基于ERDAS的土地利用分類研究

張鎰譜

摘 要：運用Erdas Imagine 2010軟件和Landsat TM 遙感影像，對吉林省吉林市Lndsat-7影像的光譜進行分析，通過選擇波段、拼接裁剪和監督分類三個步驟，將吉林市土地利用類型分為五類。通過分析得到的數據，指出吉林市土地利用中存在的問題，并提出調整對策。

關鍵詞：LANDSAT 遙感影像；土地利用；監督分類

中圖分類號：F320 文獻標志碼：A 文章編號：1673-291X（2016）03-0129-02

土地日益成為人類的勞動產品土地正日益成為人類社會的勞動產物，或以勞動產品的形式而存在[1]。自從進入20世紀，人口不斷的增加，工業不斷的發展，土地越來越緊張，與此同時環境也越來越來差，嚴重破壞了社會經濟發展的可持續性。所以，詳細掌握不同時段不同地區的土地利用/覆蓋狀況是合理管理土地資源的基礎，也是規劃個國民經濟發展的重要依據。遙感的宏觀性、遙感的實時性、遙感的周期性和遙感的綜合性是它具有的重要特點，憑借這些特點，它快速、客觀、準確地對土地利用地進行監測。

一、研究過程

（一）數據選取

研究選取LANDSAT-7四景TM 影像，行列號分別為117/29、117/30、118/29和118/30。

（二）波段選擇

遙感中充分利用地物在不同波段的差異，有效地識別地物的前提是不同波段記錄的地物是有差異的。但是不同波段之間的數據相關性往往很大，這種數據的冗余是必須要考慮的。同時，人們習慣于用彩色來表示一幅圖像。眾所周知，彩色只是紅、綠、藍三種顏色排列組合形成的，所以在波段的選擇上不能選擇超過4個波段，就是說只能用3個波段進行合成。同時，能夠合理正確地選擇波段會為接下來的工作打下良好的基礎，并提高精度。因為，想要獲得準確詳細的分類結果，就需要在選擇數據的時候就要做到盡量減少不利于信息提取的因素，只有這樣才能得到更多的類別和更高的分類精度。

（三）分析結果

因為標準差越大所含的信息量就越大，又因為信息量大有助于分類，所以會從這7個波段中選擇標準差大的3個波段進行彩色合成，波段5、7、4的標準差較大，但是波段5和波段7的相關性大，這就意味著重復信息較多，會影響分類結果，決定保留波段5和波段4。除了波段5、7、4外，波段3所含信息量做大，同時該波段與波段5和波段4之間的獨立性較好，所以最后選擇波段5、4、3的圖像。

二、遙感影像的處理

對遙感數據的預處理包括地形圖的配準、影像糾正、遙感影像增強處理等工作。接下幾何精校正是必不可少的，主要是因為這次使用的遙感影像在使用之前已經有過輻射校正和幾何粗校正的處理；然后分別以1∶50 000地形圖為參考底圖，通過ERDAS IMAG INE 2010軟件對圖像進行校正。二次多項式變換模型、鍵盤輸入控制點坐標模式是校正時采用的主要方法。選取50個控制點，利用最小鄰近值算法對影像進行重采樣。對于Landsat7TM的各個波段而言，從所有波段中選擇3個波段組合，會組合出很多方案。從這些組合中，分別嘗試了345組合、543組合和453組合分別將四景TM 影像的4、5、3 波段進行假彩色合成，并將四景影像拼接在一起，然后用吉林市行政邊界裁剪，得到研究區域即吉林市TM 4、5、3 波段的假彩色合成圖像，使用4、5、3這三個波段進行假彩色合成后得到的圖像層次感分明，地物差異明顯，有利于土地分類中的地物類別提取，方便分類。最后，用ERDAS IMAGINE 2010系統模塊對遙感影像進行增強處理。

三、監督分類

采用監督分類法對吉林市遙感影像圖進行分類。利用一定數量的已知樣本（又稱為訓練樣本）的觀測值確定判別函數中待定參數的過程稱為學習或訓練，然后將未知類別的樣本觀測值代人判別函數[2]。之后，根據判斷標準對采集樣本的類別進行區分。定義分類模板在ERDASIMAGINE軟件中，監督分類是基于分類模板來進行的，而分類模板的生成、管理、評價和編輯等功能是由分類模板編輯器來負責的[3]。這里面負責獲取模版分類信息的主要工具有AOI繪圖工具及擴展工具，同時還要使用到查詢光標。本次研究首先是利用AOI繪圖工具在遙感影像上獲取分類模板信息，然后主要的視圖操作都是在遙感圖像窗口中完成的，同時會用到Raster 工具面板和Signature Editor。最后，保存建立的各分類模板。

（一）建立分類模板

監督分類之前首先要建立分類模板，建立了分類模版再進行管理、評價和編輯功能，這對監督分類結果是非常重要的。根據吉林市實際情況，擬將土地利用類型按水體、林地、疏林地、旱地、城鎮用地和工交用地進行分類，接下來就是使用ERDAS IMAGINE里的AOI 工具建立分類模板。對分類模板進行評價的過程中會使用到可能性矩陣，分析感興趣區域訓練區中的像元是否完全落在對應的類別里。可能性矩陣的輸出結果是一個百分比矩陣，說明每個AOI 訓練區中有多少個像元分別屬于相應的類別[4]。根據檢查結果，所有的土地利用類型分類模板的精度都非常高，進而說明這些分類模版都是符合要求的。從分類誤差總體的百分比來說，如果誤差矩陣值小于85%，那么說明模板分類太低，需要重新建立[5]。

（二）執行監督分類

使用ERDAS IMAGINE創建并保存的分類模板，再輸入待分類的img文件，存儲距離文件，在設置一些參數，點擊分類，生成分類影像。

四、精度評價

目前普遍采用混淆矩陣的方法，即以Kappa系數評價整個分類圖像的精度[6]。通過混淆矩陣得出，菜地有39個參考點，其中有34 落在指定區域，有4 個參考點落在林地，1 個參考點落到城鎮用地；水體，因為只有一個參考點，所以分類精度達到了100%；林地，參考點個數為42個，其中39個參考點落在正確區域，1個參考點落到菜地，2個參考點落到城鎮用地；對于水田，共有29 個參考點，其中的25個參考點落在指定區域，其他的參考點落到了其他類型區域；城鎮用地的37個參考點除了1 個分到旱地以外，其余分類正確。由此可見，分類精度較高。接下來再根據混淆矩陣計算的Kappa系數進行計算，圖像的分類效果好。

五、分類結果分析

吉林市耕地分布的不合理性，永吉縣和舒蘭市的部分鄉鎮有大量的耕地。同時，平原區的耕地存在許多問題，比如布局分散、零亂；周圍存在散亂分布的園地、荒草地、廢棄地等；集中在坡度稍大的耕地區域中的田坎、溝渠、農村道路等占地較多，導致耕地變成不規則田塊、很小的單體面積，不適宜規模化和產業化生產。同時，建設占用優質耕地仍然較多，耕地質量需要進一步提高。隨著吉林市經濟快速地增長，用地需求必將快速增加，隨著經濟高速地推進和人口快速地增長必然會使建設用地的需求越來越大。然而國家實行嚴格保護耕地和保護生態環境的情況下，建設用地的不斷增加必然會受到對耕地和生態環境的保護的雙重約束，可供應的建設用地數量逐年減少，這種供需矛盾將會越來越突出。

六、總結

通過對遙感影像進行的分析，總結出吉林市位于吉林省中東部，它的自然條優越，土地類型豐富，土地利用類型齊全，適宜多種經濟綜合開發。土地用途以農用地為主，建設用地和未利用地比重小，礦業生產用地面積大，土地復墾潛力較大，吉林市礦產資源豐富。礦產資源的開采利用促進吉林市經濟社會快速發展，與此同時，礦產的開采和利用導致的大量工礦用地的閑置，全市多數鄉鎮分布著長期遺留積累下來的待復墾土地有很大的面積，土地有較大的復墾潛力。

參考文獻：

[1] 段正梁，張維然，葉振飛.論土地價值的內涵、來源及其特殊性[J].同濟大學學報：社會科學版，2004，（1）：30-35.

[2] 王慧妮，倪萬魁.基于計算機X射線斷層術與掃描電鏡圖像的黃土微結構定量分析[J].巖土力學，2012，（1）：243-247.

[3] 戴鋒.基于3S技術下的羅源灣植被遙感解譯及生物量遙感估測[D].福州：福建師范大學碩士學位論文，2011.

[4] 王麗榮.基于高分辨率衛星影像的城市綠地景觀分析[D].上海：上海交通大學碩士學位論文，2007.

[5] 李薇.基于遙感和GIS的長春市土地利用變化及其區域經濟發展分析[D].長春：東北師范大學碩士學位論文，2011.

[6] 牛興麗.面向城市應用的高分辨率圖像分類[D].濟南：山東科技大學碩士學位論文，2008.

[責任編輯 陳鳳雪]