西乌珠穆沁典型草原遥感分类方法的比较分析

臧琛等

摘要：针对西乌珠穆沁典型草原2012年8月30米分辨率的ETM多光谱遥感影像数据，采用不同分类方法进行监督分类，对不同分类器在典型草原遥感影像分类中的应用效果和分类精度进行评价与比较。针对典型草原退化分类问题探究几种不同典型草原遥感分类方法的优劣，从中挑选出最适用的典型草原退化的遥感分类方法。并通过先验知识和野外调查数据，对分类结果进行分析，通过总体分类精度、混淆矩阵和 Kappa系数对几种分类器的精度进行评价和比较。

关键词：西乌珠穆沁典型草原；遥感；分类方法；典型草原退化；监督分类

中图分类号：S155.4 文献标识码：A 文章编号：0439-8114（2015）17-4156-03

草原是我国北方分布最广泛的自然生态系统，是我国北方重要的生态安全屏障[1]。但由于受到大陆性半干旱气候的作用、人类活动的影响，草原生态系统极易发生退化。草原分布广、面积大，只靠实地调查对草原退化情况进行监测根本无法实现。遥感凭借其获取地面信息范围广、手段多、信息量大、时效性强、成本相对较低等优点成为草原退化监测的首选手段。

为了精确地提取出遥感影像中包含的信息，需要保证遥感影像数据处理的精度，其中一个重要的环节就是要保证遥感影像分类的精度。基于光谱的遥感影像分类分为非监督分类和监督分类。相对而言，监督分类由于经过了先验知识样本的训练，其分类效率、分类结果的精度及可用性均优于非监督分类，是应用较为广泛的分类方法。监督分类的方法有很多，各种方法分类精度不同。对于不同的研究对象应用同一种分类方法精度有显著的差异，对相同的研究对象应用不同的分类方法，分类的精度也不相同。本研究分别采用监督分类的多种方法，对西乌珠穆沁典型草原的退化状况进行了分类，并通过在试验区的实地调查结果对各分类方法的分类结果和精度进行了系统的对比分析。

1 地面调查试验

1.1 研究区概况

研究区域位于内蒙古中部西乌珠穆沁旗附近的西乌珠穆沁典型草原。西乌珠穆沁典型草原地形属流水作用的低山和干燥作用的丘陵剥蚀平原交汇地带，是一个以高平原为主体的地区，地势由东南向西北逐渐倾斜，海拔854～1 957 m[2]。西乌珠穆沁典型草原属中温带内陆半干旱气候，夏季温暖短促，冬季寒冷漫长，年平均温度1 ℃，最高气温37 ℃，最低气温-39 ℃，年平均降水量350 mm，年平均蒸发量1 600 mm。植被类型以典型草原和沙地草原类型为主，随土壤和地带性变化而变化，植物群落以大针茅、克氏针茅、冷蒿、变蒿、羊草为主[3]。试验区中心位置位于北纬44°33′47″，东经117°31′59″，海拔1 010 m。

1.2 试验方法

以试验区中心位置的中重度退化区域为中心点，利用GPS定位沿经纬度方向呈十字交叉的垂直方向布点，布点间距为100 m，在中心点的四个方向布点，每个方面布采样点25个，沿经纬度各采样5 km，共布置100个采样点，每个采样点的取样方面积36 km2，试验区的总面积25 km2。在草原植被生长期7～9月进行采样，调查植被群落的优势种、建群种、指示种及植株平均高度、平均盖度、生物量（鲜重）等。2012年实地调查时间为8月，获取样点数据100组。

2 遥感分类试验

遥感影像试验是在ENVI4.3环境下进行的。根据ETM影像各波段特点，选用反映植被特征明显的B2、B3、B4波段进行波段融合。然后对地面调查同时期遥感影像进行分割，将试验区影像分离出来，以提高遥感影像处理的效率。在对遥感影像进行几何纠正、大气校正后，利用地面调查100组样点数据中的50组，基于其植被信息依据GB19377-2003《天然草地退化、沙化、盐渍化的分级指标》和当地草原站的专业经验判定该样方的退化程度，将样点定义为3种退化类型，即未退化、轻度退化、中重度退化。对3种类别进行可分离程度计算，发现中重度退化、未退化类别间可分离度大于1.9，类别间可分离程度极佳。轻度退化、中重度退化类别间可分离程度接近1.8，可分离程度也较好。但未退化、轻度退化类别间可分离程度约为1.7，可能会影响分类精度。类别间可分离程度数据如表1所示。

根据地面调查获取的训练样本，本研究运用了平行六面体法、最小距离法、马氏距离法、最大似然法、人工神经网络法、支持向量机法6种监督分类方法对试验区ETM遥感影像进行了典型草原退化分类。

平行六面体法又称箱式决策规则，它利用训练样本的光谱值构成一个多维的平行六面体，若待分类像元的光谱值落在该平行六面体的任何一个训练样本数据空间，就被划分到对应的类别中。平行六面体法是一种简单快速的方法，缺点在于类别较多时，样本互相重叠，也由于训练样本的代表性问题，使训练样本组成的多维空间范围小于实际像元的光谱值，导致被分类的像元无法被分为任何一类[4]。

最小距离法的基本思想是使用训练样本的均值向量来计算每个类别的均值向量和标准差向量，然后计算待分类像元到每个类别均值向量的欧氏距离，待分类像元会被分类到欧氏距离最近的类别均值向量一类。该法原理简单，精度不高，但分类效率极高。

马氏距离法是一个方向灵敏的距离分类方法，表示的是协方差距离。这种方法既考虑了离散度，也考虑了训练样本的均值向量和协方差矩阵，是加权的欧氏距离。它可以排除变量间的相关性干扰，但是夸大了变化微小的变量的作用。

最大似然法是建立在贝叶斯准则基础上，综合应用了每个类别在各波段中的均值、方差以及各波段之间的协方差。其思想是根据训练样本计算各种类别的统计特征值，建立分类判别函数，然后依次将各像元特征向量代入判别函数求出其属于各类的概率，将待分类像元分类到判别函数概率最大的一类。该分类法错误概率小、精度高，是一种很好的分类方法。

人工神经网络法是由大量神经元相互连接形成的网络结构，是人脑的某种抽象、简化与模拟。这种分类方法具有良好的鲁棒性和自适应性，在处理以数据量多、含混度高著称的遥感影像的模式识别问题时，利用多层神经网络有利于实现多特征空间的非线性划分。

支持向量机法是一种建立在统计学习理论基础上的分类方法。支持向量机法的基本思想是通过非线性变换将训练样本映射到一个高维的特征空间，然后在这个特征空间中求取最优分类超平面，该分类超平面不但能够将训练样本正确分类，而且训练样本之间的分类间隔最大。支持向量机法最大的优点是进行分类时无须进行数据降维，并在算法的收敛性、训练速度、分类精度等方面都具有较高的性能。

对遥感影像进行不同方法分类后，6种分类法的结果如图1所示。图中深灰色类别是未退化典型草原，浅灰色类别是轻度退化典型草原，中灰色类别是中重度退化典型草原。

3 评价与比较

遥感影像的分类精度评价是遥感信息提取中一个非常重要的环节。对遥感影像进行精度评价不但可以对分类方法进行评价，也是遥感分类质量的最终评价标准。遥感影像的分类精度评价通常是通过对比分类结果图与标准图或地面实测数据来实现的。

混淆矩阵在对角线分布的是地面检验样点被正确分类的个数，同时也可以从其他位置中看出被错分样点的具体错分类别。其检验样点的正确分类数与总检验样点数之比即为分类的总体精度。Kappa系数则可以表达分类与期望分类的一致性，主要体现的是分类的可信性，一般Kappa系数大于0.4，分类结果比较可信；Kappa系数大于0.7，则分类质量非常好，精度非常高[5]。

本研究主要采用在分类中未用的地面调查数据中的32组作为检验样点，对试验区遥感影像通过不同分类方法得到的分类结果进行精度评价，评价结果用混淆矩阵、分类总体精度、Kappa系数3个指标加以描述。限于篇幅，文中各种分类方法及对应分类结果的混淆矩阵省略不表，其分类总体精度及Kappa系数如表2所示。

4 结论

本研究通过将地面调查获取的数据作为分类训练样本，以6种不同的方法对试验区遥感影像进行了分类，得到了分类结果并对分类结果的精度进行了评价。在6种分类方法中，平行六面体法的总体精度与Kappa系数显然不符合分类的预期，精度较低，而且分类质量低，可信度不高。最小距离法、最大似然法、人工神经网络法及支持向量机法的总体精度大于70%，Kappa系数大于0.4，表明这4种分类方法均比较适用于西乌珠穆沁典型草原退化的分类，其中以最小距离法分类精度最高，在草原退化遥感分类中推荐使用。从人工神经网络法和支持向量机法的分类图中可以明显看出类别的缺失与错分，通过对训练样本和检验样本的分析，其原因可能是在地面调查取样过程中由于获取的未退化及中重度退化样本较少所导致。

参考文献：

[1] 胡志超，李政海，周延林，等.呼伦贝尔草原退化分级评价及时空格局分析[J].中国草地学报，2014，36（5）：12-18.

[2] 庞立东，刘桂香，刘建强.遥感与GIS技术在草地景观分类与制图中的应用——以西乌珠穆沁为例[J].内蒙古农业大学学报（自然科学版），2010，31（2）：304-309.

[3] 张春荣，尚士友，孙立武，等.基于“3S”技术的典型草原栗钙土层结构模型[J].农机化研究，2008（12）：5-8.

[4] 贾海峰，刘雪华.环境遥感原理与应用[M].北京：清华大学出版社，2006.

[5] 付 佳，黄海军，杨曦光.基于ENVI的唐山湾三岛土地利用遥感分类方法的比较分析[J].海洋科学，2014，38（1）：20-26.