摘要：本文是以面向?qū)ο蟮姆椒ǎ�高分辨率遙感影像為數(shù)據(jù)源，利用監(jiān)督分類和基于專家知識的決策樹分類對研究區(qū)進行城市土地利用類型分類及對分類結(jié)果進行比較。實驗證明，對于高分辨率遙感影像來說，以選擇訓練樣區(qū)為基礎(chǔ)的監(jiān)督分類精度要高于結(jié)合專家知識的決策樹分類效果。

　　關(guān)鍵字：SPOT影像,監(jiān)督分類,決策樹分類,Envi,分類比較

　　1引言

　　隨著深圳特特區(qū)一體化和城市化的快速發(fā)展，如何最大限度地利用城市未利用地，對城市發(fā)展及資源的優(yōu)化配置有著極其重要的意義，遙感技術(shù)的發(fā)展大大提升了人類對地球環(huán)境的認知能力，是目前人類改造世界積極有效的依據(jù)和工具。遙感技術(shù)對城市未利用地如裸地、臨時建筑、水體、閑置綠地等的提取提供了準確高效的方法，能有效地優(yōu)化資源配置。

　　2本文用的數(shù)據(jù)及方法

　　本文利用法國SPOT-5衛(wèi)星影像數(shù)據(jù)，借助Envi軟件來實現(xiàn)對影像進行所需地物的提取。SPOT-5衛(wèi)星是2002年5月4日由法國阿里安-4火箭發(fā)射入軌的，是法國空間局SPOT衛(wèi)星系列中的最后一顆，其獲取的影像較好地兼有高分辨率和大面積的技術(shù)優(yōu)勢，已被國土資源部列為較大比例尺土地利用調(diào)查、土地利用信息系統(tǒng)數(shù)據(jù)更新的主要衛(wèi)星遙感影像。如何基于SPOT-5影像對地物進行解譯，對地物進行準確的分類，從而輔助城市發(fā)展戰(zhàn)略的規(guī)劃，具有較為重要的意義。

　　SPOT-5衛(wèi)星遙感數(shù)據(jù)特點：(1)采用新的技術(shù)，提高圖像的幾何精度，達到更高的地面分辨率;(2)采用12000 像元的CCD 探測器，以維持60km的地面數(shù)據(jù)寬度;(3)保留傳感器的側(cè)視功能,以增強重復(fù)觀測能力;(4)增加沿軌道方向的立體成像功能;(5)在數(shù)據(jù)壓縮、存儲和傳輸?shù)纫幌盗蟹矫娑加辛孙@著的提高[1]。

　　SPOT遙感影像特點：SPOT影像數(shù)據(jù)是由SPOT衛(wèi)星上的可見光高分辨率傳感器HRV獲得的。HRV是一種推掃式掃描儀,采用了電荷耦合器件技術(shù)(CCD),具有良好的攝像質(zhì)量。HRV有單波段全色和多光譜兩種工作方式,相應(yīng)獲得兩種數(shù)據(jù):XS(XS1，XS2，XS3，XS4)和PAN。SPOT數(shù)據(jù)波段見表1。

 

　　3本文的技術(shù)流程

　　本文的技術(shù)流程如下圖：

 

　　4 數(shù)據(jù)來源及分類過程

　　本文選取深圳市寶安區(qū)某區(qū)域SPOT影像作為基本數(shù)據(jù)源，進行預(yù)處理和分類比較。影像具有紅、綠、近紅外、全色四個波段。

　　先將數(shù)據(jù)進行幾何校正、噪聲去除、影像配準、用HIS方法將多光譜與全色波段進行影像融合等預(yù)處理。預(yù)處理之后的影像如圖1。

 

　　4.1 監(jiān)督分類

　　監(jiān)督分類又稱作訓練分類法，用被確認類別的樣本像元去識別其他未知類別像元的過程。它就是在分類之前通過目視判讀和野外調(diào)查，對遙感圖像上某些樣區(qū)中影像地物類別屬性有了先驗知識，對每一種類別選取一定數(shù)量的訓練樣本，計算機計算每種訓練樣區(qū)的統(tǒng)計或其它信息，同時用這些種子類別對判決函數(shù)進行訓練，使其符合于對各種子類別分類的要求，隨后用訓練好的判決函數(shù)去對其他待分數(shù)據(jù)進行分類。使每個像元和訓練樣本作比較，按不同的規(guī)則將其劃分到和其最相似的樣本類，以此來完成對整個圖像的分類。

　　本文根據(jù)典型區(qū)域選擇訓練樣區(qū)，建立分類體系分別為水體、道路、園地、建筑物、耕地、裸地、綠地(綠地根據(jù)地物分布特征分為道路綠化帶、公園和山林地)，選擇分類器為最大似然法，分類結(jié)果如下：

 

　　4.2 根據(jù)專家知識的決策樹分類

　　決策樹分類法具有靈活、直觀、清晰、強健、運算效率高等特點，在遙感分類問題上表現(xiàn)出巨大優(yōu)勢。它是遙感圖像分類中的一種分層處理結(jié)構(gòu)。其基本思想是通過一些判斷條件對原始數(shù)據(jù)集逐步進行細化。其中，每一個分叉點代表一個決策判斷條件，每個分叉點下有2個葉節(jié)點，分別代表滿足和不滿足條件的類別[3]。這種方法不但不需要依賴任何先驗的統(tǒng)計假設(shè)條件，而且可方便地利用除亮度值以外的其它知識，所以在遙感影像分類和專題信息提取具有廣泛的應(yīng)用價值。有關(guān)SPOT5影像的研究，張曉星用專家分類方法應(yīng)用在森林資源清查中[4]，楊敏、徐冬寅等利用SPOT5遙感圖像數(shù)據(jù)應(yīng)用在礦山地質(zhì)環(huán)境調(diào)查[5]，張艮龍、馮益明等探討了基于SPOT5遙感影像的小班區(qū)劃[6]，本文總結(jié)他們的方法，利用SPOT5影像應(yīng)用于土地分類。

　　地物光譜特征，簡要總結(jié)如下：

　　1)居民地在綠光波段反射率最高;

　　2)水體在近紅外和短波紅外反射率明顯低于其他地物反射率;

　　3)植被提取采取耕地和綠地在近紅外反射率高，但前者在短波紅外反射率最高;

　　4)道路在紅光波段反射率最高;

　　5)居民地、城市建筑物在綠光波段反射率最高;

　　其中，選擇的部分特征參數(shù)如下[7]：

 

　　根據(jù)研究區(qū)特征及其地物光譜特征，自定義決策樹分類規(guī)則，分類結(jié)果如下：

 

　　5 分類的精度評價

　　由于影像地形的復(fù)雜性，任何軟件都不可能完全精確的分類。通過評估可以判斷所用分類器是否適合于特定的影像，所以評估分類結(jié)果的質(zhì)量是極其重要的。本文通過分類穩(wěn)定統(tǒng)計表和誤差矩陣來評定分類的精度。且參照08年該區(qū)域第二次全國土地大調(diào)查數(shù)據(jù)，以水體為例：選取試驗中232個水體對象，監(jiān)督分類中：其中水體為211個，山體陰影為6個，園地為5個，精度達到91%;而利用目視解譯可以發(fā)現(xiàn)，基于專家知識的決策樹分類把許多山體陰影都判斷成了水體，精度較低，這是由于地物紋理信息以及地物之間光譜和相元的相似性，導(dǎo)致其分類結(jié)果的誤差。因此實驗證明，針對SPOT5高分辨率影像來說，對SPOT5高分辨率影像，利用監(jiān)督分類的方法精度較基于專家知識的決策樹的分類精度高。

　　6 參考文獻

　　[1] 廖瑛.SPOT-5遙感數(shù)據(jù)特性及其圖像處理關(guān)鍵技術(shù)探討[J].Science and Technology Innovation Herald科技創(chuàng)新導(dǎo)報,2009 NO.01:233-234.

　　[2]王曉怡，王艷澤等.基于決策樹技術(shù)的城市建設(shè)用地信息提取方法研究[J].資源開發(fā)與市場Resource Development&Market,2009.25(3):226-228.

　　[3]陳華麗,陳植華,丁國平.用基于知識的決策樹方法分層提取礦區(qū)土地類型--以湖北大冶為例[J]. 國土資源遙感,2004,(3):49-53.

　　[4]張曉星，專家分類方法在森林資源清查中的應(yīng)用研究[J].林業(yè)資源管理FOREST RESOURCES MANAFGEMENT,2010,2(1):118-122.

　　[5]楊敏，徐冬寅等.Spot5遙感圖像數(shù)據(jù)在礦山地質(zhì)環(huán)境調(diào)查中的應(yīng)用研究[J].黃金GOLD，2010,1(31):51-55.

　　[6]張艮龍，馮益明等.基于SPOT-5遙感影像的小班區(qū)劃探討[J].浙江林學院學報，2010,27(2)299-303.

　　[7]黃亮，左小青等.面向?qū)ο蟮牡缆沸畔⒆R別提取分析[J].昆明理工大學學報(理工版)，2010,35(6)：6-10