11-遥感在土地利用覆盖中的应用

1主要内容1土地利用和土地覆盖2案例：福建省土地利用遥感动态监测3如何提高遥感专题分类精度遥感在土地利用/土地覆盖中的应用21.1概念：土地利用和土地覆盖土地利用是人类在生产活动中为达到一定的经济效益、社会效益和生态效益，对土地资源的开发、经营、使用方式的总称。土地覆盖的定义有：1)“国际地圈与生物圈计划”（IGBP）和“全球环境变化人文计划”（HDP）：地球陆地表层和近地面层的自然状态，是自然过程和人类活动共同作用的结果。2)美国“全球环境变化委员会”（USSGCR）：覆盖着地球表面的植被及其它特质。31.1概念（续1）从两者的定义可以看出，土地利用和土地覆盖既有一定的联系又有差别。土地利用重点是表示与土地相结合的人类活动而产生的不同利用方式。土地覆盖主要是表示地球表面存在的不同类型的覆盖特征，强调的是土地的表面形状。41.1概念（续2）我国土地利用分类的目的是查清各县各种土地分类的面积、分布和利用状况，为国家制定国民经济计划，农业区划和规划，指导农业生产和服务与土地统计登记制度等管理工作。因此土地利用分类的主要依据是土地用途、土地经营方式、土地利用方式和土地覆盖特征等。土地覆盖只是土地利用分类的一个依据，但遥感图像最能够直接反映的是土地覆盖。大多数遥感土地应用使用土地覆盖/利用的概念。51.2土地利用分类的原则1统一性原则每个地类都有明确的含义;一、二级地类及其含义不得随意增删、合并和更改，只允许各省根据实际需要，在不打乱全国一、二级分类的前提下，在二级地类下续分三级地类。2科学性原则根据归纳共同性、区别差异性的原理，从总体到局部，从大到小逐级细分，即采用等级续分制，分层次组合排列，形成一个上下联系、逻辑分明的科学分类体系。第一、从一级地类开始，按土地利用综合性差异；8大类；第二、按单一性差异和隶属关系，在一级地类下按利用方式、经营特点及覆盖特征等不同，划分47个二级地类；第三、同一种二级地类，只准在一个大类中出现，不允许在另一大类中并存。63系统性原则有序排列外，还要有一个科学的编码系统，实行统一的编排顺序，以利于计划管理、统计和汇总，并为整理资料、建立土地资源数据库和广泛应用计算机技术创造有利条件。4适用性原则层次简明，命名通俗易懂，含义（即地类划分标准）准确明了。各类型的名称和含义，要尽可能与计划、统计和生产部门正在使用的分类名称与含义相一致。1.2土地利用分类的原则(续1)75地域性原则我国幅员辽阔，东西南北差异很大。为了体现各地区土地利用特点，揭示土地利用分布规律，在保证全国分类统一性、不打乱全国一、二级分类和编码的前提下，在二级地类之下可由各省、市、自治区根据需要续分三级地类。1.2土地利用分类的原则(续2)8《土地利用现状调查技术规程》中规定，土地利用现状按两级进行分类，统一编码排列，其中：一级类型按土地用途划分为：耕地、园地、林地、牧草地、居民点及工矿用地、交通用地、水域、未利用土地8类；二级类型按利用方式、经营特点及覆盖特征划分为47类。地类编码，一级类型以一位阿拉伯数字1～8表示；二级类型用两位阿拉伯数字表示，前一位表示隶属的一级类型，后一位表示二级类型在该一级类型内的编码，如14，为耕地中的旱地，71为水域中的河流水面。1.3土地利用分类体系92案例－福建省土地利用遥感动态监测102.1数据福州市和厦门市遥感影像：1990年，1996年，1997年LANDSAT-TM土地利用图：1993年，1：10万地形图：1：10万，1：5万地形图农历、耕作、农事、等文字资料112.2分类标准全国土地遥感动态监测的分类标准。该标准基本遵循了全国农业区划委员会1984年颁发的《土地利用现状调查规程》的分类体系，并考虑遥感图像自身的特点。编码在矢量图形中为多边形的属性码，在栅格图像上为栅格值。122.2分类标准（续）132.3光谱分析福州市主要地物光谱曲线050100150200250123457波段灰度城市村庄建设中耕地（有作物）耕地（无作物）园林地荒地河流浅海深海142.4变化信息提取－分类后比较法配准时相①TM影像地理辅助数据时相②TM影像波段分析假彩色合成训练区选择样本分析与校正最大似然方法分类结果（Ｉ90和Ｉ97）行政界线清绘扫描或数字化矢量图形属性投影变换高斯克吕格投影矢量数据（V）地图代数计算动态变化图象（dI）dI和V配准迭加初始动态图统计数据人机交互目视纠正152.4变化信息提取-直接求变法时相①遥感影像时相②遥感影像配　准裁　剪和高克投影配准主成分分析法分析图像特征选择反映变化信息明显的分量分　类初始动态分类（有变化）确定动态变化的具体内容（由什么变成什么）初始动态变化图详查图数字化形式配　准迭加162.4变化信息提取－动态信息分类法动态信息分类法：静态类别和动态类别三种变化信息提取的评述：波段直接求变法要求两个时相比较接近，检测变化信息时一般使用图像差值、比值或者主成分分析法，操作简单，但不能得到类型变化的具体内涵。动态信息分类法中动态类型的训练样本一般不易确定172.5动态信息提取利用公式B1*10+B2计算得到一幅新的图像，例如某点像元在90年为耕地（灰度值为3），97年变为居民地（灰度值为0），则动态图像上该像元的灰度值为30，表示耕地变为居民地。182.6成果图件制作和整饰192.7精度检验方法鉴于混淆矩阵成为评价遥感图像分类结果的标准方法，拟根据实地对变化图斑的考察记录，选取不少于考察图斑60%的图斑，对比遥感得到的结果，形成混淆矩阵，进行精度评价。利用混淆矩阵进行精度评价时，偶然的一致往往会发生。而总体精度并不能排除这种偶然一致性。因此在混淆矩阵基础上，加上kappa统计来进行精度评价。Kappa统计的意义是：如果Kappa统计为0.7，则表示所用的分类方法比随机赋予各点某一类别的方法优越70%。202.7精度检验方法（续）因为变化精度与图斑的大小有关，一般而言图斑越大，精度越高，反则反之。按图斑的大小进行分级，不同级别图斑精度要求不同。在经费允许的情况下，使用GPS将实地考察的变化图斑输入计算机中，进行精度检验。212.8结果-分类图222.8结果-动态变化232.8结果-彩色叠加图242.8结果-彩色叠加图253提高分类精度的方法改进由于遥感信息存在固有的“同物异谱，异物同谱”，严重制约了基于光谱特征的统计分类精度的提高。而遥感专题分类的精度决定了遥感信息的实际应用价值。增加遥感图像的分类精度作出了大量的工作。大致可以分为以下几类：263提高分类精度的方法改进3.1传统方法的改进3.2分层分区3.3图像空间信息分类3.4多源辅助数据综合分类273.1传统最大似然法的改进FabioMaselli等认为传统遥感分类往往得不到满意的结果，部分原因是算法内在的缺陷。基于多维正态分布假设的最大似然法，统计上稳定而强健，但是缺乏灵活性，在复杂或非均质的情况下，这一假设往往难以满足而不能得到正确的面积估计。从而根据无参数方法，从图像灰度直方图中抽取先验概率，加入到MLC中，使分类结果明显改善（kappa0.3749-0.5860）。283.1传统最大似然法的改进（续）C.Conese等（1993）认为经过主成分分析的第一主分量包含了亮度信息，和地形的影响密切相关，通过对图像训练样本进行主成分分析，去除第一分量的影响来修订最大似然分类法，以减少地形的影响。这一修订的方法在进行地形破碎的地区分类时改善了分类的精度。29提高分类精度的方法改进3.1传统方法的改进3.2分层分区3.3图像空间信息分类3.4多源辅助数据综合分类303.2分层分区分层分区则在对不同的类别利用不同的信息子集。在山区植被分类中对图像进行四叉树分割，利用距离判据来决定是否需要更多的信息参与分类。这样每一步尽可能少地利用信息，只有当判断模糊时，才询问辅助信息，以降低时间开销。但基于四叉树的图像分割不具有地理学意义，当图像中方格状图斑多时，效率较高；如果地物复杂，四叉树划分的效率不高。313.2分层分区（续）在研究草场植被类型分类中，鉴于单纯的监督分类不能有效的区分不同景观单元的草场植被类型，采用了先对图像按照地貌类型分区在在各个分区上分别进行监督分类。在使用多景TM图像进行流域范围尺度上地形覆盖类型分类时，在图像镶嵌后，将图像分为三个生态区，进行分类，克服了单景分类不具有任何生态学意义的缺点。323.2分层分区（续）Loveland（1991）在利用NOAA/AVHRR图像进行美国土地利用分类制图时，先根据GIS数据库中气候、植被、环境等数据将全国划分为几个小的区域，然后再对各个小的区域进行非监督分类，减少了误分的像元数。JesusS.M.A等（1997）利用TM和SPOT图像派生出比值图像主成分分析图像等，对于各种图像组合进行了比较研究，肯定了分层分区的优点。333提高分类精度的方法改进3.1传统方法的改进3.2分层分区3.3图像空间信息分类3.4多源辅助数据综合分类343.3图像空间信息的分类遥感信息综合了地物种类、组成、坡度、坡向、阴影、太阳高度角等信息，而传统的统计分类仅仅使用了图像的单像元的光谱特性，忽略了像元之间的相互空间关系。仅仅依赖于光谱信息的分类结果在实际应用中是不成功的。遥感图像的空间信息在区分地物时具有非常重要的作用，是目视解译的重要解译标志之一。将图像空间信息用于计算机自动分类是自然而然的想法。353.3图像空间信息的分类（续）早在1980年，Switzer将邻域像元的平均值输入到最大似然法中，是计算机图像分类运用空间信息的开始。纹理（Texture）是灰度在平面空间上的变化，是遥感信息的重要内容。要利用图像空间信息提高分类精度，合理而有效地度量纹理至关重要。363.3图像空间信息的分类（续）图像纹理的表示方法分为两类：一是结构方法，表示基本原始模式在空间的重复，如砖墙。结构方式中排列的方式描述十分复杂。二是统计方法。由于地物的组成、空间分布的复杂性和多样性，反映在遥感图像上的千差万别的纹理不会象砖墙那样有规则不变的局部模式和简单的周期性的重复。遥感图像的纹理特征和重复性往往只具有统计学上的意义。因此统计纹理分析方法是遥感图像纹理分析的主要方法373.3图像空间信息的分类（续）无论从历史发展还是从当前进展来看，统计的方法仍然占主导地位（王润生，1995）。统计方法又分为空间域和频率域方法。空间域方法基于统计图像像元灰度级的分布情况，如利用直方图。频率域方法首先将图像变换到傅立叶变换的频率域中，然后抽取相应的特征量，做高频或低频的压缩或扩展后，再变换回空间域处理纹理。频率域方法是遥感光学图像处理中常采用的纹理分析方法。383.3图像空间信息的分类（续）图像模式识别领域对纹理的研究和应用比较深入，描述纹理的方法归纳起来主要有：共生矩阵，纹理能量测量，Markov随机场模型，分形布朗模型等。393.3图像空间信息的分类（续）纹理是图像处理相关领域的表达图像空间信息的一个重要度量，遥感应用中更多地使用结构（也称上下文，context）。研究人员根据其应用目的，提出了一些用于图像分类的结构方法。出现频率。出现频率F(i,j,v)定义为灰度值为v的像元在以i,j为中心。边长为l的窗口内出现的频率。对单波段来讲，v是一个值，多波段时v为向量。由图像生成出现频率表，表项的数目跟灰度级(n)和波段数(m)有关，最大数目为nm。出现频率表较空间统计度量具有两个优点。一是比任何一个空间域度量要包含更多的信息。事实上常用的空间域度量可以从出现频率中直接求出。二是出现频率表可以快速地生成，无须占据硬盘空间。403.3图像空间信息的分类（续）C.Ricotta等（1996）在进行森林研究时，对NDVI图像使用了计算简洁的纹理绝对差值算法来利用空间信息。应用表明纹理差值在对于植被和非植被类型的区分时，能够抓住两者之间纹理特征的本质。显然本文研究的类别只有两种，是否对更细类别分类时同样实用，需要实