多源遙感技術(shù)在土地利用分類中的應(yīng)用

馬 騰，劉全明，孫 紅

(1. 內(nèi)蒙古農(nóng)業(yè)大學(xué)水利與土木建筑工程學(xué)院，內(nèi)蒙古 呼和浩特 010018； 2. 內(nèi)蒙古自治區(qū)城鎮(zhèn)供排水監(jiān)測(cè)中心，內(nèi)蒙古 呼和浩特 010018)

精確、大范圍的土地利用分類，可為精準(zhǔn)農(nóng)業(yè)、土地資源調(diào)查、環(huán)境災(zāi)害監(jiān)測(cè)等提供基礎(chǔ)數(shù)據(jù)。遙感技術(shù)由于具有監(jiān)測(cè)范圍廣、實(shí)時(shí)性好等優(yōu)點(diǎn)被廣泛應(yīng)用于土地利用分類中[1-4]。

光學(xué)遙感是目前進(jìn)行土地利用分類的主要手段，其數(shù)據(jù)獲取便捷，可獲取地物在可見光、紅外等波長(zhǎng)范圍內(nèi)反射或輻射的電磁波，通過波段間的組合運(yùn)算可有效反映植被、土壤、水體等信息[5-6]。但光學(xué)遙感也有自身的局限性，如易受云、雨、霧的影響，僅能反映地物的光譜特征，對(duì)于物體表面的粗糙度及形狀不敏感等，這些問題易導(dǎo)致光譜特性接近而屬性不同物體的混分[7-8]。微波遙感屬主動(dòng)遙感范疇，可在一定程度上穿透云、雨、霧，并且對(duì)于地物的形狀敏感，可通過極化目標(biāo)分解方法將地物分解為物理機(jī)制清晰的目標(biāo)[9-18]。極化目標(biāo)分解方法中Freeman-Durden分解屬于散射機(jī)制劃分的較優(yōu)方法[19]。該方法將地表劃分為表面散射(或奇次散射)、體散射、二次散射(或偶次散射)3種類型，由于一般地物中極少出現(xiàn)3次以上散射，因此分解得到的三分量可對(duì)應(yīng)表面散射、體散射及二次散射。各種散射機(jī)制對(duì)應(yīng)于不同的土地利用類型，表面散射對(duì)應(yīng)平坦地面、水面等區(qū)域；體散射對(duì)應(yīng)林地、植被、低矮建筑物等區(qū)域；二次散射對(duì)應(yīng)高大建筑、林地等區(qū)域。由Freeman-Durden分解后的各類散射機(jī)制對(duì)應(yīng)的地物來看，3種散射機(jī)制難以完成高精度的土地利用類型劃分，但其提供了多光譜數(shù)據(jù)所缺乏的物體形狀信息。

將多光譜數(shù)據(jù)與微波數(shù)據(jù)相結(jié)合，可實(shí)現(xiàn)地物的光譜特征及微波散射特征互補(bǔ)，能在一定程度上避免多光譜遙感同物異譜或異物同譜的現(xiàn)象，同時(shí)可避免微波數(shù)據(jù)在Freeman-Durden分解后地物難以細(xì)分的現(xiàn)象。本文將多光譜數(shù)據(jù)與微波數(shù)據(jù)結(jié)合，可較為有效地降低地物誤分類的概率，實(shí)現(xiàn)分類精度的提高。

1 研究區(qū)概況及數(shù)據(jù)獲取

1.1 研究區(qū)域

選取內(nèi)蒙古自治區(qū)河套灌區(qū)解放閘灌域內(nèi)面積約200 km2區(qū)域作為研究區(qū)域。該研究區(qū)域位于巴彥淖爾市杭錦后旗附近，西北角經(jīng)緯度為106.983 1°E、40.933 8°N，東南角經(jīng)緯度為107.174 0°E、40.810 7°N，平均海拔1040 m，為典型的干旱、半干旱地區(qū)。研究區(qū)域內(nèi)典型的土地利用類型為居民地、林地、耕地、水體、未利用土地。研究區(qū)域在河套灌區(qū)所處位置如圖1所示。

圖1 研究區(qū)域位置示意圖

1.2 數(shù)據(jù)獲取

研究區(qū)域的高分一號(hào)衛(wèi)星影像空間分辨率為16 m，影像成像時(shí)間為2015年4月28日。研究區(qū)域的RADARSAT-2影像格式為單視復(fù)數(shù)影像，四極化成像方式，地面分辨率為8 m，成像時(shí)間為2015年4月24日，近距離入射角為24.5°，遠(yuǎn)距離入射角為26.4°，成像方式為右視。于2015年4月23日—4月25日進(jìn)行了地面樣本的采集工作，主要目的是為了獲取影像分類樣本及精度評(píng)定樣本。樣本包含了研究區(qū)域居民地、林地、耕地、水體、未利用土地5類典型土地利用類型，并測(cè)定其WGS-84坐標(biāo)系下經(jīng)緯度。居民地主要包含民用、工用建筑物；林地主要包含林地、苗圃等；耕地主要包含已翻種耕地、未翻耕地等；水體主要包含研究區(qū)域內(nèi)的人工湖及蓄水池等；未利用土地主要包含荒蕪耕地及鹽漬化較為嚴(yán)重的土地等。

2 數(shù)據(jù)處理

2.1 數(shù)據(jù)預(yù)處理

對(duì)高分一號(hào)數(shù)據(jù)進(jìn)行輻射校正、大氣校正，利用地面控制點(diǎn)進(jìn)行幾何校正，校正后真彩色圖像如圖2(a)所示。之后提取RADARSAT-2數(shù)據(jù)的極化協(xié)方差矩陣C3。為避免斑點(diǎn)噪聲的影響，對(duì)C3矩陣影像進(jìn)行濾波處理，考慮濾波過程會(huì)造成圖像分辨率的下降，從而導(dǎo)致圖像細(xì)節(jié)信息的丟失，選擇較小的7×7窗口的改進(jìn)LEE濾波器進(jìn)行濾波。對(duì)濾波后影像進(jìn)行地理編碼處理，再與多光譜影像配準(zhǔn)，得到了可直接應(yīng)用于極化目標(biāo)分解的C3矩陣。

2.2 RADARSAT-2數(shù)據(jù)Freeman-Durden三分量分解

Freeman-Durden分解將極化協(xié)方差矩陣C3表示如下

C3=〈C3〉v+〈C3〉d+〈C3〉s

(1)

式中，〈C3〉v為體散射協(xié)方差矩陣；〈C3〉d為偶次散射矩陣；〈C3〉s為奇次散射矩陣。由于實(shí)際情況中3次以上散射很少出現(xiàn)，因此〈C3〉d可認(rèn)定為二次散射矩陣、〈C3〉s可認(rèn)定為表面散射矩陣；〈〉表示空間統(tǒng)計(jì)平均。

各散射協(xié)方差矩陣表示如下

(2)

(3)

式中，Ps為表面散射功率；Pd為二次散射功率；Pv為體散射功率。將散射功率轉(zhuǎn)換為灰度級(jí)0～255，并進(jìn)行偽彩色增強(qiáng)后圖像如圖2(b)、(c)、(d)所示。

圖2 高分一號(hào)及RADARSAT-2、Freeman-Durden三分量圖像

2.3 特征提取及特征選擇

分析研究區(qū)域5種土地利用類型。其中耕地在影像獲取期間尚未出苗，可利用NDVI實(shí)現(xiàn)林地與其他土地利用類型的劃分，隨機(jī)提取了分類樣本中的5000點(diǎn)進(jìn)行可分離性分析，如圖3所示。在圖3中可看出，林地與其他土地利用類型在NDVI波段中的可分離性較好，因此可利用NDVI將林地從其他土地利用類型中分離出來，在圖中獲取林地的分割閾值為NDVI≥0.166 3，即粗實(shí)線所在位置。

水體在可見光各波段均具有較低的反射率，但研究區(qū)內(nèi)的水體由于受水生植物或漂浮物的影響，導(dǎo)致其在綠光波段反射率略強(qiáng)，因此可利用紅色和藍(lán)色波段進(jìn)行水體的提取。利用紅色及藍(lán)色波段繪制的水體與其他類型地物的散點(diǎn)關(guān)系如圖4所示?？梢?，水體與其他3種土地利用類型的分割閾值為藍(lán)色波段亮度值≤1000，紅色波段亮度值≤1801。

圖3 NDVI散點(diǎn)圖

居民地類型多樣，主要包含居民住宅樓、棚戶區(qū)建筑、工業(yè)廠房等。在紅、綠、藍(lán)及紅外波段，居民地與耕地、未利用土地可分性不高，特別是棚戶區(qū)建筑色調(diào)與耕地極為相似。根據(jù)Freeman-Durden分解理論可知，建筑主要產(chǎn)生體散射及二次散射，耕地、未利用土地由于粗糙度較小主要產(chǎn)生單次散射。對(duì)分類樣本進(jìn)行不同散射機(jī)制的統(tǒng)計(jì)分析，結(jié)果見表1。

表1 不同散射機(jī)制統(tǒng)計(jì)值

圖4 紅、藍(lán)波段散點(diǎn)圖

由表1可看出，居民地體散射均值遠(yuǎn)遠(yuǎn)大于表面散射及二次散射，表明居民地以體散射為主要散射機(jī)制，耕地、未利用土地以表面散射為主要散射機(jī)制。研究區(qū)域內(nèi)部分面積較大的工業(yè)廠房屋頂多產(chǎn)生表面散射，并且其二次散射功率較大，一般大于耕地、未利用土地的二次散射功率。根據(jù)以上分析，確定出在居民地、耕地、未利用土地3種土地利用類型中提取居民地的條件應(yīng)為滿足該區(qū)域?qū)儆隗w散射區(qū)域或二次散射功率≥0.04。按照以上兩個(gè)條件對(duì)居民地、耕地、未利用土地樣本區(qū)域像素進(jìn)行標(biāo)記，滿足任一條件標(biāo)記其數(shù)值為1，不滿足標(biāo)記為0，對(duì)樣本區(qū)域各隨機(jī)抽取5000點(diǎn)進(jìn)行求和計(jì)算，結(jié)果見表2。

表2 求和計(jì)算結(jié)果

由表2可知，在居民地樣本區(qū)域抽取的5000點(diǎn)中，有145點(diǎn)被標(biāo)記為0，即被劃分至耕地或未利用土地區(qū)域中，耕地中沒有被劃分至居民地的像素，未利用土地中有31點(diǎn)被劃分至居民地，誤分率為3%。耕地、未利用土地的劃分主要依靠二者光譜特征差異。未利用土地主要是鹽漬化較為嚴(yán)重區(qū)域，其光譜反射率一般較高，在可見光波段與耕地可分離性較好，如圖5所示。為便于確定閾值，對(duì)紅色波段和藍(lán)色段進(jìn)行比值處理，處理后的樣本分布散點(diǎn)如圖6 所示。耕地與未利用土地的分割閾值為比值≥0.551 3。

圖5 紅、藍(lán)波段散點(diǎn)圖

圖6 比值波段下散點(diǎn)圖

3 土地利用類型劃分及精度評(píng)定

3.1 土地利用類型劃分

利用已確定出的5種土地利用類型的分割閾值，直接構(gòu)建圖像分類的決策樹。決策樹分為5層，每層分割出一種土地利用類型。整體決策樹示意圖如圖7所示。

決策樹分類圖像如圖8所示。

3.2 精度評(píng)定

利用采集獲取的地面精度評(píng)定樣本進(jìn)行土地利用分類精度評(píng)定。精度評(píng)定的指標(biāo)主要有整體分類精度及Kappa系數(shù)，并計(jì)算了分類混淆矩陣(見表3)。

由表3可知，誤分類較多的地物類型為林地，其中大部分誤分像素被劃分至居民地，主要是由于空間分辨率所限導(dǎo)致產(chǎn)生混合像素。未利用土地部分像素被劃分至耕地，主要是由于未利用土地范圍內(nèi)部分區(qū)域并未出現(xiàn)鹽漬化現(xiàn)象，導(dǎo)致其光譜特性與耕地光譜特性極為接近。居民地中部分像素被劃分至未利用土地是由于居民地中部分空地影響導(dǎo)致的。整個(gè)研究區(qū)域總分類精度為96.6%，Kappa系數(shù)為0.955，達(dá)到了較高的分類精度。

圖7 決策樹示意圖

圖8 決策樹分類圖像

土地利用類型居民地水體林地耕地未利用土地居民地5558018320水體02171000林地00228500耕地00266586218未利用土地2230602304樣本數(shù)57812171250065882522總分類精度:96.6%Kappa系數(shù):0.955

4 與其他分類方法的比較

將多源遙感土地利用分類的方法與另外兩種監(jiān)督分類方法進(jìn)行比較，一種是常用的多光譜數(shù)據(jù)分類，另一種為通過Freeman-Durden三分量數(shù)據(jù)進(jìn)行分類。采用多光譜分類時(shí)選擇藍(lán)、綠、紅、近紅外波段及NDVI指數(shù)作為特征向量，采用Freeman-Durden三分量數(shù)據(jù)進(jìn)行分類時(shí)選擇3種散射機(jī)制功率作為特征向量，分類方法采用最大似然法分類，分類樣本及精度評(píng)定樣本不變。分類混淆矩陣見表4，分類圖像如圖9、圖10所示。

表4 不同分類方法精度比較

圖9 高分一號(hào)最大似然分類圖像

圖10 RADARSAT-2最大似然分類圖像

由表4可知，分類精度最低的為Freeman-Durden三分量分類，由圖10可知，誤分類最多的區(qū)域?yàn)榫用竦兀糠窒袼乇粍澐种亮值貐^(qū)域，表明林地與居民地散射機(jī)制十分類似，耕地、水體、未利用土地3種土地利用類型也產(chǎn)生了較為嚴(yán)重的混分現(xiàn)象，主要原因是3種土地利用類型散射機(jī)制均為表面散射占優(yōu)勢(shì)，體散射及二次散射功率較低。因此，利用Freeman-Durden三分量分類可將居民地、林地區(qū)域與耕地、水體、未利用土地區(qū)域有效區(qū)分開，但無法區(qū)分林地與居民地兩種土地利用類型，以及耕地、水體、未利用土地3種土地利用類型。多光譜數(shù)據(jù)分類方法精度優(yōu)于Freeman-Durden三分量分類，從圖9中可知，部分居民地區(qū)域被誤分至未利用土地區(qū)域，說明居民地特別是低矮建筑密集的棚戶區(qū)與未利用土地在光譜特性上極為相似，二者可分離性較低。耕地及未利用土地也存在錯(cuò)分現(xiàn)象，主要原因也是由于未利用土地范圍內(nèi)部分區(qū)域并未出現(xiàn)鹽漬化現(xiàn)象，導(dǎo)致其光譜特性與耕地光譜特性極為接近。

5 結(jié) 語

利用多源遙感數(shù)據(jù)進(jìn)行土地利用分類可實(shí)現(xiàn)遙感數(shù)據(jù)間的優(yōu)勢(shì)互補(bǔ)，能夠有效避免多光譜數(shù)據(jù)易出現(xiàn)的同物異譜或異物同譜現(xiàn)象。多光譜數(shù)據(jù)區(qū)分林地、水體、未利用土地時(shí)具有較高的精度，但在居民地區(qū)域，不同建筑物區(qū)域光譜特征各異，特別是建筑較為密集的棚戶區(qū)光譜特性與未出苗時(shí)耕地特性極為相似，并且樣本點(diǎn)采集時(shí)難以實(shí)現(xiàn)各類型的完全覆蓋，因而極易導(dǎo)致與耕地的混分。微波數(shù)據(jù)對(duì)于所觀測(cè)物體的形狀較為敏感，可根據(jù)地物散射機(jī)制的不同進(jìn)行地物類型劃分，可有效地區(qū)分建筑物與耕地，但微波數(shù)據(jù)在進(jìn)行極化目標(biāo)分解后，由于林地、居民地二者間，以及水體、耕地及未利用土地三者間散射特性極為相似，易導(dǎo)致混分。將多光譜數(shù)據(jù)與微波數(shù)據(jù)相結(jié)合進(jìn)行多源遙感的土地利用分類，可有效地避免各數(shù)據(jù)源的自身缺陷，提高分類精度。