基于Landsat-8監督分類與非監督分類的土地利用分類方法比較

廖東　戴洪寶　許繼影

摘 要：本文以遙感監督分類和非監督分類原理為研究基礎，采用2018年Landsat-8遙感影像作為基本數據源，利用監督分類和非監督分類中的最大似然和ISODATA分類法對宿州市埇橋區遙感影像進行處理，最后對分類的結果進行精度評價。通過分析可知，監督分類的分類效果更好，非監督分類雖然精度較低，但其不需要先驗知識，所以分類速度更快。因此，在分類時，要根據實際情況來選擇合適的分類方法。

關鍵詞：影像分類;非監督分類;監督分類;ISODATA;最大似然法

Abstract： Based on the principle of supervised classification and unsupervised classification of remote sensing， this paper used Landsat-8 remote sensing image in 2018 as the basic data source， used the maximum likelihood and ISODATA classification methods in supervised classification and unsupervised classification to process remote sensing images in Yongqiao District of Suzhou City， and finally evaluated the accuracy of the classification results. Through the analysis of the results， it is found that supervised classification has better classification effect. Although the accuracy of unsupervised classification is lower， it does not need prior knowledge， so the classification speed is faster. Therefore， when classifying， we should choose the appropriate classification method according to the actual situation.

Keywords： image classification; unsupervised classification; supervised classification; ISODATA;maximum likelihood method

土地利用的變化研究在全球環境變化中一直占據著重要地位，所以加強對這一課題的研究具有重要意義。以往對一個地域進行分析前都會先通過相關資料了解該地域的土地使用情況。但是，這些資料可能不完整或者丟失，從而給土地利用及土地的覆蓋變化分析帶來較多麻煩，且研究費用會逐漸增多，這些都致使土用利用規劃變得困難重重。而遙感獲取信息的速度快，且周期短，可以更好地監測大中尺度的土地使用情況[1]。近年來，我國借助高分辨率衛星遙感數據，對各類土地及建設用地占用耕地的情況進行了分析。隨著科技水平的不斷提高，遙感影像的分辨率越來越高，因而，被廣泛應用于土地測量方面[2]。此前由莫源富提出的分區分類法，使得山區遙感圖像的分類變得更加準確。隨著遙感技術的發展，分區分類法已經被應用于多個領域。

1 研究區概況

埇橋區位于安徽省北部，淮北平原東北部，東臨靈壁縣，西接濉溪縣，南連懷遠縣，北與江蘇省銅山縣接壤，介于東經116°51′～117°05′，北緯33°17′～34°06′，總面積2 868km2。埇橋區屬于黃淮平原的一部分，地形以平原為主，北部兼有丘陵崗地;地貌特征是北高南低，由西北向東南遞減傾斜。埇橋區屬暖溫帶半濕潤季風農業氣候區，具備南北過渡氣候類型的特點。同時，受冷暖氣流的影響，冬季干旱少雨、夏季多雨，四季分明，晝夜溫差較大，光照充足，雨量中等，全年主導風向為偏東風，年平均風速2.6m/s。由于地處南北氣候過渡帶，氣候對本地農業生產的影響較為強烈，旱澇等自然災害時常發生。

2 遙感影像預處理

2.1 遙感影像

本文選取的是Landsat-8遙感影像，通過地理空間數據云下載得蚌埠市龍子湖區的遙感影像。美國在2013年發射了Landsat-8衛星并投入運營。Landsat-8衛星上攜帶兩個傳感器，分別是OLI陸地成像儀（Operational Land Imager）和TIRS熱紅外傳感器（Thermal Infrared Sensor）。該衛星無論在空間分辨率上還是在波段數量上，都有了明顯進步，最高分辨率可達15m。此外，其中多出來的波段也可作其他分析使用，并且對全球進行一次全覆蓋只要16d。

2.2 遙感圖像預處理

通常情況下，遙感衛星會因自身問題、天氣條件的約束及其他因素的影響，增加地物信息提取難度，從而導致出現誤差。為了更好地進行研究，將對影像進行處理。本次研究進行了預處理操作。

3 分類及分類結果比較分析

3.1 非監督分類

非監督分類，也稱為聚類分析，是指在沒有先驗知識的前提下，通過計算機自己去識別，其是按照灰度值向量劃分點群，雖然能分出不同的類別，但無法確定相關屬性。K-means和ISODATA是非監督分類中較為常用的兩種分類算法，這兩種分類方式優于其他分類方式[3，4]。

本文使用基于ISODATA算法的非監督分類。ISODATA是迭代自組織數據分析技術（Iterative Self-organizing Data Analysis Technique）的簡稱，也可以被稱為動態聚類分析法（Dynamic Clustering Analysis）。本文利用ENVI進行非監督分類，得到分類結果。

3.2 監督分類

遙感影像的監督分類是在已知類別的訓練場地上提取各類別訓練樣本，通過選擇特征變量、確定判別函數或判別式（判別規則），進而把影像中的各個像元點劃歸到各個給定類的分類，這種分類方法又稱為訓練場地法[5]。本文選取的是監督分類中的最大似然分類法，將耕地、草地、林地、水體、居民、其他作為監督分類的訓練樣本。在ENVI5.1平臺上，訓練樣本以ROI（Region of Internet）來存儲，然后再對該區進行監督分類。這種分類方式的優點是，在監督分類中，由于其數學的計算原理較好，所以分類效果較好。缺點是，計算量較大，需要考慮的因素較多，導致在計算誤差矩陣時比較分散。最大似然分類法在多種地物的情況下以及有特征空間出現重復疊加的情況下，能發揮出更大優勢。

3.3 結果比較分析

遙感影像完成分類后，與真實地物數據相比，發現兩者存在差異。分類結束后進行精度評價，分析分類方式的優缺點。本研究使用的精度評價方法是混淆矩陣法，通過混淆矩陣的分析方法來分析監督分類中最大似然法與非監督分類中ISODATA分類法的優劣。表1為Kappa系數精度標準。

可得出，ISODATA分類方式的土地分類總體精度是38.35%，Kappa系數是0.264 8。可見，利用該方法進行土地分類的精度較低。這主要是因為ISODATA是非監督分類，在沒有先驗知識的情況下，只是靠圖像本身的特征，然后依托軟件識別進行計算，得到分類結果，因此分類結果一般。

訓練區的質量將會在很大程度上影響最大似然法的分類精度，如果訓練區選取得較好，那么得到的結果通常較為理想。從表3可知，利用最大似然法分類后的總體精度是84.78%，Kappa系數是0.775 9，其分類結果要優于ISODATA分類法。

4 結論

本文選取了監督分類中的最大似然分類法以及非監督分類中的ISODATA分類方法來探討監督分類與非監督分類的區別。通過分析，可以得出以下結論。

①兩種分類方法在分類原理上存在本質上的不同，從結果來看，在一定條件下，監督分類的結果要優于非監督分類。

②在實際運用中，這兩種方法各有所長。假如需要分類的地區面程較大，且要求大致得出分類，非監督分類是一個較好的選擇;如果要求做出精度要求較高的影像時，監督分類更有優勢。

參考文獻：

[1]張麗，蔣平安，楊朋潤，等.石河子墾區土地利用土地覆被變化遙感監測研究[J].新疆農業大學學報，2005（1）：6-8.

[2]李冬梅，濮勵杰，韓書成，等.吳江土地利用結構信息熵變化誘因[J].福建農林大學學報（自然科學版），2008（4）：415-419.

[3]張瑩.遙感影像監督分類和非監督分類方法探討[J].黑龍江科技信息，2016（2）：79-80.

[4]潘建剛，趙文吉，宮輝力.遙感圖像分類方法的研究[J].首都師范大學學報（自然科學版），2004（3）：86-91.

[5]孫同賀，閆國慶.基于遙感技術的土地利用分類方法[J].測繪與空間地理信息，2013（1）：5-8.