邵亞琴，王佳佳，銀玉霞

（1.內(nèi)蒙古科技大學(xué) 礦業(yè)與煤炭學(xué)院，內(nèi)蒙古 包頭 014010；2.內(nèi)蒙古同方科技有限公司，內(nèi)蒙古 烏蘭察布 012000）

自1995年，提出了“土地利用和土地變化”的研究計(jì)劃以來(lái)[1]，利用監(jiān)督分類、誤差矩陣等的方法，分析監(jiān)督分類的精度及原因.飛速進(jìn)步和發(fā)展的遙感技術(shù)，出現(xiàn)更多的遙感影像分類方法，不同方法會(huì)有精度不一，所以在土地利用類型分類中對(duì)精度產(chǎn)生了一定的影響.我國(guó)專家學(xué)者在這一領(lǐng)域取得了很多研究成果[2].劉曉靜等[3]以長(zhǎng)春市為例，選擇三景影像，分別進(jìn)行土地利用分類，研究三期土地利用分類結(jié)果，利用GIS進(jìn)行時(shí)空面積分析.張明等[4]以焦作地區(qū)為例，進(jìn)行土地覆蓋分類，對(duì)結(jié)果進(jìn)行比較分析和精度評(píng)價(jià)，實(shí)際工作中根據(jù)不同需求選取適當(dāng)分類器提供依據(jù).曹倩倩等以安徽省黃山市黟縣為例，結(jié)合軟件，對(duì)該區(qū)域分別用監(jiān)督分類中不同方法進(jìn)行分類，最后對(duì)分類結(jié)果進(jìn)行精度評(píng)價(jià).利用不同的分類方法和分類精度評(píng)價(jià)結(jié)果，最終選取精確的分類方式[5].

1 數(shù)據(jù)處理

1.1 研究區(qū)域概況

忻州窯礦所在位置為大同煤田東北端，東經(jīng)113°3′56″～113°8′16″，北緯40°2′8″～40°4′58″，面積為18.13 km2.研究區(qū)處于地形陡峭起伏的黃土高原的邊緣，屬于半干旱區(qū)暖濕帶氣候，礦區(qū)的居民及周圍企業(yè)的生命財(cái)產(chǎn)安全和煤炭開(kāi)采活動(dòng)都被它們影響.大同礦區(qū)煤炭規(guī)模開(kāi)采始于二十世紀(jì)三十年代，煤炭產(chǎn)量逐年增長(zhǎng)，但是煤炭開(kāi)采嚴(yán)重影響到區(qū)域環(huán)境，形成很多的采煤塌陷區(qū).根據(jù)人類活動(dòng)以及自然因素和數(shù)據(jù)來(lái)源，將時(shí)間劃分為5個(gè)階段，研究的影像時(shí)間主要是在7月和8月，云量要求小于百分之五，2004，2007，2010年所用數(shù)據(jù)為L(zhǎng)andsat 4-5 TM遙感影像.2014，2017年所用數(shù)據(jù)為L(zhǎng)andsat 8 OLI遙感影像.

1.2 輻射定標(biāo)

一般來(lái)說(shuō)，輻射定標(biāo)目的就是將傳感器電壓值或圖像數(shù)字量化值（DN）的記錄，轉(zhuǎn)化為輻射亮度值或反射率或表面溫度等物理量的處理過(guò)程[6].利用在地理空間數(shù)據(jù)云中下載的數(shù)據(jù)，將*MTL文件先進(jìn)行輻射定標(biāo)，每景影像的輻射定標(biāo)圖如圖1所示.

圖1 年輻射定標(biāo)（a）2004年；（b）2007年；（c）2010年；（d）2014年；（e）2017年

1.3 大氣校正

為了了解某一物體表面的光譜屬性，將它的反射信息從大氣和太陽(yáng)的信息中分離出來(lái)，這就需要進(jìn)行大氣校正過(guò)程.為2004～2017年的光譜圖像，即大氣校正前與大氣校正后的對(duì)比圖像，如圖2～6所示.

圖2 2004年的光譜圖像（a）大氣校正前；（b）大氣校正后

圖3 2007年的光譜圖像（a）大氣校正前；（b）大氣校正后

圖4 2010年的光譜圖像（a）大氣校正前；（b）大氣校正后

圖5 2014年的光譜圖像（a）大氣校正前；（b）大氣校正后

圖6 2017年的光譜圖像（a）大氣校正前；（b）大氣校正后

1.4 圖像裁剪

在圖像裁剪前先應(yīng)進(jìn)行坐標(biāo)轉(zhuǎn)換，統(tǒng)一坐標(biāo)系.已有的矢量文件坐標(biāo)系為西安1980坐標(biāo)系，在地理空間數(shù)據(jù)云中下載的數(shù)據(jù)為WGS-84坐標(biāo)系，所以按照分帶規(guī)則，研究區(qū)域經(jīng)度為125°，轉(zhuǎn)為西安19帶.

圖像裁剪的目的是將研究之外的區(qū)域去除.本次在ENVI 5.3下利用矢量數(shù)據(jù)進(jìn)行圖像的不規(guī)則裁剪，裁剪圖如圖7所示.

圖7 矢量數(shù)據(jù)影像的不規(guī)則裁剪

1.5 土地利用類型劃分

對(duì)大同礦區(qū)忻州窯礦的5期遙感影像分別進(jìn)行輻射定標(biāo)、大氣校正、坐標(biāo)轉(zhuǎn)換與裁剪等一系列工作.土地利用分類系統(tǒng)在參照中國(guó)土地利用現(xiàn)狀分類國(guó)家標(biāo)準(zhǔn)的基礎(chǔ)上，綜合考慮遙感影像的解譯能力、研究區(qū)域主要地類以及科學(xué)性、系統(tǒng)性、實(shí)用性原則[7]，將大同礦區(qū)忻州窯礦的土地利用類型分為5種一級(jí)地類和2種二級(jí)地類.分別是林地、耕地、草地、工礦用地、建設(shè)用地、沙地、裸地等7類.各類土地類型利用現(xiàn)狀分類國(guó)家標(biāo)準(zhǔn)見(jiàn)表1.

表1 中國(guó)土地利用現(xiàn)狀分類國(guó)家標(biāo)準(zhǔn)（GB／T 21010—2007）

2 遙感影像解譯修正和統(tǒng)計(jì)

2.1 監(jiān)督分類

監(jiān)督分類，又稱訓(xùn)練分類法，用被確認(rèn)類別的樣本像元去識(shí)別其他未知類別像元的過(guò)程.監(jiān)督分類的重點(diǎn)和難點(diǎn)在于選取訓(xùn)練樣本，若是訓(xùn)練樣本選的不好則會(huì)嚴(yán)重影像分類的精度[8].

2.2 采用最大似然技術(shù)

通過(guò)其他學(xué)者的驗(yàn)證，證明最大似然在其他監(jiān)督分類的方法精度最高，而且采用最大似然方法也能使用掩模文件，符合研究區(qū)域不規(guī)則的性質(zhì).

為了確保分類精度，要避免各種其他原因的影響，要選擇充足的訓(xùn)練樣本，能夠反映光譜的某些特性.選擇訓(xùn)練區(qū)應(yīng)遵循以下原則：

（1）選擇訓(xùn)練區(qū)的時(shí)候，要具有典型性，單一的統(tǒng)計(jì)特征量應(yīng)該與整體的統(tǒng)計(jì)特征量相近，這樣才能保證其精度.

（2）選擇訓(xùn)練區(qū)的時(shí)候，要保證選擇區(qū)域內(nèi)的地物屬于同一種地物，還要考慮到分布均勻的原則，防止過(guò)于片面，結(jié)果不夠準(zhǔn)確[9].

（3）訓(xùn)練區(qū)內(nèi)的地物類型根據(jù)相關(guān)資料可以判斷.

選擇完訓(xùn)練區(qū)后，應(yīng)該判斷出各個(gè)樣本類型之間的可分離性，訓(xùn)練樣本類型的可分離性較好，都超過(guò)了1.95.

3 分類后處理及精度分析

3.1 分類

監(jiān)督分類的分類結(jié)果中會(huì)因?yàn)橛?jì)算機(jī)分類，產(chǎn)生很小的斑塊.所以對(duì)這些小斑塊，進(jìn)行處理.選擇的是Majority／Minority分析，Majority／Minority分析采用類似于卷積濾波的方法將較大類別中的虛假像元?dú)w到該類中，定義1個(gè)變換核尺寸[10].

總體分類精度：是指分類的時(shí)候符合要求的正確分類的像元總數(shù)除以總像元數(shù)，其公式如下：

Kappa系數(shù)計(jì)算公式如下：

錯(cuò)分誤差：指分類的時(shí)候，將一種地類的像元，錯(cuò)誤地將其分到另外一種或者幾種地類.計(jì)算式如下：

漏分誤差：指土地利用分類的時(shí)候，將原本應(yīng)該分為一類的像元，漏分的像元，其公式如下：

制圖精度：制圖精度表示在本次分類中，該類別的地面真實(shí)參考數(shù)據(jù)被正確分類的概率，表達(dá)式如下：

用戶精度：用戶精度表示在該次分類中，落在該類別上的檢驗(yàn)點(diǎn)，被正確分類為該類別的比率，比率表達(dá)式如下：

3.2 各期影像分類結(jié)果

按照最大似然的監(jiān)督分類方法，在ENVI 5.3中分類以及進(jìn)行分類后處理，以下為2004～2017年土地利用類型分類結(jié)果，2004～2017年分類后處理的結(jié)果，將每期的分類后結(jié)果與分類后處理的結(jié)果放在一起，通過(guò)對(duì)比，達(dá)到突出效果的目的.對(duì)比圖如圖8～12所示.

圖8 2004年土地利用（a）分類結(jié)果；（b）處理結(jié)果

圖9 2007年土地利用（a）分類結(jié)果；（b）處理結(jié)果

圖10 2010年土地利用（a）分類結(jié)果；（b）處理結(jié)果

圖11 2014年土地利用（a）分類結(jié)果；（b）處理結(jié)果

圖12 2017年土地利用（a）分類結(jié)果；（b）處理結(jié)果

4 分類影像精度評(píng)價(jià)

對(duì)分類結(jié)果進(jìn)行評(píng)價(jià)，確定分類的精度和可靠性，混淆矩陣用于本次精度驗(yàn)證.真實(shí)參考源可以使用是標(biāo)準(zhǔn)的分類圖.真實(shí)的感興趣區(qū)驗(yàn)證樣本的選擇在高分辨率影像上選擇.

4.1 2004年影像分類結(jié)果及精度分析

根據(jù)谷歌地球調(diào)查配合高精度衛(wèi)星圖片對(duì)2004年土地利用類型分類圖進(jìn)行精度驗(yàn)證，得到制圖精度中裸地的分類精度最低，為75%，雖然裸地的制圖精度較低，用戶精度都達(dá)到85%以上，總體精度為94.36%，Kappa系數(shù)為0.93，在5期影像分類中精度最高，說(shuō)明2004年土地利用類型分類圖具有比較高的分類精度.分類精度評(píng)價(jià)情況由表2可知.

表2 2004年土地利用類型分類精度評(píng)價(jià)／%

4.2 2007年影像分類結(jié)果及精度分析

根據(jù)谷歌地球調(diào)查配合高精度衛(wèi)星圖片對(duì)2007年土地利用類型分類圖進(jìn)行精度驗(yàn)證，用戶精度中耕地的分類精度最低，為71%，制圖精度達(dá)到80%以上，其他分類精度均達(dá)到了70%以上，總體精度為92.20%，Kappa系數(shù)為0.90，說(shuō)明2007年土地利用類型分類圖具有比較高的分類精度.2007年土地利用類型分類精度評(píng)價(jià)情況見(jiàn)表3.

表3 2007年土地利用類型分類精度評(píng)價(jià)／%

4.3 2010年影像分類結(jié)果及精度分析

根據(jù)谷歌地球調(diào)查配合高精度衛(wèi)星圖片對(duì)2010年土地利用類型分類圖進(jìn)行精度驗(yàn)證，錯(cuò)分精度中耕地的分類精度較高，為31%，用戶精度達(dá)到68%以上，總體精度為90.41%，Kappa系數(shù)分別為0.88，說(shuō)明2010年土地利用類型分類圖具有比較高的分類精度，具體情況由表4可知.

表4 2010年土地利用類型分類精度評(píng)價(jià)／%

4.4 2014年影像分類結(jié)果及精度分析

根據(jù)谷歌地球調(diào)查配合高精度衛(wèi)星圖片對(duì)2014年土地利用類型分類圖進(jìn)行精度驗(yàn)證，制圖精度中耕地的分類精度最低為63%，其他分類精度都達(dá)到88%，用戶精度都達(dá)到75%以上，總體精度為92.20%，Kappa系數(shù)為0.90，說(shuō)明2014年土地利用類型分類圖具有比較高的分類精度.具體情況由表5可知.

表5 2014年土地利用類型分類精度評(píng)價(jià)／%

4.5 2017年影像分類結(jié)果及精度分析

根據(jù)谷歌地球調(diào)查配合高精度衛(wèi)星圖片對(duì)2017年土地利用類型分類圖進(jìn)行精度驗(yàn)證，制圖精度達(dá)到85%，精度較高，用戶精度耕地分類精度最低，為78%以上，雖然耕地的用戶精度較低，但是還是符合要求的，總體精度為94.33%，Kappa系數(shù)為0.93，在處理的幾期影像中精度最高，說(shuō)明2017年土地利用類型分類圖具有比較高的分類精度.具體情況見(jiàn)表6.

表6 2017年土地利用類型分類精度評(píng)價(jià)／%

5 結(jié)論

利用監(jiān)督分類后的結(jié)果以及分類后精度，可以更好地對(duì)土地進(jìn)行分類.根據(jù)表2～6可知：錯(cuò)分誤差、漏分誤差較小，制圖精度和用戶精度較高.分析5期誤差矩陣還可知：由于沙地顏色明顯，在假彩色合成中呈白色，在遙感影像中容易識(shí)別，因此沙地幾乎沒(méi)有混分；工礦用地顏色較為明顯，紋理特征明顯，呈黑色或者深藍(lán)黑色，在遙感圖像上很容易識(shí)別，因此工礦用地幾乎沒(méi)有混分，精度最高；建設(shè)用地在假彩色合成的顏色也較為明顯，呈淺綠色或藍(lán)色，在遙感影像上容易識(shí)別，因此建設(shè)用地混分的較少；裸地以及耕地錯(cuò)分誤差、漏分誤差較高，所以相比于其他地物類型，精度較低.總之，不同地類的訓(xùn)練區(qū)提取精度都在85%以上，基本符合誤差矩陣的精度.對(duì)于土地利用類型的分類結(jié)果精度高，使用系列數(shù)據(jù)，更加準(zhǔn)確地了解土地，制定更加合理的計(jì)劃.本次研究用Landsat影像數(shù)據(jù)作為數(shù)據(jù)源，使用ENVI軟件的監(jiān)督分類功能得到了大同礦區(qū)忻州窯礦2004～2017年的土地利用分類圖.獲得的2004～2017年的土地利用類型以及變化情況可以用于礦區(qū)土地發(fā)展的分析.利用遙感影像可以準(zhǔn)確地獲得土地利用類型的變化，這為決策部門(mén)制定規(guī)劃提供了便利.