應用遙感影像分類方法的土地利用情況分析

許廣軍　吳玉煒　周智明

摘 要：近年來，由于區(qū)域人口的增加和社會經濟的快速發(fā)展，某市的土地利用類型發(fā)生了明顯變化。該文以該地區(qū)的Landsat-8 OLI影像為數據源，利用envi軟件對其進行監(jiān)督分類，對監(jiān)督分類的結果進行精度驗證，論述了采用Landsat-8 OLI影像獲得城市土地利用分類的技術流程，為該地區(qū)以后的動態(tài)監(jiān)測提供了依據，對于土地可持續(xù)利用具有重要意義。

關鍵詞：Landsat-8 OLI 土地利用 監(jiān)督分類

中圖分類號：P237 文獻標識碼：A 文章編號：1672-3791（2016）02（a）-0012-02

近年來，由于經濟的快速發(fā)展，城市土地利用類型變化較大，遙感數據被廣泛用于土地利用和土地覆蓋研究，遙感技術的快速發(fā)展為土地利用研究提供了有力的工具。利用遙感圖像解譯編制土地利用類型圖是一種經濟實用的方法，能夠快速、準確、大范圍地獲取土地資源狀況，它可為摸清土地資源的數量與質量并進行合理利用提供科學依據。該文利用Landsat-8遙感影像結合ENVI工具，快速得到了城市的土地利用類型。通過對分類結果精度的驗證，證明了此技術可以作為獲取土地利用信息的有效手段。

1 研究區(qū)概況

某市地處我國東部沿海向內陸過渡地帶，氣候屬亞熱帶濕潤性東南季風氣候， 具有冬寒夏暖、春濕秋旱、夏季多雨、冬季少雪、四季分明的特征。地形以平原為主，兼有少量低山丘陵以及崗地。植被類型繁多，自然植被以常綠闊葉、落葉闊葉混交林為主，馬尾松、杉木、櫟樹分布普遍。

2 數據來源

2013年2月11號，美國航空航天局（NASA）成功發(fā)射了 Landsat 8 衛(wèi)星，其上攜帶OLI陸地成像儀和TIRS熱紅外傳感器。OLI陸地成像儀包括9個波段，空間分辨率為30 m，其中包括一個15米的全色波段。與ETM+傳感器相比，OLI包括了ETM+傳感器所有的波段，OLI全色波段Band8波段范圍變窄，使全色圖像更易區(qū)分植被和無植被地區(qū)，有利于目視判讀和城市土地利用分類。此外，還有兩個新增的波段：藍色波段（band 1；0.433 0.453μm）和短波紅外波段（band 9；1.360 1.390 μm）。

研究選取2013年9月的兩景Landsat-8 OLI影像對該市進行土地利用分類研究，行列號分別為123/38和123/39，兩景數據云量較少，成像清晰，利于后續(xù)分類處理。

3 數據處理

3.1 彩色合成和圖像融合

不同的波段組合有其不同的主要用途，根據目視判讀的需要，各類地物間的反差應盡可能大，根據前人在長期工作中總結的Landsat TM（ETM+）不同波段合成對地物增強的效果，TM的4、3、2波段組合的地物圖像豐富、鮮明、層次好，可用于植被分類和水體識別，而OLI的5、4、3波段范圍與TM的4、3、2波段范圍非常接近，最后確定選擇5、4、3標準假彩色波段組合。將多光譜波段影像和全色波段影像分別進行Seamless Mosaic無縫接邊處理，用該市行政規(guī)劃圖shapefile矢量文件分別剪裁，將該市多光譜影像的5、4、3波段進行假彩色合成。

采用得到的該市假彩色合成影像與全色波段影像做HSV影像融合，使處理后的遙感圖像既提高了空間分辨率，同時又保留了影像原本的多光譜特征，從而達到圖像增強的目的，增強判讀的準確性。經過HSV融合后，道路等細節(jié)能夠更加清楚的分辨，地物間反差增大，更加有利于目視判讀（圖1）。

3.2 監(jiān)督分類

對于監(jiān)督分類而言， 訓練區(qū)ROI的選擇是否準確合理對分類精度有著很大的影響。使用ENVI的ROI TOOL工具在融合后的影像上采取樣區(qū)，對比衛(wèi)星影像地圖上的實際地物，發(fā)現湖泊與水田、耕地與草地，很難剝離，所以決定將這四種地物劃分為兩類，結合該市實際情況，將土地利用類型分為：長江、湖泊水田、林地、灌木、耕地草地和城鎮(zhèn)用地六類。選擇完訓練樣本后，通過ENVI軟件的Compute ROI Separability工具計算訓練樣本的可分離性，樣本間可分離性結果值均大于1.8，說明樣本之間的可分離性較好。

ENVI提供了多種監(jiān)督分類方法， 最常使用的有最大似然法、神經網絡分類法、最小距離法和支持向量機方法， 不同方法參數設置不同， 而且最終分類效果也會有所不同。相較于其他幾種方法，最大似然法的分類精度較高，且計算時間較快，該文采用最大似然法進行監(jiān)督分類。建立一個背景的掩膜，使背景不參與監(jiān)督分類，使用生成的分類模板和背景掩膜進行最大似然法監(jiān)督分類，得到土地利用分類圖（圖2）。

3.3 精度評價

分類后進行精度評定，采用混淆矩陣的方法。得到總體分類精度為97.707 1%，Kappa系數為0.971 2。由此可見分類精度很高，影像分類質量很好。

4 結果分析

根據統(tǒng)計分類結果可知，灌木面積為2 977.944 km2，占土地總面積的35.14%，面積最大；其次是城鎮(zhèn)用地，面積為2 797.691 km2，占土地總面積的33.02%；耕地和草地面積為1 052.047 km2，占12.42%；湖泊和水田面積為860.08 km2，占10.15%；林地面積為623.259 km2，占7.34%；長江面積為162.627 km2，占1.92%。

5 結語

該文以Landsat-8 OLI影像數據為數據源，得到了某市土地利用分類圖，能夠較好的反映某市的地表信息， 又具有較強的分類可行性。Landsat-8 OLI數據相對于MODIS等低空間分辨率、高時間分辨率數據來說，更加能夠確保分類結果的準確性；而QuickBird、SPOT等數據雖然具有高空間分辨率，但是價格貴、時間分辨率低，只適用于特定小空間尺度的研究。Landsat-8 OLI數據屬于中等空間分辨率，具有合適的重訪周期，更適合于做土地利用分析。

利用Landsat8 OLI影像編制土地利用類型圖是一種經濟實用的方法， 可為決策部門更加及時、準確地提供土地資源的數量、質量、分布及其變化趨勢以便從宏觀上調控土地資源利用，能夠有效避免由于人類對于土地資源的過度開發(fā)而引起的諸如溫室效應、土地退化、水土流失等一系列生態(tài)問題。

參考文獻

[1] 張風霖，緱變彩，李靖琳.Landsat7 ETM+與Landsat8 OLI植被和非植被定量研究[J].山西建筑，2014，40（11）：240-241.

[2] 鄧書斌.ENVI遙感圖像處理方法[M].北京：科學出版社，2013：124-125.

[3] 閆琰，董秀蘭，李燕.基于envi的遙感圖像監(jiān)督分類方法比較研究[J].北京測繪，2011（3）：14-16.