基于支持向量机的TM遥感影像土地利用/覆盖类型监测

荆鑫　舒清态　刘庆生

摘要基于TM遥感数据和林业二调数据，对云南省宜良县北古城镇进行土地监测和土地利用分类，利用ArcGIS和ENVI软件对原始影像数据进行裁剪，运用支持向量机（SVM）监督分类方法，将研究区的土地利用类型分为农地、建筑用地、水域、针叶林、裸地6个类别，并且达到一定的分类精度，以图像的形式直观地展示研究区的土地覆盖类型，并以林业二调数据为ROI（感兴趣区域）来验证分类精度。在此基础上，指出了研究区土地利用中存在的问题和生态结构的变化，并提出了调整对策。

关键词TM；土地利用；遥感分类；林业二调；支持向量机

中图分类号S28文献标识码A文章编号0517-6611（2014）22-07631-02

遥感技术在我国国土资源调查、耕地保护、林业等领域中，发挥了重大作用，无论从应用的规模和技术水平，都处于国内先进水平，初步形成了产业化[1]。我国从20世纪80年代开始逐步应用和发展航空和航天遥感技术和方法，进行国土资源调查和土地利用、植被覆盖动态监测[2]。现有的分类方法是以传统的模式识别技术为基础，如最大似然分类器、K-近邻法或最大似然和聚类方法结合等，这些方法只有在样本趋于无穷大时，才能获得理想的分类结果，而在多数的实际应用过程中，样本的数目通常是有限的，这些方法难以取得理想的效果[3]。统计学习理论是一种专门的小样本的统计理论，它是在经过大量的研究的基础上提出来的，为研究有限样本情况下的统计模式识别和更广泛的机器学习问题建立了一个较好的理论框架，支持向量机就是一种建立在统计学习理论基础上的机器学习方法[3]。

支持向量机分类方法是一种监督式的分类方法，需要确定研究中所要分类的个数以及标注过类型的训练样本，对于遥感土地利用分类本身而言，选取训练样本的方法主要根据相互验证来解决。所谓的相互验证即通过野外实地调查，了解研究区概况，然后在遥感影像上利用准确的界线和标志建立感兴趣区，选取并建立训练样本，这样的方法相对比较精确。遥感影像土地利用/覆盖的分类工作，是将遥感技术应用于国土、林业等领域的基础性工作，对如何在遥感影像上快速地获取精度更高的土地利用分类信息这一问题的研究具有十分重要的理论意义和应用前景。

1研究区概况

以位于102°10′～103°40′ E、24°23′～26°22′ N的云南省宜良北古城镇为研究区。北古城镇地处滇中腹地，是云南省昆明市宜良县的一个经济重镇，有南昆铁路横贯东西，境内有南盘江贯穿南北，与中外闻名的世界文化遗产石林和国家级风景名胜区九乡溶洞相邻。

北古城镇位于宜良县城东北部，距县城9 km，东南与匡远镇接壤，西面连接嵩明、匡远镇、汤池镇，北接马街乡、耿家营乡，东北连接九乡。全镇国土面积259 km2，南盘江贯穿北古城镇南北，镇东北面拥有丰富的黄土资源，土地肥沃。该区属于亚热带高原季风气候，物产丰富，主要粮食作物有水稻、蚕豆、小麦、玉米，主要经济作物有花卉、蔬菜、烤烟，主要的特色经济林果有小冲梨、樱桃、李、杨梅、枣、板栗、桃等。

2研究数据

2.1LandsatTM数据该研究所采用的是美国陆地卫星Landsat5的TM遥感影像，TM影像包含7个波段，空间分辨率是30 m，其中第六波段的空间分辨率是120 m，TM影像的具体参数见表1。