应用遥感分类的江西某市土地动态监测探讨

2016-06-15 21:15刘亚千姜超群
科技资讯 2015年36期
关键词:全色波段土地利用

刘亚千++姜超群

DOI:10.16661/j.cnki.1672-3791.2015.36.014

摘 要:近年来,由于区域人口的增加和社会经济的快速发展,某市的土地利用类型发生了明显变化。本文以该地区的Landsat-8 OLI影像为数据源,利用envi软件对其进行监督分类,对监督分类的结果进行精度验证,论述了采用Landsat-8 OLI影像获得城市土地利用分类的技术流程,为该地区以后的动态监测提供了依据,对于土地可持续利用具有重要意义。

关键词: Landsat-8 OLI 土地利用 监督分类

中图分类号:P237 文献标识码:A 文章编号:1672-3791(2015)12(c)-0014-02

近年来,由于经济的快速发展,城市土地利用类型变化较大,遥感数据被广泛用于土地利用和土地覆盖研究,遥感技术的快速发展为土地利用研究提供了有力的工具。利用遥感图像解译编制土地利用类型图是一种经济实用的方法,能够快速、准确、大范围地获取土地资源状况,它可为摸清土地资源的数量与质量并进行合理利用提供科学依据。该文利用Landsat-8遥感影像结合ENVI工具,快速得到了城市的土地利用类型。通过对分类结果精度的验证,证明了此技术可以作为获取土地利用信息的有效手段。

1 研究区概况

某市气候属亚热带湿润性东南季风气候, 具有冬寒夏暖、春湿秋旱、夏季多雨、冬季少雪、四季分明的特征。地形以平原为主,兼有少量低山丘陵以及岗地。植被类型繁多,自然植被以常绿阔叶、落叶阔叶混交林为主,马尾松、杉木、栎树分布普遍。

2 数据来源

2013年2月11号,美国航空航天局(NASA) 成功发射了 Landsat 8卫星,其上携带OLI陆地成像仪和TIRS热红外传感器。OLI陆地成像仪包括9个波段,空间分辨率为30 m,其中包括一个15米的全色波段。与ETM+传感器相比,OLI包括了ETM+传感器所有的波段,OLI全色波段Band8波段范围变窄,使全色图像更易区分植被和无植被地区,有利于目视判读和城市土地利用分类。此外,还有两个新增的波段:蓝色波段(band 1;0.433–0.453 μm)和短波红外波段(band 9;1.360–1.390 μm)。

研究选取2013年9月的两景Landsat-8 OLI影像对该市进行土地利用分类研究,行列号分别为123/38和123/39,两景数据云量较少,成像清晰,利于后续分类处理。

3 数据处理

3.1 彩色合成和图像融合

不同的波段组合有其不同的主要用途,根据目视判读的需要,各类地物间的反差应尽可能大,根据前人在长期工作中总结的Landsat TM(ETM+)不同波段合成对地物增强的效果,TM的4、3、2波段组合的地物图像丰富、鲜明、层次好,可用于植被分类和水体识别,而OLI的5、4、3波段范围与TM的4、3、2波段范围非常接近,最后确定选择5、4、3标准假彩色波段组合。将多光谱波段影像和全色波段影像分别进行Seamless Mosaic无缝接边处理,用该市行政规划图shapefile矢量文件分别剪裁,将该市多光谱影像的5、4、3波段进行假彩色合成。

采用得到的该市假彩色合成影像与全色波段影像做HSV影像融合,使处理后的遥感图像既提高了空间分辨率,同时又保留了影像原本的多光谱特征,从而达到图像增强的目的,增强判读的准确性。经过HSV融合后,道路等细节能够更加清楚的分辨,地物间反差增大,更加有利于目视判读。

3.2 监督分类

对于监督分类而言, 训练区ROI的选择是否准确合理对分类精度有着很大的影响。使用ENVI的ROI TOOL工具在融合后的影像上采取样区,对比卫星影像地图上的实际地物,发现湖泊与水田、耕地与草地,很难剥离,所以决定将这四种地物划分为两类,结合该市实际情况,将土地利用类型分为:长江、湖泊水田、林地、灌木、耕地草地和城镇用地六类。选择完训练样本后,通过ENVI软件的Compute ROI Separability工具计算训练样本的可分离性,样本间可分离性结果值均大于1.8,说明样本之间的可分离性较好。

ENVI提供了多种监督分类方法, 最常使用的有最大似然法、神经网络分类法、最小距离法和支持向量机方法,不同方法参数设置不同, 而且最终分类效果也会有所不同。相较于其他几种方法,最大似然法的分类精度较高,且计算时间较快,本文采用最大似然法进行监督分类。建立一个背景的掩膜,使背景不参与监督分类,使用生成的分类模板和背景掩膜进行最大似然法监督分类,得到土地利用分类图(图1)。

3.3 精度评价

分类后进行精度评定,采用混淆矩阵的方法,混淆矩阵见表1。得到总体分类精度为97.707 1%,Kappa系数为0.971 2。由此可见分类精度很高,影像分类质量很好。

4 结果分析

根据统计分类结果可知,灌木面积为2 977.944 km2,占土地总面积的35.14%,面积最大;其次是城镇用地,面积为2 797.691 km2,占土地总面积的33.02%;耕地和草地面积为1 052.047 km2,占12.42%;湖泊和水田面积为860.08km2,占10.15%;林地面积为623.259 km2,占7.34%;长江面积为162.627 km2,占1.92%。

5 结语

该文以Landsat-8 OLI影像数据为数据源,得到了某市土地利用分类图,能够较好的反映某市的地表信息, 又具有较强的分类可行性。Landsat-8 OLI数据属于中等空间分辨率,具有合适的重访周期,更适合于做土地利用分析。

参考文献

[1] 张风霖,缑变彩,李靖琳.Landsat7 ETM+与Landsat8 OLI植被和非植被定量研究[J].山西建筑,2014,40(11):240-241.

[2] 邓书斌.ENVI 遥感图像处理方法[M].北京:科学出版社,2013:124-125.

[3] 闫琰,董秀兰,李燕.基于envi的遥感图像监督分类方法比较研究[J].北京测绘,2011(3):14-16.

猜你喜欢
全色波段土地利用
三星“享映时光 投已所好”4K全色激光绚幕品鉴会成功举办
海信发布100英寸影院级全色激光电视
浅谈书画装裱修复中的全色技法
土地利用生态系统服务研究进展及启示
M87的多波段辐射过程及其能谱拟合
滨海县土地利用挖潜方向在哪里
日常维护对L 波段雷达的重要性
全色影像、多光谱影像和融合影像的区别
基于SPOT影像的最佳波段组合选取研究
L波段雷达磁控管的使用与维护