李 丹，梅曉丹，趙 鶴，田美玲，翟 慧,羅雨斐，蒙延斌

(黑龍江工程學(xué)院 測(cè)繪工程學(xué)院，黑龍江 哈爾濱 150050)

高分一號(hào)(GF-1)衛(wèi)星是我國高分辨率對(duì)地觀測(cè)衛(wèi)星系統(tǒng)重大專項(xiàng)(簡(jiǎn)稱“高分專項(xiàng)”)的第一顆衛(wèi)星，于2013年發(fā)射，包括紅、綠、藍(lán)、近紅外4個(gè)波段，其全色數(shù)據(jù)空間分辨率為 2 m，多光譜和寬幅多光譜空間分辨率分別為 8 m、16 m，具有高空間分辨率、高時(shí)間分辨率、寬覆蓋等特點(diǎn)[1-3]。Landsat8 是美國國家航空航天局( NASA) 于 2013 年發(fā)射，該衛(wèi)星的發(fā)射延續(xù)了 Landsat 系列衛(wèi)星對(duì)地觀測(cè)任務(wù)，為全球資源環(huán)境變化應(yīng)用和研究提供了重要支撐[4]。土地利用變化是全球變化研究的熱點(diǎn)問題之一[5-8]，遙感數(shù)據(jù)因其具有大范圍、時(shí)效性強(qiáng)和成本低的優(yōu)勢(shì)成為土地利用數(shù)據(jù)獲取的主要數(shù)據(jù)源[9-12]。

為了對(duì)比上述2種傳感器參數(shù)對(duì)土地利用分類能力與精度的影響，評(píng)價(jià) GF-1 在土地利用遙感解譯中的應(yīng)用價(jià)值，本研究選取松嫩平原北部典型區(qū)域——黑龍江省嫩江縣 GF-1和Landsat-8 影像數(shù)據(jù)，進(jìn)行土地利用遙感解譯，分析兩種影像解譯結(jié)果，以期為土地利用遙感圖像解譯研究提供數(shù)據(jù)支撐。

1 研究區(qū)概況

本文研究區(qū)嫩江縣位于黑龍江省西北部，東經(jīng)124°44′30″～126°49′30″，北緯48°42′35″～51°00′05″。行政區(qū)劃面積1.51×104km2。嫩江縣位于興安山地和松嫩平原之間的過渡地段，海拔為193～729.7 m，地勢(shì)北、東部地區(qū)高，南、西部地區(qū)低。氣候類型為中溫帶半濕潤大陸性季風(fēng)氣候，年平均溫度低，雨熱同季且冬季漫長。嫩江縣是我國重點(diǎn)商品糧生產(chǎn)基地，享有中國“大豆之鄉(xiāng)”及“北國糧倉”的美譽(yù)。受行政管理限制，本文的研究區(qū)域未包括國營農(nóng)場(chǎng)及軍隊(duì)農(nóng)場(chǎng)[13]。

2 數(shù)據(jù)來源與處理

2.1 遙感影像預(yù)處理

本文選取嫩江縣2013-08-20 Landsat-8 衛(wèi)星OLI傳感器數(shù)據(jù)，與GF-1 16 m分辨率多光譜數(shù)據(jù)進(jìn)行土地利用遙感解譯對(duì)比分析，具體參數(shù)如表1所示。對(duì)影像進(jìn)行輻射定標(biāo)、大氣校正、波段合成、圖像鑲嵌、圖像裁剪等預(yù)處理后，定義訓(xùn)練樣本，進(jìn)行監(jiān)督分類、精度檢驗(yàn)，最終獲得研究區(qū)土地利用遙感解譯數(shù)據(jù)。

表1 GF-1 與Landsat-8衛(wèi)星參數(shù)

2.2 土地利用分類

根據(jù)研究區(qū)2013年Landsat-8與GF-1衛(wèi)星遙感影像目視解譯分類結(jié)果，選用最大似然法進(jìn)行土地利用分類，參照《土地利用現(xiàn)狀分類(G/T21010-007)》將嫩江縣行政區(qū)土地利用類型劃分為耕地、林地、草地、水域、建設(shè)用地、其他用地6個(gè)一級(jí)地類[14]，如表2、表3所示。

2.3 精度檢驗(yàn)

采用混淆矩陣進(jìn)行精度檢驗(yàn)，混淆矩陣是一種由N行和N列組成的N階矩陣，其中N代表了類別的數(shù)量?；煜仃嚨牧泻托?，分別代表了參考影像的信息和被評(píng)價(jià)影響的分類結(jié)果信息。

3 結(jié)果分析

3.1 Landsat-8和GF-1區(qū)域分類精度對(duì)比

由表2，表3可知，Landsat-8衛(wèi)星對(duì)于林地區(qū)域和耕地區(qū)域的分類精度高于GF-1衛(wèi)星；而在草地、建設(shè)用地、其他用地區(qū)域和水域方面的分類則是GF-1的精度高于Landsat-8衛(wèi)星。因?yàn)镚F-1衛(wèi)星的分別率更高，所以在較多水塘、細(xì)小河流、村莊和小規(guī)模的城鎮(zhèn)，地物類型破碎，紋理與細(xì)節(jié)信息明顯的地區(qū)，分類效果更好。

表2 2013年Landsat-8研究區(qū)土地利用混淆矩陣

表3 2013年GF-1研究區(qū)土地利用混淆矩陣

3.2 Landsat-8和GF-1可分離性對(duì)比

為了對(duì)比2種數(shù)據(jù)在各土地利用類別上的光譜可分離性，將全部用地類型進(jìn)行可分離性比較，詳見表4、表5。在GF-1衛(wèi)星的分類基礎(chǔ)上，全部6個(gè)土地利用類型的可分離性系數(shù)都比較高(大于1.8)，分類結(jié)果比較接近與實(shí)際情況，而在Landsat-8衛(wèi)星的分類基礎(chǔ)之上，草地與耕地的可分離性相對(duì)較低，為1.614，低于普遍要求的1.8，但在其他的土地利用類型的分類情況上效果明顯。

3.3 Landsat-8和GF-1分類結(jié)果面積差別分析

由Landsat-8為基礎(chǔ)圖像，GF-1為變化圖像，進(jìn)行不同地物分類結(jié)果面積差別對(duì)比(如表6)。Landsat-8中的林地有105.73 km2被GF-1分成草地，627.84 km2被分成耕地，4.47 km2被分成建設(shè)用地，115.06 km2被分成其他用地，而水域則沒有被錯(cuò)分，其他結(jié)果見表6。

表4 2013年Landsat-8研究區(qū)數(shù)據(jù)可分離性比較

表5 2013年GF-1研究區(qū)數(shù)據(jù)可分離性比較

表6 Landsat-8與GF-1分類結(jié)果面積差別表 km2

3.4 Landsat-8和GF-1遙感影像綜合分析

結(jié)合研究區(qū)的可分離性，Landsat-8影像對(duì)于林地和耕地的分離系數(shù)不高，在矩陣中林地和耕地二者的分類精度排在最后，同樣，在GF-1影像中，水域和其他用地與其余4種土地利用類型的可分離性也較低，與分類的精度相符合。可以看出Landsat-8分類結(jié)果在林地與耕地地區(qū)，與GF-1的分類結(jié)果相差最大，林地達(dá)到6.37%，而在耕地則有5.47%。差異較大的原因?yàn)長andsat-8與GF-1 2種傳感器波譜響應(yīng)函數(shù)在紅波段和近紅外波段響應(yīng)范圍差異造成的。為了使分類的結(jié)果更接近于真實(shí)值，后期可以使用相應(yīng)的DEM圖分析，使波段造成的影響減弱，讓分類的結(jié)果更加精確。另外，根據(jù)2011年的嫩江縣的土地利用類型面積規(guī)劃可知，2011年嫩江縣的林地面積為4 589 km2，草地面積為1 338 km2，水域面積為68 km2，耕地面積為4 496 km2，建設(shè)用地面積為12 km2，其他用地面積為0.3 km2。而根據(jù)利用ENVI分類出的結(jié)果來看，Landsat-8影像所分出的林地面積為4 494 km2，草地面積為1 560 km2，水域面積為59 km2，耕地面積為4 212 km2，建設(shè)用地為16 km2，其他用地面積為1.3 km2，而GF-1所分出的結(jié)果是林地面積為4 744 km2，草地面積為1 134 km2，水域面積為70 km2，耕地面積為4 838 km2，建設(shè)用地為13 km2，其他用地面積為0.2 km2。

可見，Landsat-8影像在林地和耕地方面的分類結(jié)果都很接近真實(shí)值；GF-1在水域、其他用地、草地和建設(shè)用地的分類結(jié)果就相對(duì)較精確，而在林地和耕地方面則不如Landsat-8，這與混淆矩陣分析的結(jié)果一致。Landsat-8圖像對(duì)林地和耕地的可分離性不是很高，是由于光譜合成和圖像鑲嵌時(shí)的顏色不均所造成的，對(duì)結(jié)果并沒有很大影響。綜合而言，GF-1 影像數(shù)據(jù)的高空間分辨率在一級(jí)土地覆蓋分類中體現(xiàn)出優(yōu)勢(shì)，具有較高的精度，并結(jié)合其大幅寬與重訪周期短的優(yōu)勢(shì)，在土地覆蓋分類研究中被廣泛應(yīng)用。

4 結(jié) 論

本文基于Landsat-8衛(wèi)星影像和GF-1衛(wèi)星影像，應(yīng)用遙感技術(shù)和ENVI軟件技術(shù)，分析了研究區(qū)嫩江縣2013年土地利用類型在Landsat-8衛(wèi)星影像和GF-1衛(wèi)星影像的分類差別與精度，得出如下結(jié)論：

1)Landsat-8與GF-1在不同的土地利用分類上結(jié)果存在差異。針對(duì)大面積土地利用分類，Landsat-8的分類結(jié)果更接近于真實(shí)值；針對(duì)混合像元少，紋理和細(xì)節(jié)更加復(fù)雜的土地利用類型，GF-1的結(jié)果更好。

2)對(duì)于GF-1圖像，雖整體精度很高，但在很多區(qū)域分類結(jié)果的面積均大于Landsat-8，導(dǎo)致可分離性高結(jié)果卻有偏差，后續(xù)研究中應(yīng)利用DEM、紋理特征、多時(shí)相數(shù)據(jù)等進(jìn)行后處理，進(jìn)一步提高分類精度。