2014年3月 Journal of Green Science and Technology 绿色科技 第3期 基于TM影像的土地覆盖分类比较研究 马明 ,岳彩荣 。,张云飞 ,李小婷 ,张博。 (1.西南林业大学,云南昆明650224;2.西南林业大学,森林资源管理与遥感实验室,云南 昆明650224;3.国家林业局西北林业调查规划设计院,陕西西安710048) 摘要:以云南省文山壮族苗族自治州麻栗坡县2005年TM影像为试验数据,利用最大似然分类(MLC)、支 持向量机(SVM)以及随机森林(RF)3种分类方法进行了土地覆盖遥感分类研究。从分类精度、样本数量 对分类器的影响、模型复杂度、分类速度等几个方面进行了比较分析。结果表明:随机森林分类法最优,而 经典方法之一的最大似然分类法最稳定。所得出的结论对在类似的应用中如何选择合适的分类方法具有 一定的参考价值。 文献标识码:A 文章编号:1674 9944(2014)03—0001—04 关键词:TM影像;土地覆盖;最大似然;支持向量机;随机森林 中图分类号:X16 1 引言 全球变化研究的深入开展引发了区域土地利用变 似然分类(Maximum Likelihood Classification,MLC) 是基于统计模型分类的最常用且精度较高的监督分类 化这一热点问题l_1 ],人类活动对环境的影响也受到各 国科学家的广泛关注,尤其是人类为了生存和发展进行 的土地开发利用以及由此引起的土地覆盖变化 ]。遥 法,但感数据的统计分布具有高度的复杂性和随机性, 分类结果不可避免地存在误分、漏分的情况 ],且分类 精度很大程度上依赖于分割尺度的大小 ]。支持向量 机分类(SVM)是近年来在统计学理论基础上发展起来 感技术是获取土地覆盖及其变化的最重要途径,利用影 像图进行调查研究由来已久。美国NASA的陆地卫星 (Landsat)计划 (1975年前称为地球资源技术卫星~ ERTS),所获取的多波段扫描影像具较高空间分辨率、 的一种新型算法。实验表明SVM不但能.获得比较高 的分类精度,而且在学习速度、自适应能力、特征空间维 数不、可表达性等方面具有优势,更适合于复杂、高 维的数据分析处理 ,但是SVM用于解优化问题的逼 近算法会影响泛化能力。随机森林分类(RF)是由 Breiman[1 提出的基于决策树分类器的融合算法,其优 点在于对于很多种资料,它可以产生高准确度的分类 器,应用处理大量的输入变量时能够保证其高效性。但 对于有不同级别的属性数据,级别划分较多会对随机森 林产生更大的影响。 波谱分辨率、极为丰富的信息量和较高定位精度,已经 成为世界各国广泛应用的重要的地球资源与环境遥感 数据源。 本文研究内容来源于亚太森林网络(APFNET)资 助的国际合作项目“大湄公河次区域森林覆盖与碳储量 遥感制图”的部分研究内容。大湄公河次区域是指湄公 河流域的6个国家共7个地区,包括柬埔寨、越南、老 挝、缅甸、泰国和我国的云南省及广西壮族自治区。本 文的研究内容源于该项目中我国云南省森林覆盖遥感 制图的重要研究内容,其中麻栗坡县是云南项目区中一 个试验区。 本文以TM影像为试验数据,应用以上3种图像分 类方法进行土地覆盖分类试验,从分类精度、样本数量 对分类器的影响、模型复杂度、分类速度等几个方面进 行了比较分析,以寻求整个湄公河区域土地覆盖遥感分 类的最优技术方案。 云南省文山壮族苗族自治州麻栗坡县,地理坐标为 东经104。33 ~105。18 ,北纬22。48 ~23。33 ,总面积为 2395hm ,境内属亚热带季风气候,地表因受盘龙河、畴 阳河、八布河的强烈切割,形成了西北~东南向的山地 与峡谷相间的地形,且土地覆盖变化差异明显 ],使得 该地适合用作实验区域。 传统的数据分类方法是根据数据的统计特征与训 2数据源及预处理 2.1数据源及预处理 遥感数据采用美国Landsat卫星所获取的多波段 扫描影像产品。成像时间为2005年5月25日,图像轨 道号:pl28r43、pl27r43、p128r44和pl27r44。图1为4 练样本数据之间的关系来进行分类的,其分类精度往往 很不理想。近年来在采用支持向量机(Support Vector Machine,SVM)和随机森林(Random Forests,RF)等 景影像数据经过裁剪拼接后按5(R),4(G),3(B)合成 得到的研究区遥感影像图。 新方法进行研究的过程中,取得了很大的进展口]。最大 收稿日期:2013-02—25 2.2 土地覆盖分类系统和训练样本数据 分类系统建立主要基于国土资源部《土地利用现状 基金项目:亚太森林网络(编号:APFNET/2011/PA004):大湄公河次区域森林变化监测与森林碳制图;国家自然基金(编号:31260156)资助 作者简介:马 明(1 984一),男,陕西咸阳人,西南林业大学硕士研究生。 通讯作者:岳彩荣(1964),男,云南昭通人,博士,教授,主要从事林业遥感和GIS应用方面教学和研究工作。 马 明,等:基于TM影像的土地覆盖分类比较研究 策研究[J].热带地理,2000(4):321~325. 资源与产业 5结语 先后运用3种典型分类方法对TM影像的土地覆 盖分类进行试验,经过比较与分析,总体得出以下结论。 (1)土地利用类型反射率差异大,易受扰动,SVM 最优指数的选择,是改善其土地利用分类的精度的重要 因素。 [7]蔡崇超.文本分类新方法的研究与应用[D].江南大学,2008. [8]郭健,张继贤,张永宏,等.多时相MODIS影像土地覆盖分类比较 研究[J].测绘学报,2009(1):88. [9]乔婷,张怀清,陈永富,等.基于NDV1分割与面向对象的东洞 庭湖湿地植被信息提取技术[J].西北林学院学报,2013,28(4): 17O~175. [1O]骆剑承,周成虎,梁怡,等.支撑向量机及其遥感影像空间特征 提取和分类的应用研究[J].遥感学报,2002,6(1):50~55. [11]Breiman L_Randomforest[J].Maching Learning,2001,45(1):5 ~(2)综合比较各分类器的性能,最大似然分类法 (MC)最为简便,且最稳定,但精度低;支持向量机 (sVM)在少量的样本条件下分类精度也能达到令人满 32. [1 2]肖兴威.中国森林资源图集[M].北京:中国林业出版社,2005 (9). 意的结果;随即森林(RF)在速度和精度上都具有优 势,但对样本的依赖较高。 (3)从研究区数据来看,随机森林(RF)分类方法 [13]孙德福,王世红.利用TM影像图进行林业调查应注意的问题 [J].林业勘查设计,2002(2):65~67. [14]Richardsja,Jiax.Remote Sensing Digital I mage Analysis:An In troduction[M].Berl4n:Springer,1999. [15]刘勇洪,牛 铮,徐永明,等.多种分类器在华北地区土地覆盖遥 感分类中的性能评价[J].中国科学院研究生报,2005,22(6): 724~732. 可信度较高。其分类结果对比二类调查数据较为理想。 研究结果可为亚太森林网络(APFNET)资助的国 际合作项目“大湄公河次区域森林覆盖与碳储量遥感制 图”的研究,探索大尺度的森林分类和遥感制图方法,为 大尺度的森林制图和变化监测提供有效的技术手段,对 于探索森林覆盖与碳储量增长及衰退的情况,林业技 术、项目、贸易间的合作与交流等提供技术支持。 [16]Martin Brown,Hugh G.Lewis and Steve R.Gunn,Support Vec— tor Machines For Spectral Unmixing[J].IGRASS.99,1999(2): 1363~1365. r17]I othar Hermes,Dieter Frieauff,Jan Puzicha and Joachim M. Bushman,Support Vector Machines for Land Usage Classifica— 参考文献: [1]陈志,胡 勇,刘成武.咸宁市土地利用结构时空演变及其驱动 力分析[J].安徽农业科学,2007,35(26):8299 ̄8301. tion in Landsat TM Imagery[J].Proc.of the IEEE International Geoscience and Remote Sensing Symposium,1 999(1):348~ 350. [22祁元,王一谋,王建华,等.宁夏土地利用时、空变化及其驱动机 [18]王健峰,张磊,陈国兴,等.基于改进的网格搜索法的SVM参 制[J].冰川冻土,2005,27(6):899~904. 数优化[J].应用科技,2012,39(3):29. [19]Boardman J W,Kruse F A.Automated spectral analysis:a geo logical example using AVIR1S data,north Grapevine Mountains [3]徐 霞,王静爱,朱玉洁,等.内蒙古中部地区土地利用变化区域 差异分析[J].北京师范大学学报:自然科学版,2006,42(3):310 ~313. [C].Nevada:In Proceeding,ERIM Tenth The~matic Confer— ence on Geologic Remote Sensing,Environmental Research Insti— tute of Michigan,Ann Arbor,Ml_1994,卜一4O7~I~418. [4]俞文政,常庆瑞,寇建村.青海湖流域草地类型变化及其生态服务 价值研究[J].草业科学,2005,22(9):14~17. [5]周胜利.美国的遥感计划与¨J].国际太空,2003(10):17. [6]明庆忠,武友德,李宏.云南森林生态旅游资源与可持续利用对 [2O]Benjamin.Jakimow.Earth Observation Center EOC of DI R. [ED/OI ].[2012 1卜一12].http://indus.car.dlr.de/forum/. Comparative Study of Different Classifieation Methods of Land Cover Based on TM images Ma Ming ,Yue Cairong ~,Zhang Yunfei ,Li Xiaoting ,Zhang Bo。 (1.Southwest Forestry University,Kunming 650224,China;2.The Forest Resource Management and Remote Sensing Laboratory,Southwest Forestry University,Kunming 650224,China; 3.Northwest Institute of Forest Inventory,State Forestry Bureau,Xi'an 710048,China) Abstract:This article usesMaximum Likelihood Classification(MLC),Support Vector Machine(SVM)and Random Forest(RF)to study the land cover classification based on the Thematic Mapper(TM)images of 2005 in Malipo County。Wenshan Zhuang Prefecture in Yunnan Province.And then it carries out a compara— tive analysis of the classification results of three classifiers from the aspects of classification accuracy,model complexity。and time efficiency.The results show that RF is the best and MI C is more stable than other two methods.Therefore,the conclusions in this study are valuable for how to select classifiers in the similar ap— plications. Key words:TM images;land cover;maximum likelihood classification;support vector machine;random forest 4