基于分層分類法的遙感圖像分類研究

陳 靜，吳宇靜

（廣東工業大學華立學院，廣州 511325）

作為全球變化的主要研究內容，土地利用/覆蓋數據的獲取工作格外重要，而隨著遙感技術的發展與應用，該項工作的獲取變得便利了許多，然而，盡管數據獲取工作變得不再困難，但數據的精確度卻成了各研究機構重要關注的問題。分層分類法強調分級，不同級別的分類標準與方法均是不同的，利用此方法能夠有效地提升遙感圖像分類的精確度。

1 分層分類法簡介

何謂分層分類法，分層分類法是一種分解方法，具有一定的針對性與原則性，其分解不僅需要遵循一定的原則，而且還要以不同的信息特點為主，在每一層級的分解過程中，子區特征與經驗知識不同的層級，分類活動也應選擇不同的波段或組合，決策樹分類器便是分層分類法的一種[1]。在決策樹分類器中，不同層級的信息提取標準均有所不同，對遙感數據的收集應當以信息提取標準為主逐級細分，只有逐級細分后，遙感圖像分類才能夠形成。一般情況下，決策樹主要由三部分構成，第一部分為根節點，第二部分為內部節點，第三部分為終結節點，其中，終結節點需要多個，內部節點需要一系列，根節點只需要一個，此種方法對提高遙感圖像分類的精度極為有效。

2 基于分層分類法的遙感圖像分類方法

2.1 研究區概述

本文以遼寧撫順礦區為例，對該礦區的遙感圖像分類方法進行深入分析。遼寧撫順礦區位于遼寧省撫順市渾河南岸，長18千米，寬2千米，總面積為36平方千米，氣候為中溫帶大陸性季風氣候，土地為典型的黑壤土地，類型多以林地與農田為主，樹種比較豐富，紅松、云杉、白樺等應有盡有，與同地區的其他礦區相比，遼寧撫順礦區的林業較為發達，具有一定的研究意義。

2.2 影像的判讀分類

2.2.1 分類系統的確定

遼寧撫順礦區多以林地為主，但其中也分布著許多其他的土地類型，比如沼澤、水體、農業用地等，就連居民用地也分布在其中，基于此，并結合國家制定的分類標準，本文可以將遼寧撫順礦區的土地覆蓋分類系統確定為以下幾種：（1）水體；（2）林地；（3）居民地，包括居民地中的道路與建筑；（4）農田；（5）沼澤。需要注意的是，遼寧撫順礦區的林地可以分為三種，一是針葉林，二是闊葉林，三是針闊混交林。

2.2.2 信息提取

遼寧撫順礦區研究使用的遙感影像為SPOT-5衛星影像，該影像的空間分辨率極高，但波段數量卻極為有限，因此，根據這一特征，并結合實地考察結果以及相應的數據資料，遼寧撫順礦區使用AOI工具進行了訓練區的選擇，總共選擇了150個典型的訓練區，且這150個訓練區中包含了全部七種地物類型，之所以這樣選擇，不僅是為了使信息提取的質量得以提升，而且更是為了使信息分類的精確性得以保證。

2.2.3 分類流程

本文對遼寧撫順礦區所選擇的150個訓練區進行了數值統計，還繪制出了一份光譜響應曲線圖，并得出如下結論：（1）水體在其他地物下的輻射亮度比較高，而在綠波段、短波段以及外波段的輻射亮度比較低，且數值變化明顯；（2）林地在沒有水體影響的情況下，紅波段、短波段及外波段的亮度值比較低，而其他地物的亮度值比較高，數值變化依然十分明顯；（3）居民地的NDVI值為最低，這主要是由于缺少植被的覆蓋，而第二波段的輻射亮度為最高；（4）農田及沼澤的亮度均值差異較小，針葉林、闊葉林以及混交林的亮度均值差異較大。

圖1 光譜響應曲線圖

2.2.4 分類后處理

本文所采用的分類方法為分層分類法，使用的工具為決策樹分類器，最小處理單位為單個像元，因此，分類結果出現的問題較多，比如同一種類的地物之間缺少一定的空間連續性、孤島問題較為嚴重等，而ENVI軟件可以很好的解決以上問題，這主要是因為該軟件具有篩選以及集群功能，因此，遼寧撫順礦區的分類后處理可選擇ENVI軟件，結合該礦區的實際情況，最小閾值選擇為5個像元[2]。

2.2.5 精度評價

本文所選取的評價工具為ERDAS軟件，利用該軟件的精度評估功能對精度進行評價，得出如下結論：（1）水體信息得到了完整提取，分類精度為100%；（2）針闊混交林的分類精度不夠好，還未達到65%，常被分入針葉林或闊葉林中；（3）其他土地類型的分類精度還算良好，通常都能夠達到80%；（4）該礦區的總體分類精度為77%，壓力指數為0.724，為了證明分層分類法的精確度，本文還對該礦區進行了監督分類法，精度結果為69%，由此可以證明，分層分類法更為準確。

綜上所述，本文將基于分層分類法的遙感圖像分類作為主要研究內容，在闡述分層分類法定義的基礎上，對研究區及影像的判讀分類做出系統探究，研究結果表明，影像的判讀分類主要為五種，一是分類系統的確定，二是信息的提取，三是分類的流程，四是分類后的處理，五是精度評價。在未來，還需進一步加強對基于分層分類法的遙感圖像分類的研究，進而確保遙感圖像分類的精確率能夠在研究的基礎上得以提升。