文献综述
——基于中分辨率遥感影像的南京城市绿地信息提取
- 前言
城市绿地具有调节城市生态环境、景观格局、城市温度等作，因此研究城市绿色空间的格局分布具有重要的意义。在城市绿地信息提取方面，遥感技术具有较大的优势，国内外学者提出了多种理论和方法，提供了可行的方案和理论基础。目前的研究多采用高分辨率遥感影像提取绿地信息，提取精度较高，但是工作量较大，而且数据价格昂贵，有些高分数据还涉及保密信息，因此不适用于大范围的绿地信息提取。基于此，本课题基于多时相的Landsat遥感影像，结合相关实地调查和其它数据，对南京市及周边区域的城市绿地进行提取分类。并采用不同的分类算法，将提取的绿地进一步细分为林地和其它绿地，分析区域内绿地面积和空间分布的变化情况，探讨中分辨率遥感数据在称帝绿地遥感监测中的应用潜力。
2 国内外研究现状
2.1 城市绿地的概念及研究现状
国内外对于城市绿地的研究已经较为全面和多元。李宗梅等人[1] 采用 2006、2009 年 Landsat5 TM 和 2013 年 Landsat8 OLI 3 个时相的遥感影像，结合以往的相关数据、资料和实地调查，对厦门岛及周边区域的城市绿地进行提取分类，并采用监督分类方法，将绿地遥感 影像划分为林地和其他绿地，分析区域内绿地面积和空间分布的变化情况。李晓慧等人[2] 基于时序遥感数据及地物细微光谱特征对于提取作物分布有重要作用，利用多时相Landsat8 OLI影像，结合光谱角填图和决策树分类提取大同市新荣区东部地区主要农作物分布情况，并与最大似然法提取的分布结果进行对比。验证了多时相遥感影像对农作物分类研究的积极作用，并发展了光谱角填图法 结合决策树分类在中高分辨率遥感影像中进行农作物分类的用法，具有一定的应用前景。陈周等人[3]以高分辨率的 WorldView影像为数据源，使用深度学习网络 DeepLab-v3 对城市绿地进行分割研究，在分割基础上进行城市绿地信息提取。同时，将该网络模型的分割和分类结果与基于Ostu、MeanShift、FNEA 分割算法的分类精度进行比较。表明DeepLab-v3 的分割性能最好，其分割边缘光滑，与绿地实地边界吻合度高，有效解决了传统分割算法的边缘锯齿问题；在各种分割分类算法中，DeepLab-v3 的分类精度最高。邢玮等人[4]利用遥感技术能够实现快速提取城市绿地信息，准确地计算出城市绿地面积及覆盖情况等。以广州市TM遥感影像为数据源，进行一系列预处理，对监督分类和先计算NDVI再采用非监督分类这两种提取方法进行比较分析。表明，先计算NDVI再采用非监督分类法精度较高，说明该方法是一种有效的绿地信息提取方法。贺丹[5]提出了基于高分辨率遥感影像的城市绿地信息提取方法，并以东莞市为研究区域，采用国 产高分一号卫星（GF-1）的遥感影像进行绿地信息提取研究实验。张鑫[6]研究以模糊聚类为主要技术手段，针对高分辨率遥感图像噪声多、数据量大和处理速度慢的问题，对获取的遥感图像进行颜色空间转换和分块处理，设计了一种基于EM和KFCM混合聚类的算法应用于城市地遥感图像分割处理中。对EM算法的初始聚类中心引入惯性权重，促进全局搜索避免陷入局部极小值，将邻域信息引入到核模糊聚类中来提高抑制噪声能力。通过对ICA、PCA、KPCA以及KICA变化检测算法的比较，选择KICA变化检测方法将其改进用于城市绿地信息变化检测中，对含有变化分量的信息进行EM-KFCM聚类处理来提高检测精度。最后利用迭代次数、图像分割定量实验准则和数据选择度量准对基于EM和KFCM混合聚类算法的速度、精度进行评价，选择像素级评价方法对ICA、KPCAPCA及改进的KICA变化检测算法进行对比分析。陈阳等[7]介绍一个完整的遥感工程在ENVI下的实现过程，包含高分辨率数据的处理、高分辨率信息提取流程的合理安排、FX模块面向对象信息提取等内容，可全面快速掌握 城市绿地总量与分布现状，为绿地系统规划与日常管理决策提供参考，对生态城市建设具有重要意义。母景琴[8]介绍了TM遥感图像的特征，并阐述了其在城市绿地信息提取中的应用原理和利用TM影像提取绿地信息的一般过程。结合TM遥感图像在唐山市绿地分布中的应用实际，证明了遥感技术在绿地信息提取中的高效性，直观性，和精确性。黄宗维[9]以南宁市中心城区（快环以内区域）为主要研究区域，采用面向对象分类方法对2009年和2015年的高分辨率遥感影像进 行城市绿地信息提取，实现对南宁市城市绿地的动态监测。陈义菁[10]以重庆市北碚区为研究对象，基于北碚区2010、2107Landsat 遥感图像数据，制作出2010年、2017年土地利用专题图。根据专题图对比分析北碚区土地利用类型变化并探索出影响土地利用分类变化的原因。黄鹏程[11]以西安市2016年Landsat－8卫星的OLI多光谱数据为基础资料，参考国家土地利用分类标准和西安市土地利用现状，将西安市的土地类型分为建设用地、裸地、水体、草地、耕地、林地6类，采用监督分类中常用的最大似然分类法和决策树分类方法对研究数据进行解译，利用总体分类精度和Kappa系数等指标对各分类精度加以评价，并结合实际用地情况对分类结果进行了总结分析。孙天娇[12]概述了面向对象分类方法，采用了基于边缘的分割算法对遥感影像进行分割处理同时探讨面向对象分类中的最优分割尺度，基于分类后地物面积与对象数的“面积对象数比”，提出了影像整体最优分割尺度的计算方法。选取合适的纹理特征构建纹理特征集。将灰度共生矩阵( Gray-levelCo-occurrence Matrix，GLCM)纹理与Gabor滤波器下的Gist纹理特征进行对比，应用J-M(Jeffries-Matusita)距离变量可分离性分析GLCM最优纹理特征，并利用最佳指数法获取GLCM与Gist纹理特征的最佳特征组合。进行基于纹理特征的面向对象支持向量机(Support Vector Machine，SVM)及K邻近法(K-nearest Neighbor，KNN)分类识别与精度评价，并与无纹理特征的分类结果及应用监督分类方法所得的结果进行对比。战胜等[13]以Sentinel－2A和Landsat－8 OLI影像为数据源，选取济南市建成区为研究区，利用面向对象分类方法中 标准最邻近分类方法，提取济南市建成区林地、草地、道路绿地和耕地4类绿地特征，并选取计算了景观聚散性、景观多样性、斑块密度及差异性、邻近度等 4 类指标的7个评价指数，分析绿地空间特征。NA 等[14]通过结合Landsat TM影像的光谱和纹理特征以及三江平原湿地的辅助地理数据来确定土地覆盖分类的能力，Zhang等人基于最大值可能性分类器，本研究应用了Landsat专题制图仪5（TM）和中国国内高分辨率卫星数据Gaofen-1，以研究积水县2008年至2016年之间的土地覆被类型变化[文献号]。
2.2 传感器发展现状
随着遥感技术的发展，目前有许多遥感影像数据可以选择。针对研究区基本概况，选择合适的数据源至关重要。至今为止，世界各国已发射了许多不同类型、不同功能的在役卫星，其中Landsat系列卫星是目前深度最大、应用范围最广的陆地资源卫星。它由美国航天局和调局协同管理，自1972年起至今已陆续发射了8颗，为调查各类地球资源，研究各种地表植物，考察和预测各种自然灾害提供了宝贵的信息。
Landsat-5所携带的传感器是为专题成像(Thematic Mapper，TM)服务的，自上世纪80年代起在役服务，一直运行到2011年1月，期间为众多遥感影像应用研究提供了宝贵的数据源。卫星绕地球循环周期为16天，所获取的TM遥感影像由7个不同波长的波段组成，除热红外波段外，其它波段均为30m空间分辨率。TM影像获取免费且获取途径多，是目前应用较多的低分辨率遥感数据源之一。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
