应用遥感影像分类方法的土地利用情况分析
来源:用户上传
作者: 许广军 吴玉炜 周智明
摘 要：近年来，由于区域人口的增加和社会经济的快速发展，某市的土地利用类型发生了明显变化。该文以该地区的Landsat-8 OLI影像为数据源，利用envi软件对其进行监督分类，对监督分类的结果进行精度验证，论述了采用Landsat-8 OLI影像获得城市土地利用分类的技术流程，为该地区以后的动态监测提供了依据，对于土地可持续利用具有重要意义。
关键词：Landsat-8 OLI 土地利用 监督分类
中图分类号：P237 文献标识码：A 文章编号：1672-3791（2016）02（a）-0012-02
近年来，由于经济的快速发展，城市土地利用类型变化较大，遥感数据被广泛用于土地利用和土地覆盖研究，遥感技术的快速发展为土地利用研究提供了有力的工具。利用遥感图像解译编制土地利用类型图是一种经济实用的方法，能够快速、准确、大范围地获取土地资源状况，它可为摸清土地资源的数量与质量并进行合理利用提供科学依据。该文利用Landsat-8遥感影像结合ENVI工具，快速得到了城市的土地利用类型。通过对分类结果精度的验证，证明了此技术可以作为获取土地利用信息的有效手段。
1 研究区概况
某市地处我国东部沿海向内陆过渡地带，气候属亚热带湿润性东南季风气候， 具有冬寒夏暖、春湿秋旱、夏季多雨、冬季少雪、四季分明的特征。地形以平原为主，兼有少量低山丘陵以及岗地。植被类型繁多，自然植被以常绿阔叶、落叶阔叶混交林为主，马尾松、杉木、栎树分布普遍。
2 数据来源
2013年2月11号，美国航空航天局（NASA）成功发射了 Landsat 8 卫星，其上携带OLI陆地成像仪和TIRS热红外传感器。OLI陆地成像仪包括9个波段，空间分辨率为30 m，其中包括一个15米的全色波段。与ETM+传感器相比，OLI包括了ETM+传感器所有的波段，OLI全色波段Band8波段范围变窄，使全色图像更易区分植被和无植被地区，有利于目视判读和城市土地利用分类。此外，还有两个新增的波段：蓝色波段（band 1；0.433 0.453μm）和短波红外波段（band 9；1.360 1.390 μm）。
研究选取2013年9月的两景Landsat-8 OLI影像对该市进行土地利用分类研究，行列号分别为123/38和123/39，两景数据云量较少，成像清晰，利于后续分类处理。
3 数据处理
3.1 彩色合成和图像融合
不同的波段组合有其不同的主要用途，根据目视判读的需要，各类地物间的反差应尽可能大，根据前人在长期工作中总结的Landsat TM（ETM+）不同波段合成对地物增强的效果，TM的4、3、2波段组合的地物图像丰富、鲜明、层次好，可用于植被分类和水体识别，而OLI的5、4、3波段范围与TM的4、3、2波段范围非常接近，最后确定选择5、4、3标准假彩色波段组合。将多光谱波段影像和全色波段影像分别进行Seamless Mosaic无缝接边处理，用该市行政规划图shapefile矢量文件分别剪裁，将该市多光谱影像的5、4、3波段进行假彩色合成。
采用得到的该市假彩色合成影像与全色波段影像做HSV影像融合，使处理后的遥感图像既提高了空间分辨率，同时又保留了影像原本的多光谱特征，从而达到图像增强的目的，增强判读的准确性。经过HSV融合后，道路等细节能够更加清楚的分辨，地物间反差增大，更加有利于目视判读（图1）。
3.2 监督分类
对于监督分类而言， 训练区ROI的选择是否准确合理对分类精度有着很大的影响。使用ENVI的ROI TOOL工具在融合后的影像上采取样区，对比卫星影像地图上的实际地物，发现湖泊与水田、耕地与草地，很难剥离，所以决定将这四种地物划分为两类，结合该市实际情况，将土地利用类型分为：长江、湖泊水田、林地、灌木、耕地草地和城镇用地六类。选择完训练样本后，通过ENVI软件的Compute ROI Separability工具计算训练样本的可分离性，样本间可分离性结果值均大于1.8，说明样本之间的可分离性较好。
ENVI提供了多种监督分类方法， 最常使用的有最大似然法、神经网络分类法、最小距离法和支持向量机方法， 不同方法参数设置不同， 而且最终分类效果也会有所不同。相较于其他几种方法，最大似然法的分类精度较高，且计算时间较快，该文采用最大似然法进行监督分类。建立一个背景的掩膜，使背景不参与监督分类，使用生成的分类模板和背景掩膜进行最大似然法监督分类，得到土地利用分类图（图2）。
3.3 精度评价
分类后进行精度评定，采用混淆矩阵的方法。得到总体分类精度为97.707 1%，Kappa系数为0.971 2。由此可见分类精度很高，影像分类质量很好。
4 结果分析
根据统计分类结果可知，灌木面积为2 977.944 km2，占土地总面积的35.14%，面积最大；其次是城镇用地，面积为2 797.691 km2，占土地总面积的33.02%；耕地和草地面积为1 052.047 km2，占12.42%；湖泊和水田面积为860.08 km2，占10.15%；林地面积为623.259 km2，占7.34%；长江面积为162.627 km2，占1.92%。
5 结语
该文以Landsat-8 OLI影像数据为数据源，得到了某市土地利用分类图，能够较好的反映某市的地表信息， 又具有较强的分类可行性。Landsat-8 OLI数据相对于MODIS等低空间分辨率、高时间分辨率数据来说，更加能够确保分类结果的准确性；而QuickBird、SPOT等数据虽然具有高空间分辨率，但是价格贵、时间分辨率低，只适用于特定小空间尺度的研究。Landsat-8 OLI数据属于中等空间分辨率，具有合适的重访周期，更适合于做土地利用分析。
利用Landsat8 OLI影像编制土地利用类型图是一种经济实用的方法， 可为决策部门更加及时、准确地提供土地资源的数量、质量、分布及其变化趋势以便从宏观上调控土地资源利用，能够有效避免由于人类对于土地资源的过度开发而引起的诸如温室效应、土地退化、水土流失等一系列生态问题。
参考文献
[1] 张风霖，缑变彩，李靖琳.Landsat7 ETM+与Landsat8 OLI植被和非植被定量研究[J].山西建筑，2014，40（11）：240-241.
[2] 邓书斌.ENVI遥感图像处理方法[M].北京：科学出版社，2013：124-125.
[3] 闫琰，董秀兰，李燕.基于envi的遥感图像监督分类方法比较研究[J].北京测绘，2011（3）：14-16.
转载注明来源:https://www.xzbu.com/8/view-7431926.htm
