1、12l土地利用是人類在生產(chǎn)活動中為達(dá)到一定的經(jīng)濟(jì)效益、社會效益和生態(tài)效益，對土地資源的開發(fā)、經(jīng)營、使用方式的總稱。l土地覆蓋的定義有：l1)“國際地圈與生物圈計劃”（IGBP）和“全球環(huán)境變化人文計劃”（HDP）：地球陸地表層和近地面層的自然狀態(tài)，是自然過程和人類活動共同作用的結(jié)果。l2)美國“全球環(huán)境變化委員會”（USSGCR）： 覆蓋著地球表面的植被及其它特質(zhì)。3l從兩者的定義可以看出，土地利用和土地覆蓋既有一定的聯(lián)系又有差別。土地利用重點是表示與土地相結(jié)合的人類活動而產(chǎn)生的不同利用方式。土地覆蓋主要是表示地球表面存在的不同類型的覆蓋特征，強(qiáng)調(diào)的是土地的表面形狀 。4l我國土地利用分類的目

2、的是查清各縣各種土地分類的面積、分布和利用狀況，為國家制定國民經(jīng)濟(jì)計劃，農(nóng)業(yè)區(qū)劃和規(guī)劃，指導(dǎo)農(nóng)業(yè)生產(chǎn)和服務(wù)與土地統(tǒng)計登記制度等管理工作。因此土地利用分類的主要依據(jù)是土地用途、土地經(jīng)營方式、土地利用方式和土地覆蓋特征等。土地覆蓋只是土地利用分類的一個依據(jù)，但遙感圖像最能夠直接反映的是土地覆蓋。l大多數(shù)遙感土地應(yīng)用使用土地覆蓋/利用的概念。 5l全國土地遙感動態(tài)監(jiān)測的分類標(biāo)準(zhǔn)。該標(biāo)準(zhǔn)基本遵循了全國農(nóng)業(yè)區(qū)劃委員會1984年頒發(fā)的土地利用現(xiàn)狀調(diào)查規(guī)程的分類體系，并考慮遙感圖像自身的特點。土地覆蓋/利用類別分類定為以下8大類49二級類別（表）。編碼在矢量圖形中為多邊形的屬性碼，在柵格圖像上為柵格值。 6

3、78l福州市l(wèi)遙感影像：1990年，1996年，4景LANDSAT-TMl土地利用圖：長樂縣1993年，1：10萬l1：10萬，1：5萬地形圖l農(nóng)歷、耕作、農(nóng)事、等文字資料9福州市主要地物光譜曲線050100150200250123457波段灰度城市村莊建設(shè)中耕地（有作物）耕地（無作物）園林地荒地河流淺海深海10 配 準(zhǔn) 時相 TM 影像 地理輔助數(shù)據(jù) 時相 TM 影像 波段分析 假彩色合成 訓(xùn)練區(qū)選擇 樣本分析與校正 最大似然方法 分類結(jié)果（90和97） 行政界線清繪 掃描或數(shù)字化 矢量圖形屬性 投影變換 高斯克呂格 投影 矢量數(shù)據(jù)（V） 地圖代數(shù)計算動態(tài)變化圖象（dI） dI 和 V 配準(zhǔn)

4、 迭 加 初始動態(tài)圖 統(tǒng)計數(shù)據(jù) 人機(jī)交互目視糾正 11時相遙感影像時相遙感影像配準(zhǔn)裁剪和高克投影配準(zhǔn)主成分分析法分析圖像特征選擇反映變化信息明顯的分量分類初始動態(tài)分類（有變化）確定動態(tài)變化的具體內(nèi)容（由什么變成什么）初始動態(tài)變化圖詳查圖數(shù)字化形式配準(zhǔn)迭 加12l動態(tài)信息分類法l三種變化信息提取的評述：13l利用公式l B1*10+B2l計算得到一幅新的圖像，例如某點像元在90年為耕地（灰度值為3），97年變?yōu)榫用竦兀ɑ叶戎禐?），則動態(tài)圖像上該像元的灰度值為30，表示耕地變?yōu)榫用竦亍?14初始動態(tài)變化圖象個像元編碼野外實證，記錄標(biāo)注各圖斑變更情況表格修正的動態(tài)圖矢量境界圖真彩色合成圖框公里網(wǎng)格

5、指北針圖例排版整飾正式結(jié)果分析報告正式表格提 交 最 終 結(jié) 果迭加15l鑒于混淆矩陣成為評價遙感圖像分類結(jié)果的標(biāo)準(zhǔn)方法，擬根據(jù)實地對變化圖斑的考察記錄，選取不少于考察圖斑60%的圖斑，對比遙感得到的結(jié)果，形成混淆矩陣，進(jìn)行精度評價。l利用混淆矩陣進(jìn)行精度評價時，偶然的一致往往會發(fā)生。而總體精度并不能排除這種偶然一致性。因此在混淆矩陣基礎(chǔ)上，加上kappa統(tǒng)計來進(jìn)行精度評價。lKappa統(tǒng)計的意義是：如果Kappa統(tǒng)計為0.7，則表示所用的分類方法比隨機(jī)賦予各點某一類別的方法優(yōu)越70%。16l因為變化精度與圖斑的大小有關(guān)，一般而言圖斑越大，精度越高，反則反之。按圖斑的大小進(jìn)行分級，不同級別圖斑

6、精度要求不同。l在經(jīng)費(fèi)允許的情況下，使用GPS將實地考察的變化圖斑輸入計算機(jī)中，進(jìn)行精度檢驗。 1718192021l由于遙感信息存在固有的“同物異譜，異物同譜”，嚴(yán)重制約了基于光譜特征的統(tǒng)計分類精度的提高。l而遙感專題分類的精度決定了遙感信息的實際應(yīng)用價值。l增加遙感圖像的分類精度作出了大量的工作。大致可以分為以下幾類：l 223.1 3.2 分層分區(qū)3.3 圖像空間信息分類3.4 多源輔助數(shù)據(jù)綜合分類23lFabio Maselli等認(rèn)為傳統(tǒng)遙感分類往往得不到滿意的結(jié)果，部分原因是算法內(nèi)在的缺陷?；诙嗑S正態(tài)分布假設(shè)的最大似然法，統(tǒng)計上穩(wěn)定而強(qiáng)健，但是缺乏靈活性，在復(fù)雜或非均質(zhì)的情況下，這

7、一假設(shè)往往難以滿足而不能得到正確的面積估計。從而根據(jù)無參數(shù)方法，從圖像灰度直方圖中抽取先驗概率，加入到MLC中，使分類結(jié)果明顯改善（kappa 0.3749-0.5860）。24lC.Conese等（1993）認(rèn)為經(jīng)過主成分分析的第一主分量包含了亮度信息，和地形的影響密切相關(guān)，通過對圖像訓(xùn)練樣本進(jìn)行主成分分析，去除第一分量的影響來修訂最大似然分類法，以減少地形的影響。這一修訂的方法在進(jìn)行地形破碎的地區(qū)分類時改善了分類的精度。 253.1 傳統(tǒng)方法的改進(jìn)3.2 3.3 圖像空間信息分類3.4 多源輔助數(shù)據(jù)綜合分類26l分層分區(qū)則在對不同的類別利用不同的信息子集。 l在山區(qū)植被分類中對圖像進(jìn)行四叉

8、樹分割，利用距離判據(jù)來決定是否需要更多的信息參與分類。這樣每一步盡可能少地利用信息，只有當(dāng)判斷模糊時，才詢問輔助信息，以降低時間開銷。但基于四叉樹的圖像分割不具有地理學(xué)意義，當(dāng)圖像中方格狀圖斑多時，效率較高；如果地物復(fù)雜，四叉樹劃分的效率不高。 27l在研究草場植被類型分類中，鑒于單純的監(jiān)督分類不能有效的區(qū)分不同景觀單元的草場植被類型，采用了先對圖像按照地貌類型分區(qū)在在各個分區(qū)上分別進(jìn)行監(jiān)督分類。l在使用多景TM圖像進(jìn)行流域范圍尺度上地形覆蓋類型分類時，在圖像鑲嵌后，將圖像分為三個生態(tài)區(qū)，進(jìn)行分類，克服了單景分類不具有任何生態(tài)學(xué)意義的缺點。28lLoveland（1991）在利用NOAA/AV

9、HRR圖像進(jìn)行美國土地利用分類制圖時，先根據(jù)GIS數(shù)據(jù)庫中氣候、植被、環(huán)境等數(shù)據(jù)將全國劃分為幾個小的區(qū)域，然后再對各個小的區(qū)域進(jìn)行非監(jiān)督分類，減少了誤分的像元數(shù)。lJesus S.M.A等（1997）利用TM和SPOT圖像派生出比值圖像主成分分析圖像等，對于各種圖像組合進(jìn)行了比較研究，肯定了分層分區(qū)的優(yōu)點。 293.1 傳統(tǒng)方法的改進(jìn)3.2 分層分區(qū)3.3 3.4 多源輔助數(shù)據(jù)綜合分類30l遙感信息綜合了地物種類、組成、坡度、坡向、陰影、太陽高度角等信息，而傳統(tǒng)的統(tǒng)計分類僅僅使用了圖像的單像元的光譜特性，忽略了像元之間的相互空間關(guān)系。l僅僅依賴于光譜信息的分類結(jié)果在實際應(yīng)用中是不成功的。l遙感

10、圖像的空間信息在區(qū)分地物時具有非常重要的作用，是目視解譯的重要解譯標(biāo)志之一。將圖像空間信息用于計算機(jī)自動分類是自然而然的想法。 31l早在1980年，Switzer將鄰域像元的平均值輸入到最大似然法中，是計算機(jī)圖像分類運(yùn)用空間信息的開始。l紋理（Texture）是灰度在平面空間上的變化，是遙感信息的重要內(nèi)容。l要利用圖像空間信息提高分類精度，合理而有效地度量紋理至關(guān)重要。 32l圖像紋理的表示方法分為兩類，l一是結(jié)構(gòu)方法，表示基本原始模式在空間的重復(fù)，如磚墻。結(jié)構(gòu)方式中排列的方式描述十分復(fù)雜。l二是統(tǒng)計方法。由于地物的組成、空間分布的復(fù)雜性和多樣性，反映在遙感圖像上的千差萬別的紋理不會象磚墻那

11、樣有規(guī)則不變的局部模式和簡單的周期性的重復(fù)。遙感圖像的紋理特征和重復(fù)性往往只具有統(tǒng)計學(xué)上的意義。因此統(tǒng)計紋理分析方法是遙感圖像紋理分析的主要方法 33l無論從歷史發(fā)展還是從當(dāng)前進(jìn)展來看，統(tǒng)計的方法仍然占主導(dǎo)地位（王潤生，1995）。統(tǒng)計方法又分為空間域和頻率域方法?？臻g域方法基于統(tǒng)計圖像像元灰度級的分布情況，如利用直方圖。頻率域方法首先將圖像變換到傅立葉變換的頻率域中，然后抽取相應(yīng)的特征量，做高頻或低頻的壓縮或擴(kuò)展后，再變換回空間域處理紋理。頻率域方法是遙感光學(xué)圖像處理中常采用的紋理分析方法。34l圖像模式識別領(lǐng)域?qū)y理的研究和應(yīng)用比較深入，描述紋理的方法歸納起來主要有：l 共生矩陣，l 紋理

12、能量測量，l Markov隨機(jī)場模型，l 分形布朗模型等。35l紋理是圖像處理相關(guān)領(lǐng)域的表達(dá)圖像空間信息的一個重要度量，遙感應(yīng)用中更多地使用結(jié)構(gòu)（也稱上下文，context）。研究人員根據(jù)其應(yīng)用目的，提出了一些用于圖像分類的結(jié)構(gòu)方法。l出現(xiàn)頻率。出現(xiàn)頻率F(i,j,v)定義為灰度值為v的像元在以i,j為中心。邊長為l的窗口內(nèi)出現(xiàn)的頻率。對單波段來講，v是一個值，多波段時v為向量。由圖像生成出現(xiàn)頻率表，表項的數(shù)目跟灰度級(n)和波段數(shù)(m)有關(guān)，最大數(shù)目為nm。出現(xiàn)頻率表較空間統(tǒng)計度量具有兩個優(yōu)點。一是比任何一個空間域度量要包含更多的信息。事實上常用的空間域度量可以從出現(xiàn)頻率中直接求出。二是出現(xiàn)

13、頻率表可以快速地生成，無須占據(jù)硬盤空間。 36lC. Ricotta等（1996）在進(jìn)行森林研究時，對NDVI圖像使用了計算簡潔的紋理絕對差值算法來利用空間信息。應(yīng)用表明紋理差值在對于植被和非植被類型的區(qū)分時，能夠抓住兩者之間紋理特征的本質(zhì)。l顯然本文研究的類別只有兩種，是否對更細(xì)類別分類時同樣實用，需要實驗。 37l利用小波變換，產(chǎn)生的小波子圖來利用圖像空間信息。在連同多波段圖像輸入KOHONEN自組織神經(jīng)網(wǎng)絡(luò)分類器后的分類結(jié)果表明，小波子圖在區(qū)分細(xì)致地物特別是邊緣檢測的優(yōu)勢是傳統(tǒng)分類方法所無法比擬的。 38l空間信息的使用主要通過“窗口”來進(jìn)行的。窗口過大，將別的類別納入，往往產(chǎn)生誤差邊緣

14、；窗口過小，常常引入不相關(guān)或相關(guān)小的像元，產(chǎn)生不可靠的紋理，并引入隨機(jī)紋理。l紋理在圖像分類的作用嚴(yán)重受到“窗口”的影響，對于分類的精度提高不是簡單的提高。l由于缺乏對遙感圖像紋理機(jī)理的深刻認(rèn)識，成功的機(jī)遇并不很大，帶有一定的隨即性、偶然性和片面性。 39l要真正地利用遙感圖像的空間信息，還必須模擬目視解譯過程，把判讀人員的經(jīng)驗加入到影響分類過程中，建立基于知識的紋理和線形特征識別以及鄰域分析方法（Argials D. P等，1990）。Paul (1997)在這方面做了探討，初步顯示了基于知識的圖像空間信息方法在提高分類精度的潛力。 403.1 傳統(tǒng)方法的改進(jìn)3.2 分層分區(qū)3.3 圖像空間

15、信息分類3.4 41l遙感圖像信息的原型自然環(huán)境的綜合體是非常復(fù)雜的。遙感獲得的信息并非是自然綜合體信息的全部，而是自然綜合體歷史演進(jìn)過程中瞬時的、能夠在二維平面上表現(xiàn)的那一部分。l這就決定了遙感信息的單純數(shù)學(xué)、物理處理結(jié)果具有不確定性或多解性。為了提高遙感專題信息識別結(jié)果的正確性和可靠性，必須將遙感未帶回的信息補(bǔ)充進(jìn)去，即加入地學(xué)相關(guān)信息。l然而遙感信息是主要的，地理相關(guān)信息是輔助性的。42l地形圖及其它等值線圖。由地形圖得到數(shù)字地面模型（DTM），再由DTM計算出絕對高程、相對高程、坡度和坡向。這些信息是遙感圖像輔助信息的最常用的。其他的如降雨等值線圖、溫度等值線圖等，可以采用類似DTM的

16、處理方法。 43l專題地圖。專題地圖是指與某一具體專題研究有關(guān)的圖件。如土地利用現(xiàn)狀圖、土壤分布圖、植被類型分布圖、地質(zhì)圖、地貌圖等。從專題圖上可以提取過去某一時期相應(yīng)專題的空間分布規(guī)律。l其他非圖像圖形數(shù)據(jù)，包括點狀實際測量數(shù)據(jù)、坐標(biāo)曲線、表格、文字記錄等。 44l一是根據(jù)輔助數(shù)據(jù)推出各個類別的先驗概率，然后應(yīng)用于最大似然分類中，這樣無需輔助數(shù)據(jù)和遙感圖像的幾何配準(zhǔn)，操作比較簡單易行，但對輔助數(shù)據(jù)的應(yīng)用不夠充分。輔助數(shù)據(jù)得到先驗概率，并不總是提高分類的精度，有時反而會降低分類的精度，因為它增加了賦予先驗概率類別分錯的機(jī)會 。45l另一種是對輔助數(shù)據(jù)和遙感圖像進(jìn)行幾何配準(zhǔn)，將輔助數(shù)據(jù)轉(zhuǎn)換為圖像

17、，然后將該圖像作為輸入圖像向量的一個分量圖像，進(jìn)行常規(guī)的圖像分類（主要是最大似然法）。l這一方法忽略了數(shù)據(jù)的分布特點，圖像數(shù)據(jù)一般而言，滿足正態(tài)分布的前提，但輔助數(shù)據(jù)的分布常常不能滿足，因此分類的精度很大程度上取決于假設(shè)條件的滿足程度。 4647 在遙感圖像分類方面，人們試圖以目視解譯為樣板，模擬專家目視解譯的過程，建立遙感圖像解譯專家系統(tǒng)，實現(xiàn)遙感圖像自動判讀。目前遙感圖像解譯專家系統(tǒng)的研究成為遙感圖像解譯的一個主要研究趨勢。 l規(guī)則表示l硬分類和軟分類1)不確定推理48l產(chǎn)生式規(guī)則表示知識。形式為：IF（條件）THEN（結(jié)論）l在這個條件和結(jié)論的二元組，通過推理的結(jié)論是二值的，非此即彼。以

18、后引入了不確定的推理，由條件推出的結(jié)論有一個確定性程度，規(guī)則的形式為IF（條件）THEN（結(jié)論） CF（確定性因子）其中CF為實數(shù)，其值域在不同的研究中有所不同，一般為0，1或者-1，1。49l規(guī)則由l 事實部分（H）和l 類別部分（A）以及l(fā) 確定性因子CFA，H組成。l其中確定性因子CFA，H的設(shè)計與不確定推理方法有關(guān)。在Shortlife設(shè)計的EMICIN醫(yī)療專家系統(tǒng)中，使用的不確定性規(guī)則模型效果很好，后為很多系統(tǒng)所采用。 50lShortlife定義了兩個概率函數(shù)，一個是信任增長度MBA，H和不信任增長度MDA，H。 其它）（若,)(1)()(),/(max1, 1,APAPAPHAP

19、APHAMB其它）（若,)()()(),/(min0, 1,APAPAPHAPAPHAMD確定性因子CFA，H=MBA，H-MDA，H。 51)()/(,)()()/()()/(, 0)()/(,)(1)()/(,APHAPAPAPHAPAPHAPAPHAPAPAPHAPHACF若若若確定性因子CFA，H的值域為-1，1。-1表示在事實H為真的前提下，結(jié)論A是假的；1表示在事實H為真的前提下，類別A也為真，0表示在事實H對于類別A是一無所知。一般的情況下是事實H為真的前提下，類別A是真的確定性因子為小數(shù)，CFA，H的值越大，表示A的可信度越真，越小可信度越假。 當(dāng)A和H相互獨立時，CF A，H的定義為52l對光譜分類的數(shù)理模型主要有三種：傳統(tǒng)統(tǒng)計分類、模糊分類和神經(jīng)網(wǎng)絡(luò)分類。l這幾種數(shù)理模型在確定分類結(jié)果時的思路是一致的，像元的類別取判據(jù)（似然度、隸書度等）的最大值對應(yīng)的類別。這種將每一個像元只能賦以唯一的類別的分類，為硬分類（Crisp Classification）。l與硬分類相對應(yīng)，每一個像元有可能賦以多類別的分類為軟分類（Soft Classification）。53lStep1：根據(jù)光譜軟分類結(jié)果，確定使用規(guī)則和輔助信息進(jìn)