光學(xué)遙感影像在土地分類中的應(yīng)用

張 妍，徐 歡，黃嘉艇

(宿遷學(xué)院 建筑工程學(xué)院，江蘇 宿遷 223800)

0 前 言

隨著我國(guó)城市化建設(shè)進(jìn)程的不斷加快,城鎮(zhèn)土地利用類型也在短時(shí)間之內(nèi)發(fā)生了一些巨大變化。土地綜合利用的情況變化不僅直接反映了我國(guó)過(guò)去一個(gè)時(shí)期地區(qū)的經(jīng)濟(jì)發(fā)展總體情況,而且可以直接預(yù)測(cè)未來(lái)的發(fā)展趨勢(shì),因此，及時(shí)準(zhǔn)確掌握當(dāng)前土地綜合利用情況變化相關(guān)信息就顯得尤為重要。遙感技術(shù)以其檢測(cè)速度高、精度高、周期短等技術(shù)特點(diǎn)在我國(guó)土地分類中一直占有明顯技術(shù)優(yōu)勢(shì)。本文以江蘇省宿遷市為實(shí)例,介紹遙感影像監(jiān)督分類方法中的最大似然法以及最小距離法的應(yīng)用并對(duì)其結(jié)果進(jìn)行分析。

1 研究方法

1.1 技術(shù)路線(見(jiàn)圖1)

圖1 技術(shù)路線圖

1.2 研究區(qū)概況及數(shù)據(jù)源

研究區(qū)選自江蘇省宿遷市,地處北緯33.96°,東經(jīng)118.30°。北與江蘇省徐州市、連云港市接壤;西與安徽省宿州市、蚌埠市區(qū)相連;南與滁州比鄰;東與淮安蚌埠相接。總面積8 555 km2,研究地區(qū)分為居民區(qū)、商業(yè)辦公用地、工業(yè)區(qū)、農(nóng)業(yè)區(qū)等。而且在該研究所在區(qū)域內(nèi)公路、鐵路交通并存。水資源也比較豐富,既有條狀水體分布的幾條河流,也夾帶有一些塊狀的河流,故筆者選此區(qū)域作為本文研究區(qū)。數(shù)據(jù)主要來(lái)源有在地理信息空間數(shù)據(jù)云平臺(tái)免費(fèi)下載的2017年landsat8影像數(shù)據(jù)、來(lái)源于相關(guān)民政部門(mén)最新發(fā)布的宿遷市城市行政區(qū)劃地理圖、區(qū)域內(nèi)土地開(kāi)發(fā)利用情況現(xiàn)狀、宿遷市城市道路公共交通圖等。

2 土地利用遙感影像分類體系

2.1 確定分類體系

根據(jù)第三次土地調(diào)查分類工作標(biāo)準(zhǔn),結(jié)合實(shí)際研究區(qū)內(nèi)土地綜合利用實(shí)際開(kāi)展情況，通過(guò)對(duì)影像的解譯本研究土地取得后綜合利用主要土地類型包括耕地、林地、河流、住宅用地、交通運(yùn)輸用地五種用地類型。

2.2 分類方法

此次在研究區(qū)中采用目視解譯結(jié)合監(jiān)督分類的方法對(duì)土地類型進(jìn)行分類,借助人的相關(guān)知識(shí)和實(shí)踐經(jīng)驗(yàn)以及對(duì)研究區(qū)現(xiàn)有土地綜合利用后的狀況等對(duì)研究區(qū)進(jìn)行訓(xùn)練樣本選擇。通過(guò)使用最大似然法和最小距離法分別進(jìn)行土地分類,對(duì)現(xiàn)有遙感圖像數(shù)據(jù)進(jìn)行空間信息分析提取。最后,對(duì)本次分類結(jié)果分析評(píng)定,得出精度較高的一種分類方法。

3 遙感影像預(yù)處理及解譯

3.1 確定分類體系

選用4、3、2波段組合配以紅、綠、藍(lán)生成彩色圖像。同時(shí),配合5、4、3波段圖像配以紅、綠、藍(lán)三種不同顏色技術(shù)合成后的影像，可輔助遙感圖像的判斷解讀。圖2～3分別是4、3、2波段及5、4、3波段的波段組合。

圖2 4、3、2波段

圖3 5、4、3波段

3.2 遙感影像鑲嵌及裁剪

本次試驗(yàn)需獲取兩幅遙感影像才可以將研究區(qū)全部覆蓋，因而需要下載兩幅影像并對(duì)其進(jìn)行鑲嵌。鑲嵌后的影像會(huì)覆蓋研究區(qū)以外的區(qū)域，因此，需進(jìn)行影像裁剪。利用ARCGIS在我國(guó)地圖中找到研究區(qū)生成shapefile文件，按此文件將鑲嵌后的柵格影像進(jìn)行裁剪。接著進(jìn)行柵格數(shù)據(jù)裁剪。圖4～5分別是鑲嵌后和裁剪后的部分影像。

圖4 鑲嵌后影像

圖5 裁剪后部分影像

3.3 遙感影像增強(qiáng)處理

通過(guò)圖像增強(qiáng)等技術(shù)處理優(yōu)化遙感影像,降低多信號(hào)波段遙感圖像的模糊度,解決方法之一是通過(guò)纓帽變換進(jìn)行圖像光譜增強(qiáng)圖像處理,突出植被遙感圖像局部特征,優(yōu)化遙感圖像上的顯示視覺(jué)效果。圖6～7分別顯示是增強(qiáng)前后的兩幅部分影像。

圖6 增強(qiáng)前部分影像

圖7增強(qiáng)后部分影像

4 影像分類方法

參照1 ∶10萬(wàn)的地形圖、調(diào)差研究區(qū)土地綜合利用發(fā)展現(xiàn)狀情況圖,數(shù)據(jù)分析依據(jù)綜合典型性、全面性、均衡性以及單純性的四個(gè)原則來(lái)選取訓(xùn)練樣本。然后采用最大似然距法和最小距離法對(duì)影像數(shù)據(jù)進(jìn)行監(jiān)督分類。

4.1 最大似然分類法

基于ENVI5.3平臺(tái)監(jiān)督分類中的最大似然法,選取近紅外波段、紅外波段和綠波段進(jìn)行波段組合,基于執(zhí)行目視解譯,選擇訓(xùn)練樣區(qū)并執(zhí)行最大似然分類法，分類后總體精度為99.501 2%，Kappa系數(shù)為0.980 8。

4.2 最小距離分類法

最小距離分類法利用訓(xùn)練樣本數(shù)據(jù)分析計(jì)算出每一類的均值向量和標(biāo)準(zhǔn)差向量,以均值向量作為特征空間的中心位置，計(jì)算每個(gè)像元到各類特征空間中心節(jié)點(diǎn)的距離,選擇該像元就被歸類到距離最小的那一類，分類后總體精度為95.265 0%，Kappa系數(shù)為0.814 4。

4.3 分類結(jié)果比較

對(duì)圖像進(jìn)行圖斑合并以及生成混淆矩陣得出各類土地類型分類精度。如最大似然分類法中耕地分類精度為94.67%，但最小距離分類法耕地精度只46.31%，Kappa系數(shù)也是最大似然分類法的0.980 8，大于最小距離分類法的0.814 4。

由分析可知,最大似然分類法相比于最小距離分類法具有較高的分類精度、漏分誤差和錯(cuò)分差誤差較低、工作時(shí)間相對(duì)較短等優(yōu)點(diǎn);最小距離法因?yàn)橐子谑艿较嘟匚锕庾V信息的干擾,容易被劃分到相近物理地物的類別中,因而漏分誤差和錯(cuò)分誤差相對(duì)較高,但其分類算法相對(duì)簡(jiǎn)單,速度相對(duì)較快。

5 結(jié) 果

本文選用監(jiān)督分類常用的最大似然分類法以及最小距離分類法，將目前研究重點(diǎn)區(qū)域的土地類型細(xì)分為5類，通過(guò)對(duì)分類結(jié)果進(jìn)行分析比較,得出了兩種分類方法的優(yōu)劣。從而得出更適用于該研究區(qū)域的土地分類方法，為該區(qū)域的土地分類和土地規(guī)劃提供了更加詳細(xì)且精準(zhǔn)的資料。

[ID:010451]