GF-1與Landsat-8影像土地利用遙感解譯對比分析

李 丹，梅曉丹，趙 鶴，田美玲，翟 慧,羅雨斐，蒙延斌

(黑龍江工程學院 測繪工程學院，黑龍江 哈爾濱 150050)

高分一號(GF-1)衛星是我國高分辨率對地觀測衛星系統重大專項(簡稱“高分專項”)的第一顆衛星，于2013年發射，包括紅、綠、藍、近紅外4個波段，其全色數據空間分辨率為 2 m，多光譜和寬幅多光譜空間分辨率分別為 8 m、16 m，具有高空間分辨率、高時間分辨率、寬覆蓋等特點[1-3]。Landsat8 是美國國家航空航天局( NASA) 于 2013 年發射，該衛星的發射延續了 Landsat 系列衛星對地觀測任務，為全球資源環境變化應用和研究提供了重要支撐[4]。土地利用變化是全球變化研究的熱點問題之一[5-8]，遙感數據因其具有大范圍、時效性強和成本低的優勢成為土地利用數據獲取的主要數據源[9-12]。

為了對比上述2種傳感器參數對土地利用分類能力與精度的影響，評價 GF-1 在土地利用遙感解譯中的應用價值，本研究選取松嫩平原北部典型區域——黑龍江省嫩江縣 GF-1和Landsat-8 影像數據，進行土地利用遙感解譯，分析兩種影像解譯結果，以期為土地利用遙感圖像解譯研究提供數據支撐。

1 研究區概況

本文研究區嫩江縣位于黑龍江省西北部，東經124°44′30″～126°49′30″，北緯48°42′35″～51°00′05″。行政區劃面積1.51×104km2。嫩江縣位于興安山地和松嫩平原之間的過渡地段，海拔為193～729.7 m，地勢北、東部地區高，南、西部地區低。氣候類型為中溫帶半濕潤大陸性季風氣候，年平均溫度低，雨熱同季且冬季漫長。嫩江縣是我國重點商品糧生產基地，享有中國“大豆之鄉”及“北國糧倉”的美譽。受行政管理限制，本文的研究區域未包括國營農場及軍隊農場[13]。

2 數據來源與處理

2.1 遙感影像預處理

本文選取嫩江縣2013-08-20 Landsat-8 衛星OLI傳感器數據，與GF-1 16 m分辨率多光譜數據進行土地利用遙感解譯對比分析，具體參數如表1所示。對影像進行輻射定標、大氣校正、波段合成、圖像鑲嵌、圖像裁剪等預處理后，定義訓練樣本，進行監督分類、精度檢驗，最終獲得研究區土地利用遙感解譯數據。

表1 GF-1 與Landsat-8衛星參數

2.2 土地利用分類

根據研究區2013年Landsat-8與GF-1衛星遙感影像目視解譯分類結果，選用最大似然法進行土地利用分類，參照《土地利用現狀分類(G/T21010-007)》將嫩江縣行政區土地利用類型劃分為耕地、林地、草地、水域、建設用地、其他用地6個一級地類[14]，如表2、表3所示。

2.3 精度檢驗

采用混淆矩陣進行精度檢驗，混淆矩陣是一種由N行和N列組成的N階矩陣，其中N代表了類別的數量。混淆矩陣的列和行，分別代表了參考影像的信息和被評價影響的分類結果信息。

3 結果分析

3.1 Landsat-8和GF-1區域分類精度對比

由表2，表3可知，Landsat-8衛星對于林地區域和耕地區域的分類精度高于GF-1衛星；而在草地、建設用地、其他用地區域和水域方面的分類則是GF-1的精度高于Landsat-8衛星。因為GF-1衛星的分別率更高，所以在較多水塘、細小河流、村莊和小規模的城鎮，地物類型破碎，紋理與細節信息明顯的地區，分類效果更好。

表2 2013年Landsat-8研究區土地利用混淆矩陣

表3 2013年GF-1研究區土地利用混淆矩陣

3.2 Landsat-8和GF-1可分離性對比

為了對比2種數據在各土地利用類別上的光譜可分離性，將全部用地類型進行可分離性比較，詳見表4、表5。在GF-1衛星的分類基礎上，全部6個土地利用類型的可分離性系數都比較高(大于1.8)，分類結果比較接近與實際情況，而在Landsat-8衛星的分類基礎之上，草地與耕地的可分離性相對較低，為1.614，低于普遍要求的1.8，但在其他的土地利用類型的分類情況上效果明顯。

3.3 Landsat-8和GF-1分類結果面積差別分析

由Landsat-8為基礎圖像，GF-1為變化圖像，進行不同地物分類結果面積差別對比(如表6)。Landsat-8中的林地有105.73 km2被GF-1分成草地，627.84 km2被分成耕地，4.47 km2被分成建設用地，115.06 km2被分成其他用地，而水域則沒有被錯分，其他結果見表6。

表4 2013年Landsat-8研究區數據可分離性比較

表5 2013年GF-1研究區數據可分離性比較

表6 Landsat-8與GF-1分類結果面積差別表 km2

3.4 Landsat-8和GF-1遙感影像綜合分析

結合研究區的可分離性，Landsat-8影像對于林地和耕地的分離系數不高，在矩陣中林地和耕地二者的分類精度排在最后，同樣，在GF-1影像中，水域和其他用地與其余4種土地利用類型的可分離性也較低，與分類的精度相符合。可以看出Landsat-8分類結果在林地與耕地地區，與GF-1的分類結果相差最大，林地達到6.37%，而在耕地則有5.47%。差異較大的原因為Landsat-8與GF-1 2種傳感器波譜響應函數在紅波段和近紅外波段響應范圍差異造成的。為了使分類的結果更接近于真實值，后期可以使用相應的DEM圖分析，使波段造成的影響減弱，讓分類的結果更加精確。另外，根據2011年的嫩江縣的土地利用類型面積規劃可知，2011年嫩江縣的林地面積為4 589 km2，草地面積為1 338 km2，水域面積為68 km2，耕地面積為4 496 km2，建設用地面積為12 km2，其他用地面積為0.3 km2。而根據利用ENVI分類出的結果來看，Landsat-8影像所分出的林地面積為4 494 km2，草地面積為1 560 km2，水域面積為59 km2，耕地面積為4 212 km2，建設用地為16 km2，其他用地面積為1.3 km2，而GF-1所分出的結果是林地面積為4 744 km2，草地面積為1 134 km2，水域面積為70 km2，耕地面積為4 838 km2，建設用地為13 km2，其他用地面積為0.2 km2。

可見，Landsat-8影像在林地和耕地方面的分類結果都很接近真實值；GF-1在水域、其他用地、草地和建設用地的分類結果就相對較精確，而在林地和耕地方面則不如Landsat-8，這與混淆矩陣分析的結果一致。Landsat-8圖像對林地和耕地的可分離性不是很高，是由于光譜合成和圖像鑲嵌時的顏色不均所造成的，對結果并沒有很大影響。綜合而言，GF-1 影像數據的高空間分辨率在一級土地覆蓋分類中體現出優勢，具有較高的精度，并結合其大幅寬與重訪周期短的優勢，在土地覆蓋分類研究中被廣泛應用。

4 結 論

本文基于Landsat-8衛星影像和GF-1衛星影像，應用遙感技術和ENVI軟件技術，分析了研究區嫩江縣2013年土地利用類型在Landsat-8衛星影像和GF-1衛星影像的分類差別與精度，得出如下結論：

1)Landsat-8與GF-1在不同的土地利用分類上結果存在差異。針對大面積土地利用分類，Landsat-8的分類結果更接近于真實值；針對混合像元少，紋理和細節更加復雜的土地利用類型，GF-1的結果更好。

2)對于GF-1圖像，雖整體精度很高，但在很多區域分類結果的面積均大于Landsat-8，導致可分離性高結果卻有偏差，后續研究中應利用DEM、紋理特征、多時相數據等進行后處理，進一步提高分類精度。