土地覆蓋遙感制圖方法研究現狀與展望

朱 爽，張錦水，李長青，鄭 闊

(1. 北京工業職業技術學院，北京 100042； 2. 地表過程與資源生態國家重點實驗室，北京師范大學地理科學學部，北京 100875； 3. 北京市陸表遙感數據產品工程技術研究中心，北京師范大學地理科學學部，北京 100875； 4. 北京師范大學地理科學學部遙感科學與工程研究院，北京 100875)

土地覆蓋是地球表面的組成部分，與生物、非生物的景觀格局有著密切的關系[1]。區域尺度土地利用/覆蓋分類研究是當今國際上開展土地利用/覆蓋變化研究的重要領域之一。及時、準確地獲取地球表面要素對于掌握人類和自然現象之間的關系和相互作用是非常重要的[2-4]。遙感是獲取時空土地覆蓋監測信息的有效手段。許多學者不斷探討先進的分類方法，從而提高遙感影像的分類精度，以滿足氣候變化[5]、農產量預測[6]、自然災害評估[7]等不同研究目的的需要。

根據分類輸出結果劃分，當前常用的遙感分類方法可分為硬分類、軟分類[2]。硬分類的輸出結果為排他性的特定地物類型，但是由于傳感器空間分辨率及地面復雜多樣性的影響，遙感影像中像元很少是由單一、均勻的地表覆蓋類型組成，而是產生大量的混合像元，造成較大的分類誤差[8-9]。軟分類是針對影像上混合像元的存在而提出的，根據已有端元光譜特征對混合像元進行光譜分解，輸出各種端元的豐度信息。已有研究表明，由于受到類內、類間光譜不穩定性的影響[10]，造成單一端元光譜的混合像元分解誤差[11]，因此解決光譜不穩定對軟分類的影響一直是混合光譜分解模型中待解決的難點和熱點問題[10]。

文獻[12]提出擴展的SVM(extended support vector machines)軟硬復合分類方法，將整個遙感影像劃分為純凈、混合像元集合，以已有硬分類結果為端元進行混合像元的軟分類，最終得到硬分類專題圖和軟分類豐度結果，消除了傳統分類方法采用單一的端元均值進行混合像元分解的不足。從某種角度上看，軟硬復合的分類方法作為一種新的分類理念，而不是單純硬分類或軟分類方法，符合遙感影像純凈、混合像元共存的特點，較單一的硬、軟分類方法更易于表達遙感影像的實際情況，作為一種新型的遙感分類框架具有很好的應用前景[13]。但是，軟硬分類的方法仍處于初級發展階段，對混合像元的分解還是沿用傳統的分解方法，未考慮混合像元的空間針對目前軟硬復合分類方法存在著純凈、混合像元劃分和混合像元分解端元不穩定性等因素。

現有土地覆蓋遙感制圖方法主要側重于硬分類、軟分類方法的介紹，本文進一步擴充軟硬分類方法在土地覆蓋制圖中的應用，使研究工作者可以更加全面地了解與掌握土地覆蓋遙感制圖現狀，最后提出變端元的軟硬分類土地覆蓋制圖方法研究框架思路，展望這一技術的發展趨勢。

1 硬分類方法在土地覆蓋制圖中的研究

傳統基于像元分類器的硬分類方法主要是選取分類訓練進行土地覆蓋的分類，包括參數(如最大似然分類)和非參數分類器。參數分類器假定遙感數據集呈正態分布，利用訓練樣本計算統計參數(如均值、協方差矩陣)。一般而言，光譜呈正態分布是不現實的，尤其在復雜的異質性地區。此外，樣本代表性或多峰分布都會導致圖像分類精度的不確定。對于非參數分類器，不需要數據集呈正態分布的前提假設。非參數分類器適合于集成非光譜數據的分類，尤其在復雜景觀地區能夠獲取比參數分類器更高的分類精度[14-15]。眾多常用非參數分類器包括神經網絡、決策樹、支撐向量機和專家系統等。其中，支撐向量機是建立在統計學習理論上的一種學習方法，體現了學習過程的一致性和結構風險最小化原理，具有小樣本量、高推廣能力的特點，已被廣泛應用于土地覆蓋分類之中[16]。如文獻[17]選擇混合樣本輸入SVM分類器進行分類，在小樣本量的前提下能夠保證各種土地分類的分類精度；文獻[3]綜合光譜與紋理信息進行SVM分類，優于傳統最大似然分類精度；文獻[18]利用SPOT 5 HRG數據進行土地覆蓋分類，證明SVM方法要在一定程度上優于人工神經網絡。文獻[16]統計出，在遙感中的應用方面發表的含有SUM的科技論文數目約占10年來的50%以上，而且仍呈上升趨勢。

但受限于遙感影像空間分辨率的影響，遙感影像上的像元很少由單一均勻的土地覆蓋類型組成，多由幾種地物混合組成[19]。因此，硬分類識別結果無法有效地滿足地面連續景觀的表達，存在很大程度的不合理性[6,20-21]。

2 軟分類在土地覆蓋制圖方法中的研究

遙感影像中每個像元所對應的地表，往往包含不同的土地覆蓋類型，它們有著不同的光譜響應特征。若該像元僅包含一種地物類型，則為純像元(pure pixel)，它所記錄的正是該類型的光譜響應特征或光譜信號；若該像元包含不止一種土地覆蓋類型，則稱為混合像元(mixed pixels)，它記錄的是所對應的不同土地覆蓋類型光譜響應特征的綜合[22]。混合像元的存在是傳統像元級遙感分類和面積測量難以達到實用要求的主要原因[2]。為了提高遙感應用的精度，使遙感應用由像元級達到亞像元級，進入像元內部，將混合像元分解為不同的基本組分單元或終端端元(endmember)，并求得基本組分所占比例，這就是所謂的混合像元分解，即軟分類[2,20,23]。不同的方法被用于軟分類，其中包括最大似然分類概率似然度法、圖像的亞像元分類、神經網絡法、線性分解模型法等。混合光譜分析(spectral mixture analysis，SMA)是最為常用的混合像元分解方法[10]。SMA作為一種解決混合像元問題的有效方法，假設混合像元是端元光譜的線性組合，輸出結果是各端元的豐度圖。端元選擇是進行SMA的關鍵，眾多研究進行了相關的探討[2]。一般而言，端元選擇獲取方式包括3種：第一類是從光譜庫中選擇；第二類是從影像中直接選取；第三類是結合以上兩種方法。其中從影像上直接選擇端元是一種相對簡單、便捷的方法，應用范圍廣，但是并非所有影像上都能找到足夠純凈的端元像元，尤其是空間分辨率比較低的影像。

對端元時空的不穩定性表達的不足成為線性光譜混合模型的最大缺陷，這也是采用SMA進行混合像元分解進行土地覆蓋制圖的瓶頸所在。目前，解決端元光譜不穩定的方法包括5種：混合光譜迭代循環法、光譜特征選擇法、光譜權重法、光譜變化法和輻射傳輸模型[10]。國內學者提出了可變端元的解決方案[19,24-25]以解決光譜的不穩定性，其中基于光譜貢獻率的端元可變的混合像元分解模型(variable endmember unmixed based on spectral contribution,VEUSC)是根據每個像元的光譜信息來動態確定參與光譜分解的實際組分端元數，盡可能去除不相關端元的影響，因而取得理想的土地覆蓋估算結果，該方法在濕地和城市不透水層估算中得到很好的應用[4,23]。目前，變端元混合像元分解方法多采用殘差混合光譜來分析、確定有效的端元光譜類型和特征空間，在不同的適用條件下均進行了試驗驗證[10]。

綜上，對于混合像元光譜可以采用兩個特征進行表達：端元類型與端元光譜特征，這是有效進行混合像元分解的基礎。當前方法是計算混合像元與端元的光譜特征之間的相關性，以最小的光譜分解殘差作為判斷標準，從而確定最優的端元類型和端元光譜特征[12]。而對于遙感影像而言，由于不同地物的景觀特征和光照條件，區域內的類內差異性、類間相似性給混合像元分解帶來很大的困難，從全區影像上選擇全局變化端元輸入到混合模型進行分解，只考慮滿足數學意義的解析表達來確定端元，未考慮混合像元的空間特征[10]，忽略了混合像元與空間鄰近光譜特征的純凈像元，降低了有效端元搜索的效率。

3 軟硬分類在土地覆蓋方法中的研究

軟硬分類方法作為一種全新的遙感分類理念，已經在土地覆蓋制圖中得到了應用。該方法將整個遙感影像劃分為純凈、混合的集合，針對不同像元特性采用不同方法確定土地覆蓋類型，這一做法符合遙感影像上純凈、混合像元并存的現狀，成為一套普適性強的土地覆蓋制圖技術框架[12]。文獻[12]提出擴展的SVM的軟硬分類方法并進一步在洪水分類中得到應用；針對擴展SVM方法，文獻[12]又初步探討了限制性端元下光譜分解的適用性；文獻[13]結合SVM和線性分解模型實現目標地物(冬小麥)的準確識別，性能明顯優于硬、軟分類方法；文獻[26]采用SVM對高光譜數據進行分類，輸出分類專題圖和歸屬概率圖，對歸屬概率圖進行判定，確定純凈、混合像元集合，針對混合像元集合采用全限制性最小二乘線性分解，得到滿意的分類精度。

當前，軟硬分類方法雖然處于初級階段，尤其是對混合像元分解仍是沿用傳統的分解方法，未考慮混合像元的空間針對目前軟硬復合分類方法存在純凈、混合像元劃分和混合像元分解端元不穩定性等因素，但其已經在土地覆蓋制圖中展現出強有力的應用潛力。其應用框架如圖1所示。

4 展 望

軟硬分類方法作為一種新型、普適性的專題土地覆蓋信息提取分類框架，具有廣泛的發展潛力和應用價值。其中，土地覆蓋遙感軟硬分類方法核心要突破兩個問題：

(1) 純凈、混合像元的有效劃分。純凈、混合像元的劃分多采用歸屬概率人為判定閾值或窗口內分類結果異質性進行判斷[13,25]，這易受到主觀因素或者分類結果精度的影響。此外，劃分出的混合像元同傳統軟分類一樣，仍然面臨著光譜不穩定性對分類精度的影響。

(2) 混合像元的分解。變端元的軟硬分類方法作為一個統一的遙感分類框架，豐富了傳統遙感分類技術體系，在硬分類的基礎上進行變端元的軟分類，實現了硬、軟分類的有機結合，勢必成為今后遙感分類的主流發展方向之一。軟硬分類生成的專題圖分為純凈像元識別結果(排他性的土地覆蓋類型)和混合像元識別結果(豐度圖)，更加符合遙感影像對地表現實地物的表達，蘊含了更加翔實的土地覆蓋語義特征，為在此基礎上開展氣候變化、生態資源調查、土地覆蓋變化監測等資源環境方面的研究提供了更加準確的地表數據。

今后需要針對上述問題開展深入的研究，將提高軟硬分類方法在土地覆蓋應用中的普適性和穩健性。