基于遙感與GIS的土地利用分類(lèi)方法研究

高鑫 徐景東 馮陽(yáng) 郭瀝文 戴建林

摘? 要：研究土地利用類(lèi)型分類(lèi)對(duì)國(guó)民經(jīng)濟(jì)具有重要意義。在土地利用類(lèi)型分類(lèi)中，常用的方法為監(jiān)督分類(lèi)與非監(jiān)督分類(lèi)，這兩種方法都可以快速地對(duì)土地利用類(lèi)型行分類(lèi)，但針對(duì)不同的地物二者的分類(lèi)精度是不同的。文章將最大似然法與ISODATA算法的分類(lèi)結(jié)果與目視解譯作對(duì)比，分析得出兩種方法對(duì)不同地物的分類(lèi)精度，確定其適用地物。分析得出最大似然法對(duì)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(duì)坑塘、水澆地的劃分精度較高，精度分別可達(dá)到：95.38%和91.61%。

關(guān)鍵詞：土地利用分類(lèi);最大似然法;ISODATA算法

中圖分類(lèi)號(hào)：P237? ? ?? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號(hào)：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(guó)家重視的問(wèn)題之一，也是全球環(huán)境變化人文因素計(jì)劃與國(guó)際地圈生物圈計(jì)劃的核心研究?jī)?nèi)容之一，隨著人口增長(zhǎng)速度的增加，可利用的土地資源卻相對(duì)的越來(lái)越少，因此土地如何合理應(yīng)用成為了各國(guó)重視的問(wèn)題。為使有限的土地能夠更加合理運(yùn)用，我們應(yīng)該對(duì)當(dāng)?shù)氐耐恋乩妙?lèi)型進(jìn)行研究分析，其分析出的各項(xiàng)指標(biāo)，可以適當(dāng)?shù)胤从吵霎?dāng)?shù)厣a(chǎn)建設(shè)項(xiàng)目的生產(chǎn)規(guī)模、生產(chǎn)水平和生產(chǎn)特點(diǎn)等要素。

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

1 研究區(qū)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(biāo)為北緯38°10′-40°00′，東經(jīng)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(diǎn)、耕地、水體交錯(cuò)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(lèi)極佳的區(qū)域。

2 數(shù)據(jù)來(lái)源與處理

2.1 數(shù)據(jù)來(lái)源

本研究數(shù)據(jù)來(lái)源于地理空間數(shù)據(jù)云（http：//www.gscloud.cn）。選取研究區(qū)云量<1%的無(wú)壞帶Landsat 8遙感影像，進(jìn)行預(yù)處理。

2.2 目視解譯

目視解譯是遙感解譯主要的傳統(tǒng)方法，其也常被叫做目視判讀（判譯），是遙感成像的逆過(guò)程。因目視解譯精度相對(duì)較高，綜合考慮程度較高，故采用這種方法來(lái)檢驗(yàn)最大似然法與ISODATA算法的分類(lèi)精度。本研究以《土地利用現(xiàn)狀分類(lèi)（GB-21010-2017）》作為分類(lèi)標(biāo)準(zhǔn)進(jìn)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(jí)地類(lèi)，城鎮(zhèn)住宅用地和農(nóng)村宅基地因?yàn)橛跋褓|(zhì)量原因不好區(qū)分，因此這兩個(gè)統(tǒng)一劃分到居民地中。研究區(qū)目視解譯結(jié)果如圖1。

3 土地利用的兩種分類(lèi)方法

3.1 最大似然法

最大似然法是一種具有理論性的點(diǎn)估計(jì)法[5]。此中方法的主要思想為從整體中抽調(diào)出樣本，確保與抽調(diào)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(lèi)地物。通過(guò)這樣的分類(lèi)進(jìn)行土地利用類(lèi)型的劃分，進(jìn)而得出分類(lèi)后的不同土地利用類(lèi)型所在的具體位置以及其具體面積的大小。按照研究區(qū)的大小、研究區(qū)中不同地物的種類(lèi)以及研究區(qū)中的實(shí)際情況，本文研究的訓(xùn)練樣本抽取具體數(shù)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(lèi)結(jié)果如圖2。

3.2 ISODATA算法

ISODATA算法是基于k-均值算法的基礎(chǔ)上進(jìn)行計(jì)算的。在計(jì)算中增加對(duì)類(lèi)型結(jié)果的“合并”和“分裂”這兩種操作，然后在這種計(jì)算方法運(yùn)行時(shí)增加參數(shù)，對(duì)其進(jìn)行控制，進(jìn)而得出結(jié)論[6]。本文研究參數(shù)如下：最小分類(lèi)數(shù)設(shè)置為6，最大分類(lèi)數(shù)設(shè)置為18，迭代次數(shù)設(shè)置為10，進(jìn)行分類(lèi)計(jì)算，將分類(lèi)后結(jié)果進(jìn)行合并等處理。得出的最終結(jié)果如圖3。

4 最大似然法與ISODATA算法精度評(píng)價(jià)

在完成最大似然法分類(lèi)和ISODATA算法分類(lèi)后，將兩種算法的結(jié)果分別與目視解譯成果做對(duì)比，進(jìn)行精度分析。

4.1 最大似然法分類(lèi)精度評(píng)價(jià)

將最大似然法的分類(lèi)結(jié)果和目視解譯的分類(lèi)結(jié)果作對(duì)比，評(píng)價(jià)得到的總體精度為76.286%，Kappa系數(shù)為0.6799。通過(guò)總體分類(lèi)精度可以看出，利用監(jiān)督分類(lèi)中的最大似然法進(jìn)行土地利用類(lèi)型分類(lèi)時(shí)，最終結(jié)果顯示有76.2860%的像元被正確劃分，可見(jiàn)其劃分的正確性較高，其結(jié)果可信度較高，可以用于土地利用分類(lèi)中，對(duì)土地利用分類(lèi)可以進(jìn)行更高效處理。最大似然法的分類(lèi)結(jié)果誤差和精度評(píng)價(jià)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(duì)準(zhǔn)確的劃分出遙感影像中的居民地，劃分正確率高達(dá)92.91%，制圖精度為88.89%。但在公路的劃分中，錯(cuò)分率卻為76.70%，漏分百分比高達(dá)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(lèi)型的劃分精度較低。

因此，當(dāng)處理的遙感影像多為居民地和天然草地時(shí)，或需要解譯區(qū)域的居民地和天然草地占地較多時(shí)，可使用最大似然法對(duì)此種研究區(qū)域進(jìn)行解譯，其精度可以滿(mǎn)足大部分研究使用，可以快捷完成解譯操作;若需要進(jìn)行土地利用分類(lèi)的研究區(qū)中，公路、坑塘較多，居民地相對(duì)占地較少時(shí)，應(yīng)選擇其它分類(lèi)算法進(jìn)行劃分，最大似然法使用的計(jì)算方法不適用于對(duì)道路和坑塘的劃分，其精度不足以進(jìn)行后續(xù)研究。

4.2 ISODATA算法分類(lèi)精度評(píng)價(jià)

將ISODATA算法的分類(lèi)結(jié)果和目視解譯的分類(lèi)結(jié)果作對(duì)比，評(píng)價(jià)得到的總體精度為73.3051%，Kappa系數(shù)為0.6202。ISODATA算法的總體分類(lèi)精度為73.3051%，總體分類(lèi)精度大于70%，非監(jiān)督分類(lèi)的精度較高。ISODATA算法的分類(lèi)結(jié)果誤差和精度評(píng)價(jià)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(cuò)分率較低，坑塘的漏分率僅為4.62%，由此可見(jiàn)，ISODATA算法對(duì)于坑塘等水體分類(lèi)較為準(zhǔn)確，對(duì)草地、公路等地物類(lèi)型分類(lèi)較為粗略，精準(zhǔn)度較低。ISODATA算法對(duì)坑塘、水澆地劃分的較為準(zhǔn)確，制圖精度與用戶(hù)精度均比較高。

因此，ISODATA算法適用于水體分類(lèi)，可以快速、準(zhǔn)確的對(duì)河流、坑塘等進(jìn)行劃分，且劃分精度較高。對(duì)某些河流或湖泊等水體較多的研究區(qū)可以使用ISODATA算法進(jìn)行處理，可以節(jié)省人力，縮短解譯時(shí)間，以提高工作、解譯效率。

4.3 分類(lèi)效果對(duì)比分析

在對(duì)最大似然法和ISOSATA算法的精度進(jìn)行分析后，為確保自動(dòng)解譯的正確性，特將兩種算法與目視解譯進(jìn)行對(duì)比。通過(guò)對(duì)比可以得出，最大似然法和ISODATA算法都可以很好地應(yīng)用于土地利用類(lèi)型分類(lèi)，二者都能夠較為快速、準(zhǔn)確地對(duì)研究區(qū)地物進(jìn)行劃分，其劃分精度因地物不同而不盡相同。對(duì)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(xì)致;對(duì)于坑塘的劃分ISODATA算法較為細(xì)致，能夠較為準(zhǔn)確的劃分出坑塘所在位置;然而對(duì)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(jìn)行后續(xù)工作，仍需人工進(jìn)行目視解譯。從整體的分類(lèi)效果上看，最大似然大的分類(lèi)效果要優(yōu)于ISODATA算法，但對(duì)于個(gè)別地物，如坑塘、水田的劃分，ISODATA算法的劃分效果優(yōu)于最大似然法。安新縣土地利用類(lèi)型較為單一，研究區(qū)域面積較小，故利用最大似然法與ISODATA算法的解譯精度相對(duì)較高，當(dāng)研究區(qū)土地利用類(lèi)型復(fù)雜或研究區(qū)占地面積較大時(shí)，分類(lèi)后的精度可能會(huì)受到不同程度的影響。并且，最大似然法與ISODATA算法的分類(lèi)精度受影像的影響較大，對(duì)于同一研究區(qū)使用分辨率較高的影像分類(lèi)后精度較高，本文研究選取的影像空間分辨率為30m，影像質(zhì)量較差，道路在影像中只有1-2個(gè)像元，水田與水澆地的區(qū)別不明顯，最大似然法與ISODATA算法存在較大影響，因此對(duì)道路或水體邊界等較為細(xì)小的地物劃分不清晰、不準(zhǔn)確，仍需進(jìn)行人工修正。水田與水澆地反映出的波段差異不大，自動(dòng)分類(lèi)時(shí)不易區(qū)分，誤分、漏分像元數(shù)量較多，劃分精度較差。

5 結(jié)論

通過(guò)用最大似然法、ISODATA算法對(duì)安新縣土地利用分類(lèi)結(jié)果與目視解譯分類(lèi)結(jié)果作對(duì)比，可以發(fā)現(xiàn)，自動(dòng)解譯結(jié)果與目視解譯結(jié)果大致相同，利用最大似然法、ISODATA算法進(jìn)行某地區(qū)的土地利用類(lèi)型劃分是真實(shí)可行的。同時(shí)根據(jù)上述對(duì)不同分類(lèi)精度的對(duì)比，可以很明顯看出，最大似然法和ISODATA算法對(duì)于不同地物進(jìn)行劃分時(shí)，精度不盡相同，因此適用的區(qū)域也各有差異。

最大似然法對(duì)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(duì)坑塘、水澆地的劃分精度較高，精度分別可達(dá)到：95.38%和91.61%;對(duì)于公路來(lái)說(shuō)，二者劃分精度都較低。在進(jìn)行土地利用類(lèi)型劃分中，應(yīng)根據(jù)實(shí)際情況使用這兩個(gè)方法，必要時(shí)可以混合使用以提高劃分的精度，達(dá)到快速準(zhǔn)確地對(duì)土地利用類(lèi)型劃分的目的。

參考文獻(xiàn)：

[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(lèi)研究——以四川省紅原縣安曲示范區(qū)為例[J].草業(yè)科學(xué)，2015，32（05）：694-701.

[2]吳非權(quán)，馬海州，沙占江，等.基于決策樹(shù)與監(jiān)督、非監(jiān)督分類(lèi)方法相結(jié)合模型的遙感應(yīng)用研究[J].鹽湖研究，2005（04）：9-13.

[3]楊鑫.淺談遙感圖像監(jiān)督分類(lèi)與非監(jiān)督分類(lèi)[J].四川地質(zhì)學(xué)報(bào)，2008（03）：251-254.

[4]楊毅檸，宋微.國(guó)土調(diào)查中的遙感目視解譯與矢量化方法研究[J].環(huán)境保護(hù)與循環(huán)經(jīng)濟(jì)，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(lèi)屬性數(shù)據(jù)分層聚類(lèi)算法[J].計(jì)算機(jī)應(yīng)用與軟件，2015，32（03）：247-252+296.

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