基于分層分類法的農(nóng)牧交錯地帶土地利用分類

基于分層分類法的農(nóng)牧交錯地帶土地利用分類

遙感圖像的分類是圖像分析的重要組成部分。常規(guī)的多光譜遙感圖像分類方法主要有監(jiān)督分類法與非監(jiān)督分類法兩種。由于遙感影像的復雜性,分類效果往往不是很理想,無法滿足實際應用需要。目前,對傳統(tǒng)的分類方法已出現(xiàn)很多改進,其中就包括分層分類方法。分層分類法是利用遙感影像中各個波段光譜信息和譜間結構,通過設置閾值逐層逐類地提取土地類型,并掩膜掉已提取的類型,消除它對其他地物提取的影響,使得分類過程越來越容易的一種分類方法。在以往的研究中,分層分類方法的應用多是以我國東、南部地區(qū)作為研究區(qū)域,對西北地區(qū)的土地利用分層分類的研究較少,特別是對農(nóng)牧交錯地帶這個土地利用類型復雜、自然環(huán)境比較脆弱地區(qū)的研究幾乎還處于空白狀態(tài)。因此,為能準確的掌握農(nóng)牧交錯地帶的土地利用狀況,本文采用分層分類法對該區(qū)進行土地利用分類,以期獲得更準確的土地利用數(shù)據(jù),為同類地區(qū)土地利用分類提供一個較為合理的方法,為該區(qū)域土地管理決策、生態(tài)環(huán)境保護以及進一步深入研究奠定基礎,對于區(qū)域土地可持續(xù)利用具有重要意義。1研究區(qū)域和數(shù)據(jù)預處理1.1土地利用方式研究區(qū)位于陜西省榆林市的靖邊縣,該區(qū)地處毛烏素沙漠南緣、陜北黃土高原北端。全縣總面積5088km2,按地形地貌分為北部風沙灘區(qū)、中部梁峁?jié)緟^(qū)和南部丘陵溝壑區(qū),分別約占總面積的三分之一。地勢南高北低,海拔介于1123～1823m之間,年平均氣溫7.8℃,年平均降水量為395mm。靖邊縣土地利用方式以干旱農(nóng)業(yè)和牧業(yè)為主,是典型的農(nóng)牧交錯地帶。由于自然條件的惡劣,特別是不合理利用土地、濫墾濫伐,大量植被和草原遭到破壞,全區(qū)風蝕沙化十分嚴重,生態(tài)環(huán)境變化較大。1.2把影像關鍵設備作為幾何精校正遙感數(shù)據(jù)源為:LandsatTM圖像兩景,過境時間2003年8月17日,軌道號127/34、128/34。在ERDASIMAGINE9.1環(huán)境下,先對兩景影像進行鑲嵌,然后以經(jīng)過幾何精校正的1992年榆林地區(qū)的TM影像為地理參考,對其進行幾何精校正,誤差控制在一個像元以內(nèi)。校正后的影像為橫軸莫卡托投影,橢球體為克拉索夫斯基橢球體,像元大小為30m×30m。利用矢量化的陜西省行政區(qū)劃圖通過掩膜運算提取出研究區(qū)的遙感影像。2輸入和分類2.1土地利用/覆蓋的類型參考中科院國家資源環(huán)境遙感宏觀調(diào)查與動態(tài)研究中制定的土地資源分類系統(tǒng),并根據(jù)TM圖像的空間分辨率(30m×30m)的特點,結合靖邊縣的土地特征,本研究把該區(qū)土地利用/覆蓋類型分為6個一級類、9個二級類(見表1)。2.2對不同土地利用類型的應用分析在進行土地分類之前,需要對不同土地類型的TM圖像的光譜曲線進行分析,找出地物的特有光譜特征才能利用正確光譜值進行土地信息提取,因此在靖邊縣的TM圖像中,對地類的純像元進行采樣,根據(jù)樣點的平均光譜值繪出地類的光譜值曲線。分析圖1得如下結論:(1)不同土地利用類型在3、4、5、7波段的光譜值體現(xiàn)出較大的差異,但第7波段一般應用在地質(zhì)學的研究中,因此該研究主要利用這3、4、5三個波段的差異及組合波段光譜信息來提取土地利用類型。(2)耕地、林地、草地都是植被地表,它們第4波段的光譜值都大于第3波段,而非植被地表的第4波段的光譜值都小于第3波段,因此可利用歸一化植被指數(shù)來區(qū)分植被區(qū)與非植被區(qū)。(3)水體在第4、5波段的光譜值明顯低于其他地類的光譜值,可以利用這幾個波段來提取水體。(4)未利用土地(沙地和裸土)在第5波段的光譜值遠大于其他土地利用類型,可利用該波段區(qū)分未利用土地與其它地類。2.3覆蓋地的ndvi圖NDVI(歸一化植被指數(shù))是分層分類法中的一個重要分層控制指標,它是反映植被狀況的一個有效參數(shù),在遙感中廣泛用于植被信息的提取,通過設置閾值可以準確地提取出植被覆蓋地類。在ERDASIMAGINE9.1軟件indices命令下對TM影像進行NDVI計算,得到研究區(qū)的NDVI圖(圖2)。NDVI值在[-1,1]范圍內(nèi),無植被覆蓋的區(qū)域,NDVI值近于0,在圖中的顏色就越暗;而植被密度越高的區(qū)域,NDVI值就越大,顯示在圖中就越亮。從圖中可以看到,在毛烏素沙漠地區(qū)的植被覆蓋度最低,顯示的顏色最暗;靖邊縣的中部地區(qū)植被生長旺盛,顏色較亮;南部地區(qū)屬中度植被覆蓋區(qū)。2.4分類方案的分類根據(jù)以上對遙感影像的分析,現(xiàn)設計分類過程如圖3所示。2.4.1植被信息選取植被區(qū)與非植被區(qū)的分離:利用NDVI值提取植被信息,。設置NDVI值0.05為植被區(qū)與非植被區(qū)的臨界值,其中大于0.05為植被區(qū),便可將植被區(qū)與非植被區(qū)區(qū)分開。2.4.2二樓(1)植被區(qū)土地覆被類型的提取NDVI是植物生長狀況和植被空間分布密度的最佳指標因子,利用NDVI值來提取植被區(qū)的土地覆被類型。NDVI值大于0.60為水澆地與有林地、0.20～0.60為旱地與灌木林地、小于0.20為草地。(2)tm3/tm4+tm5的譜間關系特征水體的分離提取是利用LandsatTM影像上水體的TM2+TM3>TM4+TM5的譜間關系特征,再用TM5<20去除誤提的部分山體陰影。建筑用地利用歸一化建筑指數(shù)NDBI<0.19和TM5<175來提取,掩膜去除,剩余部分為沙地、裸土地類。2.4.3第三層(1)從森林和水提取物中分離和提取有林地的光譜值TM4<TM5而水澆地的TM4>TM5,因此利用TM5-TM4<10提取出水澆地,并掩膜計算得到有林地。(2)不同長度土壤條件灌木林地與旱地在TM2,TM3,TM4波段存在差異,確定45<TM2<65,68<TM3<100,90<TM4<130分離提取出旱地,剩余部分為灌木林地。(3)裸地類的合成沙地的光譜值在各波段均稍高于裸土地,為增大差異,取第1～5波段之和來區(qū)分二者TM1+TM2+TM3+TM4+TM5>570,提取出沙地,掩膜可得裸土地類。3分類結果和精度評價3.1分類結果應用上述分層分類方案對靖邊縣土地利用狀況進行分類,分類結果如圖4所示。3.2不同土地利用類型間的分類不對稱本研究還用最大似然法進行了監(jiān)督分類,并得到分類誤差混淆矩陣,如表2。由該混淆矩陣可以發(fā)現(xiàn)在該監(jiān)督分類中水澆地、有林地、旱地和灌木林地之間存在明顯的錯分現(xiàn)象,沙地與裸土的區(qū)分存在的誤差也很明顯,各土地利用類型之間存在著較多的錯分現(xiàn)象,分類精度較低。分層分類與監(jiān)督分類的精度評價結果對比如表3所示。從表3來看,分層分類精度明顯高于監(jiān)督分類。分層分類中沙地的用戶精度高達96.67%,相對較低的建筑用地的用戶精度也達到了80%,總分類精度為87.41%,Kappa系數(shù)達到85.53%。而監(jiān)督分類中各地類的用戶精度明顯低于分層分類法的用戶精度,總分類精度僅為76.94%,Kappa系數(shù)只有71.80%。4分類結果精度分析與以往的監(jiān)督分類法比較,用分層分類法對農(nóng)牧交錯地帶的土地利用分類是一種比較理想的方法。本次研究采用的分層分類法顯著地提高了分類結果的精度,特別是對農(nóng)牧交錯地帶這個