基于面向对象与规则的Sentinel-2A影像土地覆被分类——以江西省都昌县为例

土地覆被作为地表自然和人工建造物的综合体，是开展土地科学相关研究的重要基础，在遥感大数据背景下，准确、快速、自动化进行土地覆被提取技术一直是遥感研究中的重点。本文基于eCognition软件，采用面向对象的多尺度分割法，综合考虑地物在遥感影像上的光谱、形状和纹理特征，建立多种地物提取规则。通过模糊函数、支持向量机（SVM）和阈值法对研究区的土地覆被进行分类提取，并与研究区的FROM-GLC10数据和土地利用变更数据进行了对比分析。结果表明：①研究区土地覆被分类的总体精度为97%，Kappa系数为0.96，分类精度较高；②基于10 m分辨率影像，综合使用形状、纹理、光谱信息对于道路的提取具有较好的效果，道路提取Kappa系数为0.84；③分类结果在面积和空间分布上都优于FROM-GLC10数据，与研究区实际土地变更数据保持较好的一致性。基于面向对象与规则的分类方法提取地物能够有效利用多种遥感影像特征，分类精度高，对于处理高分辨率遥感数据具有很好的优势。     

成渝经济区城市体系优化分析——基于位序规模模型

应用城市体系位序规模模型,采集1998—2012年面板数据对成渝经济区城市体系进行了定量测度。结果显示:成渝经济区城市体系属于双核首位分布型,成都和重庆双核与其他城市的规模差距不断拉大,城市体系出现断层,特大城市和大城市实力偏弱,属于城市群发展的初级阶段,大城市集聚发展时期,扩散效应不明显。提出成渝经济区城市体系优化要以高位序城市为核心发展各种形态的城市群体,引导成渝整合构建成渝城市群;促进城市规模晋级,弥补特大城市缺口和大城市的薄弱环节;积极发展区域性中心城镇,引导农村人口向中心镇集中;建成大中小城市协调发展、等级完整合理的长江上游现代化城市体系,并构建一个更加繁荣、和谐的成渝城市群。