基于Landsat-8监督分类与非监督分类的土地利用分类方法比较

廖东　戴洪宝　许继影

摘 要：本文以遥感监督分类和非监督分类原理为研究基础，采用2018年Landsat-8遥感影像作为基本数据源，利用监督分类和非监督分类中的最大似然和ISODATA分类法对宿州市埇桥区遥感影像进行处理，最后对分类的结果进行精度评价。通过分析可知，监督分类的分类效果更好，非监督分类虽然精度较低，但其不需要先验知识，所以分类速度更快。因此，在分类时，要根据实际情况来选择合适的分类方法。

关键词：影像分类;非监督分类;监督分类;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

土地利用的变化研究在全球环境变化中一直占据着重要地位，所以加强对这一课题的研究具有重要意义。以往对一个地域进行分析前都会先通过相关资料了解该地域的土地使用情况。但是，这些资料可能不完整或者丢失，从而给土地利用及土地的覆盖变化分析带来较多麻烦，且研究费用会逐渐增多，这些都致使土用利用规划变得困难重重。而遥感获取信息的速度快，且周期短，可以更好地监测大中尺度的土地使用情况[1]。近年来，我国借助高分辨率卫星遥感数据，对各类土地及建设用地占用耕地的情况进行了分析。随着科技水平的不断提高，遥感影像的分辨率越来越高，因而，被广泛应用于土地测量方面[2]。此前由莫源富提出的分区分类法，使得山区遥感图像的分类变得更加准确。随着遥感技术的发展，分区分类法已经被应用于多个领域。

1 研究区概况

埇桥区位于安徽省北部，淮北平原东北部，东临灵壁县，西接濉溪县，南连怀远县，北与江苏省铜山县接壤，介于东经116°51′～117°05′，北纬33°17′～34°06′，总面积2 868km2。埇桥区属于黄淮平原的一部分，地形以平原为主，北部兼有丘陵岗地;地貌特征是北高南低，由西北向东南递减倾斜。埇桥区属暖温带半湿润季风农业气候区，具备南北过渡气候类型的特点。同时，受冷暖气流的影响，冬季干旱少雨、夏季多雨，四季分明，昼夜温差较大，光照充足，雨量中等，全年主导风向为偏东风，年平均风速2.6m/s。由于地处南北气候过渡带，气候对本地农业生产的影响较为强烈，旱涝等自然灾害时常发生。

2 遥感影像预处理

2.1 遥感影像

本文选取的是Landsat-8遥感影像，通过地理空间数据云下载得蚌埠市龙子湖区的遥感影像。美国在2013年发射了Landsat-8卫星并投入运营。Landsat-8衛星上携带两个传感器，分别是OLI陆地成像仪（Operational Land Imager）和TIRS热红外传感器（Thermal Infrared Sensor）。该卫星无论在空间分辨率上还是在波段数量上，都有了明显进步，最高分辨率可达15m。此外，其中多出来的波段也可作其他分析使用，并且对全球进行一次全覆盖只要16d。

2.2 遥感图像预处理

通常情况下，遥感卫星会因自身问题、天气条件的约束及其他因素的影响，增加地物信息提取难度，从而导致出现误差。为了更好地进行研究，将对影像进行处理。本次研究进行了预处理操作。

3 分类及分类结果比较分析

3.1 非监督分类

非监督分类，也称为聚类分析，是指在没有先验知识的前提下，通过计算机自己去识别，其是按照灰度值向量划分点群，虽然能分出不同的类别，但无法确定相关属性。K-means和ISODATA是非监督分类中较为常用的两种分类算法，这两种分类方式优于其他分类方式[3，4]。

本文使用基于ISODATA算法的非监督分类。ISODATA是迭代自组织数据分析技术（Iterative Self-organizing Data Analysis Technique）的简称，也可以被称为动态聚类分析法（Dynamic Clustering Analysis）。本文利用ENVI进行非监督分类，得到分类结果。

3.2 监督分类

遥感影像的监督分类是在已知类别的训练场地上提取各类别训练样本，通过选择特征变量、确定判别函数或判别式（判别规则），进而把影像中的各个像元点划归到各个给定类的分类，这种分类方法又称为训练场地法[5]。本文选取的是监督分类中的最大似然分类法，将耕地、草地、林地、水体、居民、其他作为监督分类的训练样本。在ENVI5.1平台上，训练样本以ROI（Region of Internet）来存储，然后再对该区进行监督分类。这种分类方式的优点是，在监督分类中，由于其数学的计算原理较好，所以分类效果较好。缺点是，计算量较大，需要考虑的因素较多，导致在计算误差矩阵时比较分散。最大似然分类法在多种地物的情况下以及有特征空间出现重复叠加的情况下，能发挥出更大优势。

3.3 结果比较分析

遥感影像完成分类后，与真实地物数据相比，发现两者存在差异。分类结束后进行精度评价，分析分类方式的优缺点。本研究使用的精度评价方法是混淆矩阵法，通过混淆矩阵的分析方法来分析监督分类中最大似然法与非监督分类中ISODATA分类法的优劣。表1为Kappa系数精度标准。

可得出，ISODATA分类方式的土地分类总体精度是38.35%，Kappa系数是0.264 8。可见，利用该方法进行土地分类的精度较低。这主要是因为ISODATA是非监督分类，在没有先验知识的情况下，只是靠图像本身的特征，然后依托软件识别进行计算，得到分类结果，因此分类结果一般。

训练区的质量将会在很大程度上影响最大似然法的分类精度，如果训练区选取得较好，那么得到的结果通常较为理想。从表3可知，利用最大似然法分类后的总体精度是84.78%，Kappa系数是0.775 9，其分类结果要优于ISODATA分类法。

4 结论

本文选取了监督分类中的最大似然分类法以及非监督分类中的ISODATA分类方法来探讨监督分类与非监督分类的区别。通过分析，可以得出以下结论。

①两种分类方法在分类原理上存在本质上的不同，从结果来看，在一定条件下，监督分类的结果要优于非监督分类。

②在实际运用中，这两种方法各有所长。假如需要分类的地区面程较大，且要求大致得出分类，非监督分类是一个较好的选择;如果要求做出精度要求较高的影像时，监督分类更有优势。

参考文献：

[1]張丽，蒋平安，杨朋润，等.石河子垦区土地利用土地覆被变化遥感监测研究[J].新疆农业大学学报，2005（1）：6-8.

[2]李冬梅，濮励杰，韩书成，等.吴江土地利用结构信息熵变化诱因[J].福建农林大学学报（自然科学版），2008（4）：415-419.

[3]张莹.遥感影像监督分类和非监督分类方法探讨[J].黑龙江科技信息，2016（2）：79-80.

[4]潘建刚，赵文吉，宫辉力.遥感图像分类方法的研究[J].首都师范大学学报（自然科学版），2004（3）：86-91.

[5]孙同贺，闫国庆.基于遥感技术的土地利用分类方法[J].测绘与空间地理信息，2013（1）：5-8.