鄭勇 成都理工大學(xué) 四川成都 610051

遙感作為現(xiàn)代地學(xué)研究的重要手段之一,已發(fā)展成為高精度、大范圍、可實(shí)時(shí)獲取地物信息的重要探測(cè)手段.利用遙感影像可提高對(duì)地物的識(shí)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(shí),嘗試用支持向量機(jī)法、最小距離法、IOSDATA法分類方法進(jìn)行分析,并采用混淆矩陣等評(píng)價(jià)方法對(duì)分類結(jié)果進(jìn)行精度評(píng)定.通過(guò)對(duì)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(zhǎng)約700公里,其流域包括綿陽(yáng)、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:

圖1 涪江流域示意圖

二、數(shù)據(jù)來(lái)源

本次研究所用的遙感影像是從中國(guó)科學(xué)院地理空間數(shù)據(jù)云平臺(tái)上下載的Landsat-8影像,其條帶號(hào)為129,行編號(hào)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(dāng)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(shí),需要通過(guò)對(duì)已知的訓(xùn)練樣本進(jìn)行分析計(jì)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(jìn)行計(jì)算分析,并對(duì)圖像像元距各類樣本的距離進(jìn)行統(tǒng)計(jì)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(duì)每一個(gè)需要進(jìn)行類別分類的樣本都進(jìn)行標(biāo)準(zhǔn)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(jī)法

支持矢量機(jī)是基于統(tǒng)計(jì)分析的一種算法,具有一定的學(xué)習(xí)與分析能力.通過(guò)對(duì)訓(xùn)練樣本進(jìn)行統(tǒng)計(jì)分析,查找各類別之間的差異性,并構(gòu)造分類器,使各個(gè)類別之間的差異最大化.支持向量機(jī)法在各類地物的差異性較大時(shí)效果顯著,應(yīng)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(shí)際情況,將影像分類類別進(jìn)行合并,最后對(duì)分類類別的顏色和名稱進(jìn)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(píng)價(jià)

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

表1 三種分類方法精度對(duì)比

從表1可看出支持矢量機(jī)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(shí),考慮到三種分類方法中最小距離法對(duì)林地和耕地的分類精度較差,IOSDATA對(duì)地物的整體分類精度較差,支持矢量機(jī)法則對(duì)地物進(jìn)行了有效的區(qū)分.