基于監(jiān)督分類礦山復(fù)墾土地利用分析

舒 欣，鄭 潔，劉蕊溪

（西南科技大學(xué)城市學(xué)院，四川 綿陽 621000）

傳統(tǒng)的人工測量方法，獲取地物的方式誤差較大，作業(yè)周期長，成本費用高。而遙感技術(shù)的出現(xiàn)，打破傳統(tǒng)人工測量方法的局限性[1]。它是一種信息時代大產(chǎn)物和工具，具有周期動態(tài)性、信息量豐富、快速獲取信息等特點，能夠利用電磁波快速準(zhǔn)確提取地物信息，從而提高工作效率。用不同影像特征對地物進(jìn)行歸類，形成土地利用分類數(shù)據(jù)，并對礦區(qū)復(fù)墾土地利用現(xiàn)狀及分布情況進(jìn)行系統(tǒng)分析。

1 研究區(qū)和實驗數(shù)據(jù)

1.1 研究區(qū)數(shù)據(jù)

本文研究區(qū)數(shù)據(jù)為綿陽市某礦區(qū)Landsat8遙感影像，坐標(biāo)系為WGS-84。其參數(shù)系數(shù)如表1所示。

表1 遙感影像參數(shù)系數(shù)

1.2 監(jiān)督分類

1.2.1 感興趣區(qū)域的建立

首先，通過人工目視判讀，辨別出礦區(qū)復(fù)墾后可利用土地類別，建立感興趣區(qū)域，每一個類別的樣本數(shù)量最好控制在10個以內(nèi)。

然后，檢查樣本之間的可分離性。分離的值在0～2.0之間。如果分離度大于1.9，則意味著樣本之間的可分離性良好，并且屬于合格樣本。如果小于1.8，則需要重新選擇訓(xùn)練樣本。對于分離結(jié)果小于1，請考慮將兩種類型的樣本合并。表2顯示了各種樣本之間的可分離性。

1.2.2 建立訓(xùn)練樣本

訓(xùn)練樣本是指分析人員在訓(xùn)練場上確定的各種實際對象類型的典型分布區(qū)域[3]。

訓(xùn)練樣本的選擇以及分類準(zhǔn)確性之間的直接關(guān)系是監(jiān)督分類的關(guān)鍵。使用選定的樣本像元識別未知樣本像元的過程。

1.2.3 執(zhí)行監(jiān)督分類

目前，常用的監(jiān)督分類包括平行六面體，馬氏距離，最大似然，最小距離，神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)。本文主要使用神經(jīng)網(wǎng)絡(luò)（Neural Net Classification）方法。神經(jīng)網(wǎng)絡(luò)的優(yōu)點是其非線性映射能力。

它使用許多小型處理單元來模擬生物神經(jīng)元，并使用算法來快速，大量地處理數(shù)據(jù)，以實現(xiàn)人腦識別，記憶，思考以及將其應(yīng)用于圖像分類的過程。

如圖1所示為監(jiān)督分類的最終結(jié)果，其中藍(lán)色、紫色、黃色、綠色、褐色、青色分別表示礦山復(fù)墾可利用土地分類圖。

表2 6個樣本可分離性

圖1 礦山復(fù)墾土地利用分類圖

1.2.4 空間數(shù)據(jù)可視化

空間數(shù)據(jù)可視化是一種在經(jīng)過計算機(jī)處理和分析之后在信息世界中顯示現(xiàn)實世界事物的方法，把數(shù)學(xué)模型和數(shù)據(jù)進(jìn)行處理，有效傳輸與表達(dá)地理信息，解釋地理現(xiàn)象內(nèi)在規(guī)律的重要手段。本文使用GIS軟件對監(jiān)督分類結(jié)果進(jìn)行可視化，制作地圖輸出結(jié)果。

2 結(jié)論

由于中國的土地利用狀況是人均耕地較少，土地儲備資源較少，因此對礦區(qū)復(fù)墾土地合理開發(fā)與利用在一定程度上可解決土地緊缺問題。如果大量開發(fā)荒草地和裸地容易造成生態(tài)環(huán)境。所以需要我們加強(qiáng)保護(hù)耕地，緩解用地不足的矛盾。