基于面向对象技术的农田分类方法

丛 瑜，苗正红

（1.吉林省水利水电勘测设计研究院，吉林 长春 130021）

基于面向对象技术的农田分类方法

丛 瑜1，苗正红1

（1.吉林省水利水电勘测设计研究院，吉林 长春 130021）

采用面向对象的分类方法，以富锦地区为研究对象，将纹理和拓扑信息加入中等分辨率遥感影像中，快速准确地提取耕地信息。研究结果表明，利用面向对象技术对遥感影像进行多尺度分割，并结合影像的光谱、形状和纹理特征对水田和旱地进行提取，提取后的成果总体分类精度达到了92%，Kappa系数为0.91，说明采用面向对象技术对中等分辨率遥感影像进行耕地提取的成果可靠，可为大面积土地分类提供技术支持。

面向对象；水田；旱地；遥感影像

传统的像元分类方法是以像元为基本单元进行分类，参与信息提取的因子是像元的光谱信息[1]，随着遥感影像分辨率的不断提高，地物的空间信息变得非常丰富，传统分类方法已经不能满足高分辨率遥感影像信息提取的要求，面向对象的分类方法首先是将遥感影分割成影像对象，结合影像对象的光谱、形状、纹理、层次、邻域、空间位置、类别间关系等特征信息对影像进行分割，得到同质对象，再对影像对象进行信息提取和分析。这种方法可以实现较高层次的遥感图像分类和目标地物提取[2]，国内外众多学者利用这种方法对遥感影像进行分类，该方法提取精度高、速度快[3-5]。

Landsat8是2013年美国航空航天局（NASA）发射的陆地卫星，具有空间分辨率高，资料来源稳定、连续等优点，共有8个波段，波段1～7为多光谱，波段8为15 m分辨率的全色波段，卫星每16 天可以实现一次全球覆盖，已被证实非常适用于沿海地区的水田和旱地空间信息提取[8]。

本文基于面向对象的农田分类方法是以Landsat8图像为分类影像，利用影像的纹理信息、光谱特征、形状特征等进行尺度分割，利用eCognition、ArcGIS等软件完成面向对象分类以及相关分析，得到的结果能满足中小尺度影像制图的精度需求。

1 数据与方法

1.1 数据准备与预处理

1）遥感影像数据。覆盖富锦市的Landsat TM/ ETM+遥感影像，时间为2010年7月，分辨率为30 m；数据经过了几何校正、裁切和投影变换等处理，投影方式统一为Albers等面积投影。

2）数字高程模型DEM。覆盖研究区的数字高程模型分辨率为30 m。

3）野外验证点数据。研究区野外验证点共38个，包括坐标、土地利用类型、地物特征等信息，投影方式为Albers等面积投影。

4）其他地理底图数据，包括土地利用现状图、行政区划图。以上图件经扫描后进行数字化和投影变换，投影与上面数据一致。

1.2 面向对象方法

本文采用多尺度分割算法，利用易康软件，基于影像的光谱特征、几何特征、纹理以及与其他对象的关系[9]，同时也要考虑到质地、形状大小等特征，对遥感影像进行分割，从而得到影像对象。根据研究区的特点，采用的多尺度方案均包含多季相遥感数据集7 个波段的信息。表1为用于分类的特征信息[10-11]。

采用隶属函数法和最邻近分类法相结合，将基于结构明确且容易描述的决策树引入这两种方法，对这两种方法进行补充使用，以发挥各自的优势，提高分类的精度[12-13]。

表1 特征信息

2 结果分析

2.1 分类过程

面向对象提取水田和旱地的步骤如下（流程图见图1）：

1）利用试验区的DEM对Landsat TM影像进行正射纠正，消除几何畸变，再利用地形数据，在ERDAS软件中选取地面控制点，对正射纠正后的影像进行几何精纠正。

2）对影像进行多尺度分割，得到一系列空间上相邻、同质性较好的分割单元，并将每个单元作为一个对象。分割尺度设置为100，彩色因子为0.69，形状因子为0.35，光滑度设置为0.60，紧致度设置为0.41。

3）通过特征提取得到对象的光谱特征、算术特征、纹理特征、形状特征、结构特征等多种特征信息。利用eCognition Developer 8.64提取对象的多尺度特征，包括HIS变换导出的色调（Hue）特征（Hue（R='Layer 6',G='Layer 5'，B='Layer 4'）、Hue（R='Layer 7'，G='Layer 6'，B='Layer 4'）、Hue（R='Layer 5'，G='Layer 4'，B='Layer 3'）），以及纹理特征、拓扑特征等。

4）利用上步得到的Hue（R='Layer 6',G='Layer 5'，B='Layer 4'）算术特征区分林地与非林地的特征值，并从Landsat8的OLI影像中去除林地，林地对象提取的隶属度函数为Hue≤0.37。

5）在非林地对象中利用水田和旱地的拓扑特征、纹理特征、光谱特征逐步判定并进行提取。

6）依据水田与旱地含水量的差异，以及Landsat8的影像中各个波段组合对水田和旱地特征凸显的程度不同，设置提取水田的色调特征，其隶属度函数参数设置为Hue（R='Layer 7'，G='Layer 6'，B='Layer 4'）≤ 0.87；

7）设置旱地的色调特征，其隶属度函数参数设置为Hue（R='Layer 5'，G='Layer 4'，B='Layer 3'） ≤ 0.1。

图1 面向对象技术提取水田旱地流程

2.2 分类结果

通过以上步骤，得到富锦市耕地分类结果如图2所示。研究区内耕地的分布范围占绝大部分，旱地主要分布于研究区中部，水田主要分布于研究区东部。

图2 水田和旱地分类结果图

2.3 精度验证

根据实地调查的38个样点对分类精度进行评价，通过对分类的结果进行混淆矩阵分析，得到结果见表2。从表中可以看出，应用本文方法进行农田分类的结果精度较高，总体分类精度达到了92%，Kappa一致性检验结果是0.91。

表2 分类结果精度评价表

[1] 王建芳,包世泰.面向对象解译方法在遥感影像地物分类中的应用[J].热带地理,2006,26(3):234-239

[2] 宋杨,李长辉,林鸿.面向对象的eCognition遥感影像分类识别技术应用[J].地理空间信息,2012,10(2):64-66

[3] BAATZ M,SHCAPE A.Multiresolution Segmentation:An Optimization Approach for High Quality Multi-scale Image Segmentation [J]. Beitr äge zum A GIT Symposium Salzburg, 2000(2):12-16

[4] HOFMANN P. Detecting Buildings and Roads from IKONOS data Using Additional Elevation Information[J], GeoBIT/ GIS,2001(6):28-33

[5] 黄慧萍,吴炳方,李苗苗,等.高分辨率影像城市绿地快速提取技术与应用[J].遥感学报,2004,8(1):68-74

[6] 莫登奎,林辉,孙华,等.基于高分辨率遥感影像的土地覆盖信息提取[J].遥感技术与应用,2005,20(4):411-414

[7] 明冬萍,骆剑承,周成虎,等.高分辨率遥感影像信息提取及块状基元特征提取[J].数据采集与处理,2005, 20(1): 34-38

[8] GAMANYA R,MAEYER P D,DAPPER M D.Object-oriented Change Detection for the City of Harare, Zimbabwe[J]. Expert Systems with Applications, 2009(36): 571-588 [9] BAATZ M, HEYNEN M, HOFMANN M, et al. Cognition User Guide 2.0: Object Oriented Image Analysis, München [M]. Germany: Definiens Imaging Gmb H,2001

[10] BAATZ M, SCHÄPE A. Multiresolution Segmentation: an Optimization Approach for High Quality Multi-scale Image Segmentation [C]//Angewandte Geographische Information Sverarbeitung XII. Beiträge zum AGIT-Symposium Salzburg, Karlsruhe, Herbert Wichmann Verlag,2000

[11] NAVULUER K. Multispectral Image Analysis Using the Object-Oriented Paradigm [M].Boca Raton, FL: CRC Press,2007

[12] JOHN R,JANET F,DAR A.A Comparison of Methods for Monitoring Multitemporal Vegation Change Using Thematic Mapper Imagery[J].Remote Sensing of Environment,2002,80(1):143-156

[13] 谢静, 王宗明, 毛德华,等. 基于面向对象方法和多时相HJ-1影像的湿地遥感分类：以完达山以北三江平原为例[J].湿地科学,2012,12(4):429-438

P237

B

1672-4623（2016）10-0088-02

10.3969/j.issn.1672-4623.2016.10.027

丛瑜，硕士研究生，工程师，主要从事地理空间分析和遥感分析工作。

2015-07-17。

项目来源：国家重点基础研究发展计划资助项目（2012CB956103）；中国科学院碳专项子课题资助项目（XDA05050101）。