鄭勇 成都理工大學 四川成都 610051

遙感作為現代地學研究的重要手段之一,已發展成為高精度、大范圍、可實時獲取地物信息的重要探測手段.利用遙感影像可提高對地物的識別能力,提高數據的利用率,方便數據的采集和處理【1】.

本文在用監督分類與非監督分類提取植被信息的同時,嘗試用支持向量機法、最小距離法、IOSDATA法分類方法進行分析,并采用混淆矩陣等評價方法對分類結果進行精度評定.通過對比,得到了精度較高的植被分類方法,為植被信息提取方法的研究提供了重要的研究依據.

一、研究區概況

涪江的源頭為岷山雪寶峰峰頂,其位置處于四川省松潘縣與平武縣之間,全長約700公里,其流域包括綿陽、遂寧以及重慶的部分地區,并最終在重慶合川區匯入嘉陵江,涪江上游段主要指涪江流經平武及江油的相關區域,以平武為主,江油為輔.研究區流域圖如圖1所示:

圖1 涪江流域示意圖

二、數據來源

本次研究所用的遙感影像是從中國科學院地理空間數據云平臺上下載的Landsat-8影像,其條帶號為129,行編號為38,中心經度為104.9380,中心緯度為31.7420,Landsat-8影像的拍攝日期為2014年12月19日,當日的天氣狀況良好,影像上云量較少,占比為12.9%.

三、結果分析

(一)遙感影像的監督分類

(1)最小距離法分類

最小距離法是一種較為基礎的分類方法.在執行最小距離法時,需要通過對已知的訓練樣本進行分析計算,得出其均值矢量,并以此作為其特征空間的中心位置,再將待分類區域的圖像進行計算分析,并對圖像像元距各類樣本的距離進行統計分析.

在ENVI中選擇supervised classification > Minimun distance classification,在彈出的框體中,選中所有的分類樣本,對每一個需要進行類別分類的樣本都進行標準差閥值的設定,選擇Single Value,將值設置為4,并將最大距離誤差(Max Distance Error )設置為None,然后再選擇輸出路徑,執行最小距離分類.

(2)支持向量機法

支持矢量機是基于統計分析的一種算法,具有一定的學習與分析能力.通過對訓練樣本進行統計分析,查找各類別之間的差異性,并構造分類器,使各個類別之間的差異最大化.支持向量機法在各類地物的差異性較大時效果顯著,應用的效果較好.

(二)遙感影像的非監督分類

(1)IOSDATA法

生成圖像后,根據影像實際情況,將影像分類類別進行合并,最后對分類類別的顏色和名稱進行調整.在這里,非監督分類圖像被分為了光陰影區及水域、建設用地、林地、耕地、牧草地類.

(三)精度評價

本次研究共采用了三種分類方法對影像進行分類,下面就總體分類精度和卡帕系數對分類結果進行對比,對比結果如表1所示:

表1 三種分類方法精度對比

從表1可看出支持矢量機法的分類精度最高,分類的效果最好,最小距離法次之,IOSDATA法精度最差.同時,考慮到三種分類方法中最小距離法對林地和耕地的分類精度較差,IOSDATA對地物的整體分類精度較差,支持矢量機法則對地物進行了有效的區分.