西烏珠穆沁典型草原遙感分類方法的比較分析

臧琛等

摘要：針對西烏珠穆沁典型草原2012年8月30米分辨率的ETM多光譜遙感影像數據，采用不同分類方法進行監督分類，對不同分類器在典型草原遙感影像分類中的應用效果和分類精度進行評價與比較。針對典型草原退化分類問題探究幾種不同典型草原遙感分類方法的優劣，從中挑選出最適用的典型草原退化的遙感分類方法。并通過先驗知識和野外調查數據，對分類結果進行分析，通過總體分類精度、混淆矩陣和 Kappa系數對幾種分類器的精度進行評價和比較。

關鍵詞：西烏珠穆沁典型草原；遙感；分類方法；典型草原退化；監督分類

中圖分類號：S155.4 文獻標識碼：A 文章編號：0439-8114（2015）17-4156-03

草原是我國北方分布最廣泛的自然生態系統，是我國北方重要的生態安全屏障[1]。但由于受到大陸性半干旱氣候的作用、人類活動的影響，草原生態系統極易發生退化。草原分布廣、面積大，只靠實地調查對草原退化情況進行監測根本無法實現。遙感憑借其獲取地面信息范圍廣、手段多、信息量大、時效性強、成本相對較低等優點成為草原退化監測的首選手段。

為了精確地提取出遙感影像中包含的信息，需要保證遙感影像數據處理的精度，其中一個重要的環節就是要保證遙感影像分類的精度?；诠庾V的遙感影像分類分為非監督分類和監督分類。相對而言，監督分類由于經過了先驗知識樣本的訓練，其分類效率、分類結果的精度及可用性均優于非監督分類，是應用較為廣泛的分類方法。監督分類的方法有很多，各種方法分類精度不同。對于不同的研究對象應用同一種分類方法精度有顯著的差異，對相同的研究對象應用不同的分類方法，分類的精度也不相同。本研究分別采用監督分類的多種方法，對西烏珠穆沁典型草原的退化狀況進行了分類，并通過在試驗區的實地調查結果對各分類方法的分類結果和精度進行了系統的對比分析。

1 地面調查試驗

1.1 研究區概況

研究區域位于內蒙古中部西烏珠穆沁旗附近的西烏珠穆沁典型草原。西烏珠穆沁典型草原地形屬流水作用的低山和干燥作用的丘陵剝蝕平原交匯地帶，是一個以高平原為主體的地區，地勢由東南向西北逐漸傾斜，海拔854～1 957 m[2]。西烏珠穆沁典型草原屬中溫帶內陸半干旱氣候，夏季溫暖短促，冬季寒冷漫長，年平均溫度1 ℃，最高氣溫37 ℃，最低氣溫-39 ℃，年平均降水量350 mm，年平均蒸發量1 600 mm。植被類型以典型草原和沙地草原類型為主，隨土壤和地帶性變化而變化，植物群落以大針茅、克氏針茅、冷蒿、變蒿、羊草為主[3]。試驗區中心位置位于北緯44°33′47″，東經117°31′59″，海拔1 010 m。

1.2 試驗方法

以試驗區中心位置的中重度退化區域為中心點，利用GPS定位沿經緯度方向呈十字交叉的垂直方向布點，布點間距為100 m，在中心點的四個方向布點，每個方面布采樣點25個，沿經緯度各采樣5 km，共布置100個采樣點，每個采樣點的取樣方面積36 km2，試驗區的總面積25 km2。在草原植被生長期7～9月進行采樣，調查植被群落的優勢種、建群種、指示種及植株平均高度、平均蓋度、生物量（鮮重）等。2012年實地調查時間為8月，獲取樣點數據100組。

2 遙感分類試驗

遙感影像試驗是在ENVI4.3環境下進行的。根據ETM影像各波段特點，選用反映植被特征明顯的B2、B3、B4波段進行波段融合。然后對地面調查同時期遙感影像進行分割，將試驗區影像分離出來，以提高遙感影像處理的效率。在對遙感影像進行幾何糾正、大氣校正后，利用地面調查100組樣點數據中的50組，基于其植被信息依據GB19377-2003《天然草地退化、沙化、鹽漬化的分級指標》和當地草原站的專業經驗判定該樣方的退化程度，將樣點定義為3種退化類型，即未退化、輕度退化、中重度退化。對3種類別進行可分離程度計算，發現中重度退化、未退化類別間可分離度大于1.9，類別間可分離程度極佳。輕度退化、中重度退化類別間可分離程度接近1.8，可分離程度也較好。但未退化、輕度退化類別間可分離程度約為1.7，可能會影響分類精度。類別間可分離程度數據如表1所示。

根據地面調查獲取的訓練樣本，本研究運用了平行六面體法、最小距離法、馬氏距離法、最大似然法、人工神經網絡法、支持向量機法6種監督分類方法對試驗區ETM遙感影像進行了典型草原退化分類。

平行六面體法又稱箱式決策規則，它利用訓練樣本的光譜值構成一個多維的平行六面體，若待分類像元的光譜值落在該平行六面體的任何一個訓練樣本數據空間，就被劃分到對應的類別中。平行六面體法是一種簡單快速的方法，缺點在于類別較多時，樣本互相重疊，也由于訓練樣本的代表性問題，使訓練樣本組成的多維空間范圍小于實際像元的光譜值，導致被分類的像元無法被分為任何一類[4]。

最小距離法的基本思想是使用訓練樣本的均值向量來計算每個類別的均值向量和標準差向量，然后計算待分類像元到每個類別均值向量的歐氏距離，待分類像元會被分類到歐氏距離最近的類別均值向量一類。該法原理簡單，精度不高，但分類效率極高。

馬氏距離法是一個方向靈敏的距離分類方法，表示的是協方差距離。這種方法既考慮了離散度，也考慮了訓練樣本的均值向量和協方差矩陣，是加權的歐氏距離。它可以排除變量間的相關性干擾，但是夸大了變化微小的變量的作用。

最大似然法是建立在貝葉斯準則基礎上，綜合應用了每個類別在各波段中的均值、方差以及各波段之間的協方差。其思想是根據訓練樣本計算各種類別的統計特征值，建立分類判別函數，然后依次將各像元特征向量代入判別函數求出其屬于各類的概率，將待分類像元分類到判別函數概率最大的一類。該分類法錯誤概率小、精度高，是一種很好的分類方法。

人工神經網絡法是由大量神經元相互連接形成的網絡結構，是人腦的某種抽象、簡化與模擬。這種分類方法具有良好的魯棒性和自適應性，在處理以數據量多、含混度高著稱的遙感影像的模式識別問題時，利用多層神經網絡有利于實現多特征空間的非線性劃分。

支持向量機法是一種建立在統計學習理論基礎上的分類方法。支持向量機法的基本思想是通過非線性變換將訓練樣本映射到一個高維的特征空間，然后在這個特征空間中求取最優分類超平面，該分類超平面不但能夠將訓練樣本正確分類，而且訓練樣本之間的分類間隔最大。支持向量機法最大的優點是進行分類時無須進行數據降維，并在算法的收斂性、訓練速度、分類精度等方面都具有較高的性能。

對遙感影像進行不同方法分類后，6種分類法的結果如圖1所示。圖中深灰色類別是未退化典型草原，淺灰色類別是輕度退化典型草原，中灰色類別是中重度退化典型草原。

3 評價與比較

遙感影像的分類精度評價是遙感信息提取中一個非常重要的環節。對遙感影像進行精度評價不但可以對分類方法進行評價，也是遙感分類質量的最終評價標準。遙感影像的分類精度評價通常是通過對比分類結果圖與標準圖或地面實測數據來實現的。

混淆矩陣在對角線分布的是地面檢驗樣點被正確分類的個數，同時也可以從其他位置中看出被錯分樣點的具體錯分類別。其檢驗樣點的正確分類數與總檢驗樣點數之比即為分類的總體精度。Kappa系數則可以表達分類與期望分類的一致性，主要體現的是分類的可信性，一般Kappa系數大于0.4，分類結果比較可信；Kappa系數大于0.7，則分類質量非常好，精度非常高[5]。

本研究主要采用在分類中未用的地面調查數據中的32組作為檢驗樣點，對試驗區遙感影像通過不同分類方法得到的分類結果進行精度評價，評價結果用混淆矩陣、分類總體精度、Kappa系數3個指標加以描述。限于篇幅，文中各種分類方法及對應分類結果的混淆矩陣省略不表，其分類總體精度及Kappa系數如表2所示。

4 結論

本研究通過將地面調查獲取的數據作為分類訓練樣本，以6種不同的方法對試驗區遙感影像進行了分類，得到了分類結果并對分類結果的精度進行了評價。在6種分類方法中，平行六面體法的總體精度與Kappa系數顯然不符合分類的預期，精度較低，而且分類質量低，可信度不高。最小距離法、最大似然法、人工神經網絡法及支持向量機法的總體精度大于70%，Kappa系數大于0.4，表明這4種分類方法均比較適用于西烏珠穆沁典型草原退化的分類，其中以最小距離法分類精度最高，在草原退化遙感分類中推薦使用。從人工神經網絡法和支持向量機法的分類圖中可以明顯看出類別的缺失與錯分，通過對訓練樣本和檢驗樣本的分析，其原因可能是在地面調查取樣過程中由于獲取的未退化及中重度退化樣本較少所導致。

參考文獻：

[1] 胡志超，李政海，周延林，等.呼倫貝爾草原退化分級評價及時空格局分析[J].中國草地學報，2014，36（5）：12-18.

[2] 龐立東，劉桂香，劉建強.遙感與GIS技術在草地景觀分類與制圖中的應用——以西烏珠穆沁為例[J].內蒙古農業大學學報（自然科學版），2010，31（2）：304-309.

[3] 張春榮，尚士友，孫立武，等.基于“3S”技術的典型草原栗鈣土層結構模型[J].農機化研究，2008（12）：5-8.

[4] 賈海峰，劉雪華.環境遙感原理與應用[M].北京：清華大學出版社，2006.

[5] 付 佳，黃海軍，楊曦光.基于ENVI的唐山灣三島土地利用遙感分類方法的比較分析[J].海洋科學，2014，38（1）：20-26.