基于 TM 图像的矿区土地资源分类提取研究1.doc

精品论文大全基于 TM 图像的矿区土地资源分类提取研究1武文波，张正鹏 辽宁工程技术大学测绘与地理科学学院，辽宁阜新（123000） Email：wu_wenbo摘要：基于 TM 图像的土地资源分类与提取是建立矿区遥感动态监测的首要环节，以 多时相 TM 图像为数据源，建立了沈阳矿区土地资源的分类体系，并采用分区分层监督分类的方法对其进行分类。在此基础上通过对 TM 图像的光谱分析，研究矿区土地信息 的分类提取模型，辅助 GIS 空间分析功能提取出了矿区各时相土地分类信息及相邻时相的变化信息，为下一步矿区土地资源动态监测分析提供数据准备。 关键词：分类体系；监督分类；模型提取；动态监测矿产资源的过度开采引发了严重的资源环境问题。在各种资源、环境与灾害问题中，矿 区土地资源的破坏是最为直接严重的。以多时相遥感图像为数据源，建立矿区土地资源分类 体系，并对矿区土地信息进行提取，可以分析矿区土地资源的变化规律，为矿区土地治理与 重建提供决策与支持。谢宏全等对基于遥感的矿区土地利用/覆盖分类体系进行了探讨1；杜 培军等对徐州矿区的路面信息提取做了较详细的研究2。本文以沈阳矿区为研究对象，为了研究矿区从建矿初期到开采中期以及开采现状的土地 演化规律，我们根据沈阳矿区特点选取五个时相的图像（1976/1981/1995/2001/2005） 为数据源，建立了矿区土地资源监测分类体系，并采用分区分层方法进行监督分类，得到了 较高精度的分类图，然后在分析各类土地资源光谱特征的基础上，建立了分类提取模型，对 研究区水体、建设用地、绿地、塌陷地等进行了不同时段的地物信息提取，最后辅助 GIS 分析功能对相邻时段的变化信息进行了提取。1. 矿区土地资源的分类1.1 矿区土地资源监测分类体系基于遥感图像的矿区分类体系尚没有标准出台，本文参考了国家土地利用分类体系。为 了研究矿区近 20 年来的土地资源变化总体情况，考虑到沈阳矿区实际情况、TM 影像波谱 特征及其分辨率等，对矿区建立如下分类体系，如表 1。表 1 矿区土地利用分类体系Tab.1 Classification systems of land use in mining area地类编号含义水体1主要包括湖水、塌陷积水、河流、水库、水塘等。建筑用地2居民用地、工矿用地、交通用地。旱地3主要种植玉米、大豆等农作物农田4主要种植水稻植被5主要以林地、绿地为主塌陷地6采煤塌陷地1本课题得到高等学校博士学科点专项科研基金项目（20050147002）和辽宁省自然基金项目（20042175） 的资助。-6-1.2 基于分区分层的遥感影像监督分类（1）分区分层分类法 分区分类法：在现有的图像分类方法中，一般都是以同一标准对整幅图像进行分类，但由于遥感图像的地物光谱特征比较复杂，即便经过处理后的图像也经常会出现同物异谱、异 物同谱、山体阴影影响明显以及不同区域或不同季相图像本身的特征差异较大等现象（阎守 邀等，1995）。因此我们将研究区划分为若干份进行分区分类往往可以得到更好的效果。分层分类法：是从某一类地物的光谱、空间、时间特征分析入手，找到反映这些特征的典型波段，采取适合此类地物的信息提取方法进行专题信息提取。当一种地物成功提取后， 通过图像处理方法，将其从原始图像中去除，以避免它对其他地物提取的影像。这样按层处 理，只针对一类目标进行提取，提高了每一类目标的提取精度。（2）基于分区分层的遥感影像监督分类 首先，对研究区按照矿区分类体系进行选择分类样本，在选择过程中要尽量保证样本准确性。经过样本的获取和反复筛选最后获得分类的训练模板。我们对研究区 1995 年的 TM影像进行了样本选择得到该区域的分类混淆矩阵，见下表 2。分类前 分类后水体表 2 研究区分类的混淆矩阵Tab. 2 Contingency matrix of classification in study area水体建设用地旱地农田植被塌陷地建设用地 旱地 农田 植被 塌陷地 总计 百分比2382065825991.9%15123112653595.7%01460351762995.71%0484208544594.38%02518321134792.51%1716317018890.43%由表 2 可以看出，分类前的各类样本个体分类后绝大部分仍然归属于它们原来的类别。只有少数个体分到另外的类别中去了。由此算得的识别正确率为 93.438%。这说明选择和筛 选出来的训练样本的正确识别率很高。将它们用于分类将获得很好的分类效果。通过上述方法我们基于矿区分类体系，采用分区分层法分别对 1976、1981、1995、2001、2005 年的遥感图像进行监督分类，并基本达到了分类精度要求，保证分类结果正确率为 93%以上。2. TM 图像土地资源信息提取遥感图像处理的目标主要分为五种类型：即分类、变化检测、物理量的提取、指标的提 取、特定地物及状态的提取（张永生等，1999）。为了研究矿区土地变化情况，我们从TM 图像中提取典型信息包括建设用地、水域、塌陷地、绿地、其他地物，其中具体含义及包括 的下级分类见上节土地分类体系表1。本课题是以建立矿区土地利用动态监测数据库为基础，通过数理统计、GIS空间分析等 方法对矿区土地变化进行监测分析，因此本文对TM图像的信息特征提取主要包括以下两个 方面内容：提取图像各类地物信息；提取相邻时段地物变化信息。2.1 不同时相各类地物信息提取对各种地类进行直接提取，一种方法是利用解译标志，另一种则是利用数字图像处理方 法。目视解译主要是根据对地物特征的统计分析，建立解译标志，通过人机交互实现对地物 的提取，其优点是实施简便、易行，但存在着工作量大、精度受主观因素影响大等缺点。当 前主要的研究集中在基于光谱特征、空间关系与知识的目标自动识别和提取、图像分类方面。 对于TM图像来说，主要信息是灰度信息，主要的知识是波谱知识，以灰度为基础计算的纹 理特征可作为辅助信息，以统计、GIS、空间分析等方法可以从遥感图像中提取需要的地理、 背景及其他知识2。以1995年的TM图像为例，利用上节监督分类结果又对各类均选取50个特征点，进行波 谱特征分析与统计建立各地类提取模型。表3为各地类特征象元灰度值的统计情况，图1为地 物灰度曲线。表 3 各地类特征象元灰度统计Tab 3 Grey statistic of feature pixel in every type of land地类TM1TM2TM3TM4TM5TM7水体84.4336.3331.7213.885.2321.823积水74.825.0619.9913.678.442.8道路110.7351.0558.7355.94103.2949.61绿地74.8444.4147.16107.71102.8345.15开阔地106.29553.02375.52373.545137.65969.182裸山150.62177.88104.6487.79154.16383.889农田82.27533.59228.870.98343.99213.725180160140120100806040200TM1 TM2 TM3 TM4 TM5TM7水体 积水 道路 绿地 开阔地 裸山 农田图 1地物灰度曲线比较Fig.1 Compare of grey curve in every land（1）水体提取 水体波谱特性显著，几乎全部吸收了近红外和中红外波段的全部入射能量，所以在这两个波段的反射能量很低，而其他地物在这两个波段内吸收能量较小，由于水体的这一特殊波 谱特性可以明显的与其他地物进行分离。对于水体这一特性提取模型有很多如：基于阀值得 单波段水体提取模型、基于波谱间关系的水体提取、基于GA算法的阀值提取。本文主要采 用了基于波谱间关系得水体提取法，针对水体的敏感波段，对其可能的特征组合进行计算， 建立以下水体提取模型：模型1：（TM2+TM3）-（TM4+TM5）>0模型2：（TM2+TM3）-（TM5+TM7）>0在实际水体的提取中我们考虑到遥感信息受自然条件的影像，将模型转变 为（TM2+TM3）-（TM4+TM5）>10或（TM2+TM3）-（TM5+TM7）>10以有效免除多提或误提的水体，另外为了避免误提矿区与居民点我们又对提取后的水体进行如下处理：TM3<60和TM5<40，具体提取过程我们采用ERDAS软件利用其建模功能（Model Maker）构建上述 模型对沈阳矿区水体进行了提取实验并取得了很好的效果。（2）建设用地提取 我们利用分类后结果，先对研究区建设用地进行光谱特征分析，灰度值及组合特征分析发现，建设用地有以下特征：建设用地与山体在波谱特征上非常相似，但研究区山脉很少 这点就避免了对山体的误提。建设用地的TM4、TM7以及TM4、TM3灰度值非常接近，水 体也具有这一特性，但我们可以再根据水体的提取模型进行剔出。根据上述分析，我们选取（TM4-TM7）<15和（TM5-TM4）>02分别进行建设用地的提 取。（3）绿地提取 归一化差异植被指数NDVI对绿色植被表现敏感,该指数常被用来进行区域和全球的植被状态研究。本文采用植被指数RVI、标准化植被指数NDVI（公式见下所示），对研究区 绿地进行提取，即NDVI>0。但研究发现部分建设用地特别是工矿区低层建筑、村镇建筑物 一些象元也呈现出NDVI>0的特征，即TM4-TM3>0的现象，但其差值一般很小，可以设置 TM4-TM3>K1或DVI=TM4/TM3>K2，实验采用K1=8或K2=1.1。RVI=TM4/TM3NDVI=（TM4-TM3）/（TM4+TM3）（4）塌陷地的提取2研究区的塌陷地主要是采煤引起的塌陷土地，同时伴随着采水导致的地面沉降等新的塌 陷形式。沈阳矿区开采时间长，范围大、地面塌陷也相当严重，特别在雨季塌陷地还有积水， 以面状或斑点状形态与线蓝色背景形成鲜明的对比。基于土地覆盖因子变化的提取模型：以某一矿区中心（或矿区井田边界）为基础做缓 冲区分析，半径r1根据矿区开采面积确定，得到区域R1；在区域R1内划定土地利用变化 范围R2，由多时相遥感图像分类信息或GIS基础信息确定变化模型，提取符合塌陷地特点的 区域；根据R2和知识推理原则，确定可能的塌陷地象元集合R3；根据经验统计数据， 确定外推半径r2，以R3边界为基础，向外作缓冲区R4，即可作为提取的塌陷地。矿区塌陷地的提取在实际工作中，我们应该辅助高分辨的遥感图像，如雷达遥感图像， 对矿区塌陷地进行区域提取及高程提取，在此基础上综合矿区沉降资料进行对比分析，获得 不同时期塌陷地信息。（5）其他地物的提取 根据沈阳矿区分类体系，上述四类是对矿区土地资源的总体提取，为了研究详细地类的变化规律，我们又在以上提取结果的基础上进行了级提取，即居民地、道路、裸地、耕地、 草地等。这里仅对居民地的提取做简单的介绍：在建设用地提取基础上对图像再经过以下模 型的特征提取得到矿区居民地信息。TM4（4080）AND TM5（70100） AND TM4TM3<152.2 相领时段地物变化信息提取利用不同时相的遥感影像可以提取出相邻时段的土地利用变化信息，为了研究矿区近20 年来的土地利用变化情况，我们对 1976、1981、1995、2001、2005 年的图像进行了地物 变化信息的提取，主要采用了两种方法：一种是直接基于遥感图像、通过多时相图像综合分析评价；另一种则是利用所提取的信息、分类结果在 GIS 的支持下，结合空间分析模型进行分析研究，即分类后比较法。根据上节的研究成果，由于已经获得了各时相各地物的分类 信息，因此本文主要介绍第二种方法在 GIS 的支持下对研究区进行了变化信息的提取与分 析，具体过程如下：（1）各类提取地物在 GIS 下进行矢量化处理并添加属性信息入库 将各地物提取图通过栅格矢量化入库，在这过程中我们应当注意以下问题：将提取图与已有地形图进行对比分析，剔出有误信息，再将图像进行聚类统计、过滤分析、去除分析以 去除大量小多边形，最后对图像进行平滑处理防止产生大量的“岛”多边形。经过上述处理后 的图像我们可以在 GIS 的支持下添加属性信息、编码后入库。（2）对相邻时相的同类地物进行 GIS 叠加分析、面积量算:通过对相邻时相的相同地物进行变化检测，提取出变化信息，如图 2 所示。最后对变化 图像再进行上面的矢量化处理入库，借助 GIS 功能对变化区域进行演变分析，主要包括： 时间序列分析（矿区土地利用/覆盖结构变化分析、各地类动态变化率分析等）与空间序列 分析（各矿区土地利用相对变化率等）。（a）1995 年水体提取图（b）2001 年水体提取图3. 结 论（c）1995-2001 年水体变化图图 21995-2001 年水体变化监测Fig.2 Monitor of water in 19952001本文就矿区这一特殊地理区域为研究对象，建立了沈阳矿区土地资源的遥感分类体系，并综合前人研究成果对矿区土地资源的提取进行了深入探讨，提出了基于 TM 遥感图像的分 类提取模型，最后辅助 GIS 空间分析功能对土地资源变化信息进行了提取，为下一步建立 矿区动态数据库提供基础数据。参考文献1 谢宏全,胡振琪.论基于遥感的矿区土地利用/覆盖分类体系J.辽宁工程技术大学学报.2004,23(6):721723.2 杜培军,胡召玲,郭达志等.工矿区路面演变监测分析与调控治理研究M.北京：地质出版社,2005. 3 郭达志,张瑜.矿区资源环境信息系统的基本内容和关键技术J.煤炭学报.1996,21(6):571.4 陈华丽,陈刚,李敬兰,丁国平.湖北大冶矿区生态环境动态遥感监测J.资源与科学.2004.5 史培军,宫鹏,李晓兵等.土地利用/覆盖变化研究的方法与实践M.北京:科学出版社,2000.3638. 6 彭苏萍,王磊等.遥感技术在煤矿区积水塌陷动态监测中的应用J.煤炭学报.2002,27(4):374378. 7 陈华丽,陈刚,郭金柱.LandsatTM 在矿区生态环境动态监测中的应用J.遥感信息应用技术.2004,33.8 雷利卿等.遥感技术在矿区环境污染监测中的应用研究J.环境保护,2002(2).9 杜培军,郭达志.遥感影像与 DTM 的复合及其在矿山的应用J.煤炭学报.2000,19(3). 10 武文波等.基于S 空间信息集成技术的矿区资源环境监测J.矿山测量.2005(4).Classification and extract of the land resource in mining area based on TM imageWu Wenbo, Zhang ZhengpengDepartment of Surveying Engineering, Liaoning Technical University, Fuxin, China（123000）AbstractThe land resources classification and extractions on TM images are the first tache to establish thedynamic monitoring of mining area. Use TM image as data source to build Shenyang mining area land resources classification system, and use the sub area stratiform method to classify. On this basis, through the spectral analysis of TM images, research the classified extraction model of mining land information. With the help of GIS spatial analysis, extract the changed information among the mine land classification, which will provides the data preparation for the future dynamic monitoring analysis of mining area land resources.Keywords: Classification system; Supervised classification; Model abstraction; Dynamic monitoring作者简介：武文波(1957-)，男，吉林长春人，教授，博士生导师。主要从事 3S 在资源环境 中的应用研究。