基于多源遥感与地形信息的北极城镇用地信息提取

作者：梁立; 李鑫杨; 刘庆生; 刘高焕; 黄翀; 李贺

来源：地球信息科学学报, 2019, 21(06): 969-982.

• 机器学习
• Landsat
• DMSP/OLS夜间灯光
• DEM
• 城镇提取
• 特罗姆瑟
• 北极城镇

北极城镇空间信息对于研究北极,认识北极,利用北极都有重要意义。本文以北极圈内的城市特罗姆瑟为例,使用Landsat影像、DMSP/OLS夜间灯光、ASTER-GDEM2数据,通过特征提取得到属于光谱特征、纹理特征、夜间灯光特征、地形特征等18个特征,识别最优特征组合后基于AdaBoost算法提取1990、2004、2016年研究区的城镇用地,并将提取结果与最大似然法进行了对比,在此基础上进行了扩张分析。研究结果表明:引入地形与夜间灯光特征都可以在光谱纹理特征的基础上提高提取精度。基于光谱与纹理特征得到的总体精度与kappa值分别为86.20%和0.68;加入地形特征后精度分别提高2.70%（OA）和6.21%（kappa）;加入夜间灯光特征后精度分别提高2.10%和0.50;加入地形与夜间灯光特征精度分别提高3.70%和8.55%,因此光谱、纹理、地形与夜间灯光的组合是最优特征组合。通过最优特征组合进行AdaBoost城镇提取,比最大似然法对城镇的两分类总体精度高10%左右、kappa值高20%左右。计算结果显示,研究区城镇扩张强度为5.5×10-4左右,属于缓慢扩张;扩张的平均动态度水平为0.018,是全球水平（0.0325）的一半左右;2004-2016年的动态度水平低于1990-2004年的动态度水平,说明研究区目前由高速发展期向平稳发展期过渡。

• 单位
  资源与环境信息系统国家重点实验室; 中国科学院大学; 内蒙古赤峰; 中国科学院地理科学与资源研究所