土地利用覆盖变化信息提取
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
均值
75.43
47.58
60.50
47.75
67.18
14.43
10.41
106.08
均方差
9.26
17.83
9.77
11.62
12.11
11.34
7.21
18.14
最小值
16.00
7.00
12.00
0.00
19.00
0.00
1.00
23.00
最大值
97.00
89.00
80.00
59.00
163.00
（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年金华市土地利用/土地覆被信息。
33.605
27.793
33.983
33.910
96年TM
32.154
34.864
16.845
36.025
16.089
36.163
25.598
03年ETM
16.240
19.483
21.121
23.240
20.880
22.592
20.427
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，整个金华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。
J-M距离，最小的是园地和林地之间的J-M距离，只有1.3208。另外园地和耕地之间、居民点及工矿用地
和未利用地之间的J-M距离也比较小，但均大于1.5。经纯化以后，只有园地和林地之间的J-M距离仍然
小于1.5。其他均在1.8以上。训练样本之间的可分性明显增大。
2)分类精度及结果分析
在对影像做了图像预处理后，根据影像的光谱特征，选择适当的训练样区，将土地利用分为若干不同 的类别。结合研究区的实际情况，根据目视判读选择训练样本，采用最大似然分类法(Maximum Likelihood
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E的（后验）概率。设从类别忆中观测到兀的条件概率为尸（対心，则归
表5-303年典型地物样本亮度值统计表
最小值
4.00
14.00
8.00
0.00
9.00
0.00
5.00
1.00
最大值
40.00
41.00
29.00
24.00
90.00
47.00
35.00
101.00
B1
均值
21.06
24.22
15.76
7.56
28.75
31.25
14.25
36.07
均方差
4.03
3.58
Kappa Coefficient = 0.9165。对训练样本进行纯化后，训练样本的训练区分类混淆矩阵显示：Overall
Accuracy= 96.3045%，Kappa Coefficient = 0.9500。
在ENVI 4.2中未纯化前和纯化后的训练样本区进行统计其J-M距离，结果显示：纯化前训练样本的
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
15
2003年3月9日SPOT-5全色
1/25
LandsatETM+15m（全色）
12
100.00%
50.00%
用地
合计
256
256
209
总精度=
209/256=
81.64%
表5-1和5-2显示了在最大似然分类中，园地和未利用地的分类精度比较低，分别为：
50.00%,这是因为园地、耕地、林地之间和未利用地和居民点及工矿用地之间的光谱特征很多比较相似
5.2决策树分类1）典型地物光谱分析
獎别
参考总计
分类总计
正确分类数
生产精度
用户精度
未分类
1
0
0
---
---
耕地
69
73
65
94.20%
89.04%
园地
23
36
14
60.87%
38.89%
林地
119
97
94
78.99%
96.91%
居民点及工矿
22
16
14
63.64%
87.50%
用地
水体
10
10
10
100.00%
100.00%
未利
12
24
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（赵英时，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
均方差
5.54
4.68
4.06
3.52
7.38
8.28
7.71
12.52
最小值
10.00
18.00
11.00
0.00
18.00
0.00
6.00
13.00
最大值
76.00
67.00
57.00
32.00
117.00
81.00
63.00
138.00
B3
均值
35.28
38.36
23.38
13.52
45.31
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，利用所给的金华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。
46.64
15.37
72.54
均方差
6.67
6.13
5.79
3.56
9.19
9.43
7.99
18.70
最小值
25.00
19.00
22.00
0.00
17.00
0.00
0.00
17.00
最大值
109.00
90.00
72.00
67.00
82.00
65.00
63.00
95.00
B4
均值
71.20
42.12
46.43
Classification, MLC)，将金华市2003年的土地利用分为5类，即耕地、园地、林地、居民点及工矿用
地、水域。
(a)1988年
利用上面确定的方法和已有的样本数据对研究区分类后图像进行精度估计，得到最终最大似然法的误 差矩阵和各项统计指标（以2003年为例）。
表5-1最大似然法分类精度矩阵
野外调查资料
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ATCOR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。
对所得混淆矩阵进行分析，即可得到训练样本占原来各类个体总数的百分比，以确定其分类的正确率，从 而也检验了训练的纯度。
在ENVI 4.2中对纯化前和纯化后的训练样本区进行了分类，并以训练样本自身对分类结果进行精度
检验，得到混淆矩阵。纯化前训练样本的训练区分类混淆矩阵显示：Overall Accuracy= 92.0142%，
属概率2就可表示为如下形式的判别函数：
U=P（k/7）=PgXFg上”YP（i）X（x/i）
!（3-1）
式中，盂为待分像元，户（比）为类别疋的先验概率，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
本文中采用的方法为试分类混淆矩阵分析法和J-M距离法来对所选取的训练样本纯度进行评价，通过
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：
33
仇吃
i-1>-1
(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
2）决策树的构建
对于03年图像：由于水体和阴影的低反射率，尤其是在长波部分更明显。因此可以利用TM4/TM3的
比值来区分大部分林地。然后通过缨帽变换的亮度分量可以区分大部分耕地，剩下的耕地、园地和林地可 以通过地学辅助知识如高程和坡度信息来加以区分。最后通过分析得到03年的分类决策树：
fes谟屈OQSoib制DMb知品
类别
未分
居民点及工
总计
类
耕地
园地
林地
矿用地
水体
未利用地
未分类
0
0
0
0
0
0
0
0
耕地
0
65
8
0
0
0
0
73
园地
0
3
14
19
0
0
0
36
林地
1
1
1
94
0
0
0
97
居民点及工
0
0
0
2
14
0
0
16
矿用地
水体
0
0
0
0
0
10
0
10
未利
0
0
0
4
8
0
12
24
用地
合计
1
69
23
119
22
10
12
256
表5-2最大似然法分类精度评价（％）
41.88
36.78
13.18
5.40
64.83
均方差
10.28
8.47
6.08
9.52
7.70
8.43
5.75
10.54
最小值
30.00
11.00
20.00
0.00
24.00
0.00
4.00
26.00
最大值
117.00
110.00
102.00
92.00
172.00
99.00
95.00
167.00
B5
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0'组合方案
421
432
532
543
752
743
754
88年TM
26.338
29.182
25.521
75.00
68.00
155.00
B7
均值
47.24
31.01
35.74
24.51
60.71
10.59
7.52
86.17
均方差
9.46
13.23
8.59
7.13
11.64
8.38
5.26
16.75
地物
波段
耕地 耕地2园地
林地
居民点及工
矿用地
未利 水体1水体2
用地
耕地2
百度文库
林地
―
—•—水
一^
图5-203年典型地物样本波谱响应曲线
2.88
2.85
5.93
4.29
4.49
9.45
最小值
10.00
21.00
13.00
0.00
16.00
0.00
9.00
8.00
最大值
59.00
62.00
47.00
32.00
101.00
79.00
55.00
118.00
B2
均值
35.87
35.57
24.21
15.29
38.35
48.38
19.87
57.00
（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
屮4'| IVI■：i * T片
4.数据预处理
4.1数据源
本文所采用的数据包括：两景金华市的Landsat TM和一景Landsat ETM陆地卫星影像，一景半SPOT
为了获取研究区内各种地物类型光谱特征知识，对研究区内典型地物类型进行采样并加以统计，统计
结果见表5-3（以03年为例）。其中03年耕地按耕地1（主要为水田）和耕地2（主要为旱地）两类采样，水 体分为水体1（河流）和水体2（水库和坑塘水面）两类采样。88年图像上由于存在大量山体阴影，因此阴影 也列为单独一类进行采样。
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.实验内容
金华市土地利用/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。
2003年3月26日1
1-8波段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
75.43
47.58
60.50
47.75
67.18
14.43
10.41
106.08
均方差
9.26
17.83
9.77
11.62
12.11
11.34
7.21
18.14
最小值
16.00
7.00
12.00
0.00
19.00
0.00
1.00
23.00
最大值
97.00
89.00
80.00
59.00
163.00
（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年金华市土地利用/土地覆被信息。
33.605
27.793
33.983
33.910
96年TM
32.154
34.864
16.845
36.025
16.089
36.163
25.598
03年ETM
16.240
19.483
21.121
23.240
20.880
22.592
20.427
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，整个金华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。
J-M距离，最小的是园地和林地之间的J-M距离，只有1.3208。另外园地和耕地之间、居民点及工矿用地
和未利用地之间的J-M距离也比较小，但均大于1.5。经纯化以后，只有园地和林地之间的J-M距离仍然
小于1.5。其他均在1.8以上。训练样本之间的可分性明显增大。
2)分类精度及结果分析
在对影像做了图像预处理后，根据影像的光谱特征，选择适当的训练样区，将土地利用分为若干不同 的类别。结合研究区的实际情况，根据目视判读选择训练样本，采用最大似然分类法(Maximum Likelihood
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E的（后验）概率。设从类别忆中观测到兀的条件概率为尸（対心，则归
表5-303年典型地物样本亮度值统计表
最小值
4.00
14.00
8.00
0.00
9.00
0.00
5.00
1.00
最大值
40.00
41.00
29.00
24.00
90.00
47.00
35.00
101.00
B1
均值
21.06
24.22
15.76
7.56
28.75
31.25
14.25
36.07
均方差
4.03
3.58
Kappa Coefficient = 0.9165。对训练样本进行纯化后，训练样本的训练区分类混淆矩阵显示：Overall
Accuracy= 96.3045%，Kappa Coefficient = 0.9500。
在ENVI 4.2中未纯化前和纯化后的训练样本区进行统计其J-M距离，结果显示：纯化前训练样本的
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
15
2003年3月9日SPOT-5全色
1/25
LandsatETM+15m（全色）
12
100.00%
50.00%
用地
合计
256
256
209
总精度=
209/256=
81.64%
表5-1和5-2显示了在最大似然分类中，园地和未利用地的分类精度比较低，分别为：
50.00%,这是因为园地、耕地、林地之间和未利用地和居民点及工矿用地之间的光谱特征很多比较相似
5.2决策树分类1）典型地物光谱分析
獎别
参考总计
分类总计
正确分类数
生产精度
用户精度
未分类
1
0
0
---
---
耕地
69
73
65
94.20%
89.04%
园地
23
36
14
60.87%
38.89%
林地
119
97
94
78.99%
96.91%
居民点及工矿
22
16
14
63.64%
87.50%
用地
水体
10
10
10
100.00%
100.00%
未利
12
24
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（赵英时，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
均方差
5.54
4.68
4.06
3.52
7.38
8.28
7.71
12.52
最小值
10.00
18.00
11.00
0.00
18.00
0.00
6.00
13.00
最大值
76.00
67.00
57.00
32.00
117.00
81.00
63.00
138.00
B3
均值
35.28
38.36
23.38
13.52
45.31
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，利用所给的金华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。
46.64
15.37
72.54
均方差
6.67
6.13
5.79
3.56
9.19
9.43
7.99
18.70
最小值
25.00
19.00
22.00
0.00
17.00
0.00
0.00
17.00
最大值
109.00
90.00
72.00
67.00
82.00
65.00
63.00
95.00
B4
均值
71.20
42.12
46.43
Classification, MLC)，将金华市2003年的土地利用分为5类，即耕地、园地、林地、居民点及工矿用
地、水域。
(a)1988年
利用上面确定的方法和已有的样本数据对研究区分类后图像进行精度估计，得到最终最大似然法的误 差矩阵和各项统计指标（以2003年为例）。
表5-1最大似然法分类精度矩阵
野外调查资料
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ATCOR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。
对所得混淆矩阵进行分析，即可得到训练样本占原来各类个体总数的百分比，以确定其分类的正确率，从 而也检验了训练的纯度。
在ENVI 4.2中对纯化前和纯化后的训练样本区进行了分类，并以训练样本自身对分类结果进行精度
检验，得到混淆矩阵。纯化前训练样本的训练区分类混淆矩阵显示：Overall Accuracy= 92.0142%，
属概率2就可表示为如下形式的判别函数：
U=P（k/7）=PgXFg上”YP（i）X（x/i）
!（3-1）
式中，盂为待分像元，户（比）为类别疋的先验概率，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
本文中采用的方法为试分类混淆矩阵分析法和J-M距离法来对所选取的训练样本纯度进行评价，通过
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：
33
仇吃
i-1>-1
(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
2）决策树的构建
对于03年图像：由于水体和阴影的低反射率，尤其是在长波部分更明显。因此可以利用TM4/TM3的
比值来区分大部分林地。然后通过缨帽变换的亮度分量可以区分大部分耕地，剩下的耕地、园地和林地可 以通过地学辅助知识如高程和坡度信息来加以区分。最后通过分析得到03年的分类决策树：
fes谟屈OQSoib制DMb知品
类别
未分
居民点及工
总计
类
耕地
园地
林地
矿用地
水体
未利用地
未分类
0
0
0
0
0
0
0
0
耕地
0
65
8
0
0
0
0
73
园地
0
3
14
19
0
0
0
36
林地
1
1
1
94
0
0
0
97
居民点及工
0
0
0
2
14
0
0
16
矿用地
水体
0
0
0
0
0
10
0
10
未利
0
0
0
4
8
0
12
24
用地
合计
1
69
23
119
22
10
12
256
表5-2最大似然法分类精度评价（％）
41.88
36.78
13.18
5.40
64.83
均方差
10.28
8.47
6.08
9.52
7.70
8.43
5.75
10.54
最小值
30.00
11.00
20.00
0.00
24.00
0.00
4.00
26.00
最大值
117.00
110.00
102.00
92.00
172.00
99.00
95.00
167.00
B5
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0'组合方案
421
432
532
543
752
743
754
88年TM
26.338
29.182
25.521
75.00
68.00
155.00
B7
均值
47.24
31.01
35.74
24.51
60.71
10.59
7.52
86.17
均方差
9.46
13.23
8.59
7.13
11.64
8.38
5.26
16.75
地物
波段
耕地 耕地2园地
林地
居民点及工
矿用地
未利 水体1水体2
用地
耕地2
百度文库
林地
―
—•—水
一^
图5-203年典型地物样本波谱响应曲线
2.88
2.85
5.93
4.29
4.49
9.45
最小值
10.00
21.00
13.00
0.00
16.00
0.00
9.00
8.00
最大值
59.00
62.00
47.00
32.00
101.00
79.00
55.00
118.00
B2
均值
35.87
35.57
24.21
15.29
38.35
48.38
19.87
57.00
（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
屮4'| IVI■：i * T片
4.数据预处理
4.1数据源
本文所采用的数据包括：两景金华市的Landsat TM和一景Landsat ETM陆地卫星影像，一景半SPOT
为了获取研究区内各种地物类型光谱特征知识，对研究区内典型地物类型进行采样并加以统计，统计
结果见表5-3（以03年为例）。其中03年耕地按耕地1（主要为水田）和耕地2（主要为旱地）两类采样，水 体分为水体1（河流）和水体2（水库和坑塘水面）两类采样。88年图像上由于存在大量山体阴影，因此阴影 也列为单独一类进行采样。
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.实验内容
金华市土地利用/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。
2003年3月26日1
1-8波段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