劉立之

（中國(guó)地質(zhì)大學(xué)（武漢）地理與信息工程學(xué)院，湖北 武漢 420078）

1.引言

近年來，遙感技術(shù)發(fā)展迅速，在農(nóng)業(yè)、地質(zhì)災(zāi)害、城市建設(shè)、環(huán)境保護(hù)等領(lǐng)域得到了廣泛應(yīng)用。原始的土地覆蓋分類方法主要依靠人工完成，消耗大量人力物力，更新速度慢，應(yīng)用較困難。而遙感具有獲取數(shù)據(jù)快、覆蓋范圍廣、重復(fù)周期短、數(shù)據(jù)精確等特點(diǎn)，已經(jīng)成為土地覆蓋分類中高效的技術(shù)手段之一。

隨著遙感技術(shù)的不斷發(fā)展，遙感向著多源數(shù)據(jù)、多特征方向發(fā)展。李根軍等結(jié)合多源數(shù)據(jù)對(duì)可可西里湖展開動(dòng)態(tài)監(jiān)測(cè)，能夠準(zhǔn)確地提取出可可西里湖湖泊的面積和位置，并分析湖水外溢情況及驅(qū)動(dòng)力特征,為青藏高原地區(qū)湖泊的監(jiān)測(cè)提供參考；沈吉寶提出一種多特征融合的遙感影像河流提取方法，能夠減弱城市建筑陰影信息的干擾，快速準(zhǔn)確獲得城市中的水體信息；鐘嫣然等通過影像多特征對(duì)建成區(qū)進(jìn)行提取，通過考慮多特征能夠提高建成區(qū)的提取精度。

本文以湖北省武漢市作為研究區(qū)域，探究了融合NDVI、NDWI、NDBI和DEM數(shù)據(jù)的多光譜影像及原始多光譜影像，分別采用最大似然法、支持向量機(jī)和隨機(jī)森林方法對(duì)土地覆蓋分類精度的影響。

通過比較不同影像、不同分類方法之間的差異，最后選取分類精度最高的一種組合進(jìn)行武漢市土地覆蓋變化監(jiān)測(cè)，研究近年來武漢市土地覆蓋類型的變化情況，得出研究結(jié)論。

2.研究區(qū)域及研究方法

2.1 研究區(qū)介紹

武漢市位于江漢平原的東部、長(zhǎng)江中游地區(qū)，長(zhǎng)江和其最大的支流漢江交匯于城中，據(jù)此形成了武昌（武昌區(qū)、青山區(qū)、洪山區(qū) ）、漢口（江漢區(qū)、江岸區(qū)、硚口區(qū)）和漢陽（漢陽區(qū)）武漢三鎮(zhèn)的格局。其地理空間范圍為占地面積約8569.15平方千米，人口數(shù)量1232.65萬，海拔范圍19.2-873.7m。

武漢市地處亞熱帶季風(fēng)氣候區(qū)，具有夏季高溫多雨、冬季溫和少雨，太陽照射時(shí)間充足，四季分明等特點(diǎn)。武漢市土地覆蓋類型主要有建筑、水體、農(nóng)田、裸地和林地，由于武漢市農(nóng)田和林地面積較大，因此在不同季節(jié)會(huì)出現(xiàn)地物類別轉(zhuǎn)換的情況，例如在夏季農(nóng)田中為水稻等作物，林地更加茂密，而到了冬季，一些農(nóng)田若沒有種植作物，會(huì)轉(zhuǎn)換為裸地，同時(shí)林地會(huì)變得稀疏。

2.2 數(shù)據(jù)獲取

本研究所用數(shù)據(jù)有武漢市Landsat-8 OLI遙感圖像和ASTER GDEM v3數(shù)據(jù)，Landsat影像數(shù)據(jù)從美國(guó)地質(zhì)調(diào)查局（USGS）獲取，ASTER GDEM從歐空局網(wǎng)站獲取。

光學(xué)遙感數(shù)據(jù)只選用分辨率為30m的紅、綠、藍(lán)、近紅外波段和短波紅外1（1560nm-1660nm）波段參與土地分類，地形高程數(shù)據(jù)的空間分辨率為1弧度秒（約為30m）。

為了確保土地覆蓋變化監(jiān)測(cè)在季節(jié)上的一致性，所選用的Landsat影像均在6月-9月，大部分影像集中在8月和9月兩個(gè)月份?？偨Y(jié)性數(shù)據(jù)集如表1所示。

表1 研究數(shù)據(jù)

獲取數(shù)據(jù)后，需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，以便進(jìn)行后續(xù)實(shí)驗(yàn)。Landsat-8數(shù)據(jù)預(yù)處理流程：獲取遙感影像、輻射定標(biāo)、大氣校正、影像鑲嵌、裁剪出武漢市影像范圍。ASTER GDEM從歐空局網(wǎng)站獲取。數(shù)據(jù)預(yù)處理流程：獲取DEM數(shù)據(jù)、鑲嵌DEM影像、裁剪出武漢市影像范圍。

2.3 研究方法

以Landsat-8和ASTER GDEM數(shù)據(jù)為數(shù)據(jù)源，利用ENVI5.3軟件對(duì)數(shù)據(jù)進(jìn)行處理。計(jì)算遙感影像的NDVI（歸一化植被指數(shù)）、NDBI（歸一化建筑物指數(shù)）和NDWI（歸一化水體指數(shù)）作為特征，此外還有ASTER的DEM數(shù)據(jù)添加到波段中參與分類，以2021年影像為例，對(duì)比多特征分類和僅使用光學(xué)信息分類的差異。

分類方法選用最大似然法（MaximumLikelihood classification，MLC）、 支 持 向 量 機(jī)（Support Vector Machines，SVM）和隨機(jī)森林（Random Forest，RF）方法，選取其中分類精度最高的方法用于土地覆蓋變化監(jiān)測(cè)分類，土地覆蓋變化監(jiān)測(cè)選用2015、2018和2021年三年的影像進(jìn)行分析。最后對(duì)變化監(jiān)測(cè)的結(jié)果進(jìn)行可視化展示，得出本研究的結(jié)論。

2.4 技術(shù)路線

本研究流程主要包括：Landsat和ASTER數(shù)據(jù)獲取；Landsat和ASTER數(shù)據(jù)預(yù)處理；影像特征的計(jì)算；影像特征波段的融合；對(duì)比僅使用光學(xué)影像和融合多特征影像在最大似然法、支持向量機(jī)和隨機(jī)森林方法的分類精度；選用精度最高的方法進(jìn)行土地覆蓋變化監(jiān)測(cè)；最后分析結(jié)論。

3.土地分類結(jié)果及變化分析

3.1 分類類別選取

武漢市地處江漢平原東部，長(zhǎng)江中游地區(qū)，有豐富的水資源，總水域面積約2217.6平方千米，占全市土地面積的26.1%。此外，農(nóng)田、林地、城市用地、裸地也是武漢市土地覆蓋的重要組成部分。

綜合考慮武漢市土地實(shí)際覆蓋情況和Landsat-8 OLI傳感器的特點(diǎn)，將研究區(qū)域土地分為水體、裸地、農(nóng)田、林地和城市用地五個(gè)類別。

3.2 分類結(jié)果

采用最大似然法、支持向量機(jī)和隨機(jī)森林方法分別對(duì)原始的多光譜影像（五個(gè)光學(xué)波段）和融合特征后的影像（五個(gè)光學(xué)波段、三個(gè)特征波段和研究區(qū)DEM數(shù)據(jù)）進(jìn)行土地覆蓋分類，分類結(jié)果如圖1所示。

從圖1分類結(jié)果種可以看出，使用三種分類方法對(duì)兩種影像進(jìn)行分類都能夠得到武漢市五種土地覆蓋的結(jié)果，其中城市用地、水體、林地和農(nóng)田面積較大，裸地部分占比較少。水稻是武漢市夏季的主要農(nóng)作物之一，生長(zhǎng)于水稻田，在遙感圖像中體現(xiàn)為既有水體體征又有植被特征，因此不同分類結(jié)果之間的差異主要體現(xiàn)在農(nóng)田和林地、農(nóng)田和水體上。此外，對(duì)比原始影像分類和融合影像分類的結(jié)果，可以發(fā)現(xiàn)融合后的影像分類結(jié)果的整體性較好，原始影像分類結(jié)果中存在更多小斑塊。

3.3 精度評(píng)價(jià)

為了定量評(píng)價(jià)不同影像和方法下的分類精度，選取一定數(shù)量的樣本用于精度評(píng)價(jià)。精度評(píng)價(jià)采用混淆矩陣，包括計(jì)算分類的總體精度（正確分類像元數(shù)量除以像元總數(shù)）和Kappa系數(shù)（該結(jié)果越大，分類精度越高）。利用ENVI5.3軟件計(jì)算得到六種分類結(jié)果的精度評(píng)價(jià)結(jié)果，如表2所示。

表2 分類結(jié)果精度評(píng)價(jià)總體精度/Kappa系數(shù)

從表2中可以看出，對(duì)于三種分類方法而言，相同的訓(xùn)練樣本下，使用融合特征后的影像分類總體精度和Kappa系數(shù)都要高于原始多光譜影像。對(duì)于兩種影像而言，支持向量機(jī)方法的分類精度最高，其次是最大似然法，隨機(jī)森林的分類精度要低于前兩種方法。綜合比較六種分類結(jié)果，可以確定使用SVM方法分類在融合影像上分類精度最佳，因此選用2015、2018和2021三年融合影像的SVM分類結(jié)果進(jìn)行土地覆蓋變化監(jiān)測(cè)。

3.4 土地變化監(jiān)測(cè)

對(duì)不同年份的影像計(jì)算其NDVI、NDBI和NDWI，加入DEM進(jìn)行波段合并，并單獨(dú)選取一定數(shù)量的訓(xùn)練樣本使用SVM方法分類。分類后，統(tǒng)計(jì)不同年份中不同地物類別占比，繪制折線圖，如圖2所示。

圖2 土地覆蓋變化情況

結(jié)合分類后的影像以及繪制的折線圖可以看出，在2015到2021年間，武漢市城市用地面積在逐步增加，兩次增幅程度相近，呈現(xiàn)穩(wěn)定增長(zhǎng)的趨勢(shì)；裸地面積維持在較低水平，且出現(xiàn)占地面積下降的趨勢(shì)；林地面積增加，較明顯的增加區(qū)間為2015-2018年間，2018-2021年間林地面積變化不大，維持在較高水平。此外，農(nóng)田和水體的占比呈現(xiàn)出“此消彼長(zhǎng)”的現(xiàn)象，說明武漢市農(nóng)田和水體在遙感圖像上存在一定程度的相似性，融合多特征數(shù)據(jù)只能提高二者的區(qū)分度，但無法完全對(duì)其進(jìn)行分離，要對(duì)二者進(jìn)行區(qū)分，需要考慮其他的特征或者使用其他分類方法。

4.研究結(jié)論

本文將原始多光譜影像及其NDVI、NDBI、NDWI的特征和DEM數(shù)據(jù)融合得到融合影像，并與原始多光譜影像采用最大似然法、支持向量機(jī)和隨機(jī)森林方法在土地覆蓋分類上進(jìn)行精度比較。六種組合中，融合影像和SVM組合的總體精度最高、Kappa系數(shù)最大，因此選用這種組合作為武漢市土地覆蓋變化監(jiān)測(cè)方法，從變化監(jiān)測(cè)結(jié)果中可以看出武漢市城市用地面積在逐步增加，裸地面積維持在較低水平，林地面積增加，但仍然存在水體和農(nóng)田無法準(zhǔn)確區(qū)分的問題，在今后的研究中有待解決。

此外，今后的研究中可以考慮添加更多特征進(jìn)行分類，例如光譜特征，包括亮度值、平均值、標(biāo)準(zhǔn)差等；形狀特征，包括面積、邊界長(zhǎng)度、長(zhǎng)寬比、形狀指數(shù)、密度等；紋理特征，包括亮度、色度、陡度、大小等；空間關(guān)系特征和對(duì)象間的相關(guān)特征。除了考慮更豐富的特征外，還可以嘗試不同的分類方法，例如可以將各類特征與近年來興起的深度學(xué)習(xí)方法相結(jié)合，利用計(jì)算機(jī)的計(jì)算性能從豐富的遙感信息中提取出不同地物的特征，從而得到更加精確的分類結(jié)果。