大同礦區忻州窯礦(井工礦)土地利用分類最佳波段組合研究*

王佳佳，邵亞琴，吳志剛

(1.內蒙古科技大學 礦業與煤炭學院，內蒙古 包頭 014010；2.神華北電勝利能源有限公司，內蒙古 錫林浩特 026000)

土地資源，與我們而言至關重要，不但體現著在自然界的不可或缺的重要性，而且代表著人類社會的發展.一般情況下，人們通過降低和破壞自然環境條件，來滿足人們對于資源的需要[1].在忻州窯礦的區域內，人們為推動社會經濟的發展而進行一系列活動一定會對礦區土地利用造成獨特的影響.

研究土地利用類型分類對土地規劃有著重要的意義.遙感技術對土地利用類型分類提供技術性支持.只有更好地了解土地利用類型的現狀及變化，才能制定更加合理的計劃，達到對土地資源的分配與利用.選擇的區域是大同礦區忻州窯礦，大同忻州窯礦不是將煤炭資源裸露在外的露天礦，而是資源在地底下，需要掘進才能開采到煤炭資源的井工礦.但是地面和也能居住生活，對人們的影響不是很大.

1 測區概況

1.1 研究區概況

1.1.1研究區地理位置

大同礦區忻州窯礦是具有開采歷史悠久，且開采量大的煤礦，周圍人們生活的環境收到的影響較大.忻州窯礦所在位置為大同煤田東北端，東經113°3′56″～113°8′16″，北緯40°2′8″～40°4′58″，面積為18.13 m2其中包括忻州窯村、石巖莊村、興旺莊村、劉官莊村.直線距離17.5 km，東西長5.7 km，南北6.08 km[2].

1.1.2研究區自然概況及資源

研究區處于地形陡峭起伏的黃土高原的邊緣，氣候屬于半干旱區暖濕帶氣候，由于濕陷性的黃土受煤礦采動影響.礦區溝谷縱橫，土地養分退化，沉陷區地形變得復雜.大同礦區的居民及周圍企業的生命財產安全和煤炭開采活動都被它們影響.

大同礦區煤炭規模開采始于二十世紀三十年代，煤炭產量逐年增長，也促進經濟的持續增長.截止到2018年9月，其煤炭資源儲量合計310.10億t，資源儲量豐富.但是煤炭開采影響到區域環境，形成很多的采煤塌陷區.

圖1 大同礦區忻州窯礦區位圖

2 數據來源

數據來源是地理空間數據云(http://www.gscloud.cn).根據大同年鑒、谷歌地球和地理空間數據云的數據綜合考慮，以及根據人類活動以及自然因素，將時間劃分為3個階段，研究的影像時間主要是在7月和8月，云量要求小于5%.分別是2004，2017 a.

2.1 2004年所用數據

2004年所用數據為Landsat 4，Landsat 5遙感影像，見表1.

表1 2004年影像數據的基本信息

2.2 2017年所用數據

2017年所用數據為Landsat 8遙感影像，如表2.

表2 2017年影像數據的基本信息

2.3 數據預處理

將合成好的影像，先進行轉換坐標系，在地理空間數據云中下載的數據為WGS84坐標系，所以按照分帶規則，研究區域經度為125°，轉為西安19帶.

本次在ENVI 5.3下利用矢量數據進行圖像的不規則裁剪.然后在ENVI 5.3中統計相關信息，波段相關系數、標準差、最大值、最小值等.

圖2 矢量數據影像的不規則裁剪

3 最佳波段組合

3.1 最佳波段選擇原則

選擇波段主要有以下原則：遙感影像的光譜數量越來越多，其中含有的信息也越加詳細，但是也會增加數據冗雜過多，反而不利于地物的提取；彩色合成時，各個波段之間的相關性??；參與波段合成得到的彩色圖像對所要研究區的地物類型之間的光譜差異要大.那些信息含量多、相關性小、地物光譜差異大、可分性好的波段組合就是最佳組合[3].

3.2 基于光譜特征分析的最佳波段選擇

在各種方法中，最佳指數法(OIF)是最貼合實際的一種方法，OIF指數的計算公式如下.

(1)

式中：Si為第i個波段的標準差；Rij為i、j2波段的相關系數[4].OIF指數越大，則相應組合影像所包含的信息量就越大，最大OIF指數對應的波段組合即為最佳波段組合.

3.3 光譜特征統計及波段間相關系數計算

通過大小，來判斷波段所含信息的多少，統計得出的標準差、相關系數等都可以為影像的波段選擇和分析處理提供一定的基礎[5].

由于Landsat 4-5影像共有7個波段，而本次進行土地利用特征提取的最佳波段，所以在波段重組時舍棄波段6，只研究剩下6個波段.由于Landsat 8其中波段8為全色波段，波段10為熱紅外1，波段11為熱紅外2，卷云波段不參與合成，只研究前7個波段.

3.3.12004年遙感圖像光譜特征統計及波段間相關系數計算

對研究區域的波段信息用ENVI 5.3進行統計，統計后將其按照所要數據進行排序如下表.

表3 2004年TM遙感影像單波段光譜特征統計

通過上表可知，波段2所含的信息最多，所以優先選擇波段2.然后用Excel算出標準和差，再進行排序.根據合成波段統計出相關信息見表4.

表4 2004年TM遙感影像多波段光譜相關系數

根據多波段間相關系數計算結果，結果為上表所示，波段3、波段7的相關系數在整個相關系數矩陣中屬于較低的，其中信息冗余度較高.波段組合共有20種，表5列出了前7種.

表5 2004年遙感影像OIF值

根據最佳波段選擇原則，結合OIF值排序進一步最佳波段故波段2波段3波段7組合的方式為最佳波段，以下為2個波段的組合圖.

圖3 2004年最佳波段合成影像波段7-3-1

3.3.22017年遙感圖像光譜特征統計及波段間相關系數計算

對研究區域的波段信息用ENVI 5.3進行統計，統計后將其按照所要數據進行排序，如表6所示.

表6 2017年Landsat 8遙感影像單波段光譜特征統計

通過上表可知，波段3所含的信息最多，優先選擇波段3.然后用Excel算出標準和差，再進行排序，根據合成波段統計出相關信息如表7.

表7 2017年Landsat 8遙感影像多波段光譜相關系數

根據多波段間相關系數計算結果，結果為上表，波段1、波段3的相關系數在整個相關系數矩陣中屬于較低的，光譜重疊情況較嚴重，其中信息冗余度較高.波段組合共有35種，表8列出前7種.

表8 2017年遙感影像OIF值

根據最佳波段選擇原則，以及波段組合以后的效果圖，結合OIF值排序進一步最佳波段故波段7波段2，波段3組合的方式為最佳波段，以下為3個波段的組合圖.

圖4 2017年最佳波段合成影像波段7-2-3

3.4 監督分類精度的精度評價

3.4.12004年監督分類的精度評價

根據谷歌地球調查配合高精度衛星圖片對2004年土地利用類型分類圖進行精度驗證，總體精度為94.36%，Kappa系數為0.93.

3.4.22017年監督分類的精度評價

根據谷歌地球調查配合高精度衛星圖片對2017年土地利用類型分類圖進行精度驗證，總體精度為94.33%，Kappa系數為0.93.

表9 2004年土地利用類型分類精度評價 單位：%

總體精度：Overall Accuracy=(67/71)94.366 2%

Kappa系數：Kappa Coefficient=0.933 8

表10 2017年土地利用類型分類精度評價 單位：%

總體精度：Overall Accuracy=(100/106)94.339 6%

Kappa系數：Kappa Coefficient=0.933 8

4 總結與展望

以一景影像為例，先將數據中的幾幅影像進行合成、轉坐標、裁剪，然后用ENVI 5.3生成相關報告，利用EXCEL軟件計算出各波段組合的OIF值，然后通過實際組合效果，選擇最佳波段組合.最佳波段組合也為監督分類等提供便利，便于研究土地利用現狀.土地利用變化研究都集中于了解土地系統變化的驅動因素和環境影響，從而利用調整土地利用實現可持續發展目標[6].最佳波段組合的結果，是多方面原因導致的，其中最為關鍵的是研究的目標，研究的區域，研究使用的方法都會使得結果不同，傳感器不同、分辨率不同也會影響結果的不同.最佳波段是土地利用分類的重要步驟，所以最佳波段的選擇，決定了土地利用類型的精度.而土地利用分類又決定著土地利用類型的時間和空間的變化.本文基于山西大同忻州窯礦2004年TM影像和2017年OLI影像根據最佳波段選擇原則，結合單波段、多波段光譜特征分析、最佳指數因子排序逐步確定符合條件的最佳波段.經實驗研究，在2004年，認為波段1，3，7為適合研究區土地利用類型信息提取的最佳波段，波段選擇滿足信息量大、相關性小且多數地類被區分的最佳波段選擇原則.經定性和定量驗證，發現7-3-1為最佳波段組合方式，其解譯效果和精度最高.在2017年，選擇方法與2004年相同，但是并不能很好的分辨哪個是最佳波段，所以將幾種組合方式進行比對，然后進行監督分類的精度分析，波段7-2-3更為合適，可以分辨更多的地物類型并且精度很高.