基于Landsat TM数据的潍坊市土地利用分类方法研究

摘 要
利用遥感技术对区域性土地利用分类，定量提取土地利用信息，是全球土地研究的重要领域之一。而遥感影像的自动信息提取和分类识别是实现这一目标的关键。本研究以潍坊市作为研究区，选取Landsat TM影像作为基础数据源，进行数据预处理，获得研究区影像，建立训练样本，将潍坊市土地利用类型分为林地、草地、耕地、水域、住宅工矿用地和其他土地6类。在遥感图像处理系统(ENVI)支持下，采用最大似然法、最小距离法、支持向量机法和IsoData法四种分类方法进行土地利用分类对比研究，运用不同的精度指数进行讨论，其中包括总体精度、分类精度以及决定最优算法的Kappa一致性系数。结果表明：最大似然分类方法具有较高的分类精度，以此获得了研究区的土地利用信息，建立土地利用柱状图，为潍坊市建设规划和发展提供参考。
关键词：土地利用变化；最大似然法；最小距离法；支持向量机法；IsoData法；Kappa系数
目 录
目 录 I
第1章 引言 1
1.1 研究背景 1
1.2 研究目的和意义 2
1.3 国内外研究现状 3
1.4研究内容及技术路线 7
第2章 研究区概况 9
2.1 研究区范围 9
2.2 研究区自然状况 9
2.3数据来源 10
2.4 数据预处理 13
第3章 基于遥感影像的土地利用分类。 18
3.1 土地利用分类系统 18
3.2 目视解译标志 19
3.3监督分类 20
3.4非监督分类 23
3.5聚类处理 25
第4章 不同分类方法土地利用信息提取 25
4.1基于不同处理方法的土地利用信息提取 25
4.2四种图像分类方法精度评价 28
4.3研究区的土地利用分布特征分析 33
4.4分类识别误差原因与提高精度的方法 34
第5章 总结与展望 35
5.1 本文总结 36
5.2 不足之处 36
5.3 未来展望 37
致 谢 38
参考文献 39
附录 41

第1章 引言
1.1 研究背景
土地是人类赖以生存的必备资源，人类的各种生产生活都与土地资源息息相关。土地资源在反映一个国家或者地区的地理结构、环境风貌的同时，也体现着这个地方的区域规划、经济发展、人文面貌等和人们生活关联紧密的一些宏观特征。近年来，由于科学技术水平日益提高、经济迅速发展，国际间的联系和合作逐渐加深，各国需要对土地利用进行详细的了解，从而做出整体性的规划。与此同时，经济建设对环境污染所照成的问题也越来越重，人们需要通过土地利用的情况对环境污染的程度和人民生活受影响的程度进行评估和规划。因此，可以说土地利用与全球的经济和环境的可持续性发展息息相关。由此可以看出土地利用的研究对于全球各个国家都极为重要，而与此相关的研究也一直都在进行。
遥感图像能够最直接反映的是环境中的土地覆盖信息，同时通过对不同时期遥感图像的比较和分析，可动态的分析环境变化的过程与机制。土地利用与覆盖变化的类型分析是进行环境空间格局研究的开始，也是进行过程与机制分析的基础前提。遥感技术也因此成为土地利用变化研究技术体系中的重要组成，通过应用遥感技术可以完成对土地利用/覆盖变化的分类及动态监测。
土地利用与土地覆盖类型提取方法一般采用基于数理统计的统计模式的分类方法，如最大似然法、最小距离法等。随着近年高分辨率遥感卫星的兴起，影像分类的理论和技术的不断完善和提高，产生的新的分类方法主要倾向于结构模式的方法，出现了一系列如人工神经网络方法。
精度分析是遥感数据分类过程中一项不可缺少的工作，根据分类结果的精度大小，可以正确地、有效地获取分类结果中的类型信息。在土地利用/覆盖变化的研究中，提高和改进不同分类方法的精度，使之更加真实客观地反映研究区域土地利用的实际情况，从而达到实用的要求是人们较为关心的问题。
论文选用目前在遥感领域中比较成熟且应用较为广泛的几种分类方法，分别对研究区域内土地利用与土地覆盖信息进行提取，并对其分类结果进行精度评价，比较和分析使用不同分类方法的分类能力与精度，并在此基础上进一步探讨分析不同的分类方法在土地利用/覆盖变化研究的适应性。
1.2 研究目的和意义
土地资源是社会发展和生存中的最重要的基础资源。土地利用/覆盖变化(LUCC)与人类日常的生产生活和全球的生态环境变化有着密不可分的联系，不仅是地表结构巨大变化的主要原因，而且对地表的物质循环和能量流动以及地表结构有着深远的影响。
作为以农业为主的国家，我国对土地利用研究的历史己久，但之前的研究方向主要偏向于可用资源调查、区划、分类、设计规划、评价决策以及开发和管理研究。自上世纪九十年代至今，我国经济快速崛起，现代化水平不断的提高，经济增长对土地的依赖性越
来越强。因此，在上世纪九十年代中后期，土地利用与土地覆被变化研究在全国范围内成为研究的热点。其研究的主要针对的是优化配置有限的土地资源，从根本上缓解我国人多地少的基本现状，实现土地资源的永续利用。
土地利用信息的提取在我国尤其具有重要的现实意义。经济的快速增长和城市的不断扩张对土地的需求量不断扩大，农用耕地快速减少的现状难以得到缓解;持续增长和居高不下的人口和人均耕地面积减少的趋势不可逆转:耕地质量下降的情况在短期内很难得到有效的遏制，是目前我国土地形势严峻的主要表现。而土地利用信息的提取，主要对耕地及居民工矿用地，林地及水系等土地利用变化情况进行实时、科学、高精度的定期监测，核查土地利用总体规划现状以及年度土地规划实施的情况，重点核对每年的土地利用变更数据，为国家和地区的宏观决策方针提供真实、可靠的土地利用变化情况;对违法或涉嫌违法使用土地的地区以及其他特定目标进行常规的日常监测，对违法使用土地的稽查和突发应急事件处理提供相应的理论依据;这些都为土地资源的动态管理提供了精确的数据源。
Landsat系列卫星在服役的40多年里己经深入到社会的各行各业当中，它们在全球尺度的生态环境变化监测中发挥了无可比拟的重要作用，并且其在土地利用/覆盖分类中作用也尤为突出。自20世纪90年代以来，涌现出了大量的遥感图像分类方法，目前，基于ENVI系统的传统的分类方法有非监督分类和监督分类。本研究将对Landsat TM遥感影像在ENVI系统支持下的分类方法及其分类精度进行初步的研究。对得到高精度、最快捷的土地利用信息提取方法有这重大的意义。
1.3 国内外研究现状
遥感技术与计算机技术的迅速发展为国内外研究者提供了新的土地利用信息获取途径，其主要方法就是通过计算机技术对遥感影像进行处理，而遥感图像分类则是处理过程的关键环节(王圆圆和李京2004[1])。
传统的遥感图像分类方法主要是基于模式识别的方法，这些方法都存在一定的缺陷，一方面是受到遥感图像自身分辨率等因素的限制;另一方面，是由于遥感影像存在“同物异谱”、“同谱异物”的现象，这些因素导致传统的遥感图像分类方法的分类精度不高，往往出现错分和漏分的情况。
近年来，随着遥感图像分类方法的不断改进，出现了一些新的遥感图像分类方法，这些方法主要基于人工神经网络和决策树法，新方法的出现使得遥感图像的分类精度有了很大的提高，同时也克服了传统分类方法的不足(王一达，沈熙玲,谢炯2006[2])。
在遥感图像分类的研究过程中，国内外主要出现了以下几种研究方法:
1.3.1传统的方法
在利用计算机技术对遥感图像进行分类的研究中，最早采用的便是传统的分类方法，一种是监督分类法，另一种是非监督分类法。
Petro Ramirez-Garcia和Jorge Lopez-Blanco[3]采用非监督分类方法(最大似然法)对TM影像进行分类，其主要目的是对影像中圣地亚哥的红树林进行了分类和评价，其结果证明最大似然的分类方法可有效地获取红树林的面积，可对当时的森林资源进行评估。Lorenzo Bruzzone[4]等人在十几年前也对非监督分类的原理和算法进行了研究，提出了非监督分类的算法规则，为后人的研究起到了借鉴作用。Bastin[5]比较了多种监督分类方法，对它们进行了详细的分析和评价。近年来，随着计算机技术的不断发展，传统的遥感图像分类方法表现不足，很多学者在传统方法的基础上不断推出新的算法，推动遥感图像分类方法的发展。
1.3.2多种数据相结合的方法
在传统分类方法的基础上，研究者提出了基于多种数据结合的方法，即把多种数据按照一定的逻辑方式组合起来，利用这些数据共同实现遥感图像的分类。其中，参与分类的数据可包括遥感数据和一些非遥感的数据，例如地图信息、经验知识等，这种方法可以利用全面的、多方位的数据对遥感图像进行分类，克服了“同物异谱”和“同谱异物”的缺陷，提高了遥感图像的分类精度(杨存建和周成虎[6])。
王萍[7]等利用2000年TM8高分辨率影像与1958年B543合成影像的PCA法，融合影像中呈黄色特征的图斑;利用2000年TM8波段与同一时相的B432合成影像的Brovey变换法，该方法提高了土地利用和土地覆盖类型的分辨力。丁建华，李长江[8]将遥感数据融合技术引入到地学数据的处理中，试图将不同分辨率的遥感影像、采矿登记数据、地球化学数据等进行融合，取得了较好的效果，很好地实现了对实验区采矿行为及影响的动态监测，为地方的资源管理提供了科学依据。
1.3.3面向对象的方法
面向对象分析方法是遥感图像分类方法的又一进展，它在高分辨率影像信息提取中具有很大优势，克服了传统上基于像素分割方法的不足，主要原因是该方法将分类像素扩展为对象，综合考虑了对象的颜色、纹理及空间特征和光谱特征等影像信息等，能更全面、准确地把握对象的特征，因而得到较高的分类精度，但同时，在实现的过程中，不免因为特征量太多而造成分类速度和时间上的消耗(薄树奎，聂荣，丁琳[9])。
顾娟、张宏伟[10]等研究了面向对象的分类方法，首先通过影像分割将影像划分为互不相交的影像对象，然后根据这些影像对象的影像特征如光谱、纹理、形状和空间等信息进行分类，这样不仅突破传统的分类方法，而且改善高分辨率遥感影像的分类准确率，提高居民地分类的精度。Qian yu[11]利用面向对象分类方法，用航空高分辨率遥感影像进行了森林资源的调查，分类数量达到43个，最终取得了比较满意的结果侧。Gao yan[12]通过对火灾区的调查，对面向对象的方法和基于像元的方法在三个方面进行了比较(总体精度，用户精度和生产者精度)，面向对象方法取得了比基于像元方法更高的精度。
1.3.4 神经网络向量机等新方法
近年来，随着各种新理论和新方法的相继涌现，以及一些成熟的理论方法不断的被引入到遥感分类中，典型的有神经网络方法、决策树、以及支持向量机。
哈斯巴干[13]等利用ASTER数据对自组织神经网络分类方法进行研究，并将自组织神经网络的分类实验结果与最大似然判别法得到的分类结果进行了比较，分类精度比最大似然判别法在总体上提高了9%，验证了人工神经网络方法的优越性。刘勇洪[14]等基于MODIS影像数据对土地利用分类使用了决策树方法，进行了分析和研究。李森[15]在土地利用分类上分别研究了支持向量机方法和传统分类方法，并把它们进行了对比和分析。赵书河[16]将SVM算法引入到决策级多源遥感影像的融合研究，并应用于土地覆盖分类中，取得了较好的效果。胡自申[17]等通过实验，验证了SVM分类算法具有良好的泛化性能，与神经网络分类方法相比具有更好的稳健性和准确率。
1.4研究内容及技术路线
1.4.1研究内容
本文以山东省潍坊市为研究区域，以2009年12月6日和2010年1月14日的Landsat5 TM数字影像为主要研究材料，借助于谷歌地图2010年1月卫星影像图,山东省行政区划矢量图。利用遥感图像处理软件ArcGIS10.2和ENVI 5.1为数据信息提取平台,对遥感影像数据进行处理和土地利用与土地覆盖信息的提取。
运用计算机图像处理技术并结合卫星影像数据，通过采用不同分类方法对研究区域内土地利用与土地覆盖信息进行提取，对其分类结果进行精度评价，比较和分析使用不同分类方法的分类能力与精度，并在此基础上进一步分析不同的分类方法对土地利用与土地覆盖信息提取的适应性，探讨适用于潍坊市土地利用与土地覆盖信息计算机自动提取的方法、效果和实用性。