面向对象的沿海地区土地利用/覆被信息提取研究

杨小艳，刘文璐，李 龙，陈龙乾，陈龙高

(1. 江苏师范大学地理测绘与城乡规划学院，江苏 徐州 221116； 2. 中国矿业大学环境与测绘学院，江苏 徐州 221116； 3. Department of Geography, Earth System Science, Vrije Universiteit Brussel, Brussels 1050)

土地利用/覆被(LUC)及变化研究一直是地学研究中的热点[1-3]。遥感技术获取LUC信息具有成本低、客观和实时动态的优势[4-7]。基于像素的RS影像LUC分类方法不考虑地物的空间语义及纹理结构等信息[8]且“椒盐”效应明显[9]。面向对象的方法将特征近似的相邻像素归并为一个对象，地物中的光谱信息与空间语义信息充分应用于数据分类中，使得LUC分类精度得到提高[10]，已广泛应用于中高分辨率遥感影像分类中[11-13]。

沿海地区的滩涂会随着潮位变化，而盐田则因生产周期发生变化，故呈现周期性的变化规律。传统的基于像素分类的方法在提取上述特殊LUC类型时易产生错分现象。沿海滩涂及盐田等土地类型斑块较大，包括Landsat、CBERS等在内的影像能够获取相应的空间语义及纹理结构等信息，为应用面向对象的方法提供了理想的数据来源。

本文以沿海特殊土地利用类型区连云港市为例，构建面向对象的分类方法，以提高LUC信息提取的精度，从而为区域土地利用管理等提供数据支持。

1 研究区概况与基础数据来源

连云港市是江苏省北部沿海城市，地貌类型多样，土地类型主要有城镇、村庄、耕地、园地、林地、滩涂、盐田等。本文研究影像数据由Landsat 8于2013年8月27日采集。DEM采用ASTER GDEM V2版本数据。此外，还收集了2013年度土地利用数据用于精度评估。

2 技术流程与方法

2.1 LUC类型划分与确定

本文土地利用/覆被类型包括城镇、村庄、耕地、水体、林地、滩涂、盐田。其中城镇主要指城镇、部分硬化地面及城镇外工业用地，裸岩石砾地等因在光谱特征上与硬化地面一致也划分至该类型；耕地包括旱地、水浇地及水田；水体包括河流水面、水库、坑塘等；滩涂主要指沿海滩涂区；林地包括各种天然和人工林地。

2.2 数据处理提取

首先对土地利用矢量数据进行配准，配准精度控制在1个像素以内。然后利用易康平台完成影像对象分割及土地利用/覆被分类等操作。其他数据中，NDVI利用公式(Band5-Band4)/(Band5+Band4)得到；NDWI利用公式(Band3-Band5)/(Band3+Band5)得到；Slope数据利用ASTER GDEM数据测算得出；海岸线(DSL)数据则首先综合土地利用现状数据和遥感影像获取海岸线，最后利用缓冲区工具提取距海岸线20 km以内的区域。

2.3 二次影像分割

为了充分利用地物纹理及空间语义等特征参与分类，本文采用了二次分割的方法分别建立了父对象与子对象。形状和紧致度参数分别设置为0.1和0.5。在尺度参数的选择上，父对象分割尺度设置为200，子对象分割尺度设置为20。经目视检验，分割后的对象基本达到影像分割时对象间同质性最小、异质性最大的要求。

2.4 分类规则与流程构建

连云港地区盐田多呈现水体及建设用地光谱特征，滩涂则因时期不同呈现不同波谱特征，从而易与城镇及水体等土地利用类型混淆。深浅海水体和深浅淡水体因盐分、矿物质及水体深度不同，其光谱特征也存在明显的差异，易与其他地类混淆。南部平原区和北部丘陵区耕地类型因土壤质量不同导致作物种植密度和茂盛度均有较大差异，从而存在光谱差异。

上述特点导致传统基于像元的方法易产生错分，但不同LUC类型具有不同的形状及影像特征。如北部丘陵区旱地形状不规则，但平原旱地及水田边界清晰，多为规则矩形或条状；盐田边界较清、排列整齐；滩涂边界不清，呈波纹状纹理；水体纹理较均一、边界较清、形状多样；城镇轮廓明显。此外，连云港林地多分布于坡度>10°的区域，滩涂和盐田则集中分布于海岸线20 km以内区域,这为构建面向对象的分类方法提供了重要支撑。

本文研究采用多层多次分类方法，并构建了相应的分类规则和流程,如图1所示，并最终获得了LUC分类结果。

2.5 分类结果精度评价

根据研究区2013年度土地利用变更数据，应用随机采样的方法获取522个采样点，各具体类型样点数量根据实际各类用地面积比例确定；而后将实际类型与遥感分类类型赋值至采样点进行比较分析，从而获取研究区LUC误差评价矩阵，见表1。

表1 研究区土地利用/覆被分类精度评价结果

3 结果分析

从分类结果可知，林地主要位于连云港市中东部与北部山区及丘陵地区，滩涂与盐田则集中分布于东部沿海区域，其他类型则在全市各区域均有不同程度的分布。本方法分类总体精度超过85%，但是总体Kappa系数也超过了0.7的最低允许判别精度[14]，并达到较好的分类精度要求[15]。其中耕地的制图精度与用户精度均超过90%，表明该方法可以有效地减少因连云港市南北部区域耕地植被覆盖度不同导致的错分现象。盐田用户精度达93.24%，表明其分类为盐田的样点准确度较高，在一定程度上证明了该方法用于提取盐田信息的可行性。滩涂分类结果用户精度达到88.16%，表明本方法可以应用于滩涂信息的提取工作。

以往关于连云港市部分区域(主要为中心城区)LUC的研究结果精度虽然更高，但分类的范围较小，而且应用单个季节进行土地利用/覆被分类很难获取沿海滩涂与盐田等特殊土地利用类型[16]；应用多季节联合的分类方法可以提取包括滩涂与盐田等在内的土地利用/覆被类型，但是往往需要同一年度多个季节符合质量要求的影像[17]，其数据收集难度相对较大。

本文方法综合利用了遥感影像、DEM、海岸线等多源数据，可对整个行政区域内包括沿海滩涂与盐田等特殊类型的土地利用/覆被进行分类。此外，本文方法只使用了单个时期的遥感影像，精度能够达到中尺度土地利用相关分析的精度要求，具有实际的应用价值。

4 结 语

基于市县尺度的土地利用相关研究区域较大，而同一土地利用类型在不同地形区的光谱特征具有较大的差异；沿海地区滩涂与盐田等与建设用地和水体具有相似的光谱特征。上述问题均增加了基于像元的LUC分类的难度。然而，包括盐田与滩涂在内的LUC类型在纹理、形状及空间关系等方面具有自身特点，可以充分利用其进行LUC信息提取工作。

本文基于面向对象的方法实现了对沿海区域市县完整尺度下的LUC信息提取工作，克服了基于像元的分类方法中单季节影像难以获取沿海滩涂与盐田信息的不足，以及多季节联合方法需要同一年度多个季节符合质量要求的影像的限制，分类精度能够达到相关应用的要求。本方法既可为研究区土地利用相关研究提供符合精度要求的数据，也可为其他沿海地区进行LUC信息提取工作提供参考和借鉴。