遙感圖像監(jiān)督分類的兩個(gè)關(guān)鍵問(wèn)題

遙感圖像監(jiān)督分類的兩個(gè)關(guān)鍵問(wèn)題

隨著遙感應(yīng)用的普及，每個(gè)應(yīng)用的遙感圖像監(jiān)測(cè)和分類結(jié)果的精度要求越來(lái)越高。提高監(jiān)督分類結(jié)果的精度關(guān)鍵在于訓(xùn)練樣本的選取和分類決策也就是分類器的選擇。1山地植被現(xiàn)狀分析塞罕壩機(jī)械林場(chǎng)按地形分壩上、壩下兩部分。壩上是內(nèi)蒙古高原南緣,以丘陵、曼甸為主,海拔1500～1939.6m;壩下是陰山山脈與大興安嶺余脈交匯處,典型的山地地形,海拔1010～1500m。境內(nèi)是灤河、遼河的發(fā)源地之一。塞罕壩林場(chǎng)位于河北省最北部,林場(chǎng)中天然林18805.4hm2,人工林42887.4hm2,混交林8138.3hm2,各林分年齡以中幼齡林為主。該林區(qū)就樹種而言,優(yōu)勢(shì)樹種主要有落葉松、樺樹、柞樹、油松、樟子松等,而華北落葉松占90%以上,且無(wú)其他喬灌木與之伴生混交,堪稱大面積高密度人工落葉松純林;而在林齡組成上,該林場(chǎng)則以單層同齡林為主,嚴(yán)重缺乏多層異齡混交林。2研究過(guò)程2.1分類樣本的選擇為了保證監(jiān)督分類結(jié)果有較高精度,首先要保證有足夠數(shù)量的訓(xùn)練樣本,以克服各種偶然因素的影響,一般情況下,每類至少要有10到100個(gè)訓(xùn)練樣本數(shù)據(jù)。其次,選擇樣本像元應(yīng)具有典型性、代表性。同類樹種在不同的立地條件(海拔、濕度、坡度、土壤厚度等)或不同的年齡光譜特性往往會(huì)有差異,也就是同物異譜現(xiàn)象的表現(xiàn)。為了保證分類精度,應(yīng)將同一樹種根據(jù)立地條件和年齡分為多類。本研究經(jīng)過(guò)訓(xùn)練區(qū)的檢驗(yàn),最后分類模板主要分為水泡子、落葉松、樟子松、樺樹、云杉、柞樹,其中落葉松分為落葉松幼、落葉松2、落葉松4;樺樹分為樺樹、樺樹2、樺樹4;樟子松分為樟子松2,樟子松3;云杉分為云杉幼、云杉。2.2a遙感技術(shù)監(jiān)督本研究利用加拿大PCIGematica遙感圖象處理軟件對(duì)塞罕壩機(jī)械林場(chǎng)的SPOT5圖象進(jìn)行監(jiān)督分類。監(jiān)督分類有3種運(yùn)算法則:最大似然、最小距離、平行六面體。2.2.1最大概率法以貝葉斯準(zhǔn)則為基礎(chǔ),通過(guò)求出每個(gè)像元對(duì)于各類別的歸屬概率,把該像元分到歸屬概率最大的類別中去的方法。2.2.2統(tǒng)計(jì)特征量均值的計(jì)算這種方法要求對(duì)遙感圖像中每一個(gè)類別選一個(gè)具有代表意義的統(tǒng)計(jì)特征量(均值),首先計(jì)算待分像元與己知類別之間的距離,然后將其歸屬于距離最小的一類。2.2.3關(guān)于分類結(jié)果的混淆通過(guò)設(shè)定在各軸上的一系列分割點(diǎn),將多維特征空間化分成分別對(duì)應(yīng)不同分類類別的互不重疊的特征子空間的分類方法。監(jiān)督分類結(jié)果用混淆矩陣表示。p(ij)=??????p11p21pn1p12p22pn2????p1np2npnn??????p(ij)=[p11p12?p1np21p22?p2n?pn1pn2?pnn]其中:i表示來(lái)自第i類訓(xùn)練區(qū)的樣本數(shù)據(jù);j表示來(lái)自第j類的樣本數(shù)據(jù);pij表示來(lái)自第i類訓(xùn)練區(qū),但被分到第j類的樣本數(shù)據(jù)占原訓(xùn)練區(qū)數(shù)據(jù)的百分比,即∑j=1npij=100%∑j=1npij=100%(注:∑j=1npij∑j=1npij不一定等于100%)顯然,混淆矩陣中對(duì)角元素?cái)?shù)值愈大,則表示分類的效果愈接近先驗(yàn)的考慮。反之,非對(duì)角元素?cái)?shù)值愈大,則表示分類結(jié)果中混類的現(xiàn)象愈嚴(yán)重。如果混類現(xiàn)象嚴(yán)重,則需要重新選擇訓(xùn)練區(qū),找到類別純度高,更具有典型性狀的樣本數(shù)據(jù),特別是要想辦法減少或降低訓(xùn)練區(qū)中的異類成分;如果認(rèn)為訓(xùn)練區(qū)的樣本數(shù)據(jù)已經(jīng)夠典型,精度夠純,只是判決函數(shù)與實(shí)際集群分布情況不符,則用訓(xùn)練區(qū)的樣本數(shù)據(jù)對(duì)判決函數(shù)進(jìn)行調(diào)整訓(xùn)練。表1、2、3為最大似然、最小距離和平行六面體3種運(yùn)算法則分類結(jié)果的混淆矩陣。分析比較表1、2、3可以看出:運(yùn)用最大似然運(yùn)算法則平均精度為87.76%,KAPPACOEFFICIENT=0.84531;運(yùn)用最小距離運(yùn)用法則平均精度為78.17%,KAPPACOEFFICIENT=0.73269;而運(yùn)用平行六面體運(yùn)算法則平均精度可達(dá)到90.41%,KAPPACOEFFICIENT=0.87655。由此可見(jiàn),運(yùn)用最小距離運(yùn)算法則精度太低,達(dá)不到生產(chǎn)需要。運(yùn)用平行六面體法則精度比較高,kappa系數(shù)也最大,但是由于本次研究只是對(duì)樹種進(jìn)行了分類,并沒(méi)有對(duì)那些建筑用地、道路、荒山荒地等非林業(yè)用地進(jìn)行劃分,由于同譜異物和同物異譜現(xiàn)象的不可避免性,肯定會(huì)有錯(cuò)分現(xiàn)象,但是運(yùn)用平行六面體法則進(jìn)行分類,在混淆矩陣中,被分為樹種其他類的概率為零,不符合實(shí)際情況。運(yùn)用最大似然法則,平均精度達(dá)到了要求,并且沒(méi)有忽略同物異譜和同譜異物現(xiàn)象。2.3種樹種在靜態(tài)遙感圖像分類和種植對(duì)比中所占比例的分析本研究利用塞罕壩機(jī)械林場(chǎng)的大喚起林場(chǎng)的二類調(diào)查數(shù)據(jù)和最大似然分類結(jié)果進(jìn)行統(tǒng)計(jì)計(jì)算。得出了樺樹、落葉松、云杉、樟子松、柞樹等5種樹種在二類調(diào)查和遙感圖像分類結(jié)果中所占的百分比(見(jiàn)表4)。由表4可以看出,樺樹在5種樹種中的百分比,分類結(jié)果和二類調(diào)查結(jié)果基本一致,落葉松、樟子松、云杉和柞樹的