[摘要]本研究旨在應(yīng)用遙感技術(shù)的衛(wèi)片執(zhí)法對我國國土資源的動態(tài)監(jiān)測，在國土資源的維護(hù)利用、管理方面發(fā)揮其重要作用。以江西省贛州市茅店鎮(zhèn)為例，利用遙感分類技術(shù)對2016年和2017年兩年的影像數(shù)據(jù)分別進(jìn)行監(jiān)督分類和面向?qū)ο蠓诸?，提取出變化圖斑，再與基礎(chǔ)地理信息數(shù)據(jù)庫結(jié)果數(shù)據(jù)進(jìn)行對比分析，驗(yàn)證分類的精度，通過實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證面向?qū)ο蠓诸惐缺O(jiān)督分類精度更高，分類效果更好，為國土資源執(zhí)法部門的監(jiān)察工作提供更有效的技術(shù)支持。

[關(guān)鍵詞]面向?qū)ο筮b感影像分類;監(jiān)督分類;精度評價;Kappa系數(shù)

[中圖分類號] F301

[文獻(xiàn)標(biāo)識碼]A

土地執(zhí)法是利用遙感技術(shù)等對地觀測技術(shù)，對某一地區(qū)某個時間段內(nèi)土地利用的變化情況進(jìn)行監(jiān)測檢查的過程。第二次全國土地調(diào)查時，土地執(zhí)法檢查中已經(jīng)開始利用衛(wèi)星遙感影像對土地進(jìn)行動態(tài)監(jiān)測，利用遙感技術(shù)對研究區(qū)進(jìn)行分類研究，可以及時準(zhǔn)確地獲取土地利用狀況及變化情況。對遙感圖像進(jìn)行分類是遙感數(shù)字圖像處理中重要的一環(huán)，分類精度的高低將直接影響輸出的結(jié)果，同時對執(zhí)法部門的監(jiān)察工作產(chǎn)生影響。

監(jiān)督分類是一種已經(jīng)確定分類類別，再對影像的像元進(jìn)行分類的方法;面向?qū)ο蟮倪b感分類方法是一種將對象整體作為分析目標(biāo)，以圖像對象作為影像處理單元進(jìn)行分類的方法。面向?qū)ο蟮姆诸惙椒ㄓ袆e于監(jiān)督分類的地方在于，先將具有相似信息的鄰近像元合成為一個對象，再對對象進(jìn)行分類。本文利用影像數(shù)據(jù)分別進(jìn)行監(jiān)督分類和面向?qū)ο蠓诸?，提取出變化圖斑，并與基礎(chǔ)地理信息數(shù)據(jù)庫數(shù)據(jù)結(jié)果進(jìn)行對比分析，驗(yàn)證分類精度，從而為國土資源執(zhí)法部門提供有效的技術(shù)支持。

1 分類方法

1.1 監(jiān)督分類方法

監(jiān)督分類是一種基于已經(jīng)確定好的類別樣本去識別未知類別的像元方法。在監(jiān)督分類中，訓(xùn)練樣本的質(zhì)量直接關(guān)系到分類結(jié)果的好壞，因此訓(xùn)練樣本的選取至關(guān)重要。監(jiān)督分類是將影像中所有的像元與訓(xùn)練樣本進(jìn)行比對識別，最終把每一個像元劃分到與其最相似的樣本類別中，從而完成對影像所有像元的分類。

1.2 面向?qū)ο蠓诸惙椒?/p>

面向?qū)ο笫且环N將對象整體作為分析目標(biāo)，以圖像對象作為影像處理單元的分類方法。根據(jù)影像的光譜信息和空間信息，結(jié)合中心像元與周圍地物目標(biāo)之間的聯(lián)系和差異，對影像進(jìn)行多尺度分割，將同質(zhì)的像元組合成有意義的影像對象，而非單個影像像元，再對對象進(jìn)行分類研究，從而實(shí)現(xiàn)地物類別信息的自動提取。

多尺度分割是一種從多尺度角度對影像進(jìn)行分割的技術(shù)，它既能自動生成影像對象，又能將這些對象按照一定的等級結(jié)構(gòu)聯(lián)接起來，從而使分割結(jié)果更加適應(yīng)真實(shí)的情況。分割尺度的大小直接決定了多邊形數(shù)量和像元數(shù)量，分割尺度小的對象層中多邊形數(shù)量多，小尺度的對象層置于網(wǎng)絡(luò)結(jié)構(gòu)底部;分割尺度大的對象層中多邊形的像元數(shù)量多，對象數(shù)量則較少，大尺度的對象層置于網(wǎng)絡(luò)結(jié)構(gòu)頂部。對影像進(jìn)行多尺度分割后，就形成了對象的多尺度等級體系（見圖1）。

2 研究數(shù)據(jù)與研究方法

2.1 研究數(shù)據(jù)概況

本文選取CF-1衛(wèi)星PMS_2號相機(jī)獲取的贛縣茅店鎮(zhèn)2016年和2017年的兩幅影像作為實(shí)驗(yàn)數(shù)據(jù)，CF-1衛(wèi)星分別搭載了兩臺2m分辨率全色、8m分辨率的多光譜相機(jī)、四臺16m分辨率多光譜相機(jī)。多光譜數(shù)據(jù)包括藍(lán)、綠、紅和近紅外4個波段，覆蓋周期（不側(cè)擺）分別是4ld和4d，影像幅寬分別是60KM（2臺相機(jī)組合）、800KM（4臺相機(jī)組合）。

分類實(shí)驗(yàn)前對影像數(shù)據(jù)進(jìn)行了幾何校正（全色）、配準(zhǔn)（全色與多光譜）、數(shù)據(jù)融合和數(shù)據(jù)裁剪等處理。

2.2 研究方法

本次研究采用監(jiān)督分類方法和面向?qū)ο蠓诸惙椒ǚ謩e對實(shí)驗(yàn)數(shù)據(jù)進(jìn)行分類，并提取出變化圖斑，再分別將監(jiān)督分類結(jié)果、面向?qū)ο蠓诸惤Y(jié)果與基礎(chǔ)地理信息數(shù)據(jù)庫結(jié)果數(shù)據(jù)進(jìn)行對比分析，評價其分類精度。

3 分類實(shí)驗(yàn)與結(jié)果分析

3.1 監(jiān)督分類實(shí)驗(yàn)

在衛(wèi)星遙感影像上，不同的亮度值和空間變化的差異性，是區(qū)分不同地物的物理依據(jù)。采用監(jiān)督分類方法對前后兩個時相的遙感影像進(jìn)行分類，分類類別為建筑物、道路、綠地、裸地，分類樣本數(shù)均大于30，分類結(jié)果如圖2所示。

3.2 面向?qū)ο蠓诸悓?shí)驗(yàn)

對前后兩個時相的影像，選擇合適的分割尺度、緊湊度、顏色因子分別進(jìn)行多尺度分割。并將分割后的影像分為建筑物、道路、綠化、裸地四類，再基于樣本對分割后的影像進(jìn)行面向?qū)ο蠓诸悺?/p>

3.2.1 影像分割

影像分割質(zhì)量的影響因子包括均值因子和分割尺度，均值因子又分為光滑度與緊致度、顏色因子與形狀因子兩對參數(shù)。適當(dāng)?shù)姆指畛叨炔粌H能將各類地物清晰地分開，而且不存在過度分割或欠分割的現(xiàn)象。在本次實(shí)驗(yàn)中，選擇的分割尺度為68。為了有效避免顏色的失真現(xiàn)象，顏色因子和形狀因子分別設(shè)置為0.8和0.2;為了不降低影像的分割質(zhì)量，緊致度和光滑度參數(shù)也不宜設(shè)置過大，光滑度和緊湊度分別設(shè)置為0.4和0.6，影像分割結(jié)果如圖3所示。

3.2.2 基于樣本的分類

分別對前后兩個時相的兩幅影像完成分割后，影像信息的展示不再是以像元為單位，而是轉(zhuǎn)換為對象。實(shí)驗(yàn)在多尺度分割的基礎(chǔ)上進(jìn)行分類，可得到不同時期同名點(diǎn)的變化信息。再在面向?qū)ο蠓诸惤Y(jié)果的基礎(chǔ)上，進(jìn)一步進(jìn)行目視解樣本對象的選取，得到面向?qū)ο?目視解譯的分類結(jié)果（如圖4）。

3.3 結(jié)果分析與精度評價

3.3.1 結(jié)果分析

完成前后兩時相的監(jiān)督分類和基于樣本的面向?qū)ο蠓诸惡?，分別將兩種方法的分類結(jié)果與基礎(chǔ)地理信息數(shù)據(jù)庫要素類進(jìn)行對比分析，以檢測不同分類方法的精度，并提取變化信息。

3.3.2 精度評價

分類精度評價是指使用同一項指標(biāo)對兩種及以上分類方法的研究結(jié)果進(jìn)行定量分析的過程。一般地，分類精度評價的指標(biāo)有Kappa系數(shù)、總體精度、用戶精度、生產(chǎn)者精度等四個因子。Kappa系數(shù)反映實(shí)際類別與分類類別的契合程度?？傮w精度反映分類結(jié)果的正確程度。用戶精度指任一類別分類結(jié)果的正確數(shù)占該類別像元總數(shù)的百分比。生產(chǎn)者精度指任一類別的分類結(jié)果正確數(shù)占該類型評價參考數(shù)據(jù)像元總數(shù)的百分比。

在本次實(shí)驗(yàn)過程中，對分類精度的評價采用Kappa系數(shù)作為指標(biāo)。隨機(jī)選取8894個樣本點(diǎn)，對分類精度進(jìn)行評價對比，精度評價結(jié)果見表1、表2。

3.3.3 變化信息提取

本實(shí)驗(yàn)致力于為我國國土執(zhí)法監(jiān)察服務(wù)，因此在變化信息的提取側(cè)重于非建設(shè)用地類型向建設(shè)用地類型的轉(zhuǎn)變。即提取前時相的裸地、綠化信息和后時相的建筑物、道路信息，將所提取的前后時相信息進(jìn)行疊加相減分析，從而提取出變化的范圍。

4 結(jié)論

從監(jiān)督分類和面向?qū)ο蠓诸惖慕嵌瘸霭l(fā)，選取CF-1衛(wèi)星PMS_2號相機(jī)獲取的前后兩時相影像數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)，分別用兩種分類方法提取出建設(shè)用地、道路、綠化、裸地等四類信息，并對兩種分類方法進(jìn)行精度評價，并提取變化信息。實(shí)驗(yàn)結(jié)果表明，監(jiān)督分類的最高分類精度為裸地95.72%，Kappa系數(shù)為0.8162，且存在錯分的混淆現(xiàn)象。面向?qū)ο蠓诸惖淖罡叻诸惥葹榻ㄖ?5.21%，Kappa系數(shù)為0.8713。針對本次實(shí)驗(yàn)所研究的數(shù)據(jù)源，面向?qū)ο蠓诸惙椒傮w精度較高，分類效果較好，特別是對建筑物、道路信息精度要比監(jiān)督分類的精度高得多，這為國土資源執(zhí)法部門的監(jiān)察工作提供更為有效的技術(shù)支持。

[參考文獻(xiàn)]

[1]丘泉昌.遙感技術(shù)在土地執(zhí)法檢查中的應(yīng)用研究[D].福建農(nóng)林大學(xué)，2017.

[2]黃霄羽.面向?qū)ο蟮母叻直媛蔬b感影像分類在衛(wèi)片執(zhí)法中的應(yīng)用研究[J]中國新技術(shù)新產(chǎn)品，2016 （21）.

[3]周興東，于圣文，王志勇.徐州市遙感圖像土地利用分類方法研究[J].中國水土保持，2007 （04）.

[4]鄧書斌，遙感圖像處理方法[M].北京：科學(xué)出版社，2010.

[5]張振勇，王萍，朱魯，等.eCognition技術(shù)在高分辨率遙感影像信息提取中的應(yīng)用[J].國土資源信息化，2007 （02）.

[6]游麗平.面向?qū)ο蟮母叻直媛蔬b感影像分類方法研究[D].福建師范大學(xué)，2007.

[7]王琴，陳蜜，劉書軍，等.基于信息量的ALI影像最佳波段選擇及融合研究[J].資源開發(fā)與市場，2014 （09）.

[8]孫天天，鄧文彬，馬琳.基于面向?qū)ο蠓诸惖某鞘型恋乩米兓瘷z測[J].地理空間信息，2018 （09）.

[9]吳聰.面向?qū)ο蟮母叻直媛蔬b感影像分類在衛(wèi)片執(zhí)法中的應(yīng)用研究[D].昆明理工大學(xué)，2015.

[作者簡介]鄧懿（1999-），女，東北林業(yè)大學(xué)2017級地理信息科學(xué)專業(yè)本科在讀。