基于遙感技術(shù)的土地利用與土地覆蓋的分類(lèi)方法

1、第4期,總第42期國(guó)土資源遙感No.4,1999 1999年12月15日REMO TE SENSIN G FOR LAND&RESOURCES Dec.,1999基于遙感技術(shù)的土地利用與土地覆蓋的分類(lèi)方法甘甫平1王潤(rùn)生2王永江2付正文11(中國(guó)地質(zhì)大學(xué),北京1000832(國(guó)土資源部航空物探遙感中心,北京100083摘要分類(lèi)方法在土地利用和土地覆蓋變化研究中占據(jù)重要的地位。土地利用與覆蓋分類(lèi)首先涉及圖像的處理以及分類(lèi)系統(tǒng)的建立。目前機(jī)助分類(lèi)技術(shù)主要著眼于統(tǒng)計(jì)模式識(shí)別和基于知識(shí)的分類(lèi)決策。最終的精度評(píng)價(jià)可以進(jìn)一步完善分類(lèi)決策。關(guān)鍵詞分類(lèi)方法土地利用與土地覆蓋統(tǒng)計(jì)模式識(shí)別基于知識(shí)的分類(lèi)決策

2、精度評(píng)價(jià)分類(lèi)號(hào)TP79:P2852+30引言在土地利用與土地覆蓋變化(L UCC研究中,土地利用與土地覆蓋的分類(lèi)是必不可少的一步,且分類(lèi)調(diào)查要具有現(xiàn)勢(shì)性,分類(lèi)周期短,更新資源信息快,從而達(dá)到以最快的速度動(dòng)態(tài)監(jiān)測(cè)土地資源利用及環(huán)境變化情況。本文基于遙感機(jī)助分類(lèi)技術(shù)來(lái)闡述土地利用與土地覆蓋的分類(lèi)方法。1預(yù)處理1.1圖像類(lèi)型與時(shí)相的選擇一般而言,用于全球變化研究的土地利用與土地覆蓋的遙感,大區(qū)域范圍研究一般采用低分辨率小比例尺的AV HRR圖像,而局部區(qū)域及資源調(diào)查一般采用高精度高分辨率的TM圖像、SPO T圖像等。SAR圖像因不受大氣限制而具有潛在的應(yīng)用前景1。對(duì)遙感圖像類(lèi)型的選擇,需要結(jié)合研究的

3、目的、意義以及區(qū)域的大小進(jìn)行,以免造成不必要的浪費(fèi)。比如完全可以用低分辨率的小比例尺數(shù)據(jù)解決全球變化問(wèn)題,若選擇高精度大比例尺如航片和TM圖像等則完全沒(méi)有必要;同樣,若研究局部小區(qū)域變化而選擇了小比例尺的遙感圖像也難以解決實(shí)際問(wèn)題。中國(guó)地域遼闊,因人文和地理景觀的不同,全國(guó)范圍內(nèi)土地利用與土地覆蓋研究可根據(jù)不同區(qū)域選擇不同傳感器的遙感圖像。收稿日期:1999-07-20。因植物長(zhǎng)勢(shì)、物種及生長(zhǎng)階段的不同等而在遙感圖像上有不同的光譜表現(xiàn)形式,因此,不同時(shí)相遙感圖像的選擇對(duì)分類(lèi)具有很大的影響2。1.2圖像處理圖像處理包括圖像預(yù)處理與圖像增強(qiáng)處理。圖像預(yù)處理主要包括圖像幾何校正、輻射恢復(fù)與圖像匹配和

4、鑲嵌等;圖像增強(qiáng)處理除了常規(guī)的比值拉伸處理、直方圖均衡化、濾波處理等外,近年來(lái),有關(guān)專(zhuān)家對(duì)以下幾方面進(jìn)行了研究3:波段合成增強(qiáng)處理。如最佳指數(shù)(O IF 的運(yùn)用,樣本間灰度差異特征、視覺(jué)色差合成等;各類(lèi)信息源融合增強(qiáng)處理。如對(duì)不同傳感器數(shù)據(jù)的的融合處理、遙感信息與非遙感信息的融合、專(zhuān)家知識(shí)應(yīng)用等。1.3分類(lèi)系統(tǒng)的建立為了有效地獲取地物類(lèi)型,動(dòng)態(tài)地了解土地利用現(xiàn)狀,同時(shí)也為了更好地從遙感圖像上獲取土地利用與土地覆蓋信息,就必須規(guī)范地物解譯標(biāo)志。圖像信息和地物的的地表特征4二者間的內(nèi)在聯(lián)系可通過(guò)解譯標(biāo)志有效地連系起來(lái)。一個(gè)分類(lèi)系統(tǒng)具有兩個(gè)關(guān)鍵組成部分4,即一套解譯標(biāo)志和一套分類(lèi)規(guī)則,沒(méi)有一個(gè)嚴(yán)謹(jǐn)?shù)?/p>

5、分類(lèi)規(guī)則,地物類(lèi)型的分類(lèi)將是隨機(jī)的并缺乏連續(xù)性。誠(chéng)然,一個(gè)分類(lèi)系統(tǒng)還必須遵循兩個(gè)準(zhǔn)則:類(lèi)與類(lèi)之完全排斥,即土地覆蓋類(lèi)型中的任何一類(lèi)都屬于且僅屬于一個(gè)類(lèi)別;分類(lèi)必須完全窮盡,即任何一個(gè)分單元都且只有一個(gè)標(biāo)志。一個(gè)最終的分類(lèi)系統(tǒng)必須具有層次性和等級(jí)性。為了便于資源共享,需建立統(tǒng)一規(guī)范的土地利用與土地覆蓋分類(lèi)標(biāo)準(zhǔn)。2基于遙感技術(shù)的機(jī)助分類(lèi)方法眾所周知,一幅遙感數(shù)字圖像相應(yīng)為一光譜數(shù)字矩陣,其行列交點(diǎn)為圖像元素或稱(chēng)像素(像點(diǎn)、像元。對(duì)這些像元及其灰階表現(xiàn)出的紋理特征,采用不同的分類(lèi)決策進(jìn)行分類(lèi)識(shí)別,最終實(shí)現(xiàn)地物的分類(lèi)和提取土地利用與土地覆蓋信息。一個(gè)理想的分類(lèi)決策應(yīng)該符合如下標(biāo)準(zhǔn):精確;可重復(fù)使用;嚴(yán)

6、謹(jǐn)(對(duì)細(xì)微變化不敏感且能完全開(kāi)發(fā)出數(shù)據(jù)內(nèi)涵;可整體運(yùn)用于整個(gè)目標(biāo)區(qū)域;客觀(不依賴于分析者的決定4。但這些標(biāo)準(zhǔn)往往很難滿足。大多數(shù)分類(lèi)器是基于光譜信息的統(tǒng)計(jì)模式進(jìn)行分類(lèi)識(shí)別的,如聚類(lèi)分析、決策樹(shù)和相似性測(cè)度等;但一些后起的、融合有關(guān)分類(lèi)類(lèi)別知識(shí)的分類(lèi)決策即基于知識(shí)或GIS 的分類(lèi)器也越來(lái)越重要。2.1基于統(tǒng)計(jì)的分類(lèi)決策在土地利用與土地覆蓋變化(L UCC 分類(lèi)研究中,絕大多數(shù)基于光譜信息統(tǒng)計(jì)模式的算法都采用了監(jiān)督和非監(jiān)督分類(lèi)方法,即使人工神經(jīng)網(wǎng)絡(luò)分類(lèi)算法,目前也屬于監(jiān)督分類(lèi)方法范疇5。統(tǒng)計(jì)監(jiān)督分類(lèi)決策通用流程如圖1所示。監(jiān)督分類(lèi)可以有效開(kāi)發(fā)數(shù)據(jù)內(nèi)容,但需要太多信息可以決定地表信息的先驗(yàn)概率以致

7、一部分信息被忽略;非監(jiān)督分類(lèi)雖是基于整個(gè)區(qū)域特征進(jìn)行的且不需要先驗(yàn)概率并具操作獨(dú)立性,但常?？赡軄G失特定的卻是相關(guān)的細(xì)節(jié)信息,進(jìn)而限制了分類(lèi)的客觀性?；诮y(tǒng)計(jì)決策分類(lèi)器的缺陷隨著分類(lèi)方法而異,但大都因以下方面知識(shí)不能準(zhǔn)確知道或在實(shí)際運(yùn)用中不可能知道而受到影響5,即區(qū)域光譜聚類(lèi)的先驗(yàn)知識(shí)(概率;相似空間分布以及土地分類(lèi)和土地覆蓋目標(biāo)光譜變化的先驗(yàn)知識(shí)(概率;多維光譜空間中光譜聚類(lèi)以及它們分布的統(tǒng)計(jì)特征知識(shí);控制分類(lèi)過(guò)程事先規(guī)定的參數(shù)等。14第4期甘甫平等:基于遙感技術(shù)的土地利用與土地覆蓋的分類(lèi)方法 圖1統(tǒng)計(jì)分類(lèi)決策流程示意圖 (引自邊肇祺.模式識(shí)別.清華大學(xué)自動(dòng)化系,1998,有增刪為了克服上述

8、缺陷,有些學(xué)者開(kāi)發(fā)設(shè)計(jì)了不同的分類(lèi)器。例如Cihlar 等5 設(shè)計(jì)出進(jìn)程規(guī)范分類(lèi)(Classfication by progressive generalization ,即CP G 。即首先尋找數(shù)據(jù)組中代表光譜聚類(lèi)的均值,然后劃分一像元到某聚類(lèi),并對(duì)相同類(lèi)進(jìn)行融合直到所剩下的聚類(lèi)都被標(biāo)上分類(lèi)標(biāo)志為止。該方法對(duì)空間分辨率以及輸入數(shù)據(jù)量的大小不敏感,在不需要光譜空間數(shù)據(jù)分布的先驗(yàn)知識(shí)下,能夠根據(jù)來(lái)自分析者最少輸入?yún)?shù)進(jìn)行自動(dòng)分類(lèi);Solaiman 等6也提出了多光譜分類(lèi)后信息融合的方法。該算法主要基于圖像平滑和信息融合方法,即首先確定來(lái)自多光譜圖像、分類(lèi)圖像以及平滑分類(lèi)圖(STM 的相關(guān)特征,然

9、后在分類(lèi)圖上利用區(qū)域生長(zhǎng)算法直到達(dá)到一邊界為止。該算法也不需要圖像數(shù)據(jù)的先驗(yàn)信息,且能有效的去除salt and pepper噪聲,增強(qiáng)邊界信息,提高分類(lèi)精度;另外是Harsanyi 等7提出了基于正交子空間的投影算法。該算法在一定程度上能解決混合像元的問(wèn)題并能壓縮數(shù)據(jù),從而獲得較好分類(lèi)結(jié)果。以上算法雖不依賴于光譜空間數(shù)據(jù)的先驗(yàn)知識(shí)而具有客觀性,并在一定程度上提高了分類(lèi)精度,但是仍不具有普遍性。2.2基于知識(shí)和GIS 的分類(lèi)決策基于知識(shí)和GIS 的分類(lèi)決策,是引入高層知識(shí),并將有關(guān)類(lèi)別的知識(shí)作用于分類(lèi)設(shè)計(jì)的各個(gè)過(guò)程,以利于分類(lèi)和提高分類(lèi)精度。其流程如圖2所示:圖2基于知識(shí)分類(lèi)決策流程示意圖(引

10、自林行剛模式識(shí)別研究生課程講稿.清華大學(xué)工程系,1995,有增刪在土地利用現(xiàn)狀調(diào)查中,涉及到許多利于土地覆蓋與土地利用類(lèi)型分類(lèi)的知識(shí)。這些知識(shí)包括因不同的生長(zhǎng)區(qū)域、不同的生長(zhǎng)環(huán)境以及物種不同而表現(xiàn)出的不同特征。充分考慮到并運(yùn)用這些類(lèi)別的知識(shí)能有效地提高分類(lèi)精度。歸納起來(lái)有以下幾種情況:(1基于植物生長(zhǎng)特征的土地利用與土地覆蓋分類(lèi)識(shí)別。利用不同季相的遙感圖像進(jìn)行24國(guó)土資源遙感1999年分類(lèi)識(shí)別2,8,利用植被指數(shù)如NDV I 、GU I 、WI 、B I 等進(jìn)行間接分類(lèi)識(shí)別9;(2基于其它知識(shí)的分類(lèi)識(shí)別?；谶吘墮z測(cè)和基于區(qū)域分類(lèi)的雙重信息基礎(chǔ)之上的三維場(chǎng)景10以及建立在光譜和空間(知識(shí)規(guī)則上

11、的圖像分類(lèi)系統(tǒng)11;(3基于句法結(jié)構(gòu)的分類(lèi)識(shí)別,如光譜知識(shí)和上下文信息相結(jié)合12以及使用語(yǔ)義網(wǎng)絡(luò)場(chǎng)景的結(jié)構(gòu)分析自動(dòng)解譯系統(tǒng)13;(4基于GIS 的分類(lèi)識(shí)別。GIS 可以數(shù)值化(量化的形式存儲(chǔ)大量的屬性信息和地形地貌拓?fù)湫畔?。這些信息可以充分地應(yīng)用到遙感圖像的分類(lèi)決策中。坡度、方位、地勢(shì),以及高程對(duì)植被的分布有很大的影響,同時(shí)人文因素也越來(lái)越多地作用于土地利用與土地覆蓋變化8,14,有效的利用這些量化信息能夠提高分類(lèi)的精度15,16?；诓煌瑳Q策的分類(lèi)方法,往往因強(qiáng)調(diào)不同的重點(diǎn)而側(cè)重于不同的先驗(yàn)知識(shí)。基于知識(shí)和GIS 的分類(lèi),因知識(shí)表達(dá)與量化存在一定的局限性,不能有效地融入分類(lèi)識(shí)別決策之中而限制

12、了其發(fā)展。2.3動(dòng)態(tài)監(jiān)測(cè)土地利用與土地覆蓋研究的最終目的是為了研究土地的發(fā)展過(guò)程及未來(lái)的趨勢(shì)。因此動(dòng)態(tài)監(jiān)測(cè)尤為重要。一般地,動(dòng)態(tài)監(jiān)測(cè)的精度取決于分類(lèi)的精度。在土地利用與土地覆蓋變化研究中,不僅要獲得土地利用變化的信息,而且還要獲得變化的類(lèi)型,即獲得不同監(jiān)測(cè)時(shí)期的土地分類(lèi)信息。其具體方法是對(duì)不同時(shí)期對(duì)象單獨(dú)比較分析和多時(shí)期數(shù)據(jù)同時(shí)分析17,18,1,9,即:(1圖像間的數(shù)據(jù)運(yùn)算。單變量圖像差值法、比值法、直接多時(shí)期分類(lèi)法、背景提取法、分類(lèi)后比較法等;(2圖像信息直接提取間接比較。植被指數(shù)法9、發(fā)射系數(shù)測(cè)定變化分析1等;(3圖像變化信息矩陣分析。變化向量分析法、圖像回歸法、K -T (纓帽變換、正

13、交子空間投影法等。3分類(lèi)精度評(píng)價(jià)在土地利用與土地覆蓋變化研究中,土地利用分類(lèi)精度的評(píng)價(jià)不僅必要也十分重要。一方面可以有效地對(duì)分類(lèi)器進(jìn)行評(píng)價(jià)從而改造分類(lèi)器,另一方面也是對(duì)遙感分類(lèi)成果的最終評(píng)價(jià),即對(duì)分類(lèi)圖中錯(cuò)誤的理解,全面評(píng)價(jià)分類(lèi)圖的可靠性。精度評(píng)價(jià)一般基于下列準(zhǔn)則4:(1取樣設(shè)計(jì)必須經(jīng)濟(jì)有效;(2分類(lèi)規(guī)則必須嚴(yán)謹(jǐn)且定義完美;(3評(píng)價(jià)精度程序具有統(tǒng)計(jì)定義上的嚴(yán)謹(jǐn);(4檢驗(yàn)數(shù)據(jù)的精度也要進(jìn)行評(píng)估;(5評(píng)價(jià)分類(lèi)精度的數(shù)據(jù)必須與用于分類(lèi)的那些數(shù)據(jù)一樣具有相同的規(guī)范化的高質(zhì)量。分類(lèi)精度一般采用矩陣、混淆矩陣表示,其它如誤差動(dòng)態(tài)表示方式19等也可采用。4討論基于遙感技術(shù)的土地利用與土地覆蓋變化調(diào)查,其關(guān)鍵

14、技術(shù)是圖像分類(lèi)處理獲取信息的34第4期甘甫平等:基于遙感技術(shù)的土地利用與土地覆蓋的分類(lèi)方法方法。目前,遙感圖像的分類(lèi)技術(shù)遠(yuǎn)遠(yuǎn)跟不上遙感技術(shù)本身的發(fā)展。因此,如何有效地利用這些巨大的信息源并且獲得高精度的土地覆蓋類(lèi)型以及變化信息,一直是人們努力的方向。各種學(xué)科、各種知識(shí)、各種技術(shù)的滲透越來(lái)越增加了分類(lèi)的精度與可靠性,并向普適性、高效性的分類(lèi)器方向發(fā)展。但仍需指出,時(shí)至今日,成功的分類(lèi)方法仍是目視解譯5。如何有效地模擬人腦識(shí)別分類(lèi)的能力以便有效地進(jìn)行自動(dòng)分類(lèi)將是今后研究的重要方向之一。在相當(dāng)長(zhǎng)的一段時(shí)間內(nèi),目視解譯分類(lèi)與機(jī)助自動(dòng)分類(lèi)將協(xié)調(diào)發(fā)展。參考文獻(xiàn)1Grandell J ,et al.Subp

15、ixel land use classification and retrieval of forest stem volume in the boreal forest zone by employing SSM/I data.Remote Sensing of Environment.1998,63:1401542Pierce L.E ,et al.Multiemporal land-cover classification using SIR C/X SAR imagery.Remote Sensing of Environment ,1998,64:20333方紅亮,黃絢.地學(xué)應(yīng)用中的

16、遙感圖像處理若干問(wèn)題的分析.地理研究,1997,16(2:961034Congalton R G ,et al.Mapping and monitoring agricultural crops and other land cover in the lower Colorado River Basin.PE &RS ,1998,64(11:110711135Cihlar J ,et al.Classification by progressive generalization :A new authomated methodology for remote sensing multi

17、channel data.Int.J.Remote Sensing ,1998,19(14:268527046Solaiman B ,et al.An information fusion method for multispectral image classification postprocessing.IEEE Trand.G eosci and Remote Sensing ,1998,36(2:3954067Harsanyi J C ,et al.Hyperspectral image classification and dimensionality reduction ;an

18、orthogonal subspace projection approach.IEEE Trans.G eosci.Remote Sensing ,1994,32(4:7797858Vogelmon J e ,et al.Regional characterization of lead cover using multiple source of data.PE &RS ,1998,64(1:45579Todd S W ,et al.Responses of spectral indices to variations in vegetation cover and soil ba

19、ckground.PE &RS ,1998,64(9:91592110Bonnin P ,Zadorique B.An edge point/region cooperative segmentation spectic to 3D scence reconstruction.in vcip 90.SPIE ,1990,1360:1270128111Ton J ,et al.Knowledge-based segmentation of land images.IEEE Trans.G eosci.Remote Sensing ,1991,29(3:22223112Wharton S

20、W.A spectral-knowledge-based approach for urban land cover discrimination.IEEE Trans.G eosci.Remote Sensing ,1987,G e 25(5:27228213Nicolin B ,et al.A knowledge-based system for the analysis of aerial images.IEEE Trans.G eosci.Remote Sensing ,1987,GE -25(5:31732914陳白明.試論中國(guó)土地利用和土地覆被變化及其人類(lèi)驅(qū)動(dòng)力研究.自然資源,19

21、97,2:313515Prakash A ,et al.Land-use mapping and change detection in coal mining area-a case study in the J haria coalfield ,India.Int.J.Remote Sensing ,1998,19(3:39141016陳健飛.“3S ”技術(shù)與資源可持續(xù)利用.資源科學(xué),1998,20(6:202417劉慧平,朱啟疆.應(yīng)用高分辨率遙感數(shù)據(jù)進(jìn)行土地利用與覆蓋變化監(jiān)測(cè)的方法及其研究進(jìn)展.資源科學(xué),1999,21(3:232718Bruzzone L.An iterative te

22、chnique for the detection of land -cover transition in multitemporal rem ote sensing image.IEEE T rans.G eosci.Rem ote Sensing ,1997,35(4:85886719Fisher P F.Visualization of the reliability in classified rem ote sensing images.PE &RS ,1994,60(7:90591044國(guó)土資源遙感1999年第4期 甘甫平等 : 基于遙感技術(shù)的土地利用與土地覆蓋的分類(lèi)方法

23、 ·45 · THE CLASSIFICATION METHOD BASED ON REMOTE SENSING TECHNIQUES FOR LAND USE AND COVER Gan Fuping1 Wang Runsheng2 Wang Y ongjiang2 Zhengwen1 Fu 1 2 ( China University of Geoscience Beijing 100083 ( Aero Geophysical S urvey and Remote Sensing Center , the Minist ry of L and and Resource

24、s , Beijing 100083 Abstract T echniques of classification are very importance for Land Use and Cover Change (LUCC . LUCC study are on the basis of the image processing and the classification system in the first. Now the computer- based classification techniques study has been focusing on the statist

25、ical pattern recognition and the knowledge- based classification rule. The final evaluation of accuracy will improve the classification rule. K words T ey echniques of classification Land use and cover change (LUCC Statistical pattern recognition Knowledge- based classification rule Remotely Sensing 第一作者簡(jiǎn)介 : 甘甫平 男 1971 年生 ,1995 年于成都理工學(xué)院畢業(yè) ,獲工學(xué)學(xué)士 ,1998 年獲中國(guó)地質(zhì)科學(xué)院