基于案例的土地資源利用遙感監測方法研究

摘 要：遙感已經成為土地資源監測的主要手段，土地資源遙感監測結果在使用前，必須進行客觀可靠的精度驗證和分析，以保持遙感監測結果的可靠性。其中，抽樣方法是影響土地資源遙感精度評價的一個重要因素。本文結合江西某縣土地利用遙感監測案例，探討了土地資源利用遙感監測方法及精度評定方法，相信對從事相關工作的同行有著重要的參考價值和借鑒意義。

關鍵詞：精度評價簡單隨機抽樣分層抽樣等距抽樣

中圖分類號：P2文獻標識碼：A文章編號：1674-098X(2011)05(a)-0090-02

土地資源是人類生存和發展的基本條件，是經濟、社會可持續發展的重要基礎。不合理的利用資源引起的資源短缺、環境退化已成為影響我國經濟可持續發展的重要問題之一。全面調查并掌握我國土地資源數量與質量，在此基礎上采取有效防治措施，對緩解人地矛盾，合理利用資源，實現土地資源集中、統一、協調、有序的高效管理，實現我國社會經濟的可持續發展具有特別重要的意義。其中，數據質量規范體系的制定是土地資源與生態環境遙感調查與監測成果可靠性的基礎保障，因此，需要土地資源與生態環境遙感監測數據質量評價的研究做技術支撐。

遙感(RS)對地觀測技術的發展促進了信息獲取技術的提高，已經成為土地資源監測的主要手段。遙感監測結果在使用前，必須進行客觀可靠的精度驗證和分析，以保持遙感監測結果的可靠性。同一遙感監測結果，精度評價的方式不同，評價結果就有可能不同，因此很有必要對遙感精度評價過程中影響精度評價結果的各種因素進行細致深入的分析。一般地，目前影響遙感精度評價的因素主要包括抽樣方法、參考數據和評估參數三個方面，其中，抽樣樣本的設計和選擇尤為關鍵。

目前，國內外研究者做了大量遙感監測精度檢驗的理論研究和實踐探討，為遙感監測成果的應用提供了有利保證。本文嘗試利用簡單隨機抽樣精度評價抽樣方法，對試驗區某縣的土地利用遙感監測成果進行精度評價。

1 研究方法

1.1 試驗區及數據來源

本研究所用的試驗數據為某縣2002年的土地資源遙感監測成果，該監測成果的遙感數據源為2002年某縣的ETM+遙感數據。數據質量要求為處理級別1級(1A或1B)，云覆蓋小于10%，無雪，無噪聲和條痕。時相上主要考慮選擇有利于影像的土地利用判讀解譯的季節。

本研究所用精度分析參考數據是基于同期的SPOT5 2.5米空間分辨率的遙感影像解譯獲得的試驗區的土地利用現狀圖。利用SPOT5遙感數據解譯的土地利用/覆蓋現狀圖的精度遠高于基于ETM +數據的土地利用/覆蓋分類圖，可以基本反映研究區土地利用/覆蓋的實際狀況，因此能夠作為進行精度評價的基本參考數據。

1.2 土地資源遙感信息提取

在幾何糾正、圖像匹配等相關圖像預處理的基礎上，利用2002年和2006年的ETM+和SPOT遙感影像，結合土地、地形等輔助資料信息，通過研究區的野外實地調查，按照《土地分類(試行)》，以人機交互方式解譯判讀二級土地利用類型，即耕地、林地、草地、建設用地、水體和未利用地6個土地類型(如圖1所示)。

1.3 土地利用變更分析

將解譯獲得的土地利用圖轉換為柵格數據，與重分類后的土地利用圖(如圖1所示)進行疊加分析(做and運算)，即可獲得土地利用變化圖，如圖1、圖2所示。

1.4 基于全樣本精度評價抽樣方法的精度評價

首先分別將某縣的基于SPOT和ETM+數據的土地利用現狀矢量圖柵格化，以便在精度分析過程中進行像元對像元的評價，像元對像元的精度評價既能對各地類的屬性和面積做出分析，同時也能開展各地類位置的精度分析。

為確定柵格圖的像元大小，我們對基于SPOT的土地利用現狀矢量圖的各個圖斑進行了統計，其中最小的圖斑面積為200.43m2，所以，我們將基于SPOT的土地利用現狀矢量圖柵格化后的像元大小確定為15×15m。

按照確定好的像元大小，分別把基于SPOT和ETM+數據的土地利用現狀矢量圖重采樣為15m分辨率的柵格圖。然后以基于SPOT的土地利用現狀柵格圖為參考數據，對基于ETM+的土地利用現狀柵格圖進行像元對像元的精度評價分析。

2 結果分析

從表1可以看出，某縣全樣本總體分類精度為74.82%，Kappa系數為0.633。在各地類的分類精度中，水體的分類精度最高，達88.53%，林地的分類精度最低，為63.04%。耕地、林地和草地的精度在74%左右，未利用地的精度比林地的精度稍高，為67.09%。

耕地的誤分中，劃分成林地和草地的居多，某縣林地和草地占誤分總量的89.38%，耕地誤分成其他地類的比率分別為，建設用地占7.59%，水體和未利用地占2.03%。林地的誤分中，劃分成耕地和草地的居多，某縣耕地和草地占誤分總量的94.28%，林地誤分成其他地類的比率分別為，建設用地占3.99%，水體和未利用地占1.73%。草地的誤分中，劃分成耕地和林地的居多，某縣耕地和林地占誤分總量的87.72%，草地誤分成其他地類的比率分別為，建設用地占5.74%，水體占3.51%，未利用地占3.03%。建設用地的誤分中，某縣中誤分成耕地的比率最大，為45.61 %，誤分成林地、草地和未利用地的比率分別為14.92 % 、17.66 % 和19.72 %，誤分成水體的比率最小，為2.09%。水體的誤分中，某縣中誤分成草地的比率最大，為49.06%，其他誤分比率依次是，未利用地占31.31%，建設用地占9.09%，耕地占8.98%，林地占1.56%。未利用地的誤分中，某縣中誤分成水體的比率最大，為32.74%，其次是耕地占29.17%，草地占22.76%，林地占11.55%，建設用地占3.78%。

從某縣地類的分類精度和錯分情況分析來看，ETM＋遙感影像比SPOT5的空間分辨率低，空間分辨率的降低，導致各地類的邊緣不清晰，紋理不明顯，混合像元增多，這些都是導致各地類錯分的重要原因。耕地、林地和草地之間的混分現象較為嚴重，未利用地與草地和建設用地的混分現象等，除分辨率的影響外，與ETM影像中的地類之間的光譜特征相近也有較大的關系。除外，在土地利用矢量數據轉為柵格數據過程中產生的誤差，對精度評價的結果也有一定的影響。

參考文獻

[1]Stehman SV，Czap lewski R L.Design and Analysis for Thematic Map Accuracy Assessment:Fundamental Principles[J].Remote Sensing of Environment，1998，64:331～334.

[2]Janssen L L F，Van Der Wel F J M. Accuracy Assessment of Satellite Derived Land2cover Data:A Review[J]. Photogramm etric Engineering Remote Sensing，1994，60:419～426.

[3]Conese C，Maselli F.Use of Error Matrices to Improve Area Estimates with Maximum Likelihood Classification Procedures[J].Remote Sensing of Environment，1992，40:113～124.

[4]劉正軍，王長耀，延昊，等.基于FuzzyARTMAP神經網絡的高分辨率圖像土地覆蓋分類及其評價[J].中國圖象圖形學報，2003，8(2):151～154.

[5]冉有華，李文君，陳賢章.TM圖像土地利用分類精度驗證與評估——以定西縣為例[J].遙感技術與應用，2003，18(2):81～86.

[6]劉旭攏，何春陽，潘耀忠，楊明川，張錦水.遙感圖像分類精度的點、群樣本檢驗與評估[J].遙感學報，2006，10(3):366～372.

[7]管珍，曹廣超，易俊柱.面向對象的遙感影像分類研究.科技創新導報，2010(34).