科研之友
微信
新浪微博
Facebook
分享链接
摘要
不透水面是评价城市化水平和城市生态环境的重要指标，是近年来城市遥感研究中的热点方向之一。与湿润、半湿润区相比，干旱区城市植被覆盖度较低，不透水面与裸土、荒漠之间相似的光谱特征导致传统基于光学影像的亚像元分解法与光谱指数法在干旱区不透水面提取的适用性降低。针对该问题，提出一种多光谱与合成孔径雷达（SAR）影像多特征综合的方法以增大不透水面与其他地物覆盖类型之间的特征差异，从而提取干旱区城市不透水面。以阿斯塔纳、塔什干和杜尚别3个中亚城市为研究区，哨兵2号和哨兵1号影像为数据源，通过LightGBM算法对多光谱和SAR图像的空间特征、SAR的极化特征进行分类并提取不透水面。研究对比了不同特征组合以及不同分类方法的不透水面提取结果，实验结果表明：多光谱与SAR影像多特征综合的方法能有效提高干旱区不透水面提取精度，明显改善干旱区其他土地覆盖类型错分为不透水面的问题；LightGBM算法与XGBoost、HistGBT等基于梯度提升决策树的算法和随机森林等方法相比能获取更高的精度，更适用于干旱区不透水面提取。这表明基于LightGBM以及多光谱和SAR多特征联合的方法能够有效提取中亚干旱区城市不透水面。
-
单位中国科学院; 荒漠与绿洲生态国家重点实验室; 中国科学院大学; 中国科学院新疆生态与地理研究所
