基于支持向量机的扎龙湿地遥感分类研究.PDFVIP

第9卷第3期 湿 地 科 学 Vol.9 No.3 2 0 1 1年9月 WETLAND SCIENCE Sept. 2011 基于支持向量机的扎龙湿地遥感分类研究 张 策，臧淑英*，金 竺，张玉红 (哈尔滨师范大学地理科学学院，黑龙江哈尔滨 150025) 摘要：湿地遥感分类是实现湿地动态监测、管理与利用的重要手段之一。由于湿地具有独特的生态环境，获取 实测样本点相对困难，因此，研究小样本、高精度的湿地遥感分类方法十分必要。以扎龙国家级自然保护区为 研究区，采用支持向量机方法进行了研究区湿地遥感分类研究，初步剖析了样本数量与特征维度对分类结果的 影响，并同传统的最大似然分类方法进行了比较。研究结果显示，支持向量机分类结果一般优于最大似然分类 结果，尤其在小样本、高维度下，支持向量机方法具有较大优势。当每类样本数为100时，支持向量机高维分类 结果总精度最高，达到88.125%，分类获得的扎龙保护区湿地总面积为90 307.17 hm2，其中水体面积为8 301.15 hm2，积水沼泽面积为33 063.57 hm2，无积水沼泽面积为48 942.45 hm2。研究结果表明，支持向量机方法是湿地 遥感分类的有效手段。 关 键 词：扎龙国家级自然保护区；支持向量机；湿地遥感分类；样本数量；特征维度 中图分类号：TP751.1 文献标识码：A 文章编号：1672-5948(2011)03-263-07 收稿日期：2011-02-18；修订日期：2011-06-20 基金项目：国家自然科学基金重点项目资助。 作者简介：张 策(1989-)，男，吉林省长春人，在读本科大学生，主要从事遥感信息智能提取研究。E-mail: zhangce8880@163.com *通讯作者：臧淑英，教授。E-mail: zsy6311@163.com 湿地作为生态系统的重要组成部分，在调蓄 洪水、调节河川径流、补给地下水、维持区域水平 衡和维持野生动植物种群存续等方面均具有重要 的意义[1]。近年来中国一些地区的湿地受到了人 类高强度的干扰，因此，寻找高效、鲁棒性的方式 来对湿地植被及其周围的土地利用类型进行适 时、动态的监测是十分必要的[2]。 在监测和记录各种类型湿地方面，卫星遥感 影像具有诸多优势[3]。但是，由于湿地在遥感影像 上的光谱特征和空间特征对环境背景的依赖性较 大，并且往往存在着“同物异谱”和“同谱异物”的 现象，仅仅依靠光谱差异的硬分类方法，在地表状 况复杂的区域往往难以得到较高的分类精度 [4]。 湿地独特的生态环境与地理位置使得实测样本的 获取相对困难，因此到目前为止，还没有形成一整 套完整的湿地遥感分类体系。 目前，湿地遥感分类方法大体上可分为两类： 一类是基于统计计算，另一类是利用空间数据挖 掘技术。曾有学者利用非监督分类法和监督分类 法对扎龙湿地进行了遥感分类[5]，还有学者在方法 上对提取扎龙湿地水体进行了探讨[6]。多年的研 究表明，同时纳入湿地光谱特征、纹理特征与地形 特征可以改进湿地遥感分类。然而，由于特征维 度的不断提高，对训练样本数量、分类器选择提出 了挑战。支持向量机 (support vector machine， SVM)方法是一种新型的数据挖掘方法，广泛地应 用于模式识别和机器学习[7]。国内已有学者采用 支持向量机方法对黄河中上游湿地进行了信息提 取[8]；国外也曾有学者利用支持向量机方法进行了 土地利用分类，并考虑了训练样本数量的影响[9]， 但这些研究都没有综合地解决湿地样本数量少对 分类带来影响的问题。基于支持向量机方法可以 有效地处理小样本、高维度等诸多问题，能较准确 地识别湿地类型的特点，本文采用支持向量机分 类方法对扎龙湿地进行了遥感分类研究，较深入 地探讨了特征维度与样本数量对分类结果的影 响，并与最大似然分类方法(maximum likelihood classification，MLC)进行了对比，实现了湿地遥感 的自动分类与智能提取，为湿地监测与保护决策 提供了技术支持。 湿 地 科 学 9卷 1 研究区概况 扎龙国家级自然保护区(46°5′N～47°32′N, 123°47′E～124°37′E),地处中国黑龙江西部的乌 裕尔河下游齐齐哈尔市及富裕县、林甸县、杜蒙 县、泰来县交界地域，是以芦苇(Phragmites austra? lis)沼泽为主的湿地生态系统类型的自然保护 区。该保护区南北长 65 km，东西宽 37 km，总面 积 2 081.934 km2，栖息着以鹤类为主的众多珍稀 水禽。独特的地理位置和典型的湿地生态系统， 使其成为东北地区重要的鸟类繁殖地和栖息地， 在世界鹤类保护及湿地保护事业中占有重要地 位。1979年黑龙江省人民政府正式批准建立