基于遥感与GIS的土地利用分类方法研究

高鑫 徐景东 冯阳 郭沥文 戴建林

摘  要：研究土地利用类型分类对国民经济具有重要意义。在土地利用类型分类中，常用的方法为监督分类与非监督分类，这两种方法都可以快速地对土地利用类型行分类，但针对不同的地物二者的分类精度是不同的。文章将最大似然法與ISODATA算法的分类结果与目视解译作对比，分析得出两种方法对不同地物的分类精度，确定其适用地物。分析得出最大似然法对于居民地、水田、天然草地的划分精度较高，精度分别为：88.89%、87.64%、90.96%;ISODATA算法对坑塘、水浇地的划分精度较高，精度分别可达到：95.38%和91.61%。

关键词：土地利用分类;最大似然法;ISODATA算法

中图分类号：P237        文献标志码：A         文章编号：2095-2945（2019）07-0116-03

Abstract： It is of great significance to study the classification of land use types for the national economy. In the classification of land use types， the commonly used methods are supervised classification and unsupervised classification， both of which can quickly classify land use types， but the classification accuracy is different for different ground objects. In this paper， the classification results of maximum likelihood method and ISODATA algorithm are compared with visual interpretation， and the classification accuracy of the two methods for different ground objects is analyzed， and the suitable ground objects are determined. The results show that the maximum likelihood method has high accuracy for the division of residential land， paddy field and natural grassland， and the accuracy is 88.89%， 87.64% and 90.96%， respectively. The accuracy of ISODATA algorithm for pit pond and irrigated land is high， and the accuracy can reach 95.38% and 91.61% respectively.

Keywords： land use classification; maximum likelihood method; ISODATA algorithm

引言

土地利用是国家重视的问题之一，也是全球环境变化人文因素计划与国际地圈生物圈计划的核心研究内容之一，随着人口增长速度的增加，可利用的土地资源却相对的越来越少，因此土地如何合理应用成为了各国重视的问题。为使有限的土地能够更加合理运用，我们应该对当地的土地利用类型进行研究分析，其分析出的各项指标，可以适当地反映出当地生产建设项目的生产规模、生产水平和生产特点等要素。

到目前为止，土地利用类型分类中，各种方法都相对较为成熟，但使用率较高的仍为监督分类和非监督分类这两种方法。这两种分类方法的分类精度均较高，但对于不同土地类型的分类有所差异，本文从两种分类方法中各选取一种算法进行了分类精度差异的比较研究，以确定其适用的最佳地物。其中，监督分类选取最大似然法;非监督分类选取ISODATA算法。

1 研究区概况

安新县隶属于河北省保定市，位于河北省中部，总面积738.6平方公里。安新县地理坐标为北纬38°10′-40°00′，东经113°40′-116°20′之间。安新县地貌特殊，西南方有冲积形成的洼地平原，东边具有华北平原最大的淡水湖泊-白洋淀，绿地、居民点、耕地、水体交错分布于此。安新县具有不同于其它地方的地貌特征，各地物的特征较为明显，是研究不同地物分类极佳的区域。

2 数据来源与处理

2.1 数据来源

本研究数据来源于地理空间数据云（http：//www.gscloud.cn）。选取研究区云量<1%的无坏带Landsat 8遥感影像，进行预处理。

2.2 目视解译

目视解译是遥感解译主要的传统方法，其也常被叫做目视判读（判译），是遥感成像的逆过程。因目视解译精度相对较高，综合考虑程度较高，故采用这种方法来检验最大似然法与ISODATA算法的分类精度。本研究以《土地利用现状分类（GB-21010-2017）》作为分类标准进行目视解译，分别划分出：公路、坑塘、天然草地、水浇地、水田等二级地类，城镇住宅用地和农村宅基地因为影像质量原因不好区分，因此这两个统一划分到居民地中。研究区目视解译结果如图1。

3 土地利用的两种分类方法

3.1 最大似然法

最大似然法是一种具有理论性的点估计法[5]。此中方法的主要思想为从整体中抽调出样本，确保与抽调样本的波段值相同的地块均赋有与样本相同的属性，归属于同一类地物。通过这样的分类进行土地利用类型的划分，进而得出分类后的不同土地利用类型所在的具体位置以及其具体面积的大小。按照研究区的大小、研究区中不同地物的种类以及研究区中的实际情况，本文研究的训练样本抽取具体数量如下：公路抽取30块;坑塘抽取9块;天然草地抽取11块;居民地抽取52块;水浇地抽取51块;水田抽取32块。分类结果如图2。

3.2 ISODATA算法

ISODATA算法是基于k-均值算法的基础上进行计算的。在计算中增加对类型结果的“合并”和“分裂”这两种操作，然后在这种计算方法运行时增加参数，对其进行控制，进而得出结论[6]。本文研究参数如下：最小分类数设置为6，最大分类数设置为18，迭代次数设置为10，进行分类计算，将分类后结果进行合并等处理。得出的最终结果如图3。

4 最大似然法与ISODATA算法精度评价

在完成最大似然法分类和ISODATA算法分类后，将两种算法的结果分别与目视解译成果做对比，进行精度分析。

4.1 最大似然法分类精度评价

将最大似然法的分类结果和目视解译的分类结果作对比，评价得到的总体精度为76.286%，Kappa系数为0.6799。通过总体分类精度可以看出，利用监督分类中的最大似然法进行土地利用类型分类时，最终结果显示有76.2860%的像元被正确划分，可见其划分的正确性较高，其结果可信度较高，可以用于土地利用分类中，对土地利用分类可以进行更高效处理。最大似然法的分类结果误差和精度评价如表1所示：

由表1的误差及百分比不难看出，最大似然法能够相对准确的划分出遥感影像中的居民地，划分正确率高达92.91%，制图精度为88.89%。但在公路的划分中，错分率却为76.70%，漏分百分比高达22.83%。由此可知，最大似然法在居民地划分中精度较高，在公路等其它地物类型的划分精度较低。

因此，当处理的遥感影像多为居民地和天然草地时，或需要解译区域的居民地和天然草地占地较多时，可使用最大似然法对此种研究区域进行解译，其精度可以满足大部分研究使用，可以快捷完成解译操作;若需要进行土地利用分类的研究区中，公路、坑塘较多，居民地相对占地较少时，应选择其它分类算法进行划分，最大似然法使用的计算方法不适用于对道路和坑塘的划分，其精度不足以进行后续研究。

4.2 ISODATA算法分类精度评价

将ISODATA算法的分类结果和目视解译的分类结果作对比，评价得到的总体精度为73.3051%，Kappa系数为0.6202。ISODATA算法的总体分类精度为73.3051%，总体分类精度大于70%，非监督分类的精度较高。ISODATA算法的分类结果误差和精度评价别如表2所示：

由表2可以得出在ISODATA算法中，居民地和坑塘的错分率较低，坑塘的漏分率仅为4.62%，由此可见，ISODATA算法对于坑塘等水体分类较为准确，对草地、公路等地物类型分类较为粗略，精准度较低。ISODATA算法对坑塘、水浇地划分的较为准确，制图精度与用户精度均比较高。

因此，ISODATA算法适用于水体分类，可以快速、准确的对河流、坑塘等进行划分，且划分精度较高。对某些河流或湖泊等水体较多的研究区可以使用ISODATA算法进行处理，可以节省人力，缩短解译时间，以提高工作、解译效率。

4.3 分类效果对比分析

在对最大似然法和ISOSATA算法的精度进行分析后，为确保自动解译的正确性，特将两种算法与目视解译进行对比。通过对比可以得出，最大似然法和ISODATA算法都可以很好地应用于土地利用类型分类，二者都能够较为快速、准确地对研究区地物进行划分，其划分精度因地物不同而不尽相同。对于居民地、天然草地、水浇地的划分，最大似然法比ISODATA算法精度较高，划分较为细致;对于坑塘的划分ISODATA算法较为细致，能够较为准确的划分出坑塘所在位置;然而对于道路的划分，最大似然法与ISODATA算法划分精度都比较低，划分出的道路不连通，精度不足，不能够进行后续工作，仍需人工进行目视解译。从整体的分类效果上看，最大似然大的分类效果要优于ISODATA算法，但对于个别地物，如坑塘、水田的划分，ISODATA算法的划分效果优于最大似然法。安新县土地利用类型较为单一，研究区域面积较小，故利用最大似然法与ISODATA算法的解译精度相对较高，当研究区土地利用类型复杂或研究区占地面积较大时，分类后的精度可能会受到不同程度的影响。并且，最大似然法与ISODATA算法的分类精度受影像的影响较大，对于同一研究区使用分辨率较高的影像分类后精度较高，本文研究选取的影像空间分辨率为30m，影像质量较差，道路在影像中只有1-2个像元，水田与水浇地的区别不明显，最大似然法与ISODATA算法存在较大影响，因此对道路或水体边界等较为细小的地物划分不清晰、不准确，仍需進行人工修正。水田与水浇地反映出的波段差异不大，自动分类时不易区分，误分、漏分像元数量较多，划分精度较差。

5 结论

通过用最大似然法、ISODATA算法对安新县土地利用分类结果与目视解译分类结果作对比，可以发现，自动解译结果与目视解译结果大致相同，利用最大似然法、ISODATA算法进行某地区的土地利用类型划分是真实可行的。同时根据上述对不同分类精度的对比，可以很明显看出，最大似然法和ISODATA算法对于不同地物进行划分时，精度不尽相同，因此适用的区域也各有差异。

最大似然法对于居民地、水田、天然草地的划分精度较高，精度分别为：88.89%、87.64%、90.96%;ISODATA算法对坑塘、水浇地的划分精度较高，精度分别可达到：95.38%和91.61%;对于公路来说，二者划分精度都较低。在进行土地利用类型划分中，应根据实际情况使用这两个方法，必要时可以混合使用以提高划分的精度，达到快速准确地对土地利用类型划分的目的。

参考文献：

[1]王敏，高新华，陈思宇，等.基于Landsat 8遥感影像的土地利用分类研究——以四川省红原县安曲示范区为例[J].草业科学，2015，32（05）：694-701.

[2]吴非权，马海州，沙占江，等.基于决策树与监督、非监督分类方法相结合模型的遥感应用研究[J].盐湖研究，2005（04）：9-13.

[3]杨鑫.浅谈遥感图像监督分类与非监督分类[J].四川地质学报，2008（03）：251-254.

[4]杨毅柠，宋微.国土调查中的遥感目视解译与矢量化方法研究[J].环境保护与循环经济，2009，29（10）：20-23.

[5]李建伏，赵玉成，贺怀清.基于最大似然原理的分类属性数据分层聚类算法[J].计算机应用与软件，2015，32（03）：247-252+296.

[6]曾江源.ISODATA算法的原理与实现[J].科技广场，2009（07）：126-127.