基于SVM的乌伦古湖湿地遥感分类研究.docVIP

基于SVM的乌伦古湖湿地遥感分类研究 　　摘要：以提取乌伦古湖湿地信息为目的，采用该地区2010年Landsat5/TM影像，使用支持向量机SVM的多项式函数对湿地信息进行分类。使用精度评估法（混淆矩阵）对分类结果进行精度评价并与传统的最大似然法（MLC）、非监督分类（ISODATA）法分类结果进行对比。结果表明，SVM分类法不仅能够很好地提取河流信息并且能够区分湖泊湿地与坑塘湿地，分类总精度达到94.000%，Kappa系数为0.932，明显高于MLC、ISODATA两种方法，同时各类别的用户精度和制图精度都在不同程度上高于传统分类方法。SVM是一种有效的提取湿地的方法，非常适用于干旱区湿地信息提取与监测。 　　关键词：SVM；遥感；干旱区；湿地 　　中图分类号：P237 文献标识码：A 文章编号：0439-8114（2016）16-4145-05 　　DOI：10.14088/j.cnki.issn0439-8114.2016.16.018 　　湿地是由水陆相互作用形成的具有特殊功能的生态系统，具有较完备的生物多样性和生态系统功能，为人类的生产、生活提供了多种资源，被誉为自然之肾、生物基因库和人类摇篮[1，2]。干旱区内陆湿地是中国重要的湿地类型之一，但是相对于其他区域的湿地分布研究，中国西北地区的荒漠地带、干旱区湿地特别平原荒漠区湿地的研究还不够充分。 　　定量地提取与分析湿地信息是进行湿地研究的基础，RS与GIS技术的发展为湿地研究提供了新的思路。针对不同的湿地类型，基于遥感的湿地提取方法，有单波段阈值法，如牛明香[2]等在单红外波段阈值法基础上提出了分区分层湿地信息提取技术；多波段阈值法，如徐涵秋[3]提出用改进的归一化差异水体指数提取水体信息，肖艳芳等[4]提出的利用TM影像波段1与波段7提取水体信息等。常见的湿地信息提取模式识别技术有监督分类和非监督分类以及以此为基础提出的各种形式的混合分类法。上述方法都是基于数理统计理论，常规算法一般样本数目趋于无穷大才能获得良好的分类精度[5]，故以上方法在样本数量少、特征维度低时效果欠佳。本研究采用支持向量机分类方法，在提取遥感影像NDVI、MNDWI、亮度、绿度、湿度等光谱特征的同时用较少的训练样本对乌伦古湖湿地进行了分类提取，并与最大似然分类方法MLC和非监督分类ISODATA法进行对比，为干旱区湿地自动分类和智能提取提供新的技术支持。 　　2 研究方法 　　2.1 研究区概况 　　乌伦古湖是中国新疆维吾尔自治区准格尔盆地北部的一个断陷湖，位于阿勒泰地区福海县城西约20 km处，夹于额尔齐斯河与乌伦古河之间，属中温带大陆性干旱气候。乌伦古湖面积约1 001 000 hm2，海拔约470 m，拥有二个大型淡水湖，北面为乌伦古湖，面积约82 500 hm2，南面为吉力湖，面积约 1 600 hm2，以及大片毗邻的淡水沼泽草地和沿乌伦古河的沼泽地，两湖串通，水源来自由阿尔泰山东部的青格里河与布尔根河汇集而成的乌伦古河。该区域内湿地资源丰富，湿地类型多样，是干旱区绿洲湿地研究的理想区域。 　　2.2 数据来源及预处理 　　9月乌伦古湖区域少云晴朗云量低于10%的比率较高，影像易于获取。本研究采用2010年9月21日Landsat5/TM 影像作为研究数据。利用ENVI软件对Landsat5/TM影像进行辐射校正，为保证数据的可靠性，将2010年Landsat5/TM与经过几何精校正的影像配准，误差控制在1个像元内，RMS=0.222 941，最后，裁切出研究区影像。 　　2.3 湿地分类体系 　　确立湿地的分类体系是进行湿地提取和研究的前提，然而中国湿地类型复杂多样，学者对湿地的界定不尽相同，研究者对湿地研究的出发点和分类目的也各不相同，要制定统一的定量分类体系比较困难。本研究根据《湿地公约》，综合考虑乌伦古湖流域特殊的干旱区地理特征，结合国内湿地调查采用的分类方法[9，10]，提出了该区域内湿地分类体系（表1）。 　　2.4 特征提取 　　通过分析影像的波段相关矩阵和IOF指数，本研究选取453波段为RGB的波段组合[11，12]。光谱特征对于辅助遥感有效识别地物和准确分类起到了积极作用，为了更精确地提取水体和植被，本研究通过波段运算提取以下几种特征变量： 　　1）改进的归一化差异水体指数 　　MNDWI=（Green-MIR）/（Green+MIR） 　　Green为绿光波段，MIR为第五波段中红外波段。 　　2）归一化差值植被指数NDVI=（NIR-IR）/（NIR+IR） 　　NIR为近红外波段，IR为红光波段。 　　3）K-T变换的亮度指数、绿度指数和湿度指数 　　U=RTx+r 　　R是缨帽变换系数，x代表不同波