基于最大似然法南京市土地利用类型分类研究.doc

基于最大似然法的南京市土地利用类型分类研究 　　摘 要：本文利用监督分类中的最大似然法对2010年Landsat-5 TM卫星图像数据进行分类，从而获得2010年南京市土地利用分布专题图，并对分类结果的精度进行评价，结果表明：总体分类精度达到84.09%，Kappa系数分别达到83.5%，分类结果精度较高 关键词：遥感；土地利用变化；最大似然法；图像分类 土地利用类型的变化影像着全球物质循环和能量循环，进而影响全球气候[1]。卫星遥感能提供长时间尺度的区域数据，因此成为研究人员获取地表土地利用类型的主要数据源之一[2]。Landsat-5卫星于1984年3月1日发射升空，其搭载的TM传感器为研究人员提供了大量的遥感数据。TM传感器图像包括7个波段数据集，其中3个可见光波段数据，1个近红外波段数据，2个短波红外波段数据和1个热红外波段数据。然而，Landsat-5 TM传感器在成像过程中受到大气散射、大气吸收、地形以及空间分辨率等因素的影响，TM传感器7个波段数据均存在空间不确定性特征[3]。本研究针对这些问题，对2010年Landsat-5 TM卫星图像数据进行图像预处理，然后利用监督分类中的最大似然法[4]对预处理后的图像进行分类，并对分类结果进行评价 一、遥感图像预处理 Landsat-5 TM影像数据首先要通过恢复处理消除图像的几何畸变、辐射畸变和大气衰减所引起的误差。本研究在ENVI 5.1遥感图像处理软件中对2010年南京市Landsat-5 TM影像数据进行几何校正、辐射校正和大气校正。几何校正所用的147个点的经纬度数据是利用Trimble GeoXT 2005 Series GPS仪器在南京市均匀测量所得。然后，采用Image to Image几何校正方式进行几何校正。本研究所选取的147个控制点中每个控制点的均方根误差均小于1，累积的总体均方根误差为0507724，符合精度要求。最后，利用双线性插值法进行重采样，从而得到几何校正后的图像 辐射校正利用Landsat-5 TM影像在2003年5月5日之后的辐射定标系数进行校正[5]。本研究基于MODTRAN4+辐射传输模型进行大气校正，采用的工具是ENVI中的FLAASH大气校正工具。南京区域需要2景Landsat-5 TM影像才能完全覆盖，这2景影像的行列号分别是（Path=120，Row=38）和（Path=120，Row=37），所以，需将这2景影像先进行镶嵌操作，然后利用南京市边界矢量数据，将南京市区域范围从镶嵌后的影像上裁剪出来。镶嵌操作和裁剪操作均在ENVI软件中完成 二、最大似然法分类及其精度评价 本研究首先2007年发布的《土地利用现状分类》（GB/T21010-2007）标准，并结合本文研究目的和研究区用地类型集中的特点，将土地利用类型分为水体、耕地、林地、建筑用地、草地、未利用地六类，并在遥感图像上选择了这六类地物的训练样本集 然后，本研究设计实现了基于最大似然法的遥感影像自动分类器，对遥感影像进行分类，得到了2010年南京市土地利用类型图。经检验，总体分类精度分别达到84.09%，Kappa系数分别达到83.5%。由此可以看出，本研究设计出的分类器是有效的，它能大大提高Landsat-5 TM遥感图像自动分类的精度。基于最大似然法的遥感图像分类模型是正确的和有效的，能应用于遥感图像自动分类中 三、结果分析 本研究利用ArcGIS中的空间分析模块，对2010年南京市土地利用分类结果专题图进行分析，结果显示，2010年南京市土地利用类型中耕地最多，为277108公顷，占南京市总面积的42%，其次是建筑用地，面积为184738.7公顷，占南京市总面积的28%，接着是林地，面积占到105565公顷，占南京市总面积的16%，水体面积为79173.72公顷，占南京市总面积的12%，草地面积为8577.15公顷，占南京市总面积的1.3%，未利用地面积仅4618公顷，占南京市总面积的0.7% 四、结论 本研究首先对2010年Landsat-5 TM影像进行图像预处理，然后对南京市土地利用类型进行分类，得到水体、耕地、林地、建筑用地、草地、未利用地6种类型的分布数据，并对分类结果的精度进行了评价。经检验，总体分类精度分别达到84.09%，Kappa系数分别达到835%，结果表明，6种地物类型的分类规则是有效的，可用于南京市土地利用类型分类研究中 （作者单位：南京林业大学经济管理学院） 项目名称：江苏高校哲学社会科学基金资助项目“南京市土地利用变化与社会经济发展的耦合关系研究”（2014SJB049）；江苏高校品牌专业建设工程资助项目（PPZY2015A062）；大学生实践创新训练计划项目（2