基于遙感技術(shù)的土地利用與土地覆蓋的分類方法

1、第4期,總第42期國土資源遙感No.4,1999 1999年12月15日REMO TE SENSIN G FOR LAND&RESOURCES Dec.,1999基于遙感技術(shù)的土地利用與土地覆蓋的分類方法甘甫平1王潤生2王永江2付正文11(中國地質(zhì)大學(xué),北京1000832(國土資源部航空物探遙感中心,北京100083摘要分類方法在土地利用和土地覆蓋變化研究中占據(jù)重要的地位。土地利用與覆蓋分類首先涉及圖像的處理以及分類系統(tǒng)的建立。目前機(jī)助分類技術(shù)主要著眼于統(tǒng)計(jì)模式識別和基于知識的分類決策。最終的精度評價(jià)可以進(jìn)一步完善分類決策。關(guān)鍵詞分類方法土地利用與土地覆蓋統(tǒng)計(jì)模式識別基于知識的分類決策

2、精度評價(jià)分類號TP79:P2852+30引言在土地利用與土地覆蓋變化(L UCC研究中,土地利用與土地覆蓋的分類是必不可少的一步,且分類調(diào)查要具有現(xiàn)勢性,分類周期短,更新資源信息快,從而達(dá)到以最快的速度動態(tài)監(jiān)測土地資源利用及環(huán)境變化情況。本文基于遙感機(jī)助分類技術(shù)來闡述土地利用與土地覆蓋的分類方法。1預(yù)處理1.1圖像類型與時(shí)相的選擇一般而言,用于全球變化研究的土地利用與土地覆蓋的遙感,大區(qū)域范圍研究一般采用低分辨率小比例尺的AV HRR圖像,而局部區(qū)域及資源調(diào)查一般采用高精度高分辨率的TM圖像、SPO T圖像等。SAR圖像因不受大氣限制而具有潛在的應(yīng)用前景1。對遙感圖像類型的選擇,需要結(jié)合研究的

3、目的、意義以及區(qū)域的大小進(jìn)行,以免造成不必要的浪費(fèi)。比如完全可以用低分辨率的小比例尺數(shù)據(jù)解決全球變化問題,若選擇高精度大比例尺如航片和TM圖像等則完全沒有必要;同樣,若研究局部小區(qū)域變化而選擇了小比例尺的遙感圖像也難以解決實(shí)際問題。中國地域遼闊,因人文和地理景觀的不同,全國范圍內(nèi)土地利用與土地覆蓋研究可根據(jù)不同區(qū)域選擇不同傳感器的遙感圖像。收稿日期:1999-07-20。因植物長勢、物種及生長階段的不同等而在遙感圖像上有不同的光譜表現(xiàn)形式,因此,不同時(shí)相遙感圖像的選擇對分類具有很大的影響2。1.2圖像處理圖像處理包括圖像預(yù)處理與圖像增強(qiáng)處理。圖像預(yù)處理主要包括圖像幾何校正、輻射恢復(fù)與圖像匹配和

4、鑲嵌等;圖像增強(qiáng)處理除了常規(guī)的比值拉伸處理、直方圖均衡化、濾波處理等外,近年來,有關(guān)專家對以下幾方面進(jìn)行了研究3:波段合成增強(qiáng)處理。如最佳指數(shù)(O IF 的運(yùn)用,樣本間灰度差異特征、視覺色差合成等;各類信息源融合增強(qiáng)處理。如對不同傳感器數(shù)據(jù)的的融合處理、遙感信息與非遙感信息的融合、專家知識應(yīng)用等。1.3分類系統(tǒng)的建立為了有效地獲取地物類型,動態(tài)地了解土地利用現(xiàn)狀,同時(shí)也為了更好地從遙感圖像上獲取土地利用與土地覆蓋信息,就必須規(guī)范地物解譯標(biāo)志。圖像信息和地物的的地表特征4二者間的內(nèi)在聯(lián)系可通過解譯標(biāo)志有效地連系起來。一個(gè)分類系統(tǒng)具有兩個(gè)關(guān)鍵組成部分4,即一套解譯標(biāo)志和一套分類規(guī)則,沒有一個(gè)嚴(yán)謹(jǐn)?shù)?/p>

5、分類規(guī)則,地物類型的分類將是隨機(jī)的并缺乏連續(xù)性。誠然,一個(gè)分類系統(tǒng)還必須遵循兩個(gè)準(zhǔn)則:類與類之完全排斥,即土地覆蓋類型中的任何一類都屬于且僅屬于一個(gè)類別;分類必須完全窮盡,即任何一個(gè)分單元都且只有一個(gè)標(biāo)志。一個(gè)最終的分類系統(tǒng)必須具有層次性和等級性。為了便于資源共享,需建立統(tǒng)一規(guī)范的土地利用與土地覆蓋分類標(biāo)準(zhǔn)。2基于遙感技術(shù)的機(jī)助分類方法眾所周知,一幅遙感數(shù)字圖像相應(yīng)為一光譜數(shù)字矩陣,其行列交點(diǎn)為圖像元素或稱像素(像點(diǎn)、像元。對這些像元及其灰階表現(xiàn)出的紋理特征,采用不同的分類決策進(jìn)行分類識別,最終實(shí)現(xiàn)地物的分類和提取土地利用與土地覆蓋信息。一個(gè)理想的分類決策應(yīng)該符合如下標(biāo)準(zhǔn):精確;可重復(fù)使用;嚴(yán)

6、謹(jǐn)(對細(xì)微變化不敏感且能完全開發(fā)出數(shù)據(jù)內(nèi)涵;可整體運(yùn)用于整個(gè)目標(biāo)區(qū)域;客觀(不依賴于分析者的決定4。但這些標(biāo)準(zhǔn)往往很難滿足。大多數(shù)分類器是基于光譜信息的統(tǒng)計(jì)模式進(jìn)行分類識別的,如聚類分析、決策樹和相似性測度等;但一些后起的、融合有關(guān)分類類別知識的分類決策即基于知識或GIS 的分類器也越來越重要。2.1基于統(tǒng)計(jì)的分類決策在土地利用與土地覆蓋變化(L UCC 分類研究中,絕大多數(shù)基于光譜信息統(tǒng)計(jì)模式的算法都采用了監(jiān)督和非監(jiān)督分類方法,即使人工神經(jīng)網(wǎng)絡(luò)分類算法,目前也屬于監(jiān)督分類方法范疇5。統(tǒng)計(jì)監(jiān)督分類決策通用流程如圖1所示。監(jiān)督分類可以有效開發(fā)數(shù)據(jù)內(nèi)容,但需要太多信息可以決定地表信息的先驗(yàn)概率以致

7、一部分信息被忽略;非監(jiān)督分類雖是基于整個(gè)區(qū)域特征進(jìn)行的且不需要先驗(yàn)概率并具操作獨(dú)立性,但常?？赡軄G失特定的卻是相關(guān)的細(xì)節(jié)信息,進(jìn)而限制了分類的客觀性。基于統(tǒng)計(jì)決策分類器的缺陷隨著分類方法而異,但大都因以下方面知識不能準(zhǔn)確知道或在實(shí)際運(yùn)用中不可能知道而受到影響5,即區(qū)域光譜聚類的先驗(yàn)知識(概率;相似空間分布以及土地分類和土地覆蓋目標(biāo)光譜變化的先驗(yàn)知識(概率;多維光譜空間中光譜聚類以及它們分布的統(tǒng)計(jì)特征知識;控制分類過程事先規(guī)定的參數(shù)等。14第4期甘甫平等:基于遙感技術(shù)的土地利用與土地覆蓋的分類方法 圖1統(tǒng)計(jì)分類決策流程示意圖 為了克服上述缺陷,有些學(xué)者開發(fā)設(shè)計(jì)了不同的分類器。例如Cihlar 等

8、5 設(shè)計(jì)出進(jìn)程規(guī)范分類(Classfication by progressive generalization ,即CP G 。即首先尋找數(shù)據(jù)組中代表光譜聚類的均值,然后劃分一像元到某聚類,并對相同類進(jìn)行融合直到所剩下的聚類都被標(biāo)上分類標(biāo)志為止。該方法對空間分辨率以及輸入數(shù)據(jù)量的大小不敏感,在不需要光譜空間數(shù)據(jù)分布的先驗(yàn)知識下,能夠根據(jù)來自分析者最少輸入?yún)?shù)進(jìn)行自動分類;Solaiman 等6也提出了多光譜分類后信息融合的方法。該算法主要基于圖像平滑和信息融合方法,即首先確定來自多光譜圖像、分類圖像以及平滑分類圖(STM 的相關(guān)特征,然后在分類圖上利用區(qū)域生長算法直到達(dá)到一邊界為止。該算法也不

9、需要圖像數(shù)據(jù)的先驗(yàn)信息,且能有效的去除salt and pepper噪聲,增強(qiáng)邊界信息,提高分類精度;另外是Harsanyi 等7提出了基于正交子空間的投影算法。該算法在一定程度上能解決混合像元的問題并能壓縮數(shù)據(jù),從而獲得較好分類結(jié)果。以上算法雖不依賴于光譜空間數(shù)據(jù)的先驗(yàn)知識而具有客觀性,并在一定程度上提高了分類精度,但是仍不具有普遍性。2.2基于知識和GIS 的分類決策基于知識和GIS 的分類決策,是引入高層知識,并將有關(guān)類別的知識作用于分類設(shè)計(jì)的各個(gè)過程,以利于分類和提高分類精度。其流程如圖2所示:圖2基于知識分類決策流程示意圖(引自林行剛模式識別研究生課程講稿.清華大學(xué)工程系,1995,

10、有增刪在土地利用現(xiàn)狀調(diào)查中,涉及到許多利于土地覆蓋與土地利用類型分類的知識。這些知識包括因不同的生長區(qū)域、不同的生長環(huán)境以及物種不同而表現(xiàn)出的不同特征。充分考慮到并運(yùn)用這些類別的知識能有效地提高分類精度。歸納起來有以下幾種情況:(1基于植物生長特征的土地利用與土地覆蓋分類識別。利用不同季相的遙感圖像進(jìn)行24國土資源遙感1999年分類識別2,8,利用植被指數(shù)如NDV I 、GU I 、WI 、B I 等進(jìn)行間接分類識別9;(2基于其它知識的分類識別。基于邊緣檢測和基于區(qū)域分類的雙重信息基礎(chǔ)之上的三維場景10以及建立在光譜和空間(知識規(guī)則上的圖像分類系統(tǒng)11;(3基于句法結(jié)構(gòu)的分類識別,如光譜知識

11、和上下文信息相結(jié)合12以及使用語義網(wǎng)絡(luò)場景的結(jié)構(gòu)分析自動解譯系統(tǒng)13;(4基于GIS 的分類識別。GIS 可以數(shù)值化(量化的形式存儲大量的屬性信息和地形地貌拓?fù)湫畔?。這些信息可以充分地應(yīng)用到遙感圖像的分類決策中。坡度、方位、地勢,以及高程對植被的分布有很大的影響,同時(shí)人文因素也越來越多地作用于土地利用與土地覆蓋變化8,14,有效的利用這些量化信息能夠提高分類的精度15,16?；诓煌瑳Q策的分類方法,往往因強(qiáng)調(diào)不同的重點(diǎn)而側(cè)重于不同的先驗(yàn)知識。基于知識和GIS 的分類,因知識表達(dá)與量化存在一定的局限性,不能有效地融入分類識別決策之中而限制了其發(fā)展。2.3動態(tài)監(jiān)測土地利用與土地覆蓋研究的最終目的是

12、為了研究土地的發(fā)展過程及未來的趨勢。因此動態(tài)監(jiān)測尤為重要。一般地,動態(tài)監(jiān)測的精度取決于分類的精度。在土地利用與土地覆蓋變化研究中,不僅要獲得土地利用變化的信息,而且還要獲得變化的類型,即獲得不同監(jiān)測時(shí)期的土地分類信息。其具體方法是對不同時(shí)期對象單獨(dú)比較分析和多時(shí)期數(shù)據(jù)同時(shí)分析17,18,1,9,即:(1圖像間的數(shù)據(jù)運(yùn)算。單變量圖像差值法、比值法、直接多時(shí)期分類法、背景提取法、分類后比較法等;(2圖像信息直接提取間接比較。植被指數(shù)法9、發(fā)射系數(shù)測定變化分析1等;(3圖像變化信息矩陣分析。變化向量分析法、圖像回歸法、K -T (纓帽變換、正交子空間投影法等。3分類精度評價(jià)在土地利用與土地覆蓋變化研

13、究中,土地利用分類精度的評價(jià)不僅必要也十分重要。一方面可以有效地對分類器進(jìn)行評價(jià)從而改造分類器,另一方面也是對遙感分類成果的最終評價(jià),即對分類圖中錯(cuò)誤的理解,全面評價(jià)分類圖的可靠性。精度評價(jià)一般基于下列準(zhǔn)則4:(1取樣設(shè)計(jì)必須經(jīng)濟(jì)有效;(2分類規(guī)則必須嚴(yán)謹(jǐn)且定義完美;(3評價(jià)精度程序具有統(tǒng)計(jì)定義上的嚴(yán)謹(jǐn);(4檢驗(yàn)數(shù)據(jù)的精度也要進(jìn)行評估;(5評價(jià)分類精度的數(shù)據(jù)必須與用于分類的那些數(shù)據(jù)一樣具有相同的規(guī)范化的高質(zhì)量。分類精度一般采用矩陣、混淆矩陣表示,其它如誤差動態(tài)表示方式19等也可采用。4討論基于遙感技術(shù)的土地利用與土地覆蓋變化調(diào)查,其關(guān)鍵技術(shù)是圖像分類處理獲取信息的34第4期甘甫平等:基于遙感技

14、術(shù)的土地利用與土地覆蓋的分類方法方法。目前,遙感圖像的分類技術(shù)遠(yuǎn)遠(yuǎn)跟不上遙感技術(shù)本身的發(fā)展。因此,如何有效地利用這些巨大的信息源并且獲得高精度的土地覆蓋類型以及變化信息,一直是人們努力的方向。各種學(xué)科、各種知識、各種技術(shù)的滲透越來越增加了分類的精度與可靠性,并向普適性、高效性的分類器方向發(fā)展。但仍需指出,時(shí)至今日,成功的分類方法仍是目視解譯5。如何有效地模擬人腦識別分類的能力以便有效地進(jìn)行自動分類將是今后研究的重要方向之一。在相當(dāng)長的一段時(shí)間內(nèi),目視解譯分類與機(jī)助自動分類將協(xié)調(diào)發(fā)展。參考文獻(xiàn)1Grandell J ,et al.Subpixel land use classification

15、and retrieval of forest stem volume in the boreal forest zone by employing SSM/I data.Remote Sensing of Environment.1998,63:1401542Pierce L.E ,et al.Multiemporal land-cover classification using SIR C/X SAR imagery.Remote Sensing of Environment ,1998,64:20334Congalton R G ,et al.Mapping and monitorin

16、g agricultural crops and other land cover in the lower Colorado River Basin.PE &RS ,1998,64(11:110711136Solaiman B ,et al.An information fusion method for multispectral image classification postprocessing.IEEE Trand.G eosci and Remote Sensing ,1998,36(2:3954067Harsanyi J C ,et al.Hyperspectral i

17、mage classification and dimensionality reduction ;an orthogonal subspace projection approach.IEEE Trans.G eosci.Remote Sensing ,1994,32(4:7797858Vogelmon J e ,et al.Regional characterization of lead cover using multiple source of data.PE &RS ,1998,64(1:45579Todd S W ,et al.Responses of spectral

18、indices to variations in vegetation cover and soil background.PE &RS ,1998,64(9:91592110Bonnin P ,Zadorique B.An edge point/region cooperative segmentation spectic to 3D scence reconstruction.in vcip 90.SPIE ,1990,1360:1270128111Ton J ,et al.Knowledge-based segmentation of land images.IEEE Trans

19、.G eosci.Remote Sensing ,1991,29(3:22223112Wharton S W.A spectral-knowledge-based approach for urban land cover discrimination.IEEE Trans.G eosci.Remote Sensing ,1987,G e 25(5:27228213Nicolin B ,et al.A knowledge-based system for the analysis of aerial images.IEEE Trans.G eosci.Remote Sensing ,1987,

20、GE -25(5:31732916陳健飛.“3S ”技術(shù)與資源可持續(xù)利用.資源科學(xué),1998,20(6:202419Fisher P F.Visualization of the reliability in classified rem ote sensing images.PE &RS ,1994,60(7:90591044國土資源遙感1999年第4期 甘甫平等 : 基于遙感技術(shù)的土地利用與土地覆蓋的分類方法 ·45 · THE CLASSIFICATION METHOD BASED ON REMOTE SENSING TECHNIQUES FOR LAND U

21、SE AND COVER Gan Fuping1 Wang Runsheng2 Wang Y ongjiang2 Zhengwen1 Fu 1 2 ( China University of Geoscience Beijing 100083 ( Aero Geophysical S urvey and Remote Sensing Center , the Minist ry of L and and Resources , Beijing 100083 Abstract T echniques of classification are very importance for Land U

22、se and Cover Change (LUCC . LUCC study are on the basis of the image processing and the classification system in the first. Now the computer- based classification techniques study has been focusing on the statistical pattern recognition and the knowledge- based classification rule. The final evaluat

23、ion of accuracy will improve the classification rule. K words T ey echniques of classification Land use and cover change (LUCC Statistical pattern recognition Knowledge- based classification rule Remotely Sensing 第一作者簡介 : 甘甫平 男 1971 年生 ,1995 年于成都理工學(xué)院畢業(yè) ,獲工學(xué)學(xué)士 ,1998 年獲中國地質(zhì)科學(xué)院 理學(xué)碩士 ,現(xiàn)就讀于中國地質(zhì)大學(xué) (北京 ,攻讀地圖制圖與地理信息工程博士學(xué)位 。研究方向?yàn)檫b感地學(xué)變化 信息識別與提取 。 (上接第