基于Landsat-8監(jiān)督分類與非監(jiān)督分類的土地利用分類方法比較

廖東　戴洪寶　許繼影

摘 要：本文以遙感監(jiān)督分類和非監(jiān)督分類原理為研究基礎(chǔ)，采用2018年Landsat-8遙感影像作為基本數(shù)據(jù)源，利用監(jiān)督分類和非監(jiān)督分類中的最大似然和ISODATA分類法對(duì)宿州市埇橋區(qū)遙感影像進(jìn)行處理，最后對(duì)分類的結(jié)果進(jìn)行精度評(píng)價(jià)。通過(guò)分析可知，監(jiān)督分類的分類效果更好，非監(jiān)督分類雖然精度較低，但其不需要先驗(yàn)知識(shí)，所以分類速度更快。因此，在分類時(shí)，要根據(jù)實(shí)際情況來(lái)選擇合適的分類方法。

關(guān)鍵詞：影像分類;非監(jiān)督分類;監(jiān)督分類;ISODATA;最大似然法

Abstract： Based on the principle of supervised classification and unsupervised classification of remote sensing， this paper used Landsat-8 remote sensing image in 2018 as the basic data source， used the maximum likelihood and ISODATA classification methods in supervised classification and unsupervised classification to process remote sensing images in Yongqiao District of Suzhou City， and finally evaluated the accuracy of the classification results. Through the analysis of the results， it is found that supervised classification has better classification effect. Although the accuracy of unsupervised classification is lower， it does not need prior knowledge， so the classification speed is faster. Therefore， when classifying， we should choose the appropriate classification method according to the actual situation.

Keywords： image classification; unsupervised classification; supervised classification; ISODATA;maximum likelihood method

土地利用的變化研究在全球環(huán)境變化中一直占據(jù)著重要地位，所以加強(qiáng)對(duì)這一課題的研究具有重要意義。以往對(duì)一個(gè)地域進(jìn)行分析前都會(huì)先通過(guò)相關(guān)資料了解該地域的土地使用情況。但是，這些資料可能不完整或者丟失，從而給土地利用及土地的覆蓋變化分析帶來(lái)較多麻煩，且研究費(fèi)用會(huì)逐漸增多，這些都致使土用利用規(guī)劃變得困難重重。而遙感獲取信息的速度快，且周期短，可以更好地監(jiān)測(cè)大中尺度的土地使用情況[1]。近年來(lái)，我國(guó)借助高分辨率衛(wèi)星遙感數(shù)據(jù)，對(duì)各類土地及建設(shè)用地占用耕地的情況進(jìn)行了分析。隨著科技水平的不斷提高，遙感影像的分辨率越來(lái)越高，因而，被廣泛應(yīng)用于土地測(cè)量方面[2]。此前由莫源富提出的分區(qū)分類法，使得山區(qū)遙感圖像的分類變得更加準(zhǔn)確。隨著遙感技術(shù)的發(fā)展，分區(qū)分類法已經(jīng)被應(yīng)用于多個(gè)領(lǐng)域。

1 研究區(qū)概況

埇橋區(qū)位于安徽省北部，淮北平原東北部，東臨靈壁縣，西接濉溪縣，南連懷遠(yuǎn)縣，北與江蘇省銅山縣接壤，介于東經(jīng)116°51′～117°05′，北緯33°17′～34°06′，總面積2 868km2。埇橋區(qū)屬于黃淮平原的一部分，地形以平原為主，北部兼有丘陵崗地;地貌特征是北高南低，由西北向東南遞減傾斜。埇橋區(qū)屬暖溫帶半濕潤(rùn)季風(fēng)農(nóng)業(yè)氣候區(qū)，具備南北過(guò)渡氣候類型的特點(diǎn)。同時(shí)，受冷暖氣流的影響，冬季干旱少雨、夏季多雨，四季分明，晝夜溫差較大，光照充足，雨量中等，全年主導(dǎo)風(fēng)向?yàn)槠珫|風(fēng)，年平均風(fēng)速2.6m/s。由于地處南北氣候過(guò)渡帶，氣候?qū)Ρ镜剞r(nóng)業(yè)生產(chǎn)的影響較為強(qiáng)烈，旱澇等自然災(zāi)害時(shí)常發(fā)生。

2 遙感影像預(yù)處理

2.1 遙感影像

本文選取的是Landsat-8遙感影像，通過(guò)地理空間數(shù)據(jù)云下載得蚌埠市龍子湖區(qū)的遙感影像。美國(guó)在2013年發(fā)射了Landsat-8衛(wèi)星并投入運(yùn)營(yíng)。Landsat-8衛(wèi)星上攜帶兩個(gè)傳感器，分別是OLI陸地成像儀（Operational Land Imager）和TIRS熱紅外傳感器（Thermal Infrared Sensor）。該衛(wèi)星無(wú)論在空間分辨率上還是在波段數(shù)量上，都有了明顯進(jìn)步，最高分辨率可達(dá)15m。此外，其中多出來(lái)的波段也可作其他分析使用，并且對(duì)全球進(jìn)行一次全覆蓋只要16d。

2.2 遙感圖像預(yù)處理

通常情況下，遙感衛(wèi)星會(huì)因自身問(wèn)題、天氣條件的約束及其他因素的影響，增加地物信息提取難度，從而導(dǎo)致出現(xiàn)誤差。為了更好地進(jìn)行研究，將對(duì)影像進(jìn)行處理。本次研究進(jìn)行了預(yù)處理操作。

3 分類及分類結(jié)果比較分析

3.1 非監(jiān)督分類

非監(jiān)督分類，也稱為聚類分析，是指在沒(méi)有先驗(yàn)知識(shí)的前提下，通過(guò)計(jì)算機(jī)自己去識(shí)別，其是按照灰度值向量劃分點(diǎn)群，雖然能分出不同的類別，但無(wú)法確定相關(guān)屬性。K-means和ISODATA是非監(jiān)督分類中較為常用的兩種分類算法，這兩種分類方式優(yōu)于其他分類方式[3，4]。

本文使用基于ISODATA算法的非監(jiān)督分類。ISODATA是迭代自組織數(shù)據(jù)分析技術(shù)（Iterative Self-organizing Data Analysis Technique）的簡(jiǎn)稱，也可以被稱為動(dòng)態(tài)聚類分析法（Dynamic Clustering Analysis）。本文利用ENVI進(jìn)行非監(jiān)督分類，得到分類結(jié)果。

3.2 監(jiān)督分類

遙感影像的監(jiān)督分類是在已知類別的訓(xùn)練場(chǎng)地上提取各類別訓(xùn)練樣本，通過(guò)選擇特征變量、確定判別函數(shù)或判別式（判別規(guī)則），進(jìn)而把影像中的各個(gè)像元點(diǎn)劃歸到各個(gè)給定類的分類，這種分類方法又稱為訓(xùn)練場(chǎng)地法[5]。本文選取的是監(jiān)督分類中的最大似然分類法，將耕地、草地、林地、水體、居民、其他作為監(jiān)督分類的訓(xùn)練樣本。在ENVI5.1平臺(tái)上，訓(xùn)練樣本以ROI（Region of Internet）來(lái)存儲(chǔ)，然后再對(duì)該區(qū)進(jìn)行監(jiān)督分類。這種分類方式的優(yōu)點(diǎn)是，在監(jiān)督分類中，由于其數(shù)學(xué)的計(jì)算原理較好，所以分類效果較好。缺點(diǎn)是，計(jì)算量較大，需要考慮的因素較多，導(dǎo)致在計(jì)算誤差矩陣時(shí)比較分散。最大似然分類法在多種地物的情況下以及有特征空間出現(xiàn)重復(fù)疊加的情況下，能發(fā)揮出更大優(yōu)勢(shì)。

3.3 結(jié)果比較分析

遙感影像完成分類后，與真實(shí)地物數(shù)據(jù)相比，發(fā)現(xiàn)兩者存在差異。分類結(jié)束后進(jìn)行精度評(píng)價(jià)，分析分類方式的優(yōu)缺點(diǎn)。本研究使用的精度評(píng)價(jià)方法是混淆矩陣法，通過(guò)混淆矩陣的分析方法來(lái)分析監(jiān)督分類中最大似然法與非監(jiān)督分類中ISODATA分類法的優(yōu)劣。表1為Kappa系數(shù)精度標(biāo)準(zhǔn)。

可得出，ISODATA分類方式的土地分類總體精度是38.35%，Kappa系數(shù)是0.264 8?？梢?jiàn)，利用該方法進(jìn)行土地分類的精度較低。這主要是因?yàn)镮SODATA是非監(jiān)督分類，在沒(méi)有先驗(yàn)知識(shí)的情況下，只是靠圖像本身的特征，然后依托軟件識(shí)別進(jìn)行計(jì)算，得到分類結(jié)果，因此分類結(jié)果一般。

訓(xùn)練區(qū)的質(zhì)量將會(huì)在很大程度上影響最大似然法的分類精度，如果訓(xùn)練區(qū)選取得較好，那么得到的結(jié)果通常較為理想。從表3可知，利用最大似然法分類后的總體精度是84.78%，Kappa系數(shù)是0.775 9，其分類結(jié)果要優(yōu)于ISODATA分類法。

4 結(jié)論

本文選取了監(jiān)督分類中的最大似然分類法以及非監(jiān)督分類中的ISODATA分類方法來(lái)探討監(jiān)督分類與非監(jiān)督分類的區(qū)別。通過(guò)分析，可以得出以下結(jié)論。

①兩種分類方法在分類原理上存在本質(zhì)上的不同，從結(jié)果來(lái)看，在一定條件下，監(jiān)督分類的結(jié)果要優(yōu)于非監(jiān)督分類。

②在實(shí)際運(yùn)用中，這兩種方法各有所長(zhǎng)。假如需要分類的地區(qū)面程較大，且要求大致得出分類，非監(jiān)督分類是一個(gè)較好的選擇;如果要求做出精度要求較高的影像時(shí)，監(jiān)督分類更有優(yōu)勢(shì)。

參考文獻(xiàn)：

[1]張麗，蔣平安，楊朋潤(rùn)，等.石河子墾區(qū)土地利用土地覆被變化遙感監(jiān)測(cè)研究[J].新疆農(nóng)業(yè)大學(xué)學(xué)報(bào)，2005（1）：6-8.

[2]李冬梅，濮勵(lì)杰，韓書成，等.吳江土地利用結(jié)構(gòu)信息熵變化誘因[J].福建農(nóng)林大學(xué)學(xué)報(bào)（自然科學(xué)版），2008（4）：415-419.

[3]張瑩.遙感影像監(jiān)督分類和非監(jiān)督分類方法探討[J].黑龍江科技信息，2016（2）：79-80.

[4]潘建剛，趙文吉，宮輝力.遙感圖像分類方法的研究[J].首都師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2004（3）：86-91.

[5]孫同賀，閆國(guó)慶.基于遙感技術(shù)的土地利用分類方法[J].測(cè)繪與空間地理信息，2013（1）：5-8.