应用遥感影像分类方法的土地利用情况分析.docVIP

应用遥感影像分类方法的土地利用情况分析 　　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