algorithm to improve
LULC classification accuracy by combined use of optical remote sensing data from TM and HJ, and microwave remote
sensing data from TerraSAR鄄X collected over Leizhou Peninsula in Guangdong Province. Multitemporal spectral and
http: / / www.ecologica.cn
backscattering features of major land types in the study area are first analyzed using the TM, HJ, and TerraSAR鄄X images.
The analysis shows that it is difficult to discriminate among land types such as banana trees, sugarcane, and forests using
TM and HJ data because of the similarity in temporal variation of spectral characteristics of these vegetation types. However,
these vegetation types show different backscattering features in the TerraSAR鄄X images, because of their different
structures, sizes, distributions and dielectric properties. Based on this analysis, decision tree rules are then established to
detect land types by integrating the reflectance features of land types with their backscattering properties. An object鄄oriented
classifier is then employed to classify the test site using these rules. The classification has been validated using field surveys.
The results show that the proposed method can provide higher accuracy of land cover classification compared to using only
TM or TerraSAR鄄X data. The results also indicate that geophysical and biophysical features of crops affect the backscattering
characteristics of the crops in X鄄band SAR data. The scattering mechanisms of different land types should be further
explored in future research to better understand the scattering processes of land targets. This knowledge would help in
selecting the optimal backscattering features in SAR data to enhance the separability of land types. The imaging date of
optical and SAR remote sensing data is also an important factor for LULC classification. Particularly for forests and crops,
the selection of optimal acquisition dates of remote sensing data can maximize the differences in reflectance and
backscattering features of various land types to improve the efficiency of the decision rules in the classifier. These results
further demonstrate that synergetic use of optical and microwave remote sensing has great potential for the application of
remote sensing in monitoring changes in land cover / use in southern China.
Key Words: land use land cover; terraSAR鄄X;classification;object鄄oriented;data fusion
摇 摇 目前全球气候变化和经济发展的交互作用和叠
加影响已使地球环境以前所未有速度与规模发生着
巨大的变化,人类活动也相应成为全球与区域生态
环境变化最活跃的驱动力。 其中,土地利用作为这
一驱动力的最主要的作用方式之一,反映了人与自
然相互影响与交叉作用最直接与最亲密的关系,尤
其人类的生存与发展对十地开发利用以及所引起的
土地利用与覆盖变化被认为是全球环境变化的重要
组成部分和主要原因,日益成为事关生态环境和谐
的最重要因素,也成为评价生态环境的重要指标之
一。 因此,国内外都提出了很多研究土地利用研究
计划,使十地利川变化研究成为当前全球变化研究
和生态环境评估的前言和热点课题。 这些研究最重
要和基础的工作之一就是准确高效的获取土地利用
信息,为研究土地覆盖利用的时空变化和生态环境
的交互作用机制提供数据基础。
遥感技术由于其优势已经在土地覆盖利用监测
方面得到了广泛的应用。 常用的遥感数据包括国内
外的 SPOT,TM 和我国环境卫星数据 HJ鄄 1A / B 等。
通过利用地物在这些遥感数据数据上的光谱,形状
和纹理等信息的差别来获得土地覆盖利用信息。 但
是我国在热带和亚热带季风气候区如广东省常年多
云雨,影响有效光学影像的获取,为遥感土地覆盖利
用监测带来困难。 广东农业经济作物种类繁多,使
得土地覆盖非常破碎,经济作物如甘蔗、香蕉、剑麻、
桉树等多为绿叶植物,从光谱特征上难以区分,使得
仅依靠光学遥感数据难以实现土地覆盖的精确获
取。 随着遥感技术的发展和不同卫星传感器对地观
测技术的应用,遥感呈现出多平台、多传感器,以及
多光谱、多空间、多时间分辨率等特征。 与单一源遥
感数据相比,多源遥感数据的优越性主要体现在不
同数据源之间的优势互补性上,将多源遥感数据进
行融合,可以获得更丰富且精确度更高的土地覆盖
利用信息[1鄄3]。 微波遥感平台合成孔径雷达 SAR
(Synthetic Aperture Radar)能穿透云雨,具有全天候
工作能力,并对地物有一定的穿透能力,与地物的几
何结构、含水量、冠层粗糙度信息相关,可反映地物
结构信息,信息等。 是对可见光和红外遥感数据的
良好补充[4鄄9]。 目前已经有一些光学和微波遥感信
息融合的研究[10]。
本研究以广东省雷州半岛为例,综合应用
Landsat鄄TM / ETM、多时相 HJ光学影像,以及 X 波段
TerraSAR数据,通过分析不同地物类型在光谱、极化
以及多时相特征上的差别,对原始图像进行特征提
4327 摇 生摇 态摇 学摇 报摇 摇 摇 34卷摇
http: / / www.ecologica.cn
取。 基于光学和 SAR遥感数据中有价值的地物特征
建立判别准则和决策准对地物进行识别和区分,最
后在信息融合的基础上提出基于决策树的面向对象
土地覆盖分类方法,以获取研究区高精度的土地利
用信息。
1摇 研究区域
实验区位于广东省雷州半岛(图 1)。
雷州半岛位于中国大陆最南端,常年多云雨,属
于多雷暴地带;半岛地势平缓,西北高、东南低,海拔
多在 100m以下。 雷州半岛是中国热带、亚热带经济
作物的重要基地之一,盛产甘蔗、橡胶、剑麻、香蕉
等,具有甘蔗、粮食、水果、林业等农业基地。 这一地
区具有典型的广东土地利用特点。 地物分布复杂,
地块小且破碎,林地农作物混杂度高。 如何提高这
种地表覆盖特点的遥感监测精度具有重要的研究和
应用价值。
图 1摇 研究区地理位置示意图
Fig.1摇 Location of the Test Site
2摇 数据描述与预处理
2.1摇 数据描述
本研究以 2010 年研究区的土地利用为目标。
研究中收集到的遥感数据如表 1所示。
除上述遥感数据外,作者还分别于 2011 年 11
月以及 2012年 4 月对实验区及其周边地区进行了
野外调查,在实验区内采集了 146 个 GPS样点数据,
同时还通过辅助数据收集了研究区在 2010 年 5—7
月份样点数据 53 个。 这些样点经过与影像比较验
证后,用于地表覆盖类型的识别及影像分类结果的
精度评价。
表 1摇 多源遥感数据详细信息
Table 1摇 Details of the multi鄄sources data
传感器
Sensor
获取时间
Acquisition Time
波段或极化方式
Bands or
polarimetry mode
分辨率 / m
Resolution
轨道号
Orbit Number
Landsat鄄 5 TM 2010鄄03鄄24 1 — 5, 7 30 124鄄46
HJ鄄1B 2010鄄04鄄12 1 — 4 30 3鄄92
HJ鄄1A 2010鄄07鄄05 1 — 4 30 4鄄92
HJ鄄1A 2010鄄12鄄27 1 — 4 30 2鄄91
Landsat鄄 7 ETM 2010鄄12鄄29 1 — 5, 7 30 124鄄46
TerraSAR鄄X 2010鄄05鄄14 HH,HV,VH,VV 6.6伊2.2l 15893
2.2摇 研究预处理
本文中所涉及的数据预处理主要包括卫星影像
的几何校正、辐射定标、去条带处理、地形校正、多时
相数据配准和 TerraSAR 数据多视处理及滤波等。
TM 与 ETM +影像已经做过精确的几何校正,
HJ鄄1A / B一级数据本身也带有坐标,但由于 HJ鄄 1A /
B影像的幅宽较宽,其星下点误差较小,周边的变形
较大,因此需要对 HJ 影像和 ETM+影像进行图像配
准。 本研究采用二次多项式纠正模型和最邻近重采
样方法进行图像的配准。 TM与 HJ数据的辐射定标
5327摇 24期 摇 摇 摇 陈劲松摇 等:基于多源遥感信息融合的广东省土地利用分类方法———以雷州半岛为例 摇
http: / / www.ecologica.cn
根据数据的的定标系数进行影像计算实现。 研究也
利用 30 米分辨率的 ASTER GDEM 对影像进行了地
形校正。
TerraSAR鄄X是一颗用于科学研究和商业运行的
高分辨率 SAR 卫星, 由德国联邦教育和研究部
(BMBF)、德国航空航天局(DLR)、欧洲航空防务和
航天公司下属的阿斯特留姆公司(EADS Astrium)三
家单位合作研制,是德国国家雷达地球观测任务的
主力。 TerraSAR鄄X的波长为 3.2cm (X波段)。 具有
全极化和多极化成像模式,分辨率高。 本研究采用
TerraSAR 条带模式全极化 SLC ( Slant Single Look
Complex)格式数据,首先应用 PolSARPro 软件转为
相干矩阵,并进行 5伊9多视处理,为降低数据中相干
斑的影响,应用 Barnes鄄Holm 分解[10]进行保持极化
特征的滤波处理[11鄄13],最后根据数据头文件信息以
及 TM影像,对数据进行几何校正和配准。
从数据获取时间段可以看出在研究区由于云雨
的影响高质量的光学遥感数据 TM 与 HJ 全年只有
有限的几景,这就使只依靠光学遥感数据进行土地
利用监测难度较大。 需要补充其它数据如 SAR数据
来提高监测精度。
图 2摇 实验数据配准图
Fig.2摇 Data registration results
3摇 基于多源遥感信息融合的土地利用信息获取
方法
遥感数据融合是将同一地区的多源遥感影像数
据通过分析处理,减少和消除多源信息之间的信息
冗余,对有效信息进行智能合成, 产生比单一信源
更精确、更完全、更可靠的估计和判断。 通过融合能
够提高要高遥感数据分类的精度与可靠性, 增强解
译和动态监测能力, 减少模糊度, 有效提高遥感影
像数据的利用率等。 常用遥感信息融合方法有像元
级、特征级和决策级融合方法。 本研究采取类似特
征融合的方法。 首先是将各遥感影像数据中的地物
特征进行分析提取,在此基础上利用多源信息的互
补性建立地物判别和区分规则,利用面相对的分类
方法来获取研究区土地利用信息。 这种融合的结果
能充分利用各种数据源中的地物特征信息。 本研究
分类体系基于国家 30m 土地覆被系统,一级类层次
以 IPCC类型为标准,包括林地、草地、湿地、耕地、人
工表面和其它。 具体到实验区,草地与其它两类可
以忽略不计,因此本文中只进行其它四大类的分析。
在研究地物极化散射特征与光谱特征分析的基础
上,首先构建地物覆盖一级类(湿地、城镇、林地、耕
地等)的判别模型,应用基于决策树的面向对象遥感
信息提取方法进行一级类区分,然后在分析二三级
地类极化散射特征及多时相光谱特征的基础上,逐
6327 摇 生摇 态摇 学摇 报摇 摇 摇 34卷摇
http: / / www.ecologica.cn
层逐项的提取各种地物。
3.1摇 地物遥感信息特征分析
3.1.1摇 湿地特征分析
摇 摇 实验区的湿地主要包括南渡河、东吴水库、龙门
水库以及其他小面积坑塘。 对应图 2 中的 3 种数
据,本文应用基于 TM 和 HJ 两种光学遥感数据的
NDVI等各种植被指数和的 NDWI(归一化水指数)
和 TerraSAR 数据基于 Pauli分解的 SPAN(总散射能
量),HH +VV,HH鄄VV 和 2HV 4 种特征分析地物特
征[14]。 其中归一化水指数 NDWI为:
NDWI = (BGreen-BNIR) / (BGreen+BNIR) (1)
式中, BGreen代表绿光波段; BNIR代表近红外波段。
对于 TerraSAR数据,特征 SPAN为:
SPAN= HH2+ VV2+2HV2 (2)
式中,HH,HV 和 VV 为 3 种极化的散射能量值和。
对于 HH+VV, HH鄄VV和 HV分别 TerraSAR数据相干
Pauli分解的 3 个参数,与地物的面散射和奇次散
射,体散射和二面角散射相关[14]。 由于研究区地物
的形状,尺寸和分布不同,这 4 种散射特征或有区
别,并以此来建立判别特征。
湿地与其它类别的差异。 如图 3 所示(图中耕
地以水田为例)。 由于湿地与其他地物类型差异明
显,应用图 3 中 3 种特征参数均可以准确的提取
湿地。
图 3摇 湿地在多源遥感数据上的特征
Fig.3摇 The features of wetland in TM,HJ and TerraSAR
3.1.2摇 城镇
研究区的城镇主要包括北部的雷州市区,南部
的龙门镇以及其他农村居住地。 图 4 分别显示 TM,
HJ与 TerraSAR影像中城市、农村居住地与其他地物
类型的光谱曲线比较,可以看出 TM 影像的 5(短波
红外)、7(短波外)波段在城市与植被上光谱差异显
著,可以用来提取雷州市区及龙门镇。 然而在农村
居住地中,由于建筑与植被交错分布,TM5、7 波段对
农村居住地与植被光谱上的差异减弱,使得在实际
分类时难以界定两类地物的分类阈值。 图 4 中 HJ
影像对于城市、农村居住地与植被的区分均不理想。
图 4 所示为典型地物 TSX鄄SPAN 及 Pauli 分解
三分量极化特征[15],由于雷达成像对建筑物二面角
反射的敏感,TSX 数据在城市及农村居住地的提取
上具有明显优势。
图 4摇 城镇区域在多源遥感数据上的特征
Fig.4摇 The features of city and town in TM,HJ and TerraSAR
7327摇 24期 摇 摇 摇 陈劲松摇 等:基于多源遥感信息融合的广东省土地利用分类方法———以雷州半岛为例 摇
http: / / www.ecologica.cn
3.1.3摇 林地和耕地
实验区的林地主要为人工桉树林,属于常绿阔
叶林。 由于桉树与其他热带作物,如甘蔗、香蕉、剑
麻等都属于绿叶植物,其在光学影像中光谱特征并
不显著(图 5)。 桉树具有树干细长、树叶稀疏的特
点,使得 X波段 TerraSAR数据能够反映其垂直结构
信息,而甘蔗、香蕉种植密集,叶面宽大,以表面散射
为主,剑麻叶片无叶柄,呈剑形,硬而狭长,以三面角
散射为主,因此可以应用 TSX 数据进行桉树的提取
(图 5)。
实验区海拔较低,地势平坦,耕地分布广泛。 其
中水田以水稻为主,旱地以甘蔗、香蕉、剑麻为主。
从图 2 中可以清晰的看出,东水稻与其他几类农作
物在 TM、HJ、TSX 3种数据中差别均比较明显,应用
3种数据信息均可以有效的提取水稻。 如前文所述,
剑麻以三面角散射为主,可以应用 TSX 极化特征区
分剑麻与甘蔗、香蕉(图 5)。
5月份甘蔗、香蕉处于生长期,结构特征相近,在
雷达散射中难以区分(图 5)。 甘蔗与香蕉生长周期
不同,因此本文应用多时相 HJ数据信息进行两类地
物的区分。 雷州半岛甘蔗以“冬植蔗冶为主,4、7、12
月份,甘蔗分别处于伸长期、快速增长期、收割期,其
NDVI指数变化较大,与香蕉差异明显[16](图 5)。
图 5摇 林地和耕地在多源遥感数据上的特征
Fig.5摇 The features of forest and crop fields in TM, HJ and TerraSAR
3.2摇 土地利用信息获取
3.2.1摇 基于多源遥感信息特征融合的面向对象分类
依据 3.1的分析,本文将实验区地表覆盖分为四
大类:湿地、居住地、林地、耕地,其中林地为人工桉
树林,耕地进一步细分为甘蔗、香蕉、水稻、剑麻。 在
3.1中可以看出这些典型地类在多源遥感特征中有
明显差别。 因此本研究提出的基于多源信息融合的
地物判别方法为:
(1)利用有限的光学遥感数据区分植被和非植
被区;
(2)对于非植被区运用 TSX 数据 SAPN 特征和
多时相 NDVI识别居住地和农田;
(3)对于植被区利用 TSX 数据的 HH+VV,HH鄄
VV和 HV特征设定阈值和设计方法提取桉树,水稻
8327 摇 生摇 态摇 学摇 报摇 摇 摇 34卷摇
http: / / www.ecologica.cn
与剑麻;
(4)最后依据多时相 HJ 数据 NDVI 指数,提取
甘蔗和香蕉。
通过以上地物判别规则建立将多种遥感信息进
行特征融合,提高地物的识别精度。 在此基础上本
研究采用基于决策树的面向对象分类方法,依据不
同的特征逐层的提取地物类型,流程如图 6 所示。
类型之间阈值的设定依据 SEaTH (阈值分离)
算法[17]。
决策树中类型的提取顺序对阈值的设定以及提
取的精度有很大的影响,经过多次实验,对应本文实
验区数据,类型的提取顺序为:首先依据 TM 的
NDWI指数提取湿地,以及 TSX的回波强度 SPAN提
取居住地,然后基于 TSX极化相干矩阵,应用监督分
类提取桉树、水稻和剑麻,最后依据多时相 HJ 数据
NDVI指数,提取甘蔗和香蕉。
图 7—图 10分别为实验区典型地物提取局部示
意图。
图 6摇 基于多源遥感的面向对象分类决策树
Fig.6摇 Object鄄oriented classification decision tree based on the fusion of multi鄄sources remote sensing data
图 7摇 基于 ETM鄄NDWI的湿地提取
Fig.7摇 Wetland Mapping based on ETM鄄NDWI
3.2.2摇 精度分析
本研究为了定量的评价分类结果,本文在研究
区选取了 320 个验证点,通过地面实地采样点对结
果进行了混淆矩阵和 kappa 系数的计算。 评价的分
类结果表 2给出。
表 2摇 不同方法精度分析
Table 2摇 Accuracy Assessment
数据类型 Data type 精度评价 Accuracy assessment / %
TM+HJ 80
TerrsSAR鄄X 73
TM+HJ+TerraSAR鄄X 88
9327摇 24期 摇 摇 摇 陈劲松摇 等:基于多源遥感信息融合的广东省土地利用分类方法———以雷州半岛为例 摇
http: / / www.ecologica.cn
图 8摇 基于 TSX鄄SPAN的居住地提取
Fig.8摇 Urban Mapping based on TSX鄄SPAN
图 9摇 基于 TSX极化特征的桉树及水稻提取
Fig.9摇 Eucalyptus and Rice Mapping based on TSX Polarimetric Features
摇 摇 通过混淆矩阵分析,单独使用 TM+HJ 数据对一
级分类精度较好。 但是由于地物分布的复杂性和异
物同谱的现象存在导致经济作物和林地混淆严重,
实验区地物交错分布,30m 分辨率分割对象包含多
种地物,地物类型难以确定,影响了总体精度;单独
使用 TerraSAR数据对区分植被林地比较有效,但是
由于 SAR数据的成像特点也存在异物同谱现象导致
分类精度比较低。 本文建议的方法能利用两种数据
源各自的优点,对一级类的分类精度较高,其中湿地
97%,居民地 86%,林地 79.4%,耕地 93%,能够满足
应用需求。
4摇 结论
本文以广东省雷州半岛为实验区,研究我国热
带多云雨地区土地利用信息遥感获取的方法。 研究
通过分析不同地物类型在光谱、极化以及多时相特
征上的差别,融合多源遥感数据获取的地物特征为
基础建立判别准则和决策准对地物进行识别和区
分,以获取研究区高精度的土地利用信息。 研究表
明研究区不同地物由于性质和物候历的不同近红外
和可见光光谱区域有一定差别。 同时由于地物的分
布,形状和结构的不同,SAR数据也可以有助于区分
不同的植被类型。 通过特征分析及分类精度评价,
本研究得到以下结论:
(1)TerraSAR鄄X 数据对林地和农作物的结构和
尺寸分布有一定的敏感性,在土地利用监测方面具
有很大的应用潜力。 在未来的研究中需要进一步分
析各种地物的极化散射特征,以提高地物在 SAR 数
据上的识别精度。
(2)多源遥感信息丰富了地物的特征,使得地物
之间的可分性大大提高,对实验区一级类的区分具
有显著效果。
0427 摇 生摇 态摇 学摇 报摇 摇 摇 34卷摇
http: / / www.ecologica.cn
图 10摇 基于多时相 HJ的甘蔗提取
Fig.10摇 Sugarcane Mapping based on Multi鄄temporal HJ Data
摇 摇 (3)通过多源遥感信息的融合可充分利用各种
信息源的优势,提高遥感土地利用监测的效率和
精度
本研究是多源遥感信息融合用于广东土地利用
监测的初步研究。 由于地物的复杂性给提取地物特
征带来了一定的困难,多源遥感信息的地物特征还
需要进一步分析,以提高地物识别精度。 未来还需
要进一步研究各种方法以获取更多的地物光谱和散
射特征,尤其是充分利用 SAR数据的极化特征,以更
好的识别地物,建立更有效的判别规则。 同时多源
数据的融合方法还需要进一步研究,以充分利用各
种数据的优势。
References:
[ 1 ]摇 Jia Y H. Data Fusion Techniques for Multisources Remotely
Sensed Imagery. Beijing: Surveying and Mapping Press, 2005:
10鄄14.
[ 2 ] 摇 Pohl C, van Genderen J L. Multisensor image fusion in remote
sensing: concepts, methods and applications. International Journal
of Remote Sensing, 1998, 19(5): 823鄄854.
[ 3 ] 摇 Yu H, Kong B, Yang D S. Land鄄cover information extraction
using multi鄄source remote sensing image based on rule鄄based
substitution methods. Remote Sensing for Land & Resources,
2011, (4): 87鄄91.
[ 4 ] 摇 Burini A, Putignano C, Del Frate F, Licciardi G, Pratola C,
Schiavon G, Solimini D. TerraSAR鄄X / SPOT鄄 5 fused images for
supervised land cover classification / / Proceedings of the IEEE
International Geoscience and Remote Sensing Symposium. Boston,
USA: IEEE, 2008: v鄄373鄄v鄄376.
[ 5 ] 摇 Wang Y T, Ainsworth T L, Lee J S. Estimation of the orientation
and shape parameters of canopy scatterers from POLSAR
observations. IEEE Journal of Selected Topics in Applied Earth
Observations and Remote Sensing, 2012, 5(3): 835鄄847.
[ 6 ] 摇 Mahmoud A, Elbialy S, Pradhan B, Buchroithner M. Field鄄based
landcover classification using TerraSAR鄄X texture analysis.
Advances in Space Research, 2011, 48(5): 799鄄805.
[ 7 ] 摇 Yu H K, Zhang Y H, Wang Y J. The research of land cover
classification using polarimetric SAR data. Hydrographic Surveying
and Charting, 2006, 26(3): 34鄄38.
[ 8 ] 摇 Chen J S, Shao Y, Li Z. Neural networks classification of quad鄄
polarization SAR data based on target decomposition. Journal of
Image and Graphics, 2004, 9(5): 552鄄556.
1427摇 24期 摇 摇 摇 陈劲松摇 等:基于多源遥感信息融合的广东省土地利用分类方法———以雷州半岛为例 摇
http: / / www.ecologica.cn
[ 9 ]摇 Skriver H. Crop classification by multitemporal C鄄 and L鄄band
single鄄 and dual鄄polarization and fully polarimetric SAR. IEEE
Transactions on Geoscience and Remote Sensing, 2012, 50(6):
2138鄄2149.
[10] 摇 Fieuzal R, Baup B, Marais鄄Sicre C. Monitoring wheat and
rapeseed by using synchronous optical and radar satellite data—
from temporal signatures to crop parameters estimation. Advances
in Remote Sensing, 2013, 2(2): 162鄄180.
[11] 摇 Holm W A, Barnes R M. On radar polarization mixed target state
decomposition techniques / / Proceedings of the 1988 IEEE
National Radar Conference. Ann Arbor, MI: IEEE, 1988:
249鄄254.
[12] 摇 Lee J S, Grunes M R, Schuler D L, Pottier E, Ferro鄄Famil L.
Scattering鄄model鄄based speckle filtering of polarimetric SAR data.
IEEE Transactions on Geoscience and Remote Sensing, 2006, 44
(1): 176鄄187.
[13] 摇 Li H Z, Chen J S, Jiang L M, Liu L. Preservation of polarimetric
properties filtering for TSX data based on Barnes decomposition.
IEEE Journal of Selected Topics in Applied Earth Observations
and Remote Sensing, 2012, 5(6): 1831鄄1836.
[14] 摇 Cloude S R, Pottier E. A review of target decomposition theorems
in radar polarimetry. IEEE Transactions on Geoscience and
Remote Sensing, 1996, 34(2): 498鄄518.
[15] 摇 Liu Y, Yang L, Xu X, Sun H. Urban area Extraction from
polarimetric SAR imagery using only positive samples / /
Proceedings of the IEEE 10th International Conference on Signal
Processing. Beijing: IEEE, 2332鄄2335.
[16] 摇 Cai R L. Analysis of sugarcane planting stage in Leizhou
peninsula. Sugar Crops of China, 2006, (4): 44鄄54.
[17] 摇 Nussbaum S, Niemeyer I, Canty M J. SEATH鄄a new tool for
automated feature extraction in the context of object鄄oriented image
analysis / / Proceedings of the 1st International Conference on
Object鄄based Image Analysis. Salzburg, 2006.
参考文献:
[ 1 ] 摇 贾永红. 多源遥感影像数据融合技术. 北京: 测绘出版社,
2005: 10鄄14.
[ 3 ] 摇 于欢,孔博,杨德生. 基于规则替换法的多源遥感数据地表覆
盖信息提取. 国土资源遥感, 2011, (4): 87鄄91.
[ 7 ] 摇 余海坤, 张永红, 汪云甲. 利用极化 SAR 数据进行土地覆盖
分类研究. 海洋测绘, 2006, 26(3): 34鄄38.
[ 8 ] 摇 陈劲松, 邵芸, 李震. 基于目标分解理论的全极化 SAR 图像
神经网络分类方法. 中国图象图形学报, 2004, 9 ( 5):
552鄄556.
[16] 摇 蔡仁林. 雷州半岛甘蔗植期的分析. 中国糖料, 2006, (4):
44鄄54.
2427 摇 生摇 态摇 学摇 报摇 摇 摇 34卷摇