摘要
随着时代的发展，各类不同分辨率遥感卫星的发展突飞猛进，由于图像空间分辨率不断提高、图像获取能力逐渐增强、图像现状较好等原因，遥感影像也开始广泛服务于各行业。同时随着科技的不断进步，从各类影像数据源中用自动化的方法有效地提取地物信息也成了研究的热点问题。聚落作为人类进行生产、生活等各种社会活动的中心，对聚落分布情况进行提取可以直观的了解当地聚落的空间分布状况，为当地城镇化的建设与聚落的空间分布格局优化提供一定的参考。 本文基于GF-1遥感影像和Sentinel-2遥感影像以遂宁市安居区为研究对象，对安居区的聚落信息进行了提取研究，主要研究成果如下： （1）在eCognition软件的基础上对影像分割的方法与技术进行了探讨，对比了几种影像分割的方法，根据研究目的选择多尺度分割的方法进行分割，再借助ESP尺度评价方法分别对两种影像分别的最适宜分割参数进行分析与选择，最终根据分析结果为两种影像分别设计了不同的分层分割体系。 （2）通过分别对两种影像内部各类地物的光谱特征、光谱衍生特征、形状特征以及纹理特征进行了知识发现并建立了地物特征知识库，基于该地物特征知识库分别构建了研究区的GF-1和Sentinel-2遥感影像的分类提取体系，将该提取体系应用于整个安居区的同源影像上验证其可行性，并用于对地物的识别提取。 （3）对比了面向对象的分类提取方法、面向样本的分类提取方法以及cart分类器方法的分类提取结果，分别分析了其优劣性与提取精度，发现面向对象的分类方法效果最优，因此最终选择使用面向对象的分类方法进行聚落信息提取。 （4）对分类提取结果的精度进行计算与评价，得到GF-1和Sentinel-2的地物提取精度分别为91.28%与85.40%。将提取结果进行对比分析，从用途上来看GF-1影像上进行分类提取的结果更适合于对聚落内部的结构构成进行分析，Sentinel-2影像更适合于进行多年间聚落扩展情况研究以及进行聚落空间分布现状的研究，并且成本比使用GF-1影像更低更低。 （5）将提取的结果结合DEM数据对安居区聚落的空间分布特征进行分析，发现了安居区行政范围内的聚落主要分布在高程为258m-392m之间，其面积占整个安居区聚落总面积的97.39%，占该级高程总面积的16.04%；与此同时安居区的聚落主要分布在坡度2°~15°的范围内，该坡度范围的聚落面积占安居区聚落总面积的85.54%，占该级坡度总面积的18.05%。除此之外安居区仍有部分聚落坐落在坡度较陡的区域和高程较高的地方，有较大的安全隐患，应对其进行合理的优化。
NETL