四川省成都市龍泉驛區(qū)遙感實(shí)驗(yàn)(總報(bào)告)

1、龍泉驛區(qū)遙感影像分類與變化監(jiān)測(cè)目錄1.數(shù)據(jù)準(zhǔn)備11.1研究區(qū)域概況11.2數(shù)據(jù)下載22.數(shù)據(jù)處理22.1多波段融合22.2影像裁剪43.監(jiān)督分類53.1監(jiān)督分類的定義53.2研究區(qū)地物類別的判定53.2.1國(guó)家土地利用分類標(biāo)準(zhǔn)53.2.2結(jié)合高分遙感影像的類別判定63.3建立監(jiān)督分類模板73.4精度評(píng)估94.非監(jiān)督分類104.1非監(jiān)督分類的定義104.2非監(jiān)督分類的操作步驟114.3誤差矩陣分析135.分類后處理165.1分類重編碼165.2聚類分析175.3去除分析186.專題地圖201.數(shù)據(jù)準(zhǔn)備1.1研究區(qū)域概況龍泉驛區(qū)是四川省省會(huì)成都市所轄的九區(qū)之一，位于成都中心城區(qū)東部偏南、龍泉山脈中

2、段。地貌主要以山地、丘陵、平壩為主，三者的面積分別占龍泉驛區(qū)總面積的39.07%、3.86%、57.07%。龍泉驛區(qū)植物種類較多，森林植被與農(nóng)田植被相間分布，山壩差異明顯。龍泉驛區(qū)地帶性森林植被屬亞熱帶常綠闊葉林帶，由于長(zhǎng)期人為活動(dòng)的結(jié)果，自然原始森林植被己被破壞，代之而起的是天然次生林和人工栽培的喬木林、果樹林和竹林。龍泉驛區(qū)土地總面積5.5698萬(wàn)公頃，其中耕地7367.83公頃，占土地總面積的13.23%；園地2.5295萬(wàn)公頃，占土地總面積的45.42%；林地7628.2公頃，占土地總面積的13.70 %；其他農(nóng)用地3295.85公頃，占土地總面積的5.92%；居民點(diǎn)及工礦用地1.07

3、42萬(wàn)公頃，占土地總面積的19.29%；交通運(yùn)輸用地539.83公頃，占土地總面積的0. 97%；水利設(shè)施用地553.30公頃，占土地總面積的0.99 %；未利用地274.93公頃，占土地總面積的0.49%。1.2數(shù)據(jù)下載在地理空間數(shù)據(jù)云網(wǎng)站下載分類所需的成都市龍泉驛區(qū)（2000/2014）遙感影像以及用于裁剪的龍泉驛區(qū)邊界。以下是下載的兩期影像的具體信息以及經(jīng)過(guò)波段壓縮形成的.img圖像。遙感影像數(shù)據(jù)標(biāo)識(shí)數(shù)據(jù)類型衛(wèi)星名稱傳感器條帶號(hào)太陽(yáng)高度角太陽(yáng)方位角平均云量2000年LT51290392000045BJC00L45TMLANDSAT5TM12960.7427114.332102014年LT

4、51290392014083BJC00L45TMLANDSAT7TM12967.5078103.531923.16 2000年3月龍泉驛區(qū) 2014年3月龍泉驛區(qū)2.數(shù)據(jù)處理2.1多波段融合運(yùn)用ERDAS8.5中“LaryerStack”工具，進(jìn)行多波段遙感影像的融合。TM影像由7個(gè)波段，從下載的影像中選擇17波段的影像，進(jìn)行波段融合，為后面的處理提供基礎(chǔ)。融合后的圖像（2000年）：融合后的圖像（2014年）：2.2影像裁剪運(yùn)用ERDAS8.5中“Subset”工具，用下載的“龍泉驛區(qū)行政邊界”裁剪融合成的影像，為接下來(lái)的分類做準(zhǔn)備。對(duì)融合好的圖像進(jìn)行裁剪：2000年龍泉驛區(qū)裁剪圖：2014

5、年龍泉驛區(qū)裁剪圖：3.監(jiān)督分類3.1監(jiān)督分類的定義監(jiān)督分類就是先用某些已知訓(xùn)練樣本讓分類識(shí)別系統(tǒng)進(jìn)行學(xué)習(xí)，待其掌握了各個(gè)類別的特征后，按照分類的決策規(guī)則進(jìn)行分類下去的過(guò)程。目前比較成熟的分類方法，一般是概率統(tǒng)計(jì)分類方法。除此之外，尚有模擬自然語(yǔ)言的句法結(jié)構(gòu)分類方法和模糊數(shù)學(xué)分類方法等。就統(tǒng)計(jì)分類方法而論，其為通過(guò)計(jì)算各類別的均值、方差、協(xié)方差、標(biāo)準(zhǔn)偏差和離散度等統(tǒng)計(jì)量，作為進(jìn)行比較不同類別的相似程度的一句和標(biāo)準(zhǔn)，也即在在這些統(tǒng)計(jì)量的基礎(chǔ)上建立各組的類別識(shí)別特征進(jìn)行分類。自然監(jiān)督分類的精度要比非監(jiān)督分類的方法高些，準(zhǔn)確度要好些，但是進(jìn)度分類的工作量也要比非監(jiān)督分類的方法大的多。首先監(jiān)督分類有一事

6、先訓(xùn)練樣本的的工作，訓(xùn)練樣本要選好，要有一定的的代表性，而且要有足夠的數(shù)量。另外，對(duì)于遙感影像分類來(lái)說(shuō)，由于各種地物波普輻射的復(fù)雜性以及干擾因素的多樣性，有時(shí)僅僅考慮在某特定時(shí)間和空間內(nèi)選取訓(xùn)練樣本還是不夠的，為了提高分類的精度，這時(shí)還必須多選取一些樣本組和研究一些新的分類算法。3.2研究區(qū)地物類別的判定3.2.1國(guó)家土地利用分類標(biāo)準(zhǔn)根據(jù)國(guó)家土地利用分類的標(biāo)準(zhǔn)，本研究確定的其主要地物類型有：林地、耕地、水體、建設(shè)用地。由于圖像上植被陰影的光譜特征近似水體，因此必將陰影與水體區(qū)分。在不同時(shí)期的影像中，林地其下還有植被1、植被2的區(qū)分；耕地有g(shù)1/g2/g的區(qū)分；水體有堰塘/湖泊的區(qū)分；建設(shè)用地有

7、道路/房屋的區(qū)分。這樣做的是為了分類更加精確。但本次分類的目的是為了研究龍泉驛區(qū)2000-2014年土地類型的變化，所以最終兩期影像的類別必須一致，在重編碼時(shí)進(jìn)行類別的合并。3.2.2結(jié)合高分遙感影像的類別判定高分辨率的遙感圖像能很清晰的反映地面地物的類型及特征，從圖像上不僅可以區(qū)分不同的地物，而且還能辨識(shí)它們。因此我們可以借助高分辨率的遙感圖像選擇類別，以保證分類的準(zhǔn)確性。由于時(shí)間、設(shè)備等方面的原因未能實(shí)地進(jìn)行考察來(lái)確定類別，故通過(guò)搜狗地圖的高分影像作為參考。由于兩期影像的獲取時(shí)間不同，類別會(huì)有所差別，但類別的大體方向相同（林地、耕地、水體、建設(shè)用地）但在最初建立模板有區(qū)別，在最后為進(jìn)行變化

8、分析，將類合并為4個(gè)，保持兩期影像的類別相同。水體： 高分影像 2000年 2014年山體： 高分影像 2000年 2014年植被： 高分影像 2000年 2014年耕地： 高分影像 2000年 2014年 建筑： 高分影像 2000年 2014年地物實(shí)際判讀：地物類別圖像特征說(shuō)明水體黑色或藍(lán)黑色；線狀、塊狀湖泊、堰塘陰影深藍(lán)或黑色；小塊、碎條狀山地、建筑陰影建筑房屋灰白色；規(guī)則塊狀、斑狀建筑道路藍(lán)灰色；線狀植被暗紅色；塊狀耕地深灰色；塊狀以下是兩期圖像的地物對(duì)比：（左圖為2000年，有圖為2014年）水體：在圖中表現(xiàn)為深藍(lán)色 耕地：在圖中表現(xiàn)為淺藍(lán)色 植被：在圖中表現(xiàn)為紅色 建筑：在圖中表現(xiàn)

9、為淺灰色 3.3建立監(jiān)督分類模板根據(jù)已有的類型建立兩期分類模板2000年的分類模版：對(duì)2000年的監(jiān)督圖像進(jìn)行分類，總共分成四個(gè)類型即：水體、建筑、植被、淺植被幾個(gè)類型。2014年的分類模版：對(duì)2014年的監(jiān)督圖像進(jìn)行分類，總共分成六個(gè)類型即：水體、建筑一、建筑二、建筑三、植被、山脊，植被較少幾個(gè)類型。監(jiān)督分類結(jié)果圖：2000年分類結(jié)果2014年分類結(jié)果3.4精度評(píng)估模板的數(shù)學(xué)統(tǒng)計(jì)并做均值折線圖（以2014年為例，2000年同理可得）在EXCEL 中將各個(gè)地物的最大最小和均值統(tǒng)計(jì)出來(lái)匯總為折線圖如下所示：4.非監(jiān)督分類4.1非監(jiān)督分類的定義非監(jiān)督分類是指人們事先對(duì)分類過(guò)程不施加任何的先驗(yàn)知識(shí)，

10、僅憑遙感圖像地物的光譜特征的分布規(guī)律，隨其自然地進(jìn)行盲目的分類。其分類的結(jié)果只是使不同類別達(dá)到了區(qū)分，并不確定類別的屬性，其屬性是通過(guò)事后對(duì)各類的光譜響應(yīng)曲線進(jìn)行分析，以及與實(shí)地調(diào)查湘比較后確定的。遙感圖像上的同類地物在相同的地表結(jié)構(gòu)特征、植被覆蓋、光照等條件下，一般具有相同的或相近的光譜特征，從而表現(xiàn)出來(lái)某種內(nèi)在的相似性，歸屬于同一光譜空間區(qū)域；不同的地物，光譜信息特征不同，歸屬于不同的光譜空間區(qū)域。這就是非監(jiān)督分類的理論依據(jù)。由于在一副復(fù)雜的圖像中，訓(xùn)練區(qū)有時(shí)不能包括所有的地物光譜樣式，這樣就造成一部分像元找不到歸屬。在實(shí)際工作中為了進(jìn)行監(jiān)督分類而確定類別和訓(xùn)練區(qū)的選取也是不易的，因而在開

11、始分析圖像時(shí)，用非監(jiān)督分類方法來(lái)研究數(shù)據(jù)的本來(lái)結(jié)構(gòu)及其自然點(diǎn)群的分布情況也是很有價(jià)值的。非監(jiān)督分類主要是采用聚類分析的方法，聚類是把一組像素按照相似性歸屬為若干類別。目的是使得同一類別的像素之間距離盡可能的小而不同類別的像素之間的距離盡可能的大。非監(jiān)督分類算法的核心問(wèn)題是初始類別參數(shù)的選定，以及它的迭代調(diào)整問(wèn)題。（1）確定初始類別參數(shù)，即是確定最初類別的數(shù)量和類別的中心（集群中心）。（2）計(jì)算每一個(gè)像元所對(duì)應(yīng)的特征矢量與各集群中心的距離。（3）選與中心距離最短的類別作為這一個(gè)矢量的所屬類別。（4）計(jì)算新的類別的均值向量，比較新的類別均值與原中心位置上的變化。（5）若位置發(fā)生了變化，則以新的類別

12、均值為聚類中心，在從第二步開始重復(fù)，進(jìn)行反復(fù)的迭代操作。（6）如果聚類中心不再變化，計(jì)算停止。4.2非監(jiān)督分類的操作步驟在ERDAS中利用工具classifer進(jìn)行非監(jiān)督處理并建立2014年的非監(jiān)督分類模板：得到2014年的非監(jiān)督圖像：同理建立2000年的非監(jiān)督分類模板：得到2000年的非監(jiān)督圖像：4.3誤差矩陣分析誤差矩陣（也稱混淆矩陣）是表示精度評(píng)價(jià)的一種常用的標(biāo)準(zhǔn)格式，是指將分類數(shù)據(jù)（通常作為行）同參考數(shù)據(jù)(通常作為列)相比較而形成的矩陣表格，其中主對(duì)角線代表正確分類即一致的情況。，非主對(duì)角線代表錯(cuò)誤分類即不一致的情況。誤差矩陣可以提供三種描述性精度指標(biāo)：總體精度（overall acc

13、uracy）、生產(chǎn)者精度（producers accuracy）、使用者精度（users accuracy）。對(duì)一個(gè)特定的分類圖像（或分類圖）來(lái)說(shuō)，總體精度等于正確分類數(shù)除以樣本總數(shù)。生產(chǎn)者精度：實(shí)地樣本被正確分類的的概率；使用者精度指分類中的一個(gè)樣本能確實(shí)代表實(shí)際地類的概率。分類計(jì)算表達(dá)式分別為：整體精度=主對(duì)角線元素之和/誤差矩陣所有元素之和生產(chǎn)者精度=類型對(duì)應(yīng)的主對(duì)角線元素/類型所在的列總和使用者精度=類型對(duì)應(yīng)的主對(duì)角線元素/類型所在的行總和以2014年非監(jiān)督圖像為例：2014年分類模板精度評(píng)估：ACCURACY TOTALS- Class ReferenceClassifiedNumb

14、erProducersUsers Name Totals TotalsCorrect AccuracyAccuracy - Unclassified 0 0 0 - - 水體 0 0 0 100.00%100.00% 植被 3 4 3 80.00% 80.00% 山脊，植被較少 3 2 2 50.00%100.00% 建筑用地一 1 1 1 - - 建筑用地二 0 0 0 - - 建筑用地三 3 3 3 100.00%100.00% Totals 10 10 9 Overall Classification Accuracy = 85.00% - End of Accuracy Totals

15、-同理，得2000年分類模板精度評(píng)估：ACCURACY TOTALS- Class ReferenceClassifiedNumberProducersUsers Name Totals TotalsCorrect AccuracyAccuracy - Unclassified 0 0 0 - - 水體 2 1 1 50.00%100.00% 植被 2 3 2 100.00% 66.67% 淺植被 5 5 5 100.00% 80.00% 建筑 3 3 3 - - Totals 15 15 14 Overall Classification Accuracy = 83.33% - End of

16、 Accuracy Totals -5.分類后處理5.1分類重編碼監(jiān)督分類雖然知道實(shí)地有哪些地物，但由于同類異譜現(xiàn)象，分類時(shí)還需要將相同的地物類分成若干個(gè)光譜類進(jìn)行處理。例如：耕地分為：耕地g、耕地g1、耕地g2。因此需要分類重編碼，將要合并的兩個(gè)或兩個(gè)以上的類的不同編碼和不同顏色都改為 相同的編碼和相同的顏色。2000年重編碼：2014年重編碼：5.2聚類分析分類后的結(jié)果中會(huì)產(chǎn)生一些面積很小的圖斑。無(wú)論是從專題制圖的角度，還是從實(shí)際應(yīng)用的角度，都有必要對(duì)這些小圖斑進(jìn)行剔除。聚類統(tǒng)計(jì)（Clump）是通過(guò)計(jì)算分類專題圖像每個(gè)分類圖斑的面積、記錄相鄰區(qū)域中最大圖斑面積的分類值等操作，產(chǎn)生一個(gè)Clump類組輸出圖像，其中每個(gè)圖斑都包含Clump類組屬性。該圖像為中間文件，