土地利用覆盖变化信息提取

土地利用/覆盖变化信息提取实验报告

1.实验目的

利用TM/ETM3个时相卫星数据，应用ENVI软件进行土地利用/覆盖分类，在此基础上进一步分析其动态变化特征。

2.实验容

市土地利用/覆被变化信息的提取。采用决策树分类法提取土地利用/覆被信息，它通过分析地物光谱特征和其他图像特征，充分利用高程、坡度等地理辅助信息可以有效地提高分类精度，比较适合于江南丘陵地形破碎、地物分布复杂的地区。和传统的监督分类法相比，它可以消除园地和林地、建设用地和裸地光谱相似所带来的影响。

（1）TM影像数据的预处理。本文的遥感数据处理主要包括大气校正、几何校正和图像增强，并利用行政边界矢量图对影像进行裁剪。

（2）土地利用变化信息提取。首先对其中的一期影像(2003年)分别采用最大似然法、决策分类树法进行分类，提取土地利用/覆被信息，并对二者的提取精度进行比较，选择精度最高者作为最终的提取方法，进而提取1988～2003年市土地利用/土地覆被信息。

（3）利用空间叠加获取土地利用/覆被变化的面积转移矩阵，进而通过面积转移矩阵分析土地利用/土地覆被的数量变化、空间结构变化和土地利用程度。

3.实验方案

4.数据预处理

4.1数据源

本文所采用的数据包括：两景市的Landsat TM和一景Landsat ETM陆地卫星影像，一景半SPOT全色影像；该地区1：50 000地形图；该地区81m*81m分辨率的数字高程模型（DEM）；1：100万中国行政边界矢量图等。具体的见表4-1和4-2所示。

表4-1研究区遥感影像数据

获取时间传感器类型数量（景）空间分辨率（m）

2003年3月9日SPOT-5全色

15 1/25

2003年3月26日LandsatETM+

1-8波段

1

15m（全色）

30m(多光谱)

1996年9月6日LandsatTM1-7波段130

1988年12月5日LandsatTM1-7波段130

表4-2研究区其他资料及应用说明

数据类型应用说明

大比例尺地形图最新时相的1：50000地形图，用于进行卫星遥感资料的几何校正

野外调查资料野外控制点的测量，土地利用/覆盖分类训练样本区的调查，建立判读标志，进行分类及信息提取精度检验等工作

土地利用现状图对比土地利用/覆盖动态变化及遥感影像分类精度参考

4.2图像预处理

数据预处理部分主要包括：对遥感影像进行大气校正、几何纠正、以及对研究区进行边界裁剪和图像增强。主要工作流程如下（图4-2）：

图4-2数据预处理主要技术流程

具体方法如下：

1）大气校正。本文的大气纠正在PCI软件的ATCOR2模块中完成，以去除薄云和大气对影像光谱的影响，尤其是96年的图像，经过大气校正后，图像质量得到了很大提高。

2）几何纠正。影像几何纠正就是将所研究影像纳入到一个地面坐标系中，方法是利用地面控制点对各种因素引起的遥感影像的几何畸变进行纠正，以便确定影像上每个像元在地面的坐标，其过程就是把目标由一个空间向另一个空间转换的过程。

3）边界裁剪。对遥感影像进行上述处理后，利用所给的县行政边界矢量图边界对影像进行裁剪，分别得到1988年和1996年的TM图像以及2003年的SPOT和ETM研究区影像。

4）图像增强。本文采用最佳指数因子分析方法对3幅多光谱影像三波段组合方案进行评价最后得出最佳波段组合。最佳指数因子的计算公式为：

（2-1）

式中，为i波段图像的亮度标准差，其值越大，说明数据的离散度越大，所包含的信息量越大，

可分离性越高；为三波段中任意两波段之间的相关系数，其值越小，表明图像数据独立性越高，信息的冗余度越小。OIF越大，组合图像的信息量越大，组合方案越佳。利用最佳指数因子分析方法计算1988、1996、2003年三幅多光谱影像的三波段组合值如下表（表4-3）：

表4-3影像最佳波段组合信息含量表

影像

OIF组合方案421432532543752743754

88年TM26.33829.18225.52133.60527.79333.98333.910

96年TM32.15434.86416.84536.02516.08936.16325.598

03年ETM16.24019.48321.12123.24020.88022.59220.427

从上表中可得知，1988年和1996年两幅TM影像的743组合值都是最大的，2003年的ETM543组合值最大，743次之，整个市的土地利用格局以耕地和林地等农用地为主，整个地区有较高的植被覆盖，而743组合更接近植被的真彩色，有利于植被的分类，所以三幅影像都采用743组合方案参与分类。

5土地利用/土地覆被分类

5.1监督分类法

此法的关键在于训练区的选择。训练区的选取应与分类地区的特点和分类系统相适应。对训练区的统计特征应进行详细的分析，以选择最有效的参数变量(谱段)参与后续的分类。此外，应对训练区特征指标的外延性进行评估（英时，2003）。监督分类法中具体方法包括最小距离分类法、多级切割分类法、特征曲线窗口法和最大似然分类法，其中最大似然分类法用的最多。

最大似然分类法（maximum likelihood classifier）在多类别分类时，常常采用统计学方法建立起一个判别函数集，然后根据这个判别函数集计算各待分像元的归属概率。这里，归属概率是指：对于待分像元x，

它从属于分类类别的（后验）概率。设从类别中观测到的条件概率为，则归属概率

可表示为如下形式的判别函数：

（3-1）

式中，为待分像元，为类别的先验概率，它可以通过训练区来决定。此外，由于上式中分母和类别无关，在类别间比较的时候可以忽略。

1)训练样区的选取与纯化