面向对象Landsat8遥感影像土地利用变化检测研究.docVIP

面向对象Landsat8遥感影像土地利用变化检测研究 　　摘 要：通过对西安市2013年和2015年Landsat8遥感影像进行预处理，然后运用面向对象的分类方法，将影像分为四类：建筑物、植被、水体和裸地，去除小图斑，再运用多种变化监测的方法来反映西安市各区县的土地利用情况，最后对变化结果进行分析，给出合理建议。实验部分都是在ENVI5.1下完成的。 　　关键词：Landsat8 遥感影像 土地利用 　　中图分类号：TP751 文献标识码：A 文章编号：1674-098X（2016）05（b）-0018-02 　　人类为经济的和社会的目的，通过各种使用活动对土地长期或周期性的经营。随着经济的快速发展，土地的利用状况发生了巨大的变化。而对土地进行监测是对土地使用情况了解的一个重要环节，该文通过两个时段的Landsat8遥感影像对西安市的土地利用变化情况进行研究，由于研究的是2013―2015年的土地利用情况，故结果对于西安市的土地利用情况有着清晰的反映，而西安市的土地利用情况也从侧面反映了中国城市化进程的土地利用变化情况，这对于城市管理者进行分析和规划有着重要意义。 　　1 影像的获取及预处理 　　西安市的面积有一万多平方公里，一幅Landsat8影像是不可能覆盖这么大的范围，因此影像的拼接是很有必要的。拼接完成后的影像存在颜色分布不均匀，反差大等现象，这时候就需要用到匀光匀色处理，然后对影像进行几何校正，将其转化到西安80坐标系下。由于拼接好的影像还覆盖了西安市周边的区域，这时候需要通过获取西安市在西安80坐标系下的矢量图，通过裁剪获得西安市以及西安市各区县的影像图。为了提升影像的几何分辨率，可以引用全色影像，并基于HIS变换将影像的几何分辨率由30 m提高到15 m。 　　2 影像的分类 　　遥感影像可以用基于像素的遥感影像分类，这种分类的方法一般是基于像素的亮度值，分类精度往往不高，因为没有考虑到象元与周围象元之间的关系（如纹理、形状特征和与周围景物的联系等）。随着计算机技术的发展，基于面向对象的影像分类算法得以产生。其核心思想是分类的最小单元是由影像分割而来的图斑，而不再是单个的像素，可以实现高精度的遥感影像分类和目标提取。面向对象的遥感影像分类算法的流程是，首先对遥感影像进行分割，再根据遥感影像分类或目标地物提取的具体要求，检测和提取目标地物的各种特征（如形状、大小、纹理、结构、阴影、模式和与周围景物的联系等），从而达到对遥感影像进行分类或目标地物的提取。 　　由于西安市城市化进程很快，所以建筑物占的面积比例很大，为了使建筑物能够在选择训练样本时，清晰可见，一般选择7、6、4波段组合。这个组合特别适用于城市地区的分类。 　　从图1上可以清晰地分辨出建筑物、植被、水体和裸地。 　　为了使后续的变化检测能更好地进行下去，在对前后两个时相的影像分类应采用相同的分割尺度等。这里采用了MERGE_ALGORITHM Full Lambda Schedule、MERGE_VALUE 80.00、MERGE_BANDS [7，6，4]和TEXTURE_KERNEL_SIZE 3，这些参数的设置是根据大量的实验得来的，事实证明，这样的分类参数设置是符合要求的。 　　3 土地利用情况的变化检测 　　遥感动态检测就是从不同时期的遥感数据中，定量地分析和确定地表变化的特征与过程。它涉及到变化的类型、分布状况与变化量，即需要确定变化前后的地面类型、界线及变化趋势，能提供地物的空间分布及其变化的定性和定量信息。 　　目前，遥感变化检测技术大多是针对两个时相的遥感影像进行操作。根据处理过程来分，遥感变化检测方法可分为三类。 　　3.1 图像直接比较法 　　图像直接比较法是最为常见的方法，它是对经过配准的两个时相遥感影像中像元值直接进行运算和变换处理，找出变化的区域。目前常用的光谱数据直接比较法包括图像差值法、图像比值法、植被指数比较法、主成分分析法、光谱特征变异法、假彩色合成法、波段替换法、变化矢量分析法、波段交叉相关分析以及混合检测法等。 　　3.2 分类后比较法 　　分类后结果比较法是将经过配准的两个时相遥感影像分别进行分类，然后比较分类结果得到变化检测信息。虽然该方法的精度依赖于分别分类时的精度和分类标准的一致性，但在实际应用中仍然非常有效。 　　3.3 直接分类法 　　结合了图像直接比较法和分类后结果比较法的思想，常见的方法有：多时相主成分分析后分类法、多时相组合后分类法等。 　　当然，检测方法远不止这些。但是就该文所研究的内容来看，分类后比较法是行之有效的方法。在前面的面向对象的影像分类的基础上，运用分类后比较法分类的准确度更高，更具说服力。通过对变化影像观察，可以快速发现土地利用的变化情况及