基于多源遥感数据的森林植被类型分类方法浅究解析.docVIP

基于多源遥感数据的森林植被类型分类方法浅研 摘 要：森林是地球上最大的陆地生态系统，是人类赖以生存和发展的必要基础。它不仅给人类提供丰富的木材和林副产品，而且在调节气候、涵养水源、保护环境等方面均起到重要作用。因此，开展森林资源调查，掌握森林资源现状及其变化，对于提高林业发展决策水平，促进林业和社会经济乃至全球环境的可持续发展等具有极为重要的意义。本文根据SPOT 2.5米分辨率全色影像与10米分辨率多光谱影像融合后形成的多遥感数据对森林植被类型分类方法进行研究，利用ENVI图像处理软件分别进行了传统的监督分类中的最小距离法、最大似然法和基于专家知识的决策树分类法的实验，而且还尝试了面向对象的新的分类方法，对不同的分类方法进行了分类精度的对比，从而提出一个基于多遥感数据的森林植被类型分类方法的可行性建议。 关键词：遥感；图像分类；最小距离法；最大似然法；面向对象 1. 研究背景 森林是地球上最大的陆地生态系统，是人类赖以生存和发展的必要基础，是经济建设和生态环境建设中不可缺少的可再生资源。开展森林资源调查，掌握森林资源现状和消长变化情况，预测其发展变化趋势，为国家制定重大林业生产规划和林业生产政策等提供科学依据，对于提高林业发展决策水平，促进林业和社会经济乃至全球环境的可持续发展等具有极为重要的意义。传统的森林资源调查方法主要是基于地形图和实地调查，存在着工作量大、成本高、周期长、效率低、时效性差等问题，而且调查精度人为因素影响大，难以适应现代林业可持续发展的需要[1]。 我国于上世纪七十年代开始应用航天遥感技术进行森林资源调查和监测，遥感技术作为一种重要的资源监测手段，具有宏观性、综合性、短周期、可重复性和低成本等特点，已广泛应用于农业、林业、地质、环境等的调查和监测工作。近三十多年来，国内外学者对遥感技术在森林资源调查和监测中的运用进行了大量的探讨与研究，取得了非常不错的成绩[2]。基于遥感技术的森林资源监测技术与传统方法相比，具有监测范围大、工作量小、调查周期短、精度高、现势性强、调查成本低等优点，其在我国森林资源监测中具有广阔的应用前景。但由于遥感图像的空间分辨率、光谱分辨率都比较有限，由此造成了森林区划最小面积过大，森林分类精度不高，遥感估测精度达不到林业生产的要求，这些问题在森林分布破碎、类型多样和结构复杂的南方地区尤为突出。 由于不同领域遥感图像的应用对遥感图像处理提出了不同的要求，所以图像处理中重要的环节——图像分类也就显得尤为重要。遥感图像通过亮度值或像元值的高低差异( 反映地物的光谱信息) 及空间变化( 反映地物的空间信息) 来表示不同地物的差异。这是区分不同图像地物的物理基础。遥感图像分类就是利用计算机通过对遥感图像中各类地物的光谱信息和空间信息进行分析，选择特征，将图像中每个像元按照某种规则或算法划分为不同的类别，然后获得遥感图像中与实际地物的对应信息，从而实现遥感图像的分类。目前随着各种新理论新方法的相继涌现，遥感图像存在多种分类方法，所以本文主要是选取几种常用的监督分类方法和ENVI EX提供的面向对象分类方法用实验结果表明它们之间存在的差异。 2.遥感图像分类传统方法 监督分类方法，首先需要从研究区域选取有代表性的训练场地作为样本。根据已知训练区提供的样本，通过选择特征参数(如像素亮度均值、方差等) ，建立判别函数，据此对样本像元进行分类，依据样本类别的特征来识别非样本像元的归属类别。监督分类的关键是训练场地的选择，其选择的质量将直接影响到分类结果的可靠性[3]。 有时仅仅考虑在某特定时间和空间内选取训练样本还是不够的，为了提高分类的精度，所以有必要研究一些新的分类算法，比如：基于专家知识的决策树分类、支持向量机、面向对象图特征提取等方法(本文主要应用第三种新分类方法)。 2. 1 监督分类 遥感图像监督分类大致流程如图2-1所示： 图2-1：监督分类流程 遥感图像监督分类处理的基本过程，包括原始图像的预处理、训练样本的选择、特征的选择和特征提取、分类器设计、图像分类、结果输出以及结果检验等。本实验选用基于最小距离和最大似然法的监督分类两种方法。 2.1.1 基于最小距离法的监督分类 最小距离分类法是以特征空间中的距离作为像素分类的依据。首先由训练样本数据得出每一类别的均值向量和协方差矩阵，然后以各类的均值向量作为该类在多维空间中的中心位置。计算输入图像中的每个像元到各类的距离，到哪一类中心的距离最小，则该像元就归入哪一类别。因此，在这类分类方法中距离就是一个判别函数[4]。 2.1.2基于最大似然法的监督分类 最大似然法因有严密的理论基础，对于呈正态分布的类别判别函数易于建立，综合应用了每个类别在各波段中的均值，方差以及各波段之间的协方差，有较好的统计特性，一直被认为是最先进的分