基于分層分類思想的龍海市典型地物分類提取研究

基于分層分類思想的龍海市典型地物分類提取研究

1aster數(shù)據(jù)分析土地使用和恢復(fù)是自然和人文過程交叉的最密切相關(guān)的問題，也是導(dǎo)致世界變化的主要原因。也是生態(tài)環(huán)境變化研究的重要方面。利用遙感數(shù)據(jù)進(jìn)行土地利用/覆被監(jiān)測,國內(nèi)外已進(jìn)行了許多研究。ASTER是地球?qū)Φ赜^測系統(tǒng)EOS的第一顆先進(jìn)的極地軌道環(huán)境衛(wèi)星Terra(EOS-AM1)上所搭載的5種對地觀測儀器之一,空間分辨率高,波段覆蓋范圍廣,從可見光、近紅外、短波紅外到熱紅外,共有14個(gè)波段,其中3個(gè)可見近紅外波段,相當(dāng)于TM的2~4波段,空間分辨率為15m;6個(gè)短波紅外波段,空間分辨率為30m;5個(gè)熱紅外波段,空間分辨率為90m。與TM影像相比,ASTER有著更高的空間分辨率和光譜分辨率,將能在土地利用/覆蓋動(dòng)態(tài)監(jiān)測中發(fā)揮重要的作用。近年來,國內(nèi)外許多學(xué)者利用ASTER數(shù)據(jù)進(jìn)行土地利用/覆蓋監(jiān)測方面的研究。GuobinZhuetal(2002)利用ASTER數(shù)據(jù)和自動(dòng)支撐向量機(jī)算法對以色列的BeerSheva地區(qū)進(jìn)行了分類研究,結(jié)果顯示ASTER數(shù)據(jù)比較適合用于城市的分類研究。MaJianwenetal(2005)先對ASTER數(shù)據(jù)進(jìn)行小波融合,然后進(jìn)行土地覆蓋類型的神經(jīng)網(wǎng)絡(luò)分類研究。哈斯巴干(2003)以北京地區(qū)作為研究區(qū),介紹了基于ASTER數(shù)據(jù)聚類分析的自組織特征映射分類方法。分層分類是針對各地物不同的信息特點(diǎn),將其按一定原則進(jìn)行層層分解,信息的提取環(huán)境比較純凈,可以在較大程度上避免那些傳統(tǒng)分類方法因?yàn)橥锂愖V或異物同譜現(xiàn)象而導(dǎo)致的分類精度不高的現(xiàn)象。不少學(xué)者利用分層分類方法,對土地利用/覆蓋進(jìn)行研究。這些研究結(jié)果表明分層分類方法比傳統(tǒng)的監(jiān)督和非監(jiān)督分類方法有更高的分類精度,結(jié)果也更合理。本文以福建省龍海市為研究區(qū),針對研究區(qū)內(nèi)典型地物的光譜特征,并結(jié)合相關(guān)的地理圖層,在分層分類方法思想的指導(dǎo)下,進(jìn)行基于ASTER數(shù)據(jù)的土地利用/覆蓋分類方法研究。2龍海市森林概況龍海市位于福建南海部沿海,24°09′~24°36′N,117°29′~118°15′E,面積1128km2。龍海市地勢南北較高,中間低緩。主要河流九龍江為福建第二大河,干流285km,分西溪、南溪、北溪3條支流。境內(nèi)耕地2.27萬hm2,林木蓄積量76.2萬m3,森林覆蓋率55.1%。龍海市處于廈門、汕頭兩個(gè)經(jīng)濟(jì)特區(qū)之間,主要區(qū)域?qū)儆谀蟻啛釒?自然環(huán)境良好,氣候溫和,四季常春,適宜廣泛性農(nóng)作物生長,糧食作物一年三熟,是福建省農(nóng)業(yè)發(fā)達(dá)地區(qū)之一。3基于分層技術(shù)的分類方法研究3.1aster數(shù)據(jù)處理本次研究所采用的數(shù)據(jù)以2003年12月8號(hào)ASTER影像為主,其他輔助資料為已校正的2000年ETM數(shù)據(jù)、2000年龍海市1∶10000土地利用現(xiàn)狀圖、1∶5萬DEM數(shù)據(jù)、2002~2004年3次現(xiàn)場考察的實(shí)測數(shù)據(jù)以及龍海市年鑒等。首先利用已經(jīng)校正的ETM+全色波段影像(分辨率15m)對龍海市ASTER影像1、2、3波段進(jìn)行幾何精校正,校正誤差控制在0.5個(gè)像元內(nèi)。其次將ASTER影像4~9波段重采樣為15m分辨率,利用校正1、2、3波段的GCP點(diǎn)進(jìn)行幾何校正,然后利用龍海市行政界線圖將龍海市范圍的影像切割出來(圖1,見圖版Ⅱ)。ASTER數(shù)據(jù)的4~9波段都是短波紅外,相關(guān)性較大,可能會(huì)對某些地物的區(qū)分產(chǎn)生干擾,為了減小地物在這些波段的同物異譜和異物同譜現(xiàn)象,對4~9波段進(jìn)行主成分(PC)分析,選取前兩個(gè)主成分分量PC1和PC2作為短波紅外的波段,這兩個(gè)波段所含的信息量占整幅圖像的99%。植被指數(shù)可以增強(qiáng)植被信息,采用歸一化植被指數(shù)NDVI作為其中的一個(gè)波段參與專題提取:NDVI=(ASTER3-ASTER2)/(ASTER3+ASTER2)。把ASTER影像的1~3波段、4~9波段的PC1和PC2、NDVI共6個(gè)波段進(jìn)行疊加,作為后續(xù)分析處理的數(shù)據(jù)源。根據(jù)影像所反映的景觀特點(diǎn)和龍海市的實(shí)際情況,將龍海市地物分為以下10種類型:居民地、建設(shè)用地、裸露地、火燒跡地、林地、農(nóng)田、海水、河流、湖泊水庫以及人工養(yǎng)殖場。其中居民地、建設(shè)用地、裸露地、火燒跡地為無植被覆蓋類,林地、農(nóng)田為植被覆蓋類,海水、河流、湖泊水庫以及人工養(yǎng)殖場為水體類。3.2分類方案和依據(jù)同物異譜和異物同譜是遙感數(shù)據(jù)普遍存在的現(xiàn)象,如果把多種地物放在一起考慮,由于這些波段的存在,會(huì)使信息的提取變得復(fù)雜、困難,這也是造成傳統(tǒng)的監(jiān)督和非監(jiān)督分類方法的分類精度不高的重要原因。面對這些復(fù)雜的景物或現(xiàn)象人們不可能用一個(gè)統(tǒng)一的分類模式來很好的描述或進(jìn)行區(qū)域景物的識(shí)別與分類。因此,基于分層分析的信息提取方法,首先將原始的圖像分割成具有某些相同特征的子區(qū),然后對不同的子區(qū)基于一定的知識(shí)和條件對地物的類別進(jìn)行細(xì)化,即針對各地物不同的信息特點(diǎn),按一定原則進(jìn)行層層分解,通過選擇合適的波段與波段組合、采用不同的算法,或加一些輔助數(shù)據(jù)進(jìn)行復(fù)合處理等,針對各類地物分別建立專題層,并采取逐層分類掩模的技術(shù)將分離出的地物去除,以免對下一步的分類產(chǎn)生影響,為以后的信息提取創(chuàng)造更加純凈的提取環(huán)境。在對每一類地物的提取中,目標(biāo)明確單一,每個(gè)類別只需考慮與區(qū)分目標(biāo)有關(guān)的最佳變量,有利于單一地類精度上的提高,并且可以在較大程度上避免不同區(qū)域內(nèi)同物異譜或異物同譜的干擾,使分類結(jié)果更加合理。為了便于分析,我們對每一類地物選取一定數(shù)量的樣本,用來分析各種地物的光譜曲線(圖2),并且對每個(gè)類別進(jìn)行均值統(tǒng)計(jì)(表1)。從圖上可以看出,林地、農(nóng)田等植被覆蓋區(qū)域在b3波段上的光譜值均高于b2和PC1,并且NDVI明顯高于其它地物,因此利用b2、b3和NDVI易與其它地物區(qū)分開。養(yǎng)殖場、水庫、河流以及海水等水體類在1~4波段表現(xiàn)為逐漸下降趨勢,而pc1~pc2波段為上升趨勢,建設(shè)用地、交通用地等非植被本身的光譜值都比較高,因此我們可以依據(jù)這些光譜特性,通過選取最佳的波段來實(shí)現(xiàn)整個(gè)影像區(qū)域的自動(dòng)分區(qū),然后獲得相對獨(dú)立的影像區(qū)域塊。分區(qū)完成后,在每一個(gè)子區(qū)的基礎(chǔ)上進(jìn)行分層提取,分層提取也主要依據(jù)地物的光譜特征,并且結(jié)合坡度、坡向、以及土地利用現(xiàn)狀圖等等。具體過程如下(圖3):(1)居民地和熔噴地過濾碎斑的分離首先根據(jù)開發(fā)用地的光譜值較其它地類高,設(shè)定條件:b1>100andb2>100分離出建設(shè)用地,過濾掉碎斑后將其掩模掉;然后在掩模掉建設(shè)用地的影像上利用居民地在可見光和近紅外波段反射率比裸露地和火燒跡地高的特性,結(jié)合坡度圖設(shè)定slop<2分離出居民地,同樣過濾碎斑并將其掩模?；馃E地利用b2<60可與裸露地較好的分離。(2)農(nóng)田與林地混淆從影像上反映出該區(qū)農(nóng)用地大部分都以菜地的形式出現(xiàn),植被覆蓋好,如果采用一般監(jiān)督分類方法,農(nóng)田與部分林地混淆。利用坡度信息,結(jié)合波譜特性,設(shè)定band1<85andband3>70andband4<50可以較好的分離出農(nóng)田,再結(jié)合目視解譯效果,根據(jù)耕地和林地的紋理特征差異,對結(jié)果進(jìn)行修正,形成林地和耕地的專題圖層。(3)提取場及模型的建立水體分層的工作比較困難,該區(qū)水體特征較為復(fù)雜,幾乎所有的水體類如養(yǎng)殖場、海水、河流和水庫的光譜曲線大致相同,首先利用水產(chǎn)養(yǎng)殖地具有典型的網(wǎng)格狀紋理結(jié)構(gòu)特征,可以對養(yǎng)殖場采取邊緣檢測和鄰域分析相結(jié)合的方法,可以較好的提取養(yǎng)殖場。然后建立河流提取模型:V=(B4-B3)/(B4+B3),可以清楚地看到海水和湖泊水庫部分都屬于高亮度區(qū),河流的亮度都偏低,于是設(shè)定閾值K=100,小于K的為河流。最后采用非監(jiān)督分類和監(jiān)督分類結(jié)合加人工判讀修正區(qū)分海水和湖泊水庫。將各個(gè)專題圖層進(jìn)行合并,并結(jié)合上下文分析方法進(jìn)行適當(dāng)?shù)男拚?形成龍海市土地利用/覆蓋專題圖層(圖4,見圖版Ⅱ)。4分析點(diǎn)分層分類為了分析分層技術(shù)的分類結(jié)果好壞,采用傳統(tǒng)的監(jiān)督分類和非監(jiān)督分類對ASTER影像進(jìn)行分類,作為對比分析。在進(jìn)行監(jiān)督分類時(shí),采用最小距離法對每一類別都選取了充足的樣本,配合野外考察的結(jié)果進(jìn)行分類。非監(jiān)督分類初始的類別為60類,最后合并為10個(gè)類別。分類結(jié)果評價(jià)是進(jìn)行遙感監(jiān)測中極其重要的一步,本文采用分層隨機(jī)采樣法,選用2002~2004年3次野外實(shí)地調(diào)查數(shù)據(jù)、2000年龍海市1∶1萬的土地利用圖,并結(jié)合目視判讀經(jīng)驗(yàn),對分類結(jié)果進(jìn)行評價(jià)。在進(jìn)行分層分類方法時(shí)選取450個(gè)分析點(diǎn),其中包括龍海野外考察點(diǎn)(20個(gè))并作為用戶自定義點(diǎn)導(dǎo)入,其它430個(gè)點(diǎn)由機(jī)子隨機(jī)產(chǎn)生。精度評價(jià)結(jié)果列于表2,然后將這些自動(dòng)生成的隨機(jī)點(diǎn)和野外考查點(diǎn)保存起來,并且作為監(jiān)督與非監(jiān)督方法的評價(jià)點(diǎn)?？梢钥闯?經(jīng)過分區(qū)和分層處理后圖像的總體精度明顯高于傳統(tǒng)的非監(jiān)督和監(jiān)督分類,主要是因?yàn)閭鹘y(tǒng)的分類方法都是在全圖范圍內(nèi)一次性進(jìn)行所有地物的分類,各種地物之間容易產(chǎn)生干擾,影響分類的精度,例如火燒跡地和裸露地以及居民地混淆情況十分嚴(yán)重,另外湖泊、水庫等由于光譜值和火燒跡地大致相同,特別是在非監(jiān)督分類中,由于養(yǎng)殖場和河流的光譜曲線十分相似,很難將其區(qū)分開。分層的分類方法就可以在很大程度上消除這種情況,它按照一定的分類規(guī)則分別設(shè)計(jì)各種分類器,對圖像中的各個(gè)像元進(jìn)行逐層的識(shí)別、歸類、通過若干次中間判別最終得到判別分類的結(jié)果,在層次間不斷的加入專家知識(shí)和各種地理圖層,采用逐級邏輯判別的方式,使人的知識(shí)及判別思維與圖像有機(jī)的結(jié)合起來,避免出現(xiàn)邏輯上的分類錯(cuò)誤。例如,即使植被中某些林地光譜與某塊田地的光譜值接近或者湖泊水庫與海水光譜接近,由于在分層的過程中不僅考慮了它們的光譜信息,同時(shí)也考慮了它們的地物特征以及空間特征,提供了不同的分類方案,所以即使在常規(guī)方法中容易混淆的類別也不會(huì)將它們錯(cuò)誤的分為一類。當(dāng)然,也不能完全避免誤分的現(xiàn)象,如仍有若干養(yǎng)殖場與海水混淆,少量的田地與林地混淆的情況,但程度已遠(yuǎn)遠(yuǎn)小于傳統(tǒng)的分類方法,分類的精度也得到較大的提高。5分層標(biāo)準(zhǔn)劃分地物本文以龍海市作為研究區(qū)域,利用ASTER數(shù)據(jù),基于分層分類方法對土地利用/覆蓋分類進(jìn)行研