摘要:以江苏省宜兴地区为试验区,首先进行了CBERS-02星CCD数据的图像预处理,然后利用ERDAS I-MAGINE和DefiNIens7.0等软件,采用非监督分类、监督分类、混合监督分类、面向对象四种分类方法进行了土地利用分类,并将影像分类结果进行了精度评价分析。结果表明:在一级地类的提取中,面向对象的最邻近分类器的分类精度最低,混合监督分类的精度最高;在二级地类的提取中,面向对象的特征阈值法得到的分类结果较好,能够轻松提取传统分类方法难于提取的地类。
关键词:中巴资源卫星;土地利用;分类精度
Abstract:Taking Yixing City of Jiangsu Province as a test field and based on multi-spectral remote sensing image data of CBERS-02 CCD, this paper firstly made a series of image pre-processing. Then, by using ERDAS IMAGINE and Defini-ens7·0, the land use categories were extracted by unsupervised classification, supervised classification, integration of super-vised classification and visual interpretation, object-oriented approach. Finally, this paper made a comparison of the four classi-fication precisions. Experiment indicated that: among the extraction of prime types, the lowest classification precision is Nea-rest Neighbor Classifier of object-oriented approach, and the highest classification precision is integration of supervised classifi-cation and visual interpretation. As the extraction of secondary type is concerned, the methods based on Features of object-ori-ented approach have a relatively satisfactory result, as they could easily extract some secondary types which are hardly to beextracted by traditional methods.
Keywords:CBERS-02; land use; classification precision
1 引言
中巴地球资源卫星(CBERS)是在中国资源一号原方案基础上,由中、巴两国共同投资,联合研制的卫星。早在1987年可行性论证时就按照当时先进的地球资源卫星,即法国SPOT-3和Landsat-5的技术指标为设计依据,汲取了它们的优点,在遥感谱段设置上与美国陆地卫星相近但空间分辨率胜之,在空间分辨率上与SPOT相近(全色谱段CBERS较低),但谱段比SPOT多[1],在当时CBERS集成了法国SPOT-3和Landsat-5的优势。1999年10月CBERS-01的发射成功打破了国外遥感数据的垄断[2]。2003年10月, CBERS-02再次发射成功,在轨测试后于2004年2月12日投入运行。CBERS-01/02有3种传感器:电荷耦合器件摄像机(CCD)、红外多光谱扫描仪( IRMSS)、宽视场相机(WFI),星上这三种遥感相机可昼夜观测地球,利用高码速率数传输系统将获取的数据传回地球地面接收站,经加工、处理变成各种所需的影像数据,供各类用户使用[2~3]。2007年9月19日CBERS-02B发射成功,这颗卫星用HR相机取代了原来的红外多光谱扫描仪,且HR数据的空间分辨率达到了2·36m,改变了我国主要依赖国外资源卫星遥感数据的历史[2~3]。CBERS遥感数据已经广泛地在我国环境与灾害监测、资源调查、测绘制图、城市、军事等诸多领域[4~7]。
本文首先分析了CBERS-02星CCD数据的图像预处理,然后进行土地利用分类试验研究,旨在探讨CBERS在土地利用研究领域的应用潜能,为推广CBERS在土地利用领域的应用积累经验,从而推动我国卫星事业及遥感应用事业的快速发展。
2 数据源与研究方法
2.1 数据源和技术平台
根据研究的内容、地表景观的季相差异及卫星影像数据的质量,选取江苏省宜兴地区的两景CBERS-02星CCD数据,空间分辨率为19·5 m,Path/Row为368/65,时相分别为2006年6月12日和2006年8月3日,产品级别为二级,分别经过辐射校正和系统几何校正处理,未做过几何精校正(表1)。
同时采用宜兴市1∶10000土地利用现状数据库作为校正和验证的依据。使用的软件有ER-DAS IMAGINE9·1、ArcGIS9·2、Definiens 7·0等。
2·2 土地利用分类系统
以本次研究目的为首要考虑因素,遵循与国家土地利用分类系统相协调的原则,结合遥感数据解译的具体分析[8],将土地利用类型划分为耕地、园林地、水域、建设用地和其他未利用地等5个一级地类和若干二级地类。具体分类系统设置见表2。
2·3 研究方法
2·3·1目视判读质量和光谱特性
影像光谱信息丰富,纹理结构清晰,不存在脱带、漏带现象,数据连贯性好,没有局部的几何失真、变形。辐射精度较高,没有明显的光谱奇点,明暗层次丰富,光谱区分度良好,从中可清楚分辨出耕地、林地、城镇用地、农村居民点、水库和坑塘等地物类型。制作地物光谱曲线如图1所示,提取不同土地利用类型的光谱信息,分析影像光谱特性[9],为数据的土地利用计算机自动分类研究提供参考。
2·3·2图像预处理
(1)波段配准和几何校正
波段间的配准问题目前是制约国产资源卫星数据规模化与产业应用的重要因素之一。波段间的配准精度不仅影响到图像的几何定位与成图的精度,而且也影响到地物分类的准确性、地物边界的圈定、地物面积以及长度等量测以及几何制图的精度[10]。由于CBERS-02 CCD相机第4波段数据质量较好,首先,在ERDAS中以第4波段为参考图件进行第5波段的几何纠正,通过选择25个左右的同名点,采用二次多项式模型进行匹配处理,缩小波段间的匹配误差。然后,在ERDAS中以宜兴市1∶10000土地利用数据库为基准,首先采用二次多项式及最近邻域采样法对影像进行几何校正,校正时选取明显地物点作为控制点,这些明显控制点有河流的分岔点,河流与道路的交叉点,水库湖泊中的明显而固定的拐点等。经检验,配准误差不到一个像元。
(2)噪声去除
总体上CBERS-02星CCD数据第4波段图像较其他4个波段要清晰,几乎没有条带噪声的影响,但第1、2、3、5波段都存在着不同程度的条带噪声,呈东北-西南方向百叶窗状的条带噪声,在水体等内部结构较均一的地物中表现得更为明显。第3波段图像有大小不等的斑点噪声,这在一定程度上会影像数据的视觉效果和自动分类精度。
CBERS-02星CCD数据噪声去除方面的算法不少,使用较多的是图像处理软件(如ERDAS)提供的自动消除周期性噪声算法(Periodic Noise Re-moval)、均值法、中值滤波、二维傅立叶变换等,这些方法在消除噪声、改善图像质量方面效果较明显,非线性高斯滤波在去除方向性条带噪声的同时,还能防止边缘模糊。本次试验采用ERDAS软件中的傅立叶变换方法,对噪声进行处理[11~12],效果较好。
2·3·3图像解译
江苏省宜兴地区土地利用分类研究采用了非监督分类、监督分类、混合监督分类、面向对象分类4种分类方法,并对每一种分类方法的结果都在ERDAS中进行了分类精度评估。技术路线如图2所示。
3 研究结果
对本次研究的分类结果都采用了ERDAS I-MAGINE 9·1中的评价工具,以宜兴市1∶10000土地利用现状数据库作为验证的依据,随机对1184个验证点进行精度验证,计算各种地类的kappa系数。
3·1 非监督分类
对经过预处理的图像利用ERDAS软件进行非监督分类,初始分类15类,然后对分类后的图像进行调整,得到非监督分类精度评价结果(表3)。
3·2 监督分类
利用ERDAS软件,采用最大似然法得到的监督分类精度评价结果(表4)。
3·3 混合监督分类
采用了监督分类与非监督分类相结合的方法进行样本提取,非监督分类采用ISODATA算法,找出“同物异谱,异物同谱”现象的类别和区域,然后优选训练样本和分类函数,执行监督分类,修正分类结果,并进行分类精度评价(表5)。
3·4 面向对象分类
面向对象是近年发展起来的遥感图像分类技术,为充分挖掘高分辨率遥感影像中的地物信息另辟了一条蹊径[13~14],试验证明也适用于中分辨率的遥感影像如CBERS-02星CCD数据[15]。面向对象分类是基于图像分割的原理,通过对影像分割[16~17]得到同质像元组成的大小不同的影像对象(即同质的像元集合)。由于影像对象内部的光谱差异很小,故可忽略其内部的纹理等空间信息,而从光谱和形状两个方面进行描述。利用对象的空间特征和光谱特征进行分类,从而有效地克服了基于像元分类的局限性。Definiens7·0软件是本研究所采用的专业性面向对象分类的分类软件。在操作步骤上,主要由:①进行多尺度影像分割;②进行影像的特征提取;③地物类别信息的组织;④执行分类这4个过程所构成[15]。分类结果如表6和表7所示。
参考文献
1 胡如忠.中巴地球资源卫星及其应用[M].北京:遥感应用协会,2002:7~8,11~16.
2 中国资源卫星应用中心网站[EB/OL].https://www.cresda.cn.
3 中国科学院中国遥感卫星地面站网站[EB/OL].https://www.rsgs.ac.cn.
4 余福杰,王妍,来永斌,等.遥感和GIS技术在土地利用现状调查中的应用[J].环境保护科学,2005,31(2):44~46.
5 李四海,刘振民,王华,等.中巴卫星数据在海岸带环境监测中的应用[J].遥感技术与应用,2003,12(8):66~72.
6 施晶晶.中巴资源一号卫星湖泊信息提取-以南京景为例[J].湖泊科学,2001,13 (3):280~284.
7 杨邦杰,裴志远,焦险峰,等.基于CBERS~1卫星图像的新疆棉花遥感监测技术体系[J].农业工程学报,2003,19(6):146~149.
8 赵文慧,赵文吉,李小娟,等.中巴资源二号卫星影像在土地利用变化中的应用[J].首都师范大学学报(自然科学版),2007,(6):78~82.
9 周成虎,骆剑承,杨晓梅,等.遥感影像地学理解与分析[M].北京:科学出版社, 2003:41~53.
10 于海洋,甘甫平,党福星.高分辨率遥感影像波段配准误差试验分析[J].国土资源遥感, 2007,(3):39~42.
11 党安荣,王晓栋,陈晓峰,等.ERDAS IMAGINE遥感图像处理方法[M].北京:清华大学出版社,2003:186~219.
12 霍东民,严明,于冰洋.DMC遥感小卫星数据预处理方法分析[J].遥感学报,2005,9(4):480~485.
13 潘建刚,赵文吉,宫辉力.遥感图像分类方法的研究[J].首都师范大学学报,2004,25 (3):86~91.
14 李石华,王金亮,毕艳,等.遥感图像分类方法研究综述[J].国土资源遥感,2005,64(2):1~5.
15 何宇华,史良树,张荣慧,等.中巴资源卫星数据(CBERS-02)在土地调查中的应用[J].中国土地科学,2007(2):51~57.
16 Frank Lin S E, Wilson B A. Spatial and spectral classification for remote~sensing imagery[J]. Computers and Geosci-ences, 1991(17):1151~1172.
17 Haralick RM,Shapiro LG.Image segmentation techniques[J].Computer,Vision,Graphics and Image Processing, 1985(29):100~132.
