柳佳，徐慧宇，范璞然

（山東科技大學(xué)測繪與空間信息學(xué)院）

1 引言

土地資源是人類社會進步和生存不可或缺的一部分[1]，近年來，土地的非法利用以及不合理的開發(fā)給我們的生存空間帶來了一定的危害[2]。因此，快速獲取土地信息，及時發(fā)現(xiàn)并制止破壞土地的行為變得尤為重要[3]。利用遙感技術(shù)對土地利用類型進行監(jiān)測是目前較為常用且快捷、有效的技術(shù)手段[4]。

2 研究區(qū)域及數(shù)據(jù)

2.1 研究區(qū)域

雞西市位于黑龍江省東南部，雞冠區(qū)經(jīng)度范圍130°50′12″~131°4′12″，緯度范圍45°13′48″~45°22′18″，是雞西市的交通、政治、文化中心，面積143.2km2。研究區(qū)域如圖1所示。

圖1 研究區(qū)域影像

2.2 研究數(shù)據(jù)

研究采用2011年5月Landsat-5衛(wèi)星數(shù)據(jù)和2017年5月的Landsat-8衛(wèi)星數(shù)據(jù)。影像獲取時間及傳感器參數(shù)如表1。

表1 影像獲取時間傳感器參數(shù)

3 研究方法

3.1 研究目標

通過對比馬氏距離、最小距離、最大似然、平行六面體四種分類方法的分類精度，選出適合本研究區(qū)域的分類方法，并利用該方法對雞冠區(qū)2011年與2017年的土地利用結(jié)果進行分類，并對分類結(jié)果進行評價。根據(jù)分類結(jié)果比較兩期影像數(shù)據(jù)的土地利用類型變化，并對發(fā)生的變化進行分析。

3.2 數(shù)據(jù)預(yù)處理

對獲取的影像數(shù)據(jù)進行預(yù)處理，主要包括影像地理配準、基于Flash模型的大氣校正、輻射定標和圖像裁剪等方式。

3.3 分類方法選擇及土地利用類型分類

選取植被、耕地、建設(shè)用地、水域四種土地利用類型的樣本，2011年樣本可分離度如圖2所示。

圖2 2011年樣本可分離度

根據(jù)選取的樣本分別使用監(jiān)督分類中的平行六面體、最小距離、馬氏距離、最大似然四種分類方法對2011年影像數(shù)據(jù)進行分類。四種分類器的分類結(jié)果如圖3所示。

圖3 四種分類方法對2011年影像分類結(jié)果

然后在研究區(qū)均勻選取真實地物的驗證點各50個對分類結(jié)果進行精度評定，精度評定結(jié)果如表2所示。

表2 四種分類方法分類精度對比

根據(jù)精度評定結(jié)果我們可以發(fā)現(xiàn)最大似然分類器對于該研究區(qū)的分類效果最好，分類精度最高，于是選擇最大似然法作為本研究區(qū)域土地利用分類的分類方法，并利用該方法對2017年的影像進行分類。

3.4 分類后處理

在運用最大似然法對兩期影像分類后，得到的只是初步的結(jié)果，因為有一些分類噪聲的存在，會對后面的分析對比造成影響。所以選用Majority算法將噪聲去除。噪聲去除前后對比，如圖4所示。

圖4 Majority處理前后對比

4 結(jié)果與分析

在研究區(qū)選取兩時期四種地物樣本點各50個對分類結(jié)果進行驗證，精度驗證結(jié)果為2011年和2017年總體精度分別為：91.7861%、87.9997%，Kappa系數(shù)分別為0.8597、0.8274。

基于分類結(jié)果變化信息進行提取，變化信息統(tǒng)計如表3所示：

表3 變化信息統(tǒng)計表

由變化統(tǒng)計表，可以清楚的發(fā)現(xiàn)：

①建設(shè)用地范圍明顯增加，這在一定程度上反映了雞冠區(qū)城市建設(shè)的不斷發(fā)展；

②耕地面積大幅度減少，由于城市的不斷擴張，必然要犧牲一部分耕地，這不單單是該區(qū)域獨有的現(xiàn)象，從全國的角度來看，這一現(xiàn)象也是常見的；

③植被覆蓋率有所增加，從這一點我們可以看出雞冠區(qū)在進行城市建設(shè)的同時注重環(huán)境的保護；

④水域面積減少，發(fā)生此現(xiàn)像是因為人們對水資源的需求量不斷增加。

5 結(jié)語

本文探討和分析了監(jiān)督分類中常用的四種分類方法的分類精度，并基于分析的結(jié)果，確定了適合該研究區(qū)的分類方法，使用該方法和兩時期Landsat系列衛(wèi)星數(shù)據(jù)對雞冠區(qū)土地利用類型分類，得到了土地利用類型信息，最后比較兩時期的土地利用類型，對土地利用類型的變化進行了統(tǒng)計分析。

本文的優(yōu)勢在于使用遙感技術(shù)可以快速高效的獲取土地利用信息，為智慧城市發(fā)展提供參考。但也存在錯分和人工參與程度較高等不足，后續(xù)考慮使用深度學(xué)習(xí)等方法進行深入研究，進一步提高分類精度和實現(xiàn)自動分類。