基于ERDAS的土地利用分類研究

張鎰譜

摘 要：運用Erdas Imagine 2010軟件和Landsat TM 遙感影像，對吉林省吉林市Lndsat-7影像的光譜進行分析，通過選擇波段、拼接裁剪和監(jiān)督分類三個步驟，將吉林市土地利用類型分為五類。通過分析得到的數(shù)據(jù)，指出吉林市土地利用中存在的問題，并提出調整對策。

關鍵詞：LANDSAT 遙感影像；土地利用；監(jiān)督分類

中圖分類號：F320 文獻標志碼：A 文章編號：1673-291X（2016）03-0129-02

土地日益成為人類的勞動產(chǎn)品土地正日益成為人類社會的勞動產(chǎn)物，或以勞動產(chǎn)品的形式而存在[1]。自從進入20世紀，人口不斷的增加，工業(yè)不斷的發(fā)展，土地越來越緊張，與此同時環(huán)境也越來越來差，嚴重破壞了社會經(jīng)濟發(fā)展的可持續(xù)性。所以，詳細掌握不同時段不同地區(qū)的土地利用/覆蓋狀況是合理管理土地資源的基礎，也是規(guī)劃個國民經(jīng)濟發(fā)展的重要依據(jù)。遙感的宏觀性、遙感的實時性、遙感的周期性和遙感的綜合性是它具有的重要特點，憑借這些特點，它快速、客觀、準確地對土地利用地進行監(jiān)測。

一、研究過程

（一）數(shù)據(jù)選取

研究選取LANDSAT-7四景TM 影像，行列號分別為117/29、117/30、118/29和118/30。

（二）波段選擇

遙感中充分利用地物在不同波段的差異，有效地識別地物的前提是不同波段記錄的地物是有差異的。但是不同波段之間的數(shù)據(jù)相關性往往很大，這種數(shù)據(jù)的冗余是必須要考慮的。同時，人們習慣于用彩色來表示一幅圖像。眾所周知，彩色只是紅、綠、藍三種顏色排列組合形成的，所以在波段的選擇上不能選擇超過4個波段，就是說只能用3個波段進行合成。同時，能夠合理正確地選擇波段會為接下來的工作打下良好的基礎，并提高精度。因為，想要獲得準確詳細的分類結果，就需要在選擇數(shù)據(jù)的時候就要做到盡量減少不利于信息提取的因素，只有這樣才能得到更多的類別和更高的分類精度。

（三）分析結果

因為標準差越大所含的信息量就越大，又因為信息量大有助于分類，所以會從這7個波段中選擇標準差大的3個波段進行彩色合成，波段5、7、4的標準差較大，但是波段5和波段7的相關性大，這就意味著重復信息較多，會影響分類結果，決定保留波段5和波段4。除了波段5、7、4外，波段3所含信息量做大，同時該波段與波段5和波段4之間的獨立性較好，所以最后選擇波段5、4、3的圖像。

二、遙感影像的處理

對遙感數(shù)據(jù)的預處理包括地形圖的配準、影像糾正、遙感影像增強處理等工作。接下幾何精校正是必不可少的，主要是因為這次使用的遙感影像在使用之前已經(jīng)有過輻射校正和幾何粗校正的處理；然后分別以1∶50 000地形圖為參考底圖，通過ERDAS IMAG INE 2010軟件對圖像進行校正。二次多項式變換模型、鍵盤輸入控制點坐標模式是校正時采用的主要方法。選取50個控制點，利用最小鄰近值算法對影像進行重采樣。對于Landsat7TM的各個波段而言，從所有波段中選擇3個波段組合，會組合出很多方案。從這些組合中，分別嘗試了345組合、543組合和453組合分別將四景TM 影像的4、5、3 波段進行假彩色合成，并將四景影像拼接在一起，然后用吉林市行政邊界裁剪，得到研究區(qū)域即吉林市TM 4、5、3 波段的假彩色合成圖像，使用4、5、3這三個波段進行假彩色合成后得到的圖像層次感分明，地物差異明顯，有利于土地分類中的地物類別提取，方便分類。最后，用ERDAS IMAGINE 2010系統(tǒng)模塊對遙感影像進行增強處理。

三、監(jiān)督分類

采用監(jiān)督分類法對吉林市遙感影像圖進行分類。利用一定數(shù)量的已知樣本（又稱為訓練樣本）的觀測值確定判別函數(shù)中待定參數(shù)的過程稱為學習或訓練，然后將未知類別的樣本觀測值代人判別函數(shù)[2]。之后，根據(jù)判斷標準對采集樣本的類別進行區(qū)分。定義分類模板在ERDASIMAGINE軟件中，監(jiān)督分類是基于分類模板來進行的，而分類模板的生成、管理、評價和編輯等功能是由分類模板編輯器來負責的[3]。這里面負責獲取模版分類信息的主要工具有AOI繪圖工具及擴展工具，同時還要使用到查詢光標。本次研究首先是利用AOI繪圖工具在遙感影像上獲取分類模板信息，然后主要的視圖操作都是在遙感圖像窗口中完成的，同時會用到Raster 工具面板和Signature Editor。最后，保存建立的各分類模板。

（一）建立分類模板

監(jiān)督分類之前首先要建立分類模板，建立了分類模版再進行管理、評價和編輯功能，這對監(jiān)督分類結果是非常重要的。根據(jù)吉林市實際情況，擬將土地利用類型按水體、林地、疏林地、旱地、城鎮(zhèn)用地和工交用地進行分類，接下來就是使用ERDAS IMAGINE里的AOI 工具建立分類模板。對分類模板進行評價的過程中會使用到可能性矩陣，分析感興趣區(qū)域訓練區(qū)中的像元是否完全落在對應的類別里。可能性矩陣的輸出結果是一個百分比矩陣，說明每個AOI 訓練區(qū)中有多少個像元分別屬于相應的類別[4]。根據(jù)檢查結果，所有的土地利用類型分類模板的精度都非常高，進而說明這些分類模版都是符合要求的。從分類誤差總體的百分比來說，如果誤差矩陣值小于85%，那么說明模板分類太低，需要重新建立[5]。

（二）執(zhí)行監(jiān)督分類

使用ERDAS IMAGINE創(chuàng)建并保存的分類模板，再輸入待分類的img文件，存儲距離文件，在設置一些參數(shù)，點擊分類，生成分類影像。

四、精度評價

目前普遍采用混淆矩陣的方法，即以Kappa系數(shù)評價整個分類圖像的精度[6]。通過混淆矩陣得出，菜地有39個參考點，其中有34 落在指定區(qū)域，有4 個參考點落在林地，1 個參考點落到城鎮(zhèn)用地；水體，因為只有一個參考點，所以分類精度達到了100%；林地，參考點個數(shù)為42個，其中39個參考點落在正確區(qū)域，1個參考點落到菜地，2個參考點落到城鎮(zhèn)用地；對于水田，共有29 個參考點，其中的25個參考點落在指定區(qū)域，其他的參考點落到了其他類型區(qū)域；城鎮(zhèn)用地的37個參考點除了1 個分到旱地以外，其余分類正確。由此可見，分類精度較高。接下來再根據(jù)混淆矩陣計算的Kappa系數(shù)進行計算，圖像的分類效果好。

五、分類結果分析

吉林市耕地分布的不合理性，永吉縣和舒蘭市的部分鄉(xiāng)鎮(zhèn)有大量的耕地。同時，平原區(qū)的耕地存在許多問題，比如布局分散、零亂；周圍存在散亂分布的園地、荒草地、廢棄地等；集中在坡度稍大的耕地區(qū)域中的田坎、溝渠、農村道路等占地較多，導致耕地變成不規(guī)則田塊、很小的單體面積，不適宜規(guī)模化和產(chǎn)業(yè)化生產(chǎn)。同時，建設占用優(yōu)質耕地仍然較多，耕地質量需要進一步提高。隨著吉林市經(jīng)濟快速地增長，用地需求必將快速增加，隨著經(jīng)濟高速地推進和人口快速地增長必然會使建設用地的需求越來越大。然而國家實行嚴格保護耕地和保護生態(tài)環(huán)境的情況下，建設用地的不斷增加必然會受到對耕地和生態(tài)環(huán)境的保護的雙重約束，可供應的建設用地數(shù)量逐年減少，這種供需矛盾將會越來越突出。

六、總結

通過對遙感影像進行的分析，總結出吉林市位于吉林省中東部，它的自然條優(yōu)越，土地類型豐富，土地利用類型齊全，適宜多種經(jīng)濟綜合開發(fā)。土地用途以農用地為主，建設用地和未利用地比重小，礦業(yè)生產(chǎn)用地面積大，土地復墾潛力較大，吉林市礦產(chǎn)資源豐富。礦產(chǎn)資源的開采利用促進吉林市經(jīng)濟社會快速發(fā)展，與此同時，礦產(chǎn)的開采和利用導致的大量工礦用地的閑置，全市多數(shù)鄉(xiāng)鎮(zhèn)分布著長期遺留積累下來的待復墾土地有很大的面積，土地有較大的復墾潛力。

參考文獻：

[1] 段正梁，張維然，葉振飛.論土地價值的內涵、來源及其特殊性[J].同濟大學學報：社會科學版，2004，（1）：30-35.

[2] 王慧妮，倪萬魁.基于計算機X射線斷層術與掃描電鏡圖像的黃土微結構定量分析[J].巖土力學，2012，（1）：243-247.

[3] 戴鋒.基于3S技術下的羅源灣植被遙感解譯及生物量遙感估測[D].福州：福建師范大學碩士學位論文，2011.

[4] 王麗榮.基于高分辨率衛(wèi)星影像的城市綠地景觀分析[D].上海：上海交通大學碩士學位論文，2007.

[5] 李薇.基于遙感和GIS的長春市土地利用變化及其區(qū)域經(jīng)濟發(fā)展分析[D].長春：東北師范大學碩士學位論文，2011.

[6] 牛興麗.面向城市應用的高分辨率圖像分類[D].濟南：山東科技大學碩士學位論文，2008.

[責任編輯 陳鳳雪]