J4 ›› 2011, Vol. 41 ›› Issue (5): 1630-1637.

• 地球探测与信息技术 • 上一篇    下一篇

基于TM和ETM+影像数据的东沙环礁珊瑚礁监测

王利花, 周云轩, 田波   

  1. 华东师范大学河口海岸学国家重点实验室|上海200062
  • 收稿日期:2010-12-27 出版日期:2011-09-26 发布日期:2011-09-26
  • 通讯作者: 周云轩(1962-),男,江苏睢宁人,教授,博士生导师,主要从事海岸带遥感与地理信息系统方面的教学与研究 E-mail:zhouyx@sklec.ecnu.edu.cn
  • 作者简介:王利花(1983-)|女|河南洛阳人|博士研究生|主要从事遥感与地理信息系统应用研究|E-mail:wang_lihua@yahoo.cn
  • 基金资助:

    国家“973”计划项目(2010CB951204);国家自然科学基金创新研究群体项目(40721004)

Detecting Coral Reefs at Dongsha Atoll Using Landsat TM and ETM+Images

WANG Li-hua, ZHOU Yun-xuan, TIAN Bo   

  1. State Key Laboratory of Estuarine and Coastal Research|East China Normal University|Shanghai200062, China
  • Received:2010-12-27 Online:2011-09-26 Published:2011-09-26

摘要:

以东沙环礁为研究区域,选取1999年Landsat-7 ETM+影像数据和2001年、2009年Landsat-5 TM影像数据为主要数据源,应用基于统计学习理论的支持向量机(SVM)分类技术,通过选择训练时间较短的“一对一”SVM方法和RBF核函数,对3个年度的影像数据进行珊瑚礁信息提取。结果表明:2009年东沙环礁珊瑚礁面积为140.93 km2;1999-2009年,东沙环礁珊瑚礁面积减少了17.54 km2,珊瑚礁破碎化、白化现象趋于明显,珊瑚礁退化处于中期阶段。空间分辨率的提高可得到更准确详尽的珊瑚礁信息,尤其对小面积珊瑚礁的信息提取。

关键词: 东沙环礁, 遥感, 珊瑚礁, 支持向量机, 地理信息系统

Abstract:

One Landsat-7 image of 1999 and two Landsat-5 images of 2001, 2009 were chosen to map and detect changes of coral reef community at Dongsha atoll. As the support vector machine (SVM) is very attractive for the classification of remotely sensed data, it was introduced into the extraction and classification of the coral reefs. Considering the training time and classification accuracy, ‘one against one’ and radial basis kernel function (RBF) were determined. The results show that the total area of the coral reefs at Dongsha atoll is about 140.93 km2 in 2009. From 1999 to 2009, the coral reefs were in the intermediate stage of degradation, because their areas decreased 17.54 km2 and they behaved evident fragmentation. High spatial resolution images are helpful to extract coral reefs properly and accurately, especially to minor area of coral reefs.

Key words: Dongsha atoll, remote sensing, coral reef, support vector machines, geographic information systems

中图分类号: 

  • TP79
[1] 王明常, 张馨月, 张旭晴, 王凤艳, 牛雪峰, 王红. 基于极限学习机的GF-2影像分类[J]. 吉林大学学报(地球科学版), 2018, 48(2): 373-378.
[2] 闫佰忠, 邱淑伟, 肖长来, 梁秀娟. 长白山玄武岩区地热异常区遥感识别[J]. 吉林大学学报(地球科学版), 2017, 47(6): 1819-1828.
[3] 张施跃, 束龙仓, 闵星, 胡慧杰, 邹志科. 基于土地利用类型的大气降水入渗补给量计算[J]. 吉林大学学报(地球科学版), 2017, 47(3): 860-867.
[4] 李晓东, 姜琦刚. 吉林西部多时相遥感数据分类方案的构建及应用[J]. 吉林大学学报(地球科学版), 2017, 47(3): 907-915.
[5] 卢文喜, 郭家园, 董海彪, 张宇, 林琳. 改进的支持向量机方法在矿山地质环境质量评价中的应用[J]. 吉林大学学报(地球科学版), 2016, 46(5): 1511-1519.
[6] 王常明, 田书文, 王翊虹, 阮云凯, 丁桂伶. 泥石流危险性评价:模糊c均值聚类-支持向量机法[J]. 吉林大学学报(地球科学版), 2016, 46(4): 1168-1175.
[7] 秦喜文, 刘媛媛, 王新民, 董小刚, 张瑜, 周红梅. 基于整体经验模态分解和支持向量回归的北京市PM2.5预测[J]. 吉林大学学报(地球科学版), 2016, 46(2): 563-568.
[8] 杨雪峰, 王雪梅, 毛东雷. 塔里木河下游土地利用覆被MISR多角度遥感制图[J]. 吉林大学学报(地球科学版), 2016, 46(2): 617-626.
[9] 彭令, 徐素宁, 彭军还. 多源遥感数据支持下区域滑坡灾害风险评价[J]. 吉林大学学报(地球科学版), 2016, 46(1): 175-186.
[10] 周林飞, 陈启新, 成遣, 张静. 利用粗糙集理论进行遥感分类信息提取[J]. 吉林大学学报(地球科学版), 2015, 45(4): 1246-1256.
[11] 牟丹, 王祝文, 黄玉龙, 许石, 周大鹏. 基于最小二乘支持向量机测井识别火山岩类型:以辽河盆地中基性火山岩为例[J]. 吉林大学学报(地球科学版), 2015, 45(2): 639-648.
[12] 黄绍霖,徐涵秋,王琳. CPF变化对Landsat TM/ETM+辐射校正结果的影响[J]. 吉林大学学报(地球科学版), 2014, 44(4): 1382-1387.
[13] 唐菲, 徐涵秋. 城市不透水面与地表温度定量关系的遥感分析[J]. 吉林大学学报(地球科学版), 2013, 43(6): 1987-1996.
[14] 顾玲嘉, 赵凯,任瑞治,孙健. 两种被动微波遥感混合像元分解方法比较[J]. 吉林大学学报(地球科学版), 2013, 43(6): 2057-2064.
[15] 朱长明,李均力, 张新,骆剑承,沈占锋. 新疆博斯腾流域湿地遥感监测及时空变化过程[J]. 吉林大学学报(地球科学版), 2013, 43(3): 954-961.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!