大同矿区忻州窑矿(井工矿)土地利用分类最佳波段组合研究*

王佳佳，邵亚琴，吴志刚

(1.内蒙古科技大学 矿业与煤炭学院，内蒙古 包头 014010；2.神华北电胜利能源有限公司，内蒙古 锡林浩特 026000)

土地资源，与我们而言至关重要，不但体现着在自然界的不可或缺的重要性，而且代表着人类社会的发展.一般情况下，人们通过降低和破坏自然环境条件，来满足人们对于资源的需要[1].在忻州窑矿的区域内，人们为推动社会经济的发展而进行一系列活动一定会对矿区土地利用造成独特的影响.

研究土地利用类型分类对土地规划有着重要的意义.遥感技术对土地利用类型分类提供技术性支持.只有更好地了解土地利用类型的现状及变化，才能制定更加合理的计划，达到对土地资源的分配与利用.选择的区域是大同矿区忻州窑矿，大同忻州窑矿不是将煤炭资源裸露在外的露天矿，而是资源在地底下，需要掘进才能开采到煤炭资源的井工矿.但是地面和也能居住生活，对人们的影响不是很大.

1 测区概况

1.1 研究区概况

1.1.1研究区地理位置

大同矿区忻州窑矿是具有开采历史悠久，且开采量大的煤矿，周围人们生活的环境收到的影响较大.忻州窑矿所在位置为大同煤田东北端，东经113°3′56″～113°8′16″，北纬40°2′8″～40°4′58″，面积为18.13 m2其中包括忻州窑村、石岩庄村、兴旺庄村、刘官庄村.直线距离17.5 km，东西长5.7 km，南北6.08 km[2].

1.1.2研究区自然概况及资源

研究区处于地形陡峭起伏的黄土高原的边缘，气候属于半干旱区暖湿带气候，由于湿陷性的黄土受煤矿采动影响.矿区沟谷纵横，土地养分退化，沉陷区地形变得复杂.大同矿区的居民及周围企业的生命财产安全和煤炭开采活动都被它们影响.

大同矿区煤炭规模开采始于二十世纪三十年代，煤炭产量逐年增长，也促进经济的持续增长.截止到2018年9月，其煤炭资源储量合计310.10亿t，资源储量丰富.但是煤炭开采影响到区域环境，形成很多的采煤塌陷区.

图1 大同矿区忻州窑矿区位图

2 数据来源

数据来源是地理空间数据云(http://www.gscloud.cn).根据大同年鉴、谷歌地球和地理空间数据云的数据综合考虑，以及根据人类活动以及自然因素，将时间划分为3个阶段，研究的影像时间主要是在7月和8月，云量要求小于5%.分别是2004，2017 a.

2.1 2004年所用数据

2004年所用数据为Landsat 4，Landsat 5遥感影像，见表1.

表1 2004年影像数据的基本信息

2.2 2017年所用数据

2017年所用数据为Landsat 8遥感影像，如表2.

表2 2017年影像数据的基本信息

2.3 数据预处理

将合成好的影像，先进行转换坐标系，在地理空间数据云中下载的数据为WGS84坐标系，所以按照分带规则，研究区域经度为125°，转为西安19带.

本次在ENVI 5.3下利用矢量数据进行图像的不规则裁剪.然后在ENVI 5.3中统计相关信息，波段相关系数、标准差、最大值、最小值等.

图2 矢量数据影像的不规则裁剪

3 最佳波段组合

3.1 最佳波段选择原则

选择波段主要有以下原则：遥感影像的光谱数量越来越多，其中含有的信息也越加详细，但是也会增加数据冗杂过多，反而不利于地物的提取；彩色合成时，各个波段之间的相关性小；参与波段合成得到的彩色图像对所要研究区的地物类型之间的光谱差异要大.那些信息含量多、相关性小、地物光谱差异大、可分性好的波段组合就是最佳组合[3].

3.2 基于光谱特征分析的最佳波段选择

在各种方法中，最佳指数法(OIF)是最贴合实际的一种方法，OIF指数的计算公式如下.

(1)

式中：Si为第i个波段的标准差；Rij为i、j2波段的相关系数[4].OIF指数越大，则相应组合影像所包含的信息量就越大，最大OIF指数对应的波段组合即为最佳波段组合.

3.3 光谱特征统计及波段间相关系数计算

通过大小，来判断波段所含信息的多少，统计得出的标准差、相关系数等都可以为影像的波段选择和分析处理提供一定的基础[5].

由于Landsat 4-5影像共有7个波段，而本次进行土地利用特征提取的最佳波段，所以在波段重组时舍弃波段6，只研究剩下6个波段.由于Landsat 8其中波段8为全色波段，波段10为热红外1，波段11为热红外2，卷云波段不参与合成，只研究前7个波段.

3.3.12004年遥感图像光谱特征统计及波段间相关系数计算

对研究区域的波段信息用ENVI 5.3进行统计，统计后将其按照所要数据进行排序如下表.

表3 2004年TM遥感影像单波段光谱特征统计

通过上表可知，波段2所含的信息最多，所以优先选择波段2.然后用Excel算出标准和差，再进行排序.根据合成波段统计出相关信息见表4.

表4 2004年TM遥感影像多波段光谱相关系数

根据多波段间相关系数计算结果，结果为上表所示，波段3、波段7的相关系数在整个相关系数矩阵中属于较低的，其中信息冗余度较高.波段组合共有20种，表5列出了前7种.

表5 2004年遥感影像OIF值

根据最佳波段选择原则，结合OIF值排序进一步最佳波段故波段2波段3波段7组合的方式为最佳波段，以下为2个波段的组合图.

图3 2004年最佳波段合成影像波段7-3-1

3.3.22017年遥感图像光谱特征统计及波段间相关系数计算

对研究区域的波段信息用ENVI 5.3进行统计，统计后将其按照所要数据进行排序，如表6所示.

表6 2017年Landsat 8遥感影像单波段光谱特征统计

通过上表可知，波段3所含的信息最多，优先选择波段3.然后用Excel算出标准和差，再进行排序，根据合成波段统计出相关信息如表7.

表7 2017年Landsat 8遥感影像多波段光谱相关系数

根据多波段间相关系数计算结果，结果为上表，波段1、波段3的相关系数在整个相关系数矩阵中属于较低的，光谱重叠情况较严重，其中信息冗余度较高.波段组合共有35种，表8列出前7种.

表8 2017年遥感影像OIF值

根据最佳波段选择原则，以及波段组合以后的效果图，结合OIF值排序进一步最佳波段故波段7波段2，波段3组合的方式为最佳波段，以下为3个波段的组合图.

图4 2017年最佳波段合成影像波段7-2-3

3.4 监督分类精度的精度评价

3.4.12004年监督分类的精度评价

根据谷歌地球调查配合高精度卫星图片对2004年土地利用类型分类图进行精度验证，总体精度为94.36%，Kappa系数为0.93.

3.4.22017年监督分类的精度评价

根据谷歌地球调查配合高精度卫星图片对2017年土地利用类型分类图进行精度验证，总体精度为94.33%，Kappa系数为0.93.

表9 2004年土地利用类型分类精度评价 单位：%

总体精度：Overall Accuracy=(67/71)94.366 2%

Kappa系数：Kappa Coefficient=0.933 8

表10 2017年土地利用类型分类精度评价 单位：%

总体精度：Overall Accuracy=(100/106)94.339 6%

Kappa系数：Kappa Coefficient=0.933 8

4 总结与展望

以一景影像为例，先将数据中的几幅影像进行合成、转坐标、裁剪，然后用ENVI 5.3生成相关报告，利用EXCEL软件计算出各波段组合的OIF值，然后通过实际组合效果，选择最佳波段组合.最佳波段组合也为监督分类等提供便利，便于研究土地利用现状.土地利用变化研究都集中于了解土地系统变化的驱动因素和环境影响，从而利用调整土地利用实现可持续发展目标[6].最佳波段组合的结果，是多方面原因导致的，其中最为关键的是研究的目标，研究的区域，研究使用的方法都会使得结果不同，传感器不同、分辨率不同也会影响结果的不同.最佳波段是土地利用分类的重要步骤，所以最佳波段的选择，决定了土地利用类型的精度.而土地利用分类又决定着土地利用类型的时间和空间的变化.本文基于山西大同忻州窑矿2004年TM影像和2017年OLI影像根据最佳波段选择原则，结合单波段、多波段光谱特征分析、最佳指数因子排序逐步确定符合条件的最佳波段.经实验研究，在2004年，认为波段1，3，7为适合研究区土地利用类型信息提取的最佳波段，波段选择满足信息量大、相关性小且多数地类被区分的最佳波段选择原则.经定性和定量验证，发现7-3-1为最佳波段组合方式，其解译效果和精度最高.在2017年，选择方法与2004年相同，但是并不能很好的分辨哪个是最佳波段，所以将几种组合方式进行比对，然后进行监督分类的精度分析，波段7-2-3更为合适，可以分辨更多的地物类型并且精度很高.