基于分层分类法的农牧交错地带土地利用分类.docxVIP

基于分层分类法的农牧交错地带土地利用分类 遥感图像的分类是图像分析的重要组成部分。常规的多光谱遥感图像分类方法主要有监督分类法与非监督分类法两种。由于遥感影像的复杂性, 分类效果往往不是很理想, 无法满足实际应用需要。目前, 对传统的分类方法已出现很多改进, 其中就包括分层分类方法。分层分类法是利用遥感影像中各个波段光谱信息和谱间结构, 通过设置阈值逐层逐类地提取土地类型, 并掩膜掉已提取的类型, 消除它对其他地物提取的影响, 使得分类过程越来越容易的一种分类方法。 在以往的研究中, 分层分类方法的应用多是以我国东、南部地区作为研究区域, 对西北地区的土地利用分层分类的研究较少, 特别是对农牧交错地带这个土地利用类型复杂、自然环境比较脆弱地区的研究几乎还处于空白状态。 因此, 为能准确的掌握农牧交错地带的土地利用状况, 本文采用分层分类法对该区进行土地利用分类, 以期获得更准确的土地利用数据, 为同类地区土地利用分类提供一个较为合理的方法, 为该区域土地管理决策、生态环境保护以及进一步深入研究奠定基础, 对于区域土地可持续利用具有重要意义。 1 研究区域和数据预处理 1.1 土地利用方式 研究区位于陕西省榆林市的靖边县, 该区地处毛乌素沙漠南缘、陕北黄土高原北端。全县总面积5 088 km2, 按地形地貌分为北部风沙滩区、中部梁峁涧区和南部丘陵沟壑区, 分别约占总面积的三分之一。地势南高北低, 海拔介于1 123～1 823 m之间, 年平均气温7.8℃, 年平均降水量为395 mm。靖边县土地利用方式以干旱农业和牧业为主, 是典型的农牧交错地带。由于自然条件的恶劣, 特别是不合理利用土地、滥垦滥伐, 大量植被和草原遭到破坏, 全区风蚀沙化十分严重, 生态环境变化较大。 1.2 把影像关键设备作为几何精校正 遥感数据源为:Landsat TM图像两景, 过境时间2003年8月17日, 轨道号127/34、128/34。在ERDAS IMAGINE9.1环境下, 先对两景影像进行镶嵌, 然后以经过几何精校正的1992年榆林地区的TM影像为地理参考, 对其进行几何精校正, 误差控制在一个像元以内。校正后的影像为横轴莫卡托投影, 椭球体为克拉索夫斯基椭球体, 像元大小为30 m×30 m。利用矢量化的陕西省行政区划图通过掩膜运算提取出研究区的遥感影像。 2 输入和分类 2.1 土地利用/覆盖的类型 参考中科院国家资源环境遥感宏观调查与动态研究中制定的土地资源分类系统, 并根据TM图像的空间分辨率 (30 m×30 m) 的特点, 结合靖边县的土地特征, 本研究把该区土地利用/覆盖类型分为6个一级类、9个二级类 (见表1) 。 2.2 对不同土地利用类型的应用分析 在进行土地分类之前, 需要对不同土地类型的TM图像的光谱曲线进行分析, 找出地物的特有光谱特征才能利用正确光谱值进行土地信息提取, 因此在靖边县的TM图像中, 对地类的纯像元进行采样, 根据样点的平均光谱值绘出地类的光谱值曲线。 分析图1得如下结论: (1) 不同土地利用类型在3、4、5、7波段的光谱值体现出较大的差异, 但第7波段一般应用在地质学的研究中, 因此该研究主要利用这3、4、5三个波段的差异及组合波段光谱信息来提取土地利用类型。 (2) 耕地、林地、草地都是植被地表, 它们第4波段的光谱值都大于第3波段, 而非植被地表的第4波段的光谱值都小于第3波段, 因此可利用归一化植被指数来区分植被区与非植被区。 (3) 水体在第4、5波段的光谱值明显低于其他地类的光谱值, 可以利用这几个波段来提取水体。 (4) 未利用土地 (沙地和裸土) 在第5波段的光谱值远大于其他土地利用类型, 可利用该波段区分未利用土地与其它地类。 2.3 覆盖地的ndvi图 NDVI (归一化植被指数)是分层分类法中的一个重要分层控制指标, 它是反映植被状况的一个有效参数, 在遥感中广泛用于植被信息的提取, 通过设置阈值可以准确地提取出植被覆盖地类。在ERDAS IMAGINE9.1软件indices命令下对TM影像进行NDVI计算, 得到研究区的NDVI图 (图2) 。 NDVI值在[-1, 1]范围内, 无植被覆盖的区域, NDVI值近于0, 在图中的颜色就越暗;而植被密度越高的区域, NDVI值就越大, 显示在图中就越亮。从图中可以看到, 在毛乌素沙漠地区的植被覆盖度最低, 显示的颜色最暗;靖边县的中部地区植被生长旺盛, 颜色较亮;南部地区属中度植被覆盖区。 2.4 分类方案的分类 根据以上对遥感影像的分析, 现设计分类过程如图3所示。 2.4.1 植被信息选取 植被区与非植被区的分离:利用NDVI值提取植被信息, 。设置NDVI值0.05为植被区与非植被区的临界值, 其中大于0.05为植