基于Landsat8影像的土地利用覆盖监督分类方法对比研究.pdf

张杰，等：膏体充填技术在某矿空区治理当中的应用*收稿日期：2022-05-10作者简介：王家福（1981-），男，云南昭通人，工程师，主要从事金属矿山地表地形图、地表三维模型及井下导线测绘方向的研究。Aug.2023Vol.52.No.4（Sum 301）2023 年 8 月第 52 卷第 4 期（总第 301 期）云南冶金YUNNAN METALLURGY基于 Landsat8 影像的土地利用覆盖监督分类方法对比研究*王家福（云南驰宏锌锗股份有限公司，云南 曲靖 655000）摘要：以 Landsat 8 遥感影像为数据源，通过对比最小距离、马氏距离和最大似然这 3 种分类器的分类精度，对研究区的土地利用覆盖分类方法进行研究，最大似然分类器的分类结果优于最小距离和马氏距离，总体精度为 70.59%，Kappa 系数为 0.6187，所得分类精度较高。该研究方法可用于快速获取地区的土地利用覆盖分类，具有一定的现实意义。关键词：土地利用覆盖分类；Landsat 8 影像；自动分类器；监督分类中图分类号：N3文献标识码：A文章编号：1006-0308（2023）04-0001-06Comparative Study on Supervised Classification Approaches for Land Use/Coverbased on Landsat8 ImageWANG Jia-fu(Yunnan Chihong Zn&Ge Co.,Ltd.,Qujing,Yunnan 655000,China)ABSTRACT：So the remote sensing image of Landsat 8 was taken as the data resource,the classification accuracy of three kinds ofclassifier was compared by comparison of minimum distance,Mahalanobis distance and Maximum likelihood estimation,then the land use/cover classification method was studied.classification results of maximum likelihood estimation is better than that of minimum distanceand Mahalanobis distance,the total precision is 70.59%,Kappa coefficient is 0.6187,the classification precision is high.So the methodcan be applied for fast acquisition on classification of land use/cover,it has a certain practical significance.KEY WORDS：land use/cover classification;Landsat 8 image;automatic classifier;classification supervision1993 年土地利用/土地覆盖变化（LUCC）被列为全球变化研究的核心计划1-2。目前，借助遥感影像分类获得 LUCC 已经成为研究的重要途径。遥感影像分类是通过各种地物的光谱特性分析选择特征参数，将特征空间划分为不重叠的子空间，然后将影像中每个像元划分给合适的子空间以实现分类3-5。在图像分类过程中，根据训练样本的分类数据是否已知，可以将图像分类方法分为监督分类和非监督分类6-8。监督分类由于其具有先验知识，被广泛应用于遥感影像分类中9。许多学者对利用监督分类方法进行土地利用覆盖分类作出研究，如李帅10等利用 landsat 遥感影像，基于监督分类体系，分别采用平行六面体，最小距离，马氏距1Aug.2023Vol.52.No.4（Sum 301）2023 年 8 月第 52 卷第 4 期（总第 301 期）云南冶金YUNNAN METALLURGY图 1数据预处理流程Fig.1Data preprocessing flow离和最大似然 4 种最常用的经典分类器，对研究区土地利用类型进行遥感分类并进行精度对比分析；王栋11等以楚雄州大姚县为例，采用 Landsat-TM 数据，通过最大似然，支持向量机，随机森林3 种分类器进行分类对比研究；黄鹏程12等以西安市 Landsat-8 卫星数据为资料，将西安市的土地类型分为建设用地，裸地，水体，草地，耕地，林地 6 类，采用常用的最大似然分类法和决策树分类方法对研究数据进行解译；程国旗13等以Landsat-8 影像为数据源，采用波段融合处理，提高影像处理分辨率，运用监督分类的 6 种分类器，比较各分类器分类结果精度。综上可知，利用遥感影像进行土地利用覆被分类的研究已较多，但对于易于获取的 Landsat 8 数据，采用哪种分类器更合适是一个值得探讨的问题，并且针对高原山区典型城镇的土地利用覆被分类研究还相对较少。因此，本文以昆明市晋 宁区为研究区，选取Landsat8 遥感影像的 9 个光谱波段，分别采用最小距离、马氏距离和最大似然 3 种监督分类方法对研究区图像进行分类，然后比较 3 种分类方法的分类精度，从而确定适合 Landsat8 影像光谱波段分类的分类器，为基于遥感影像的土地利用覆盖分类提供了技术支持。1研究区及数据预处理1.1研究区概况晋宁区，隶属于云南省昆明市，位于云南省中部，距离昆明市区约 60 km，紧邻滇池东南部水域（24毅24忆耀24毅28忆N，102毅13忆耀102毅52忆E）14，东西横距约 66 km，南北纵距约 33 km，总面积为1 230.86 km2。晋宁区所处云贵高原，地势南高北低，海拔最高处为 2 648 m、最低处为 1 340 m。地貌主要有侵蚀地貌、岩溶地貌和堆积地貌。气候为低纬高原亚热带季风气候。受风化作用影响，土壤呈现出红色，即红壤地带。1.2数据预处理经过调查分析，考虑遥感影像数据的可获取性和代表性，选取了 Landsat 8 影像作为遥感影像数据源。Landsat8 于 2013 年 2 月 11 日发射15-16，包括 9 个波段，可以组合构成多个 RGB 方案用于支持自动分类方法的训练区提取和目视解译影像识别。论文选取 2017 年 3 月 14 日 Landsat8 OLI 卫星影像为试验数据，轨道号：43（Row），129（Path）。此外，还选取了研究区 GF-1 卫星影像，主要用于辅助分类训练样本选择、目视解译信息提取的高分辨率影像参考。将利用 ENVI 5.3 软件对 Landsat8 影像进行数据预处理，主要的预处理流程包括影像裁剪和影像融合，具体的数据预处理流程如图 1 所示。其中，基于 GS 方法实现多光谱波段与全色波段的融合，得到空间分辨率为 15 m 的遥感影像，为后续试验提供更高精度的影像数 据。由于Landsat8 为 Level 1T 地形矫正影像17，故无需进行地形矫正。1.3土地利用覆盖分类体系参考国土资源部 2007 年 8 月发布的 土地利用现状分类18，结合对所选遥感数据的判读分析以及实验研究目的，确定将研究区土地利用覆盖信息分为 5 类，分别是耕地、绿地、城镇用地、水体和裸地。2研究方法2.1分类方法基于监督分类的方法对土地利用覆盖类型2张杰，等：膏体充填技术在某矿空区治理当中的应用表 2各类别间样本可分离性评价表Tab.2Separability evaluation list of samples of each categorg各类别间关系样本可分离系数裸地与城镇用地1.976耕地与城镇用地1.952绿地与耕地1.988水体与绿地1.999绿地与城镇用地1.999水体与耕地1.999水体与城镇用地1.999水体与裸地1.999裸地与绿地1.988裸地与耕地1.996进行计算机自动分类提取。监督分类总体上一般可分为 3 个过程：选择训练样本、执行监督分类和分类结果评价19，具体的分类流程图如图 2 所示。试验将运用 ENV I 5.3 通过最小距离、马氏距离和最大似然这 3 种分类器（3 种监督分类器的基本原理，如表 1 所示），依据监督分类流程图，对研究区影像进行监督分类地物信息分类提取。通过分类结果对比，以期获得最佳监督分类结果。表 2 为训练区各类别间样本可分离性评价表，由表中数据可知，各类别样本组合后可分离度均大于 1.95，训练样本选择较好。2.2精度评价方法混淆矩阵作为一种有效的精度评价方法被广泛运用于分类结果的精度评价。该方法通过在相应位置对分类结果与真实参考信息的吻合度进行计算，得到一个矩阵，即为混淆矩阵。混淆矩阵通过计算，可以得到总体精度和 Kappa 系数。通过运用这 2 个参数对分类结果进行精度评价，总体精度和 Kappa 系数的计算公式20，分别为：式中：P 为总体精度；Pii为第 i 行 i 列的被正确分类的对象；N 为样本总数；Kappa 为 Kappa系数；r 为类别数量；Pi+为第 i+行的样本总数；图 2分类流程图Fig.2Classification flow chart表 13 种监督分类器的基本原理Tab.1Basic principle of 3 kinds of supervision classifier基本原理计算输入图像到各训练样本的马氏距离（1种有效的计算2个末知样本集的相似度的方法），最终统计马氏距离最小的，即为此类别假设每1个波段的每1类统计都呈正态分布，计算给定像元属于某1训练样本的似然度，像元最终被归并到似然度最大的1类当中利用训练样本数据计算出某1类的均值向量和标准差向量，然后以均值向量作为该类在特征空间中的中心位置，计算输人图像中每个像元到各类中心的距离，到哪1类中心的距离最小，该像元就归入哪1类分类器马氏距离（Mahalanobis Distance）最大似然（Likelihood Classification）最小距离（Minimunm Distance）（1）（2）王家福：基于 Landsat8 影像的土地利用覆盖监督分类方法对比研究3Aug.2023Vol.52.No.4（Sum 301）2023 年 8 月第 52 卷第 4 期（总第 301 期）云南冶金YUNNAN METALLURGYP+j为第+j 列被分为该类型的样本总数。3结 果经过计算机自动解译分类后得到如图 3 所示的分类结果图。图 3 分别是最小距离、马氏距离和最大似然 3 种分类器分类后的结果图。根据最小距离分类结果图 3a 可以知道，在分类中仍存在有未分类的图斑；根据马氏距离分类结果图 3b 可以知道，马氏距离的分类结果较最小距离有所提升，但仍存在较多细碎图斑，道路提取效果较差，城镇用地和耕地界限不清晰，绿地和裸地出现多处错分现象；根据最大似然分类结果图 3c 可以知道，最大似然分类结果和马氏距离分类情况相近，其中最大似然相较于马氏距离在城镇用地方面的提取情况较好，道路也相对更加清晰了，绿地错分现象有所减少。将经过预处理后的 Landsat 8 影像导入 ArcGIS10.7，借助 GF-1 高分辨率影像作为目视参考，人工矢量化研究区内的土地利用覆盖分类（如图 4所示），并以此分类结果图作为精度评价的验证数据，获取混淆矩阵。通过以目视解译的分类结果作为参考，运用最小距离分类器进行分类，对得到的分类结果计算混淆矩阵，得到如表 3 所示的基于最小距离的土地利用覆盖分类精度评价表。根据表 3 可知：最小距离法分类的总精度为61.57%，Kappa 系数为 0.522 6，研究区整体分类质量好。其中，水体分类效果最佳，用户精度为97.32%，生产精度为 90.90%；绿地分类效果次之，用户精度为 91.53%，生产精度为 61.46%；耕地和图 33 种分类器的分类结果图Fig.3Classification results diagram of 3 kinds of classifierc.最大似然分类结果图c.Classification results diagram of maximum likelihood estimationb.马氏距离分类结果图b.Classification results diagram of Mahalanobis distancea.最小距离分类结果图a.Classification results diagram of minimum distance图 4目视解译土地利用覆盖分类结果Fig.4Land use/cover classification resultsby visual interpretation4张杰，等：膏体充填技术在某矿空区治理当中的应用表 4基于马氏距离的土地利用覆盖分类精度评价表Tab.4Evaluation list for land use/cover classification precision based on Mahalanobis distance分类类别实际类别裸地1 23658 59223 04523 9977 436114 30620.16耕地6233 68172552 5056 19463 72882.39城镇用地3 2177 6415 01219 70258 41393 98562.15总体77 098181 62332 802101 45273 255466 230水体71 10953551994471 89298.91绿地913111 1744 0155 0491 168122 31990.89水体绿地裸地耕地城镇用地总体用户精度/%未分类000000生产精度/%92.2361.2170.2551.7579.74城镇用地的分类效果一 般，用户精度分别为75.09%和 70.36%，生 产 精 度 分 别 为 46.26%和50.24%。而裸地的分类效果较差，用户精度仅为15.74%，生产精度为 65.91%。考虑可能是因为裸地在影像中的空间尺寸较小，并且分布较为零散，因此裸地的用户精度和生产精度差异较大。同理，得到如表 4 所示的基于马氏距离的土地利用覆盖分类精度评价表。表 3基于最小距离的土地利用覆盖分类精度评价表Tab.3Evaluation list for land use/cover classification precision based on the minimum distance分类类别实际类别裸地1 87463 37121 62133 96416 514137 34415.74耕地3162 4131 80446 92911 03462 49675.09城镇用地7071 5622 36010 87336 80052 30270.36总体77 098181 62332 802101 45273 255466 230水体70 0855266454779272 01497.32绿地1 251111 6184 1174 109847121 94291.53水体绿地裸地耕地城镇用地总体用户精度/%未分类2 8652 1332 8365 0307 26820 132生产精度/%90.9061.4665.9146.2650.24根据表 4 可知：马氏距离法分类的总精度为67.83%，Kappa 系数为 0.594 7，研究区整体分类质量较好。其中，由于水体光谱的特征较为均一，并且区分度较大，因此水体的分类效果最佳。水体的用户精度为 98.91%，生产精度为 92.23%。绿地和耕地的用户精度次之，分别为 90.89%和82.39%，但绿地和耕地的生产精度均较低，分别为 61.21%和 51.75%。城镇用地的分类效果一般，用户精度为 62.15%，生产精度为 79.74%。裸地的分类效果较差，用户精度为 20.16%，生产精度为70.25%。同理，得到如表 5 所示的基于最大似然的土地利用覆盖分类精度评价表。根据表 5 可知：最大似然法分类的总精度为70.59%，Kappa 系数为 0.618 7，研究区整体分类质量很好。其中，水体分类效果最佳，用户精度为92.41%，生产精度为 93.91%。通过表 3、表 4 和表 5 中可以看出，基于研究注：总精度：61.57%；Kappa 系数：0.5226注：总精度：67.83%；Kappa 系数：0.5947王家福：基于 Landsat8 影像的土地利用覆盖监督分类方法对比研究5Aug.2023Vol.52.No.4（Sum 301）2023 年 8 月第 52 卷第 4 期（总第 301 期）云南冶金YUNNAN METALLURGY表 5基于最大似然的土地利用覆盖分类精度评价表Tab.5Evaluation list for land use/cover classification precision based on maximum likelihood estimation分类类别实际类别裸地46043 16719 95417 4684 64485 69323.29耕地22082068549 7715 18956 68587.80城镇用地1 1254 9364 53515 52057 07283 18868.61总体77 098181 62332 802101 45273 255466 230水体72 4051 3493551 9352 31178 35592.41绿地2 268129 8946 89816 5023 993159 55581.41水体绿地裸地耕地城镇用地总体用户精度/%未分类6201 457375256462 754生产精度/%93.9171.5260.8349.0677.91区Landsat 8 影像，最大似然分类器的分类效果最佳，最小距离的分类结果最差，马氏距离较最大似然的分类结果较差。由此可知，基于 Landsat 8遥感影像进行土地利用覆盖自动分类时，最大似然法的分类效果最佳，故以最大似然监督分类的结果作为 5 种土地利用类型的初分结果。4结 语1）通过上述精度比较结果可以看出，最大似然分类器的分类总体精度和 Kappa 系数都更优于最小距离和马氏距离，可用于快速获取地区的土地利用覆盖分类数据；2）最 大 似 然 的 分 类 总 体 精 度 为 70.59%，Kappa 系数为 0.618 7，所得分类精度较高，但总体精度仍有待提升；3）监督分类是以像元为单位，应用训练样本的影像光谱信息进行计算机自动解译分类，考虑会受到地形、环境等因素的影响，分类效果不易达到实际需求；4）但是监督分类速度快，可以有效减少人工工作量。参考文献：1 祖立辉，杨静，苗世源.基于遥感影像的临湘市土地利用/覆盖时空变化研究J.测绘地理信息，2021，46（2）：30-35.2 史泽鹏，马友华，王玉佳，等.遥感影像土地利用/覆盖分类方法研究进展J.中国农学通报，2012，28（12）：273-278.3 石莹，穆岑，田艳君，等.基于 Landsat-8 数据对甘肃省金塔县主要农作物分类J.测绘与空间地理信息，2022，45（2）：74-78，81.4 王圆圆，李京.基于遥感影像的土地利用覆盖变化分类方法研究综述J.遥感信息，2004（1）：53-59.5 郑健.基于多示例学习的土地覆盖分类研究-以北京市海淀区为例D.北京：中国地质大学，2020.6 王铭恺.高分辨率遥感影像分类方法研究及在景观格局分析中的应用D.合肥：合肥工业大学，2018.7 黄祥，杨武年.结合灰度和基于动态窗口的纹理特征的遥感影像分类J.测绘科学技术学报，2015，32（3）：277-281.8 赵春霞，钱乐祥.遥感影像监督分类与非监督分类的比较J.河南大学学报（自然科学版），2004，34（3）：90-93.9 孙文瑞，姜慧芳，左晓庆，等.Landsat 8 影像分类多分类器对比分析J.地理空间信息，2022，20（1）：101-104，9.10 李帅，张梦华，郭力娜.不同监督分类器对土地利用分类精度的影响J.华北理工大学学报（自然科学版），2018，40（2）：42-48.11 王栋，岳彩荣，田传召，等.基于随机森林的大姚县 TM遥感影像分类研究J.林业调查规划，2014，39（2）：1-5.12 黄鹏程，张明明，王新宇，等.基于 Landsat-8 OLI 的西安市土地利用类型遥感分类研究J.测绘与空间地理信息，2020，43（1）：85-88，92.（下转第 19 页）注：总精度：70.59%；Kappa 系数：0.61876张杰，等：膏体充填技术在某矿空区治理当中的应用（上接第 6 页）13 程国旗，王志勇，陈欢.Landsat-8 监督分类器精度比较-以黄岛区为例J.测绘与空间地理信息，2019，42（12）：146-148，151，155.14 张殿岱，王雪梅.基于高分辨率遥感影像的植被分类方法比较J.林业资源管理，2021（3）：108-113.15 贺金鑫，姜天，董永胜，等.基于 Landsat 8 的辽宁弓长岭区遥感蚀变信息提取J.吉林大学学报（地球科学版），2019，49（3）：894-902.16 肖凡，郭俊军，张梦杰.基于 Landsat 8 数据和监督分类方法的土地利用分类研究J.安徽农学通报，2020，26（8）：110-113.17 刘晓，张戈，朱俊.基于 ArcGIS 与 ENVI 的地形数据处理以庄河老黑山为例 01J.石家庄经济学院学报，2019，42（3）：55-60.18 陈百明，周小萍.土地利用现状分类 国家标准的解读 J.自然资源学报，2007（6）：994-1003.19 谢熠康，徐洋洋.监督非监督分类器比较研究J.地理空间信息，2020，18（8）：63-65，68.20 董超，赵庚星.时序数据集构建质量对土地覆盖分类精度的影响研究J.遥感技术与应用，2020，35（3）：558-566.3结 语通过本次在滇中红盆矿产勘查中广域电磁法应用研究，得出以下结论：1）工作前全面收集矿区资料，并系统采集矿区岩矿石标本，总结地球物理特征规律，矿区主要含矿层长石石英砂岩呈中高阻特征，且石英含量越高，视电阻率越高，与砂岩、泥岩等围岩具有明显区别，具备开展物探工作前提条件；2）工作区为生产矿山，干扰因素多，而且凹地苴段含矿地层埋藏深，要求探测深度大；综合考虑，利用广域电磁法探测深度大、抗干扰能力强、分辨率高等特点，较好地解决矿区地层、构造分布等地质问题；3）广域电磁法应用研究以及钻孔工程揭露情况对比分析，通过物探测量成果能够明确划分各地层层位，确定六苴段、凹地苴段等主要含矿层分布情况，以及区内构造展布情况；4）结合地质成矿规律综合分析，能够有效圈定有利赋矿靶区，与实际揭露矿化蚀变带较为吻合，为后续找探矿工作部署提供指导；5）通过本次工作研究分析，广域电磁法在该区域矿产勘查中应用效果较好，是行之有效的。参考文献：1 鲁文举，王学文，龙力辉.云南楚雄盆地砂（页）岩型铜矿床成矿规律及成矿模式J.矿物学报，2013，33（4）：566-572.2 李付兵，王祥邦.大姚铜矿六苴矿段成矿机理及找矿方向J.云南地质，2015，34（1）：39-43.3 吴海支，韩润生，吴鹏.楚雄盆地六苴砂岩型铜矿床成矿流体性质及演化J.吉林大学学报（地球科学版），2016，46（2）：398-411.4 杨金富，和浪涛，周仕雄，等.云南大姚六苴铜矿地质特征及找矿方向J.金属矿山，2017（5）：104-110.5 代普禹，陈乾龙，王祥林.云南大姚铜矿六苴矿段地质特征及成因J.云南地质，2019，38（4）：415-421.6 吴鹏，谭茂，韩润生，等.滇中楚雄盆地六苴铜矿床煌斑岩地球化学、年代学及其地质意义J.岩石学报，2020，36（5）：1409-1425.7 刘玲，张明华，王平，等.复杂盆地地球物理-地质结构模型的构建-重磁电震综合解释在楚雄盆地勘探中的应用J.地球物理学报，2018，61（12）：4921-4933.8 蒋永芳，李芳书，曹渊，等.广域电磁法在金属矿勘探中的应用研究和探讨J.物探与化探，2020，44（5）：1073-1077.9 刘洋，王健，尹志超.广域电磁法在新疆哈密卡拉塔格矿集区勘查中的应用J.矿产勘查，2022，13（7）：999-1006.赵波，等：广域电磁法在滇中红盆矿产勘查中的应用19