分区分类法——针对山区遥感图象的一种全新的分类方法.docVIP

分区分类法——针对山区遥感图象的一种全新的分类方法 莫源富 周立新 （国土资源部岩溶研究所 桂林 541444） 【摘　要】　高原山区山高坡陡、地形复杂、地块零碎，形成大量的阴影区及混合象元，被认为是遥感分类的难点地区。笔者在多年的山区遥感研究的基础上，通过对地形地貌、地物生态环境、地物分布特点的分析，提出分区为类法，对光照区与阴影区、地形陡峭区与地形平缓区、不同地物组合、地物生境分区分别分类，是针对山区遥感图像的行之有效的分类方法。【关键词】　遥感分类 山区 分区分类法 光照区 阻影区 毕节市　　1、前 言　　卫星遥感以其覆盖面广、信息量大、实时性强等特点在整个地学领域得到广泛应用。用于土地利用现状调查更体现其快速、经济等特点。随着微机软硬件技术的飞速发展、计算机的模式识别技术日趋成熟，卫星遥感数据计算机自动识别在土地利用调查越来越占主导地立。　　卫星遥感提供二方面的信息：光谱信息和空间纹理信息。对光谱信息主要利用统计模式识别技术，可以分为非监督分类和监督分类。应用得最广泛的监督分类为最大似然。但传统的监督分类法对于某些地区、某些地物分类效果不甚理想，因而人们不断地在研究新的分类方法，如针对同物异谱及异物同谱现象，用地理信息系统或其它辅助数据支持参与图象分类，并采用分层分类引入专家系统及推理模式等技术[1]；对与存在着大量阴影的山区遥惑图象，多采用类别细分来处理阴影区的地物识别问题[2]；分维技术的引入则更注意利用遥感图象的空间纹理特征[3][4]；针对地物特征和模糊性提出的模糊滥督分类法[5]；近年来人工神经网络分类法的研究方兴未艾，期望能模拟人脑的思维方式对图象进行分类处理[4][6][7]。这些反映遥惑图象的计算机识别分类的必威体育精装版研究从不同方面、不同程度地提高了分类精度，改善了常规分类结果。　　对于山区遥感图象，前述采用类别细分的方法结果也不尽如人意，笔者数年来在贵州高原山区十余个县市从事遥感分类研究，针对高原山区山高坡陡、阴影区面积大等待点，提出分区分类法，结合GIS多因子辅助分类及人工屏幕修改，有效地促进了山区遥惑图象的识别分类。分类结果得到有关部门的认可和好评。本文以毕节市为例介绍分区分类法在山区遥惑图象分类中的应用。　　2、数字图象的预处理　　图象增强　 图象增强处理的目的是要突出图象中的有用信息，扩大不同影象待征（灰度、颜色）之间的差别，最大限度地扩大各种地物类别在影象特征上的差别，增强处理后的图象，大大有助于后续的训练场地的选取及屏幕图象分析。　　卫星影象的几何精校正 　地面站对遥感影象在成象过程中产生变形误差岸作了一定程度的纠正，用于土地利用调查的遥感图象必须有很高的空间定位精度，这就要求作进一步的几何精校正。　　波段选取及主成份分析 　我们的研究采用1995年8月2日的TM数据。对于屏幕显示和屏幕图象分析，选用信息量最为丰富的5、4、3波段组合配以红、绿、兰三种颜色生成假彩色合成图象，这个组合的合成图象不仅类似于自然色，较为符号人们的视觉习惯，而且由于信息量丰富，能充分显示各种地物影像特征的差别，便于训练场地的选取，可以保证训练场地的准确性；对于计算机自动识别分类，采用主成分分析（K-L变换）进行数据压缩，形成三个组分的图象数据，用于自动识别分类。　　3、土地利用类型训练场地选取、统计　　3.1土地利用类型的划分　　这次识别分类中，土地利用类型的划分是在毕节市区划办提供的样地图斑所包含的土地利用类别基础上，参照国家有关的技术规范结合TM图象对地物的区分能力进行重新归并。市区划办提供了耕地（旱地、水田）、园地（果园、茶园）、林地（松、杉、柏、阔叶林、竹林、柒树、核桃）、灌木林、灌丛林、疏林地、草地、观测灌丛草地、难利用地共108个样地图斑训练场地样点。这些样地图斑中，园地、主力竹林、柒树、核桃总面积及实地地块面积均很小，TM图象上无法界定和识别而略去不用，疏林地由于林木稀疏其背景地类是灌丛、草地等，自动识别分类时难以作为一种独立地类，故而也删去，另增加水林及居民地两类。这样增删过后，以水田、旱地（耕种旱地、轮闲旱地）、针叶林、阔叶林、灌木林、灌丛林、草地、水体、居民地、难利用地等10个地类参加自动识别分类。　　3.2 训练场地选取、统计　　如上所述，毕节市有关部门在本次研究的前期，以他们对毕节市各种地物分布情况的，按要求在野外实地选取了大量的各种地物类别的典型的样地图斑，为在屏幕TM图象上准确圈定、提取训练场地提供了有力的保障。这些样地图斑中有少数或是定位有误，或是面积太小，另外区域分布欠均匀，因而需要参考其它的专题图件在屏幕上另外圈出一些图斑作为补充。形成一套包括上述10个地类的特征值（即识别模式，包括均值向量，标准差向量，或协方差矩阵）。　　4、分区分类法—针对山区遥感图