您好, 访客   登录/注册

基于ERDAS的土地利用分类研究

来源:用户上传      作者: 张镒谱

  摘 要:运用Erdas Imagine 2010软件和Landsat TM 遥感影像,对吉林省吉林市Lndsat-7影像的光谱进行分析,通过选择波段、拼接裁剪和监督分类三个步骤,将吉林市土地利用类型分为五类。通过分析得到的数据,指出吉林市土地利用中存在的问题,并提出调整对策。
  关键词:LANDSAT 遥感影像;土地利用;监督分类
  中图分类号:F320 文献标志码:A 文章编号:1673-291X(2016)03-0129-02
  土地日益成为人类的劳动产品土地正日益成为人类社会的劳动产物,或以劳动产品的形式而存在[1]。自从进入20世纪,人口不断的增加,工业不断的发展,土地越来越紧张,与此同时环境也越来越来差,严重破坏了社会经济发展的可持续性。所以,详细掌握不同时段不同地区的土地利用/覆盖状况是合理管理土地资源的基础,也是规划个国民经济发展的重要依据。遥感的宏观性、遥感的实时性、遥感的周期性和遥感的综合性是它具有的重要特点,凭借这些特点,它快速、客观、准确地对土地利用地进行监测。
  一、研究过程
  (一)数据选取
  研究选取LANDSAT-7四景TM 影像,行列号分别为117/29、117/30、118/29和118/30。
  (二)波段选择
  遥感中充分利用地物在不同波段的差异,有效地识别地物的前提是不同波段记录的地物是有差异的。但是不同波段之间的数据相关性往往很大,这种数据的冗余是必须要考虑的。同时,人们习惯于用彩色来表示一幅图像。众所周知,彩色只是红、绿、蓝三种颜色排列组合形成的,所以在波段的选择上不能选择超过4个波段,就是说只能用3个波段进行合成。同时,能够合理正确地选择波段会为接下来的工作打下良好的基础,并提高精度。因为,想要获得准确详细的分类结果,就需要在选择数据的时候就要做到尽量减少不利于信息提取的因素,只有这样才能得到更多的类别和更高的分类精度。
  (三)分析结果
  因为标准差越大所含的信息量就越大,又因为信息量大有助于分类,所以会从这7个波段中选择标准差大的3个波段进行彩色合成,波段5、7、4的标准差较大,但是波段5和波段7的相关性大,这就意味着重复信息较多,会影响分类结果,决定保留波段5和波段4。除了波段5、7、4外,波段3所含信息量做大,同时该波段与波段5和波段4之间的独立性较好,所以最后选择波段5、4、3的图像。
  二、遥感影像的处理
  对遥感数据的预处理包括地形图的配准、影像纠正、遥感影像增强处理等工作。接下几何精校正是必不可少的,主要是因为这次使用的遥感影像在使用之前已经有过辐射校正和几何粗校正的处理;然后分别以1∶50 000地形图为参考底图,通过ERDAS IMAG INE 2010软件对图像进行校正。二次多项式变换模型、键盘输入控制点坐标模式是校正时采用的主要方法。选取50个控制点,利用最小邻近值算法对影像进行重采样。对于Landsat7TM的各个波段而言,从所有波段中选择3个波段组合,会组合出很多方案。从这些组合中,分别尝试了345组合、543组合和453组合分别将四景TM 影像的4、5、3 波段进行假彩色合成,并将四景影像拼接在一起,然后用吉林市行政边界裁剪,得到研究区域即吉林市TM 4、5、3 波段的假彩色合成图像,使用4、5、3这三个波段进行假彩色合成后得到的图像层次感分明,地物差异明显,有利于土地分类中的地物类别提取,方便分类。最后,用ERDAS IMAGINE 2010系统模块对遥感影像进行增强处理。
  三、监督分类
  采用监督分类法对吉林市遥感影像图进行分类。利用一定数量的已知样本(又称为训练样本)的观测值确定判别函数中待定参数的过程称为学习或训练,然后将未知类别的样本观测值代人判别函数[2]。之后,根据判断标准对采集样本的类别进行区分。定义分类模板在ERDASIMAGINE软件中,监督分类是基于分类模板来进行的,而分类模板的生成、管理、评价和编辑等功能是由分类模板编辑器来负责的[3]。这里面负责获取模版分类信息的主要工具有AOI绘图工具及扩展工具,同时还要使用到查询光标。本次研究首先是利用AOI绘图工具在遥感影像上获取分类模板信息,然后主要的视图操作都是在遥感图像窗口中完成的,同时会用到Raster 工具面板和Signature Editor。最后,保存建立的各分类模板。
  (一)建立分类模板
  监督分类之前首先要建立分类模板,建立了分类模版再进行管理、评价和编辑功能,这对监督分类结果是非常重要的。根据吉林市实际情况,拟将土地利用类型按水体、林地、疏林地、旱地、城镇用地和工交用地进行分类,接下来就是使用ERDAS IMAGINE里的AOI 工具建立分类模板。对分类模板进行评价的过程中会使用到可能性矩阵,分析感兴趣区域训练区中的像元是否完全落在对应的类别里。可能性矩阵的输出结果是一个百分比矩阵,说明每个AOI 训练区中有多少个像元分别属于相应的类别[4]。根据检查结果,所有的土地利用类型分类模板的精度都非常高,进而说明这些分类模版都是符合要求的。从分类误差总体的百分比来说,如果误差矩阵值小于85%,那么说明模板分类太低,需要重新建立[5]。
  (二)执行监督分类
  使用ERDAS IMAGINE创建并保存的分类模板,再输入待分类的img文件,存储距离文件,在设置一些参数,点击分类,生成分类影像。
  四、精度评价
  目前普遍采用混淆矩阵的方法,即以Kappa系数评价整个分类图像的精度[6]。通过混淆矩阵得出,菜地有39个参考点,其中有34 落在指定区域,有4 个参考点落在林地,1 个参考点落到城镇用地;水体,因为只有一个参考点,所以分类精度达到了100%;林地,参考点个数为42个,其中39个参考点落在正确区域,1个参考点落到菜地,2个参考点落到城镇用地;对于水田,共有29 个参考点,其中的25个参考点落在指定区域,其他的参考点落到了其他类型区域;城镇用地的37个参考点除了1 个分到旱地以外,其余分类正确。由此可见,分类精度较高。接下来再根据混淆矩阵计算的Kappa系数进行计算,图像的分类效果好。
  五、分类结果分析
  吉林市耕地分布的不合理性,永吉县和舒兰市的部分乡镇有大量的耕地。同时,平原区的耕地存在许多问题,比如布局分散、零乱;周围存在散乱分布的园地、荒草地、废弃地等;集中在坡度稍大的耕地区域中的田坎、沟渠、农村道路等占地较多,导致耕地变成不规则田块、很小的单体面积,不适宜规模化和产业化生产。同时,建设占用优质耕地仍然较多,耕地质量需要进一步提高。随着吉林市经济快速地增长,用地需求必将快速增加,随着经济高速地推进和人口快速地增长必然会使建设用地的需求越来越大。然而国家实行严格保护耕地和保护生态环境的情况下,建设用地的不断增加必然会受到对耕地和生态环境的保护的双重约束,可供应的建设用地数量逐年减少,这种供需矛盾将会越来越突出。
  六、总结
  通过对遥感影像进行的分析,总结出吉林市位于吉林省中东部,它的自然条优越,土地类型丰富,土地利用类型齐全,适宜多种经济综合开发。土地用途以农用地为主,建设用地和未利用地比重小,矿业生产用地面积大,土地复垦潜力较大,吉林市矿产资源丰富。矿产资源的开采利用促进吉林市经济社会快速发展,与此同时,矿产的开采和利用导致的大量工矿用地的闲置,全市多数乡镇分布着长期遗留积累下来的待复垦土地有很大的面积,土地有较大的复垦潜力。
  参考文献:
  [1] 段正梁,张维然,叶振飞.论土地价值的内涵、来源及其特殊性[J].同济大学学报:社会科学版,2004,(1):30-35.
  [2] 王慧妮,倪万魁.基于计算机X射线断层术与扫描电镜图像的黄土微结构定量分析[J].岩土力学,2012,(1):243-247.
  [3] 戴锋.基于3S技术下的罗源湾植被遥感解译及生物量遥感估测[D].福州:福建师范大学硕士学位论文,2011.
  [4] 王丽荣.基于高分辨率卫星影像的城市绿地景观分析[D].上海:上海交通大学硕士学位论文,2007.
  [5] 李薇.基于遥感和GIS的长春市土地利用变化及其区域经济发展分析[D].长春:东北师范大学硕士学位论文,2011.
  [6] 牛兴丽.面向城市应用的高分辨率图像分类[D].济南:山东科技大学硕士学位论文,2008.
  [责任编辑 陈凤雪]
转载注明来源:https://www.xzbu.com/2/view-7855635.htm