面向對象的沿海地區土地利用/覆被信息提取研究

楊小艷，劉文璐，李 龍，陳龍乾，陳龍高

(1. 江蘇師范大學地理測繪與城鄉規劃學院，江蘇 徐州 221116； 2. 中國礦業大學環境與測繪學院，江蘇 徐州 221116； 3. Department of Geography, Earth System Science, Vrije Universiteit Brussel, Brussels 1050)

土地利用/覆被(LUC)及變化研究一直是地學研究中的熱點[1-3]。遙感技術獲取LUC信息具有成本低、客觀和實時動態的優勢[4-7]。基于像素的RS影像LUC分類方法不考慮地物的空間語義及紋理結構等信息[8]且“椒鹽”效應明顯[9]。面向對象的方法將特征近似的相鄰像素歸并為一個對象，地物中的光譜信息與空間語義信息充分應用于數據分類中，使得LUC分類精度得到提高[10]，已廣泛應用于中高分辨率遙感影像分類中[11-13]。

沿海地區的灘涂會隨著潮位變化，而鹽田則因生產周期發生變化，故呈現周期性的變化規律。傳統的基于像素分類的方法在提取上述特殊LUC類型時易產生錯分現象。沿海灘涂及鹽田等土地類型斑塊較大，包括Landsat、CBERS等在內的影像能夠獲取相應的空間語義及紋理結構等信息，為應用面向對象的方法提供了理想的數據來源。

本文以沿海特殊土地利用類型區連云港市為例，構建面向對象的分類方法，以提高LUC信息提取的精度，從而為區域土地利用管理等提供數據支持。

1 研究區概況與基礎數據來源

連云港市是江蘇省北部沿海城市，地貌類型多樣，土地類型主要有城鎮、村莊、耕地、園地、林地、灘涂、鹽田等。本文研究影像數據由Landsat 8于2013年8月27日采集。DEM采用ASTER GDEM V2版本數據。此外，還收集了2013年度土地利用數據用于精度評估。

2 技術流程與方法

2.1 LUC類型劃分與確定

本文土地利用/覆被類型包括城鎮、村莊、耕地、水體、林地、灘涂、鹽田。其中城鎮主要指城鎮、部分硬化地面及城鎮外工業用地，裸巖石礫地等因在光譜特征上與硬化地面一致也劃分至該類型；耕地包括旱地、水澆地及水田；水體包括河流水面、水庫、坑塘等；灘涂主要指沿海灘涂區；林地包括各種天然和人工林地。

2.2 數據處理提取

首先對土地利用矢量數據進行配準，配準精度控制在1個像素以內。然后利用易康平臺完成影像對象分割及土地利用/覆被分類等操作。其他數據中，NDVI利用公式(Band5-Band4)/(Band5+Band4)得到；NDWI利用公式(Band3-Band5)/(Band3+Band5)得到；Slope數據利用ASTER GDEM數據測算得出；海岸線(DSL)數據則首先綜合土地利用現狀數據和遙感影像獲取海岸線，最后利用緩沖區工具提取距海岸線20 km以內的區域。

2.3 二次影像分割

為了充分利用地物紋理及空間語義等特征參與分類，本文采用了二次分割的方法分別建立了父對象與子對象。形狀和緊致度參數分別設置為0.1和0.5。在尺度參數的選擇上，父對象分割尺度設置為200，子對象分割尺度設置為20。經目視檢驗，分割后的對象基本達到影像分割時對象間同質性最小、異質性最大的要求。

2.4 分類規則與流程構建

連云港地區鹽田多呈現水體及建設用地光譜特征，灘涂則因時期不同呈現不同波譜特征，從而易與城鎮及水體等土地利用類型混淆。深淺海水體和深淺淡水體因鹽分、礦物質及水體深度不同，其光譜特征也存在明顯的差異，易與其他地類混淆。南部平原區和北部丘陵區耕地類型因土壤質量不同導致作物種植密度和茂盛度均有較大差異，從而存在光譜差異。

上述特點導致傳統基于像元的方法易產生錯分，但不同LUC類型具有不同的形狀及影像特征。如北部丘陵區旱地形狀不規則，但平原旱地及水田邊界清晰，多為規則矩形或條狀；鹽田邊界較清、排列整齊；灘涂邊界不清，呈波紋狀紋理；水體紋理較均一、邊界較清、形狀多樣；城鎮輪廓明顯。此外，連云港林地多分布于坡度>10°的區域，灘涂和鹽田則集中分布于海岸線20 km以內區域,這為構建面向對象的分類方法提供了重要支撐。

本文研究采用多層多次分類方法，并構建了相應的分類規則和流程,如圖1所示，并最終獲得了LUC分類結果。

2.5 分類結果精度評價

根據研究區2013年度土地利用變更數據，應用隨機采樣的方法獲取522個采樣點，各具體類型樣點數量根據實際各類用地面積比例確定；而后將實際類型與遙感分類類型賦值至采樣點進行比較分析，從而獲取研究區LUC誤差評價矩陣，見表1。

表1 研究區土地利用/覆被分類精度評價結果

3 結果分析

從分類結果可知，林地主要位于連云港市中東部與北部山區及丘陵地區，灘涂與鹽田則集中分布于東部沿海區域，其他類型則在全市各區域均有不同程度的分布。本方法分類總體精度超過85%，但是總體Kappa系數也超過了0.7的最低允許判別精度[14]，并達到較好的分類精度要求[15]。其中耕地的制圖精度與用戶精度均超過90%，表明該方法可以有效地減少因連云港市南北部區域耕地植被覆蓋度不同導致的錯分現象。鹽田用戶精度達93.24%，表明其分類為鹽田的樣點準確度較高，在一定程度上證明了該方法用于提取鹽田信息的可行性。灘涂分類結果用戶精度達到88.16%，表明本方法可以應用于灘涂信息的提取工作。

以往關于連云港市部分區域(主要為中心城區)LUC的研究結果精度雖然更高，但分類的范圍較小，而且應用單個季節進行土地利用/覆被分類很難獲取沿海灘涂與鹽田等特殊土地利用類型[16]；應用多季節聯合的分類方法可以提取包括灘涂與鹽田等在內的土地利用/覆被類型，但是往往需要同一年度多個季節符合質量要求的影像[17]，其數據收集難度相對較大。

本文方法綜合利用了遙感影像、DEM、海岸線等多源數據，可對整個行政區域內包括沿海灘涂與鹽田等特殊類型的土地利用/覆被進行分類。此外，本文方法只使用了單個時期的遙感影像，精度能夠達到中尺度土地利用相關分析的精度要求，具有實際的應用價值。

4 結 語

基于市縣尺度的土地利用相關研究區域較大，而同一土地利用類型在不同地形區的光譜特征具有較大的差異；沿海地區灘涂與鹽田等與建設用地和水體具有相似的光譜特征。上述問題均增加了基于像元的LUC分類的難度。然而，包括鹽田與灘涂在內的LUC類型在紋理、形狀及空間關系等方面具有自身特點，可以充分利用其進行LUC信息提取工作。

本文基于面向對象的方法實現了對沿海區域市縣完整尺度下的LUC信息提取工作，克服了基于像元的分類方法中單季節影像難以獲取沿海灘涂與鹽田信息的不足，以及多季節聯合方法需要同一年度多個季節符合質量要求的影像的限制，分類精度能夠達到相關應用的要求。本方法既可為研究區土地利用相關研究提供符合精度要求的數據，也可為其他沿海地區進行LUC信息提取工作提供參考和借鑒。