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(lèi)和基于專(zhuān)家知識(shí)的決策樹(shù)分類(lèi)對(duì)研究區(qū)進(jìn)行城市土地利用類(lèi)型分類(lèi)及對(duì)分類(lèi)結(jié)果進(jìn)行比較。實(shí)驗(yàn)證明，對(duì)于高分辨率遙感影像來(lái)說(shuō)，以選擇訓(xùn)練樣區(qū)為基礎(chǔ)的監(jiān)督分類(lèi)精度要高于結(jié)合專(zhuān)家知識(shí)的決策樹(shù)分類(lèi)效果。

　　關(guān)鍵字：SPOT影像,監(jiān)督分類(lèi),決策樹(shù)分類(lèi),Envi,分類(lèi)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(duì)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(lèi)對(duì)地球環(huán)境的認(rèn)知能力，是目前人類(lèi)改造世界積極有效的依據(jù)和工具。遙感技術(shù)對(duì)城市未利用地如裸地、臨時(shí)建筑、水體、閑置綠地等的提取提供了準(zhǔn)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(guó)SPOT-5衛(wèi)星影像數(shù)據(jù)，借助Envi軟件來(lái)實(shí)現(xiàn)對(duì)影像進(jìn)行所需地物的提取。SPOT-5衛(wèi)星是2002年5月4日由法國(guó)阿里安-4火箭發(fā)射入軌的，是法國(guó)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(shì)，已被國(guó)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(duì)地物進(jìn)行解譯，對(duì)地物進(jìn)行準(zhǔn)確的分類(lèi)，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(diǎn)：(1)采用新的技術(shù)，提高圖像的幾何精度，達(dá)到更高的地面分辨率;(2)采用12000 像元的CCD 探測(cè)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(qiáng)重復(fù)觀測(cè)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(chǔ)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(diǎn)：SPOT影像數(shù)據(jù)是由SPOT衛(wèi)星上的可見(jiàn)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(jiàn)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(lái)源及分類(lèi)過(guò)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(jìn)行預(yù)處理和分類(lèi)比較。影像具有紅、綠、近紅外、全色四個(gè)波段。

　　先將數(shù)據(jù)進(jìn)行幾何校正、噪聲去除、影像配準(zhǔn)、用HIS方法將多光譜與全色波段進(jìn)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(lèi)

　　監(jiān)督分類(lèi)又稱(chēng)作訓(xùn)練分類(lèi)法，用被確認(rèn)類(lèi)別的樣本像元去識(shí)別其他未知類(lèi)別像元的過(guò)程。它就是在分類(lèi)之前通過(guò)目視判讀和野外調(diào)查，對(duì)遙感圖像上某些樣區(qū)中影像地物類(lèi)別屬性有了先驗(yàn)知識(shí)，對(duì)每一種類(lèi)別選取一定數(shù)量的訓(xùn)練樣本，計(jì)算機(jī)計(jì)算每種訓(xùn)練樣區(qū)的統(tǒng)計(jì)或其它信息，同時(shí)用這些種子類(lèi)別對(duì)判決函數(shù)進(jìn)行訓(xùn)練，使其符合于對(duì)各種子類(lèi)別分類(lèi)的要求，隨后用訓(xùn)練好的判決函數(shù)去對(duì)其他待分?jǐn)?shù)據(jù)進(jìn)行分類(lèi)。使每個(gè)像元和訓(xùn)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(lèi)，以此來(lái)完成對(duì)整個(gè)圖像的分類(lèi)。

　　本文根據(jù)典型區(qū)域選擇訓(xùn)練樣區(qū)，建立分類(lèi)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(lèi)器為最大似然法，分類(lèi)結(jié)果如下：

 

　　4.2 根據(jù)專(zhuān)家知識(shí)的決策樹(shù)分類(lèi)

　　決策樹(shù)分類(lèi)法具有靈活、直觀、清晰、強(qiáng)健、運(yùn)算效率高等特點(diǎn)，在遙感分類(lèi)問(wèn)題上表現(xiàn)出巨大優(yōu)勢(shì)。它是遙感圖像分類(lèi)中的一種分層處理結(jié)構(gòu)。其基本思想是通過(guò)一些判斷條件對(duì)原始數(shù)據(jù)集逐步進(jìn)行細(xì)化。其中，每一個(gè)分叉點(diǎn)代表一個(gè)決策判斷條件，每個(gè)分叉點(diǎn)下有2個(gè)葉節(jié)點(diǎn)，分別代表滿(mǎn)足和不滿(mǎn)足條件的類(lèi)別[3]。這種方法不但不需要依賴(lài)任何先驗(yàn)的統(tǒng)計(jì)假設(shè)條件，而且可方便地利用除亮度值以外的其它知識(shí)，所以在遙感影像分類(lèi)和專(zhuān)題信息提取具有廣泛的應(yīng)用價(jià)值。有關(guān)SPOT5影像的研究，張曉星用專(zhuān)家分類(lèi)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(lèi)。

　　地物光譜特征，簡(jiǎn)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(shù)分類(lèi)規(guī)則，分類(lèi)結(jié)果如下：

 

　　5 分類(lèi)的精度評(píng)價(jià)

　　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(lèi)。通過(guò)評(píng)估可以判斷所用分類(lèi)器是否適合于特定的影像，所以評(píng)估分類(lèi)結(jié)果的質(zhì)量是極其重要的。本文通過(guò)分類(lèi)穩(wěn)定統(tǒng)計(jì)表和誤差矩陣來(lái)評(píng)定分類(lèi)的精度。且參照08年該區(qū)域第二次全國(guó)土地大調(diào)查數(shù)據(jù)，以水體為例：選取試驗(yàn)中232個(gè)水體對(duì)象，監(jiān)督分類(lèi)中：其中水體為211個(gè)，山體陰影為6個(gè)，園地為5個(gè)，精度達(dá)到91%;而利用目視解譯可以發(fā)現(xiàn)，基于專(zhuān)家知識(shí)的決策樹(shù)分類(lèi)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(lèi)結(jié)果的誤差。因此實(shí)驗(yàn)證明，針對(duì)SPOT5高分辨率影像來(lái)說(shuō)，對(duì)SPOT5高分辨率影像，利用監(jiān)督分類(lèi)的方法精度較基于專(zhuān)家知識(shí)的決策樹(shù)的分類(lèi)精度高。

　　6 參考文獻(xiàn)

　　[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(bào),2009 NO.01:233-234.

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

　　[3]陳華麗,陳植華,丁國(guó)平.用基于知識(shí)的決策樹(shù)方法分層提取礦區(qū)土地類(lèi)型--以湖北大冶為例[J]. 國(guó)土資源遙感,2004,(3):49-53.

　　[4]張曉星，專(zhuān)家分類(lèi)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(xué)院學(xué)報(bào)，2010,27(2)299-303.

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