基于面向?qū)ο蠹夹g(shù)的農(nóng)田分類方法

叢 瑜，苗正紅

（1.吉林省水利水電勘測(cè)設(shè)計(jì)研究院，吉林 長(zhǎng)春 130021）

基于面向?qū)ο蠹夹g(shù)的農(nóng)田分類方法

叢 瑜1，苗正紅1

（1.吉林省水利水電勘測(cè)設(shè)計(jì)研究院，吉林 長(zhǎng)春 130021）

采用面向?qū)ο蟮姆诸惙椒?，以富錦地區(qū)為研究對(duì)象，將紋理和拓?fù)湫畔⒓尤胫械确直媛蔬b感影像中，快速準(zhǔn)確地提取耕地信息。研究結(jié)果表明，利用面向?qū)ο蠹夹g(shù)對(duì)遙感影像進(jìn)行多尺度分割，并結(jié)合影像的光譜、形狀和紋理特征對(duì)水田和旱地進(jìn)行提取，提取后的成果總體分類精度達(dá)到了92%，Kappa系數(shù)為0.91，說(shuō)明采用面向?qū)ο蠹夹g(shù)對(duì)中等分辨率遙感影像進(jìn)行耕地提取的成果可靠，可為大面積土地分類提供技術(shù)支持。

面向?qū)ο螅凰?；旱地；遙感影像

傳統(tǒng)的像元分類方法是以像元為基本單元進(jìn)行分類，參與信息提取的因子是像元的光譜信息[1]，隨著遙感影像分辨率的不斷提高，地物的空間信息變得非常豐富，傳統(tǒng)分類方法已經(jīng)不能滿足高分辨率遙感影像信息提取的要求，面向?qū)ο蟮姆诸惙椒ㄊ紫仁菍⑦b感影分割成影像對(duì)象，結(jié)合影像對(duì)象的光譜、形狀、紋理、層次、鄰域、空間位置、類別間關(guān)系等特征信息對(duì)影像進(jìn)行分割，得到同質(zhì)對(duì)象，再對(duì)影像對(duì)象進(jìn)行信息提取和分析。這種方法可以實(shí)現(xiàn)較高層次的遙感圖像分類和目標(biāo)地物提取[2]，國(guó)內(nèi)外眾多學(xué)者利用這種方法對(duì)遙感影像進(jìn)行分類，該方法提取精度高、速度快[3-5]。

Landsat8是2013年美國(guó)航空航天局（NASA）發(fā)射的陸地衛(wèi)星，具有空間分辨率高，資料來(lái)源穩(wěn)定、連續(xù)等優(yōu)點(diǎn)，共有8個(gè)波段，波段1～7為多光譜，波段8為15 m分辨率的全色波段，衛(wèi)星每16 天可以實(shí)現(xiàn)一次全球覆蓋，已被證實(shí)非常適用于沿海地區(qū)的水田和旱地空間信息提取[8]。

本文基于面向?qū)ο蟮霓r(nóng)田分類方法是以Landsat8圖像為分類影像，利用影像的紋理信息、光譜特征、形狀特征等進(jìn)行尺度分割，利用eCognition、ArcGIS等軟件完成面向?qū)ο蠓诸愐约跋嚓P(guān)分析，得到的結(jié)果能滿足中小尺度影像制圖的精度需求。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)準(zhǔn)備與預(yù)處理

1）遙感影像數(shù)據(jù)。覆蓋富錦市的Landsat TM/ ETM+遙感影像，時(shí)間為2010年7月，分辨率為30 m；數(shù)據(jù)經(jīng)過(guò)了幾何校正、裁切和投影變換等處理，投影方式統(tǒng)一為Albers等面積投影。

2）數(shù)字高程模型DEM。覆蓋研究區(qū)的數(shù)字高程模型分辨率為30 m。

3）野外驗(yàn)證點(diǎn)數(shù)據(jù)。研究區(qū)野外驗(yàn)證點(diǎn)共38個(gè)，包括坐標(biāo)、土地利用類型、地物特征等信息，投影方式為Albers等面積投影。

4）其他地理底圖數(shù)據(jù)，包括土地利用現(xiàn)狀圖、行政區(qū)劃圖。以上圖件經(jīng)掃描后進(jìn)行數(shù)字化和投影變換，投影與上面數(shù)據(jù)一致。

1.2 面向?qū)ο蠓椒?/p>

本文采用多尺度分割算法，利用易康軟件，基于影像的光譜特征、幾何特征、紋理以及與其他對(duì)象的關(guān)系[9]，同時(shí)也要考慮到質(zhì)地、形狀大小等特征，對(duì)遙感影像進(jìn)行分割，從而得到影像對(duì)象。根據(jù)研究區(qū)的特點(diǎn)，采用的多尺度方案均包含多季相遙感數(shù)據(jù)集7 個(gè)波段的信息。表1為用于分類的特征信息[10-11]。

采用隸屬函數(shù)法和最鄰近分類法相結(jié)合，將基于結(jié)構(gòu)明確且容易描述的決策樹(shù)引入這兩種方法，對(duì)這兩種方法進(jìn)行補(bǔ)充使用，以發(fā)揮各自的優(yōu)勢(shì)，提高分類的精度[12-13]。

表1 特征信息

2 結(jié)果分析

2.1 分類過(guò)程

面向?qū)ο筇崛∷锖秃档氐牟襟E如下（流程圖見(jiàn)圖1）：

1）利用試驗(yàn)區(qū)的DEM對(duì)Landsat TM影像進(jìn)行正射糾正，消除幾何畸變，再利用地形數(shù)據(jù)，在ERDAS軟件中選取地面控制點(diǎn)，對(duì)正射糾正后的影像進(jìn)行幾何精糾正。

2）對(duì)影像進(jìn)行多尺度分割，得到一系列空間上相鄰、同質(zhì)性較好的分割單元，并將每個(gè)單元作為一個(gè)對(duì)象。分割尺度設(shè)置為100，彩色因子為0.69，形狀因子為0.35，光滑度設(shè)置為0.60，緊致度設(shè)置為0.41。

3）通過(guò)特征提取得到對(duì)象的光譜特征、算術(shù)特征、紋理特征、形狀特征、結(jié)構(gòu)特征等多種特征信息。利用eCognition Developer 8.64提取對(duì)象的多尺度特征，包括HIS變換導(dǎo)出的色調(diào)（Hue）特征（Hue（R='Layer 6',G='Layer 5'，B='Layer 4'）、Hue（R='Layer 7'，G='Layer 6'，B='Layer 4'）、Hue（R='Layer 5'，G='Layer 4'，B='Layer 3'）），以及紋理特征、拓?fù)涮卣鞯取?/p>

4）利用上步得到的Hue（R='Layer 6',G='Layer 5'，B='Layer 4'）算術(shù)特征區(qū)分林地與非林地的特征值，并從Landsat8的OLI影像中去除林地，林地對(duì)象提取的隸屬度函數(shù)為Hue≤0.37。

5）在非林地對(duì)象中利用水田和旱地的拓?fù)涮卣?、紋理特征、光譜特征逐步判定并進(jìn)行提取。

6）依據(jù)水田與旱地含水量的差異，以及Landsat8的影像中各個(gè)波段組合對(duì)水田和旱地特征凸顯的程度不同，設(shè)置提取水田的色調(diào)特征，其隸屬度函數(shù)參數(shù)設(shè)置為Hue（R='Layer 7'，G='Layer 6'，B='Layer 4'）≤ 0.87；

7）設(shè)置旱地的色調(diào)特征，其隸屬度函數(shù)參數(shù)設(shè)置為Hue（R='Layer 5'，G='Layer 4'，B='Layer 3'） ≤ 0.1。

圖1 面向?qū)ο蠹夹g(shù)提取水田旱地流程

2.2 分類結(jié)果

通過(guò)以上步驟，得到富錦市耕地分類結(jié)果如圖2所示。研究區(qū)內(nèi)耕地的分布范圍占絕大部分，旱地主要分布于研究區(qū)中部，水田主要分布于研究區(qū)東部。

圖2 水田和旱地分類結(jié)果圖

2.3 精度驗(yàn)證

根據(jù)實(shí)地調(diào)查的38個(gè)樣點(diǎn)對(duì)分類精度進(jìn)行評(píng)價(jià)，通過(guò)對(duì)分類的結(jié)果進(jìn)行混淆矩陣分析，得到結(jié)果見(jiàn)表2。從表中可以看出，應(yīng)用本文方法進(jìn)行農(nóng)田分類的結(jié)果精度較高，總體分類精度達(dá)到了92%，Kappa一致性檢驗(yàn)結(jié)果是0.91。

表2 分類結(jié)果精度評(píng)價(jià)表

[1] 王建芳,包世泰.面向?qū)ο蠼庾g方法在遙感影像地物分類中的應(yīng)用[J].熱帶地理,2006,26(3):234-239

[2] 宋楊,李長(zhǎng)輝,林鴻.面向?qū)ο蟮膃Cognition遙感影像分類識(shí)別技術(shù)應(yīng)用[J].地理空間信息,2012,10(2):64-66

[3] BAATZ M,SHCAPE A.Multiresolution Segmentation:An Optimization Approach for High Quality Multi-scale Image Segmentation [J]. Beitr ?ge zum A GIT Symposium Salzburg, 2000(2):12-16

[4] HOFMANN P. Detecting Buildings and Roads from IKONOS data Using Additional Elevation Information[J], GeoBIT/ GIS,2001(6):28-33

[5] 黃慧萍,吳炳方,李苗苗,等.高分辨率影像城市綠地快速提取技術(shù)與應(yīng)用[J].遙感學(xué)報(bào),2004,8(1):68-74

[6] 莫登奎,林輝,孫華,等.基于高分辨率遙感影像的土地覆蓋信息提取[J].遙感技術(shù)與應(yīng)用,2005,20(4):411-414

[7] 明冬萍,駱劍承,周成虎,等.高分辨率遙感影像信息提取及塊狀基元特征提取[J].數(shù)據(jù)采集與處理,2005, 20(1): 34-38

[8] GAMANYA R,MAEYER P D,DAPPER M D.Object-oriented Change Detection for the City of Harare, Zimbabwe[J]. Expert Systems with Applications, 2009(36): 571-588 [9] BAATZ M, HEYNEN M, HOFMANN M, et al. Cognition User Guide 2.0: Object Oriented Image Analysis, München [M]. Germany: Definiens Imaging Gmb H,2001

[10] BAATZ M, SCH?PE A. Multiresolution Segmentation: an Optimization Approach for High Quality Multi-scale Image Segmentation [C]//Angewandte Geographische Information Sverarbeitung XII. Beitr?ge zum AGIT-Symposium Salzburg, Karlsruhe, Herbert Wichmann Verlag,2000

[11] NAVULUER K. Multispectral Image Analysis Using the Object-Oriented Paradigm [M].Boca Raton, FL: CRC Press,2007

[12] JOHN R,JANET F,DAR A.A Comparison of Methods for Monitoring Multitemporal Vegation Change Using Thematic Mapper Imagery[J].Remote Sensing of Environment,2002,80(1):143-156

[13] 謝靜, 王宗明, 毛德華,等. 基于面向?qū)ο蠓椒ê投鄷r(shí)相HJ-1影像的濕地遙感分類：以完達(dá)山以北三江平原為例[J].濕地科學(xué),2012,12(4):429-438

P237

B

1672-4623（2016）10-0088-02

10.3969/j.issn.1672-4623.2016.10.027

叢瑜，碩士研究生，工程師，主要從事地理空間分析和遙感分析工作。

2015-07-17。

項(xiàng)目來(lái)源：國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃資助項(xiàng)目（2012CB956103）；中國(guó)科學(xué)院碳專項(xiàng)子課題資助項(xiàng)目（XDA05050101）。