基于支持向量機的TM遙感影像土地利用/覆蓋類型監測

荊鑫　舒清態　劉慶生

摘要基于TM遙感數據和林業二調數據，對云南省宜良縣北古城鎮進行土地監測和土地利用分類，利用ArcGIS和ENVI軟件對原始影像數據進行裁剪，運用支持向量機（SVM）監督分類方法，將研究區的土地利用類型分為農地、建筑用地、水域、針葉林、裸地6個類別，并且達到一定的分類精度，以圖像的形式直觀地展示研究區的土地覆蓋類型，并以林業二調數據為ROI（感興趣區域）來驗證分類精度。在此基礎上，指出了研究區土地利用中存在的問題和生態結構的變化，并提出了調整對策。

關鍵詞TM；土地利用；遙感分類；林業二調；支持向量機

中圖分類號S28文獻標識碼A文章編號0517-6611（2014）22-07631-02

遙感技術在我國國土資源調查、耕地保護、林業等領域中，發揮了重大作用，無論從應用的規模和技術水平，都處于國內先進水平，初步形成了產業化[1]。我國從20世紀80年代開始逐步應用和發展航空和航天遙感技術和方法，進行國土資源調查和土地利用、植被覆蓋動態監測[2]。現有的分類方法是以傳統的模式識別技術為基礎，如最大似然分類器、K-近鄰法或最大似然和聚類方法結合等，這些方法只有在樣本趨于無窮大時，才能獲得理想的分類結果，而在多數的實際應用過程中，樣本的數目通常是有限的，這些方法難以取得理想的效果[3]。統計學習理論是一種專門的小樣本的統計理論，它是在經過大量的研究的基礎上提出來的，為研究有限樣本情況下的統計模式識別和更廣泛的機器學習問題建立了一個較好的理論框架，支持向量機就是一種建立在統計學習理論基礎上的機器學習方法[3]。

支持向量機分類方法是一種監督式的分類方法，需要確定研究中所要分類的個數以及標注過類型的訓練樣本，對于遙感土地利用分類本身而言，選取訓練樣本的方法主要根據相互驗證來解決。所謂的相互驗證即通過野外實地調查，了解研究區概況，然后在遙感影像上利用準確的界線和標志建立感興趣區，選取并建立訓練樣本，這樣的方法相對比較精確。遙感影像土地利用/覆蓋的分類工作，是將遙感技術應用于國土、林業等領域的基礎性工作，對如何在遙感影像上快速地獲取精度更高的土地利用分類信息這一問題的研究具有十分重要的理論意義和應用前景。

1研究區概況

以位于102°10′～103°40′ E、24°23′～26°22′ N的云南省宜良北古城鎮為研究區。北古城鎮地處滇中腹地，是云南省昆明市宜良縣的一個經濟重鎮，有南昆鐵路橫貫東西，境內有南盤江貫穿南北，與中外聞名的世界文化遺產石林和國家級風景名勝區九鄉溶洞相鄰。

北古城鎮位于宜良縣城東北部，距縣城9 km，東南與匡遠鎮接壤，西面連接嵩明、匡遠鎮、湯池鎮，北接馬街鄉、耿家營鄉，東北連接九鄉。全鎮國土面積259 km2，南盤江貫穿北古城鎮南北，鎮東北面擁有豐富的黃土資源，土地肥沃。該區屬于亞熱帶高原季風氣候，物產豐富，主要糧食作物有水稻、蠶豆、小麥、玉米，主要經濟作物有花卉、蔬菜、烤煙，主要的特色經濟林果有小沖梨、櫻桃、李、楊梅、棗、板栗、桃等。

2研究數據

2.1LandsatTM數據該研究所采用的是美國陸地衛星Landsat5的TM遙感影像，TM影像包含7個波段，空間分辨率是30 m，其中第六波段的空間分辨率是120 m，TM影像的具體參數見表1。