基于遙感與GIS的土地利用分類方法研究

高鑫 徐景東 馮陽 郭瀝文 戴建林

摘? 要：研究土地利用類型分類對國民經濟具有重要意義。在土地利用類型分類中，常用的方法為監督分類與非監督分類，這兩種方法都可以快速地對土地利用類型行分類，但針對不同的地物二者的分類精度是不同的。文章將最大似然法與ISODATA算法的分類結果與目視解譯作對比，分析得出兩種方法對不同地物的分類精度，確定其適用地物。分析得出最大似然法對于居民地、水田、天然草地的劃分精度較高，精度分別為：88.89%、87.64%、90.96%;ISODATA算法對坑塘、水澆地的劃分精度較高，精度分別可達到：95.38%和91.61%。

關鍵詞：土地利用分類;最大似然法;ISODATA算法

中圖分類號：P237? ? ?? ?文獻標志碼：A? ? ? ? ?文章編號：2095-2945（2019）07-0116-03

Abstract： It is of great significance to study the classification of land use types for the national economy. In the classification of land use types， the commonly used methods are supervised classification and unsupervised classification， both of which can quickly classify land use types， but the classification accuracy is different for different ground objects. In this paper， the classification results of maximum likelihood method and ISODATA algorithm are compared with visual interpretation， and the classification accuracy of the two methods for different ground objects is analyzed， and the suitable ground objects are determined. The results show that the maximum likelihood method has high accuracy for the division of residential land， paddy field and natural grassland， and the accuracy is 88.89%， 87.64% and 90.96%， respectively. The accuracy of ISODATA algorithm for pit pond and irrigated land is high， and the accuracy can reach 95.38% and 91.61% respectively.

Keywords： land use classification; maximum likelihood method; ISODATA algorithm

引言

土地利用是國家重視的問題之一，也是全球環境變化人文因素計劃與國際地圈生物圈計劃的核心研究內容之一，隨著人口增長速度的增加，可利用的土地資源卻相對的越來越少，因此土地如何合理應用成為了各國重視的問題。為使有限的土地能夠更加合理運用，我們應該對當地的土地利用類型進行研究分析，其分析出的各項指標，可以適當地反映出當地生產建設項目的生產規模、生產水平和生產特點等要素。

到目前為止，土地利用類型分類中，各種方法都相對較為成熟，但使用率較高的仍為監督分類和非監督分類這兩種方法。這兩種分類方法的分類精度均較高，但對于不同土地類型的分類有所差異，本文從兩種分類方法中各選取一種算法進行了分類精度差異的比較研究，以確定其適用的最佳地物。其中，監督分類選取最大似然法;非監督分類選取ISODATA算法。

1 研究區概況

安新縣隸屬于河北省保定市，位于河北省中部，總面積738.6平方公里。安新縣地理坐標為北緯38°10′-40°00′，東經113°40′-116°20′之間。安新縣地貌特殊，西南方有沖積形成的洼地平原，東邊具有華北平原最大的淡水湖泊-白洋淀，綠地、居民點、耕地、水體交錯分布于此。安新縣具有不同于其它地方的地貌特征，各地物的特征較為明顯，是研究不同地物分類極佳的區域。

2 數據來源與處理

2.1 數據來源

本研究數據來源于地理空間數據云（http：//www.gscloud.cn）。選取研究區云量<1%的無壞帶Landsat 8遙感影像，進行預處理。

2.2 目視解譯

目視解譯是遙感解譯主要的傳統方法，其也常被叫做目視判讀（判譯），是遙感成像的逆過程。因目視解譯精度相對較高，綜合考慮程度較高，故采用這種方法來檢驗最大似然法與ISODATA算法的分類精度。本研究以《土地利用現狀分類（GB-21010-2017）》作為分類標準進行目視解譯，分別劃分出：公路、坑塘、天然草地、水澆地、水田等二級地類，城鎮住宅用地和農村宅基地因為影像質量原因不好區分，因此這兩個統一劃分到居民地中。研究區目視解譯結果如圖1。

3 土地利用的兩種分類方法

3.1 最大似然法

最大似然法是一種具有理論性的點估計法[5]。此中方法的主要思想為從整體中抽調出樣本，確保與抽調樣本的波段值相同的地塊均賦有與樣本相同的屬性，歸屬于同一類地物。通過這樣的分類進行土地利用類型的劃分，進而得出分類后的不同土地利用類型所在的具體位置以及其具體面積的大小。按照研究區的大小、研究區中不同地物的種類以及研究區中的實際情況，本文研究的訓練樣本抽取具體數量如下：公路抽取30塊;坑塘抽取9塊;天然草地抽取11塊;居民地抽取52塊;水澆地抽取51塊;水田抽取32塊。分類結果如圖2。

3.2 ISODATA算法

ISODATA算法是基于k-均值算法的基礎上進行計算的。在計算中增加對類型結果的“合并”和“分裂”這兩種操作，然后在這種計算方法運行時增加參數，對其進行控制，進而得出結論[6]。本文研究參數如下：最小分類數設置為6，最大分類數設置為18，迭代次數設置為10，進行分類計算，將分類后結果進行合并等處理。得出的最終結果如圖3。

4 最大似然法與ISODATA算法精度評價

在完成最大似然法分類和ISODATA算法分類后，將兩種算法的結果分別與目視解譯成果做對比，進行精度分析。

4.1 最大似然法分類精度評價

將最大似然法的分類結果和目視解譯的分類結果作對比，評價得到的總體精度為76.286%，Kappa系數為0.6799。通過總體分類精度可以看出，利用監督分類中的最大似然法進行土地利用類型分類時，最終結果顯示有76.2860%的像元被正確劃分，可見其劃分的正確性較高，其結果可信度較高，可以用于土地利用分類中，對土地利用分類可以進行更高效處理。最大似然法的分類結果誤差和精度評價如表1所示：

由表1的誤差及百分比不難看出，最大似然法能夠相對準確的劃分出遙感影像中的居民地，劃分正確率高達92.91%，制圖精度為88.89%。但在公路的劃分中，錯分率卻為76.70%，漏分百分比高達22.83%。由此可知，最大似然法在居民地劃分中精度較高，在公路等其它地物類型的劃分精度較低。

因此，當處理的遙感影像多為居民地和天然草地時，或需要解譯區域的居民地和天然草地占地較多時，可使用最大似然法對此種研究區域進行解譯，其精度可以滿足大部分研究使用，可以快捷完成解譯操作;若需要進行土地利用分類的研究區中，公路、坑塘較多，居民地相對占地較少時，應選擇其它分類算法進行劃分，最大似然法使用的計算方法不適用于對道路和坑塘的劃分，其精度不足以進行后續研究。

4.2 ISODATA算法分類精度評價

將ISODATA算法的分類結果和目視解譯的分類結果作對比，評價得到的總體精度為73.3051%，Kappa系數為0.6202。ISODATA算法的總體分類精度為73.3051%，總體分類精度大于70%，非監督分類的精度較高。ISODATA算法的分類結果誤差和精度評價別如表2所示：

由表2可以得出在ISODATA算法中，居民地和坑塘的錯分率較低，坑塘的漏分率僅為4.62%，由此可見，ISODATA算法對于坑塘等水體分類較為準確，對草地、公路等地物類型分類較為粗略，精準度較低。ISODATA算法對坑塘、水澆地劃分的較為準確，制圖精度與用戶精度均比較高。

因此，ISODATA算法適用于水體分類，可以快速、準確的對河流、坑塘等進行劃分，且劃分精度較高。對某些河流或湖泊等水體較多的研究區可以使用ISODATA算法進行處理，可以節省人力，縮短解譯時間，以提高工作、解譯效率。

4.3 分類效果對比分析

在對最大似然法和ISOSATA算法的精度進行分析后，為確保自動解譯的正確性，特將兩種算法與目視解譯進行對比。通過對比可以得出，最大似然法和ISODATA算法都可以很好地應用于土地利用類型分類，二者都能夠較為快速、準確地對研究區地物進行劃分，其劃分精度因地物不同而不盡相同。對于居民地、天然草地、水澆地的劃分，最大似然法比ISODATA算法精度較高，劃分較為細致;對于坑塘的劃分ISODATA算法較為細致，能夠較為準確的劃分出坑塘所在位置;然而對于道路的劃分，最大似然法與ISODATA算法劃分精度都比較低，劃分出的道路不連通，精度不足，不能夠進行后續工作，仍需人工進行目視解譯。從整體的分類效果上看，最大似然大的分類效果要優于ISODATA算法，但對于個別地物，如坑塘、水田的劃分，ISODATA算法的劃分效果優于最大似然法。安新縣土地利用類型較為單一，研究區域面積較小，故利用最大似然法與ISODATA算法的解譯精度相對較高，當研究區土地利用類型復雜或研究區占地面積較大時，分類后的精度可能會受到不同程度的影響。并且，最大似然法與ISODATA算法的分類精度受影像的影響較大，對于同一研究區使用分辨率較高的影像分類后精度較高，本文研究選取的影像空間分辨率為30m，影像質量較差，道路在影像中只有1-2個像元，水田與水澆地的區別不明顯，最大似然法與ISODATA算法存在較大影響，因此對道路或水體邊界等較為細小的地物劃分不清晰、不準確，仍需進行人工修正。水田與水澆地反映出的波段差異不大，自動分類時不易區分，誤分、漏分像元數量較多，劃分精度較差。

5 結論

通過用最大似然法、ISODATA算法對安新縣土地利用分類結果與目視解譯分類結果作對比，可以發現，自動解譯結果與目視解譯結果大致相同，利用最大似然法、ISODATA算法進行某地區的土地利用類型劃分是真實可行的。同時根據上述對不同分類精度的對比，可以很明顯看出，最大似然法和ISODATA算法對于不同地物進行劃分時，精度不盡相同，因此適用的區域也各有差異。

最大似然法對于居民地、水田、天然草地的劃分精度較高，精度分別為：88.89%、87.64%、90.96%;ISODATA算法對坑塘、水澆地的劃分精度較高，精度分別可達到：95.38%和91.61%;對于公路來說，二者劃分精度都較低。在進行土地利用類型劃分中，應根據實際情況使用這兩個方法，必要時可以混合使用以提高劃分的精度，達到快速準確地對土地利用類型劃分的目的。

參考文獻：

[1]王敏，高新華，陳思宇，等.基于Landsat 8遙感影像的土地利用分類研究——以四川省紅原縣安曲示范區為例[J].草業科學，2015，32（05）：694-701.

[2]吳非權，馬海州，沙占江，等.基于決策樹與監督、非監督分類方法相結合模型的遙感應用研究[J].鹽湖研究，2005（04）：9-13.

[3]楊鑫.淺談遙感圖像監督分類與非監督分類[J].四川地質學報，2008（03）：251-254.

[4]楊毅檸，宋微.國土調查中的遙感目視解譯與矢量化方法研究[J].環境保護與循環經濟，2009，29（10）：20-23.

[5]李建伏，趙玉成，賀懷清.基于最大似然原理的分類屬性數據分層聚類算法[J].計算機應用與軟件，2015，32（03）：247-252+296.

[6]曾江源.ISODATA算法的原理與實現[J].科技廣場，2009（07）：126-127.