基于资源三号ZY-3数据的地表分类研究(3)

菜单

遥感地表分类即把地表图像中的所有象元或区域的类别进行明确，划分成若干类中的一种，其中参考的特征参数是地物的光谱性差异，再把特征空间区分成若干个子空间，且这些子空间是没有相交部分的，最后依次找到影像像元所属的子空间，完成归类。本文采用我国的资源 3 号（ZY-3）高分辨率遥感数据，对研究区各种自然和人工地物进行分类研究，从而发展遥感分类的研究方法，拓展我国自主高分辨率卫星数据的使用。

1.2 国内外研究现状

上世纪 70 年代，在探索分析卫星遥感图像的解译过程中，人们主要以目视解译为主，该解译方法在收集土地的分类信息过程中参照了已知的分类系统、解译经验以及阴影、位置、形状、纹理、颜色等解译标志，并结合了图像判读等方法。它是人们通过遥感技术获取目标信息最直接、最基本的方法。目前，这种方法仍被广泛使用。王玉丽等[3]]借助 ENVI 和 Arcgis 软件，通过目视解译 TM 影像，对新疆地区进行土地分类。

以统计模式为基础的识别法在上世纪 80 年代的遥感图像的计算机分类过程中使用较为广泛，此法分类的依据是地物在图像中光谱特征的差异，其可分为监督以及非监督两种分类法。其中前者又可叫做训练分类法，在对像元进行分类时，该法依据的是那些类别已知的像元，这即为此法的基本思想，而训练区像元就是

类别已知的样本像元。最大似然法是其中较具有代表的方法，在此法的基础上，王琳等[4]把盐城市各阶段的土地利用图进行了解译，并获取了该地的植被信息，大大削弱了“异质同像”错判的情况，且一定程度上消除了因“混合像元”不确定性所带来的干扰。而非监督分类过程是不受先验知识干扰的，只在遥感影像地物光谱特征的差异以及特点的基础上来进行分类。常用的算法是 K-均值聚类法和迭代自组织数据分析算法（ISODATA）。马飞虎等[5]从统计模式识别角度出发，基于 ISODATA 算法，以实际数据的试验，实现了海底底质分类。

20 世纪 90 年代以来，涌现了大量遥感图像分类方法，决策树分类法、面向对象分类法、多源信息融合分类法等。决策树分类法是模拟人工分类过程对整个数据集从上往下逐级细分的一种分类方法。杨曦光等[6]利用 SPOT 5 卫星数据，以山东省荣成市镆铘岛为例，探讨了基于决策树方法的海岛土地利用类型的遥感分类，得到了较好的分类结果。面向对象分类法是在面向对象特征提取的基础上进行的，在分类前，必须根据需要提取的地物类别，选择合适的尺度和合适的特征，然后根据地物类别的性质，设计好分类策略和步骤。孟雪等[7]基于资源 3 号国产高分辨率卫星遥感影像，将面向对象的影像分析技术应用到中山陵风景区地类信息提取中，采用改进后的局部方差法确定并选取了不同地类类型的最优分割尺度，并采用多尺度层次的方法提取了不同地类类型信息。多源信息融合分类是建立在遥感数据一些优点的基础上的，而其优势是分辨率、传感器、时相以及平台都很多，这让不同的遥感数据实现互补，进而在识别地物过程中增加其辨识效率。以多源信息融合为前提，陈劲松等[8]对广东省雷州半岛土地利用进行分类，其中还用到了 X 波段 TerraSAR 数据、多时相 HJ 光学影像以及 Landsat-TM/ETM 等，以此来获取原始图像特征，获取过程中依据了各类地物的一些特征上差异，诸如极化、多时相以及光谱等特征，在此基础上融合多源遥感信息的地物特征，并在获取高精度土地利用信息中运用了此法。对多源遥感数据进行融合，和原先的单一源遥感数据比较，可以看出，该方法获得的土地覆盖利用信息精度更高[9]。文献综述