打开文本图片集

摘要：运用Sentinel-2 MSI Level-2A数据，对本溪市明山区的进行绿地和水系分类，通过ArcMap进行路网和镇点元素添加，并在修改后的成果上进行遥感制图，得到本溪市明山区土地利用分类。实验结果表明，绿地和水系分类中监督分类结果精度较高，所得制图成果精度满足识图要求，不失为一种有效的遥感制图方法。

关键词：Sentinel-2A；植被归一化指数；最大似然分类；遥感制图

0 引言

随着科学的进步以及航天遥感技术的快速发展，我国高分辨率遥感影像得到了迅猛发展，并且在土地利用、城市规划、环境监测以及军事领域得到了广泛应用。土地覆盖是地表自然地物和人工地物的总称，其中部分覆盖物对人类研究价值巨大，如土地利用现状等。在可自由进入的卫星中，由Sentinel-2A 和Sentinel-2B组成的新发射的Sentinel-2系列卫星具有良好的空间、光谱和时间分辨率。到目前为止，众多学者利用Sentinel-2数据进行了各种分类探索，如肖京格等利用Landsat时间序列数据，结合特定算法进行土地覆盖分类，结果具有较高的准确性和实用性[1]，又如张赫林等研究了基于Landsat时间序列数据的祁连山区域土地利用变化[2]，其基于CART决策树分类具有较高的分类精度，总体精度达到了88.72%。许多学者利用多种不同的分类方法对各种分辨率的遥感影像进行了土地覆盖类型的分类，研究以Sentinel-2A影像数据为基础，对绿地、镇点、水系、道路等地表覆盖进行提取，实现本溪市明山区土地利用分类。

1 分类策略

1.1 分类方法

基于Sentinel-2据和行政区划数据，首先对影像数据进行行政区域裁剪，然后进行辐射定标，通过建立FLAASH大气校正模型[3]，进行DN值标定。所有预处理完成后，进行分类器设计，实验中选用监督分类的最大似然分类法和非监督分类的ISODATA分别进行分类，选取精度较高的一种作为信息提取底图。利用NDVI植被归一化指数，提取实验区绿地（包括耕地、林地、草地和其他覆地），利用NDWI提取研究区域水系。最后基于OSM提供路网数据对输出图添加交通元素。所有要输提取后，将镇点数据增加至覆盖区域，并将成果图导入到ArcGIS中，在制图模式下增加制图要素，完成分类专题图绘制。分类的技术流程如图1所示。

2.2 制图综合

分类图在ArcGIS中进行制图综合，进行分类图的要素添加、地图内容简化和数量特征概括。在进行取舍时，采用“选取标准”与“选取程度”数量指标加以控制。地图内容的简化包括质量特征和数量特征的概括，以及线状与面状图形的简化。质量特征的概括主要在于由表示单个地物过渡到表示地物的集合，由表示低级分类等级过渡到表示高级分类等级。数量特征的概括主要在于扩大数量的级差，减少级数。线状与面状图形的简化主要在于删减次要弯曲和细节，保留主要弯曲的基本特征，必要时可适当夸大或位移，保持平面几何图形的相似性和面积对比的大体一致。

2 实验与分析

2.1 研究区域

研究区域位于本溪市明山区，位于东经124°36′-125°46′，北纬40°42′-41°47′的范围内。考虑到明山区为城市建成区，城乡用地呈现杂花式特征，故制图采用绿地、水系提取，道路、镇点添加的方法完成遥感制图。

2.2 数据源

Sentinel-2A是由欧洲空间局（European Space Agency， ESA）推出的一系列地球观测卫星[4]，它们携带的主要成像仪器是MultiSpectral Instrument（MSI），专门设计用于捕捉地球表面不同光谱的图像。由于6～9月通常是植被生长的旺盛期，这段时间内植被呈现出最为繁茂的状态，特征明显，有利于准确地识别和地面覆盖，且在此阶段云量不大，因此实验选取2019年7月14日Sentinel-2A遥感影像（https：//dataspace.copernicus.eu/），云量15%。此外，由于需要使用到明山区行政信息和镇点信息，因此从资源环源科学数据平台下载该数据，实现影像裁切和辅助制图作用。

2.3 分类与制图

2.3.1 数据预处理

实验采用ENVI进行数据预处理。首先进行影像裁切，载入Sentinel-2A数据，同时加载本溪市明山区shapefile文件。对原始图像进行子集选取，利用明山区shapefile文件为掩膜，选取原始子集，裁剪结果如图2（a）所示。辐射定标利用辐射纠正命令的辐射定标方法，处理结果如图2（b）所示。大气校正采用FLAASH大气校正模型，主要设置好传感器类型高度、DEM、温度带等参数，实现大气校正，结果如图2（c）所示。

2.3.2 绿地水系提取

为了探索最优分类方法，实验分别采用监督分类与非监督分类实施道路和水系提取。监督分类采用最大似然法，在影像上辨别绿地、水体区域并单击绘制多边形样本，作为感兴趣区域，然后统计分离度，实验要求分离度大于1.9。绿地采用NDVI指数进行识别，在Band math中填入公式（float（b1）-b2）/（b1+b2），选择红外和近红外波段，得出绿地分类。水系提取采用NDWI指数，在Band math输入（float（b2）-float（b4））/（b2+b4）计算NDWI，选择绿波段和近红外波段，完成水体识别。非监督分类采用ISODATA方法，手动分类处理后，进行类别合并。监督分类和非监督分类结果如图（3）所示，实验结果表明，监督分类精度较高，因此后续制图采用此方法获取的绿地、水系分类结果。

2.3.3 遥感制图

道路网矢量化利用网络查找OSM路网数据，在ArcMap中打开路网，加载本溪市明山区轮廓进行裁剪。加载railway，transport等其他数据进行裁剪。打开之前提取的绿地影像和水系影像，路网提取完成。利用ArcMap加载绿地、水体和路网的图，把三张图加在一起，修改路网上的图标，在网上找DEM数据并添加到图层里，选择工具箱→空间分析工具→表面分析→山体阴影工具，把绿地透明度改为50%，最后添加标题、指北针、图例和比例尺等地图要素，完成遥感制图。各制图过程和最终结果如图4所示。

3 结束语

运用Sentinel-2A遥感影对明山区进行了绿地、水系提取，并结合ArcMap进行路网、镇点数据添加和制图，结果表明NDVI和NDWI能有效实施绿地和水体分类。在绿地分类中，监督分类精度明显优于非监督分类，原因是类别数目可控，减小非监督分类类别合并带来的误差影响。在遥感制图中，ArcMap是矢量、栅格数据处理的有效手段，对于制图综合执行非常便利，所得制图成果能够保持地理坐标精度和视觉美观性。后续的研究要集中于对Sentinel-2A遥感影像分类的深度挖掘，分出更详细的类别，如将绿地分为耕地、林地、草地和撂荒地等。

参考文献

[1]肖京格，乔彦友，王成波，等.一种利用Landsat年度时序数据的土地覆盖分类方法[J].遥感信息，2019，34（02）：55-61.

[2]张赫林，彭代亮，邓睿，等.基于Landsat时间序列数据的祁连山区域土地利用变化[J].北京工业大学学报，2017，43（05）：665-676.

[3]王雪丹.基于卫星高光谱遥感图像的大气校正与地物识别应用[D].西安理工大学，2024.

[4]Adiningrat P D ，Schlund M ，Skidmore K A ， et al.Mapping temperate old-growth forests in Central Europe using ALS and Sentinel-2A multispectral data[J].Environmental Monitoring and Assessment，2024，196（9）：841-841.

作者简介：徐甜甜（2003-），女，辽宁沈阳人，辽宁科技学院学生。

通讯作者：武广臣（1979-），男，辽宁沈阳人，硕士，副教授，研究方向：三维地理信息系统应用与开发、无人机遥感。

支持项目：2025年辽宁科技学院大学生创新创业训练计划项目（项目编号：202511430078）