鄭勇

【摘要】：本文以涪江上游流域為研究對象，利用2014年12月19日的Landsat-8的遙感影像數(shù)據(jù)，使用ENVI、Arcgis等軟件，根據(jù)NDVI的空間分布影像對研究區(qū)內(nèi)植被生長狀況進行監(jiān)督分類與非監(jiān)督分類兩種方法的對比。研究表明：可看出支持矢量機法的分類精度最高，分類的效果最好，最小距離法次之，IOSDATA法精度最差。

【關(guān)鍵詞】：植被 監(jiān)督分類 精度 分類

遙感作為現(xiàn)代地學研究的重要手段之一，已發(fā)展成為高精度、大范圍、可實時獲取地物信息的重要探測手段。利用遙感影像可提高對地物的識別能力，提高數(shù)據(jù)的利用率，方便數(shù)據(jù)的采集和處理【1】。

本文在用監(jiān)督分類與非監(jiān)督分類提取植被信息的同時，嘗試用支持向量機法、最小距離法、IOSDATA法分類方法進行分析，并采用混淆矩陣等評價方法對分類結(jié)果進行精度評定。通過對比，得到了精度較高的植被分類方法，為植被信息提取方法的研究提供了重要的研究依據(jù)。

一、研究區(qū)概況

涪江的源頭為岷山雪寶峰峰頂，其位置處于四川省松潘縣與平武縣之間，全長約700公里，其流域包括綿陽、遂寧以及重慶的部分地區(qū)，并最終在重慶合川區(qū)匯入嘉陵江，涪江上游段主要指涪江流經(jīng)平武及江油的相關(guān)區(qū)域，以平武為主，江油為輔。研究區(qū)流域圖如圖1所示：

二、數(shù)據(jù)來源

本次研究所用的遙感影像是從中國科學院地理空間數(shù)據(jù)云平臺上下載的Landsat-8影像，其條帶號為129，行編號為38，中心經(jīng)度為104.9380，中心緯度為31.7420，Landsat-8影像的拍攝日期為2014年12月19日，當日的天氣狀況良好，影像上云量較少，占比為12.9%。

三、結(jié)果分析

（一）遙感影像的監(jiān)督分類

（1）最小距離法分類

最小距離法是一種較為基礎(chǔ)的分類方法。在執(zhí)行最小距離法時，需要通過對已知的訓練樣本進行分析計算，得出其均值矢量，并以此作為其特征空間的中心位置，再將待分類區(qū)域的圖像進行計算分析，并對圖像像元距各類樣本的距離進行統(tǒng)計分析。

在ENVI中選擇supervised classification > Minimun distance classification，在彈出的框體中，選中所有的分類樣本，對每一個需要進行類別分類的樣本都進行標準差閥值的設(shè)定，選擇Single Value，將值設(shè)置為4，并將最大距離誤差（Max Distance Error ）設(shè)置為None，然后再選擇輸出路徑，執(zhí)行最小距離分類。

（2）支持向量機法

支持矢量機是基于統(tǒng)計分析的一種算法，具有一定的學習與分析能力。通過對訓練樣本進行統(tǒng)計分析，查找各類別之間的差異性，并構(gòu)造分類器，使各個類別之間的差異最大化。支持向量機法在各類地物的差異性較大時效果顯著，應用的效果較好。

（二）遙感影像的非監(jiān)督分類

（1）IOSDATA法

生成圖像后，根據(jù)影像實際情況，將影像分類類別進行合并，最后對分類類別的顏色和名稱進行調(diào)整。在這里，非監(jiān)督分類圖像被分為了光陰影區(qū)及水域、建設(shè)用地、林地、耕地、牧草地類。

（三）精度評價

本次研究共采用了三種分類方法對影像進行分類，下面就總體分類精度和卡帕系數(shù)對分類結(jié)果進行對比，對比結(jié)果如表1所示：

從表1可看出支持矢量機法的分類精度最高，分類的效果最好，最小距離法次之，IOSDATA法精度最差。同時，考慮到三種分類方法中最小距離法對林地和耕地的分類精度較差，IOSDATA對地物的整體分類精度較差，支持矢量機法則對地物進行了有效的區(qū)分。

【參考文獻】：

【1】張瑩.遙感影像監(jiān)督分類和非監(jiān)督分類方法探討[J].黑龍江科技信息，2016（02）：79.

【2】 申文明， 王文杰， 羅海江， 等. 基于決策樹分類技術(shù)的遙感影像分類方法研究[J]. 遙感技術(shù)與應用， 2007（03）：333-338.

【3】 張曉賀. 決策樹分類器的實現(xiàn)及在遙感影像分類中的應用[D]. 蘭州交通大學地圖學與地理信息系統(tǒng)， 2013.

【4】 李志鵬， 劉珍環(huán)， 李正國， 等. 水稻空間分布遙感提取研究進展與展望[J]. 中國農(nóng)業(yè)資源與區(qū)劃， 2014（06）：9-18.