基于MERSI和MODIS数据2种监督分类方法比较研究.docVIP

基于MERSI和MODIS数据2种监督分类方法比较研究 　　摘要 在VC++6.0环境下实现2种监督分类方法，即最小距离法和最大似然法对250m MERSI和MODIS数据进行分类，并对分类结果进行分析。通过分析可看出，将250m分辨率数据增加到5通道的MERSI数据在2种分类方法下分类效果都要好于MODIS数据。 　　关键词 MERSI数据a；MODIS数据；分类；精度检验 　　中图分类号 P412.27 文献标识码 A 文章编号 1007-5739（2009）07-0266-03 　　 　　风云三号气象卫星是我国首颗新一代极轨气象卫星，它在获取地球大气环境方面具有三维、全球、全天候、定量、高精度资料等特点。其携带的中分辨率成像光谱仪MERSI具有20个通道，其中19个处于可见光、近红外和短波红外波段，它的通道设置基本上与美国EOS中装载的MODIS一致，所不同的是减掉了1.240μm、1.375μm两个通道，增加了1个0.94μm水汽吸收通道。MERSI星下点分辨率为250m，通道增加到5个通道，其余通道为1 000m，而 MODIS 250m空间分辨率只有两通道数据[1]。目前对于MERSI数据的分类研究较少，针对MODIS进行了一些分类研究。例如，徐晓桃等选取3种方法即最大似然法、人工神经网络法和决策树法对7通道MODIS数据进行分类，得出决策树分类精度最高达82.13%的结论[2]。刘勇洪等人使用最大似然法、Parzen窗、CART决策树等5种方法，使用MODIS数据对华北地区土地覆盖类型进行分类，并通过不同训练样本数量的选取对各方法之间的差异进行了很好的比较[3]。本试验设置2种监督分类方法即最小距离法和最大似然法对MERSI 5通道250m分辨率数据进行分类，将分类结果与MODIS 250m通道数据在2种分类方法下得到的分类结果进行比较，测试在相同条件下两者在不同分类方法下的分类效果。 　　 　　1 试验区选择 　　 　　为比较方便，两幅图像均由2008年8月16日的数据合成，使用WGS84椭球体，投影方式采用横轴麦卡托投影，有效像元尺度250m，影像大小为200行×200列。成像范围北纬41.654 433°～42.105 168°，东经123.097 636°～123.702 364°。使用前向映射方法进行重定位后的图像会有重复或空缺，对图像进行5次滤波。使用最近邻点法对图像进行重采样。重采样后的图像如图1、图2。试验区主要位于中国东北地区南部、辽宁省中部，地形主要以平原为主，浑河在图中穿过。 　　 　　2 训练样本选择 　　 　　对于监督分类而言，训练区的选择是否准确合理对分类精度有着很大的影响。特别是对于大尺度的土地覆盖分类来说，通过实地考察选取训练区是非常困难的。在进行宏观土地覆盖分类研究时通常采用从TM等高分辨率遥感影像提取训练区的方法[4，5] ，根据唐根年（2002）在区域土地利用/土地覆被变化动态监测与生态影响评价研究中指出，在TM图像中，TM5、4、3三波段为试验区彩色合成最佳波段组合[6]，使用2001年8月11日Landsat7的TM图像作为辅助数据判读各类别的所在位置（TM图像如图3）。因图像为8月采集，为有植被覆盖时期，可将类别设置为建筑用地、水田、旱田、林地、水体5类，各类别判读标志如表1所示，从图像中可以很好地辨别出各类地物的分布情况。 　　通过鼠标直接在TM图像中获得训练样本数据，训练样本数据的选择对分类结果有很大的影响，为保证分类结果有较高精度，首先要保证有足够的训练样本。实践表明，如果对n个类别的数据进行分类，训练样本的数目至少不要少于10n，最好达到100n。同时，所选训练样本数据应该具有很好的代表性，同一地物因所处的地区、环境和时间不同，光谱特征会产生很大差异。因此，选择训练样本应尽可能选择与该地物分布相一致的区域，避免集中在局部位置。根据TM图像中各类别地物所处的地理坐标在MERSI和MODIS相应位置选取训练样本，通过筛选对于2种数据每个类别选择103个训练样本，一共选择515个训练样本。 　　 　　3 分类及精度检验 　　 　　3.1 分类 　　3.1.1 最小距离法分类。最小距离法利用训练样本中各类别在各波段的均值，根据各像元离训练样本平均值距离的大小决定其类别。最小距离分类器常采用的距离测度为马氏距离、欧式距离等。本文选取欧式距离作为距离测度，此方法分类速度快且对样本概率分布特征没有特别要求。根据所选的训练样本可计算出MERSI和MODIS数据的各通道的聚类中心如表2、表3。 　　3.1.2 最大似然法分类。最大似然法是一种传统的统计分类方法，属于参数分类方法，有其严密的统计理论基础，是在分类方法应用中使用最为广泛的分类