遙感地學(xué)分析

實(shí)驗(yàn)大綱一、實(shí)驗(yàn)?zāi)繕?biāo)《遙感地學(xué)分析》是一門快速發(fā)展的多學(xué)科融合的綜合性課程。課程的難點(diǎn)多，在教學(xué)中釆用理論教學(xué)、對(duì)比分析、野外實(shí)習(xí)與實(shí)驗(yàn)遙感等多種教學(xué)手段相結(jié)合，通過(guò)實(shí)驗(yàn)教學(xué)環(huán)節(jié)使學(xué)生加深對(duì)知識(shí)點(diǎn)的理解和掌握。木課程的實(shí)驗(yàn)教學(xué)闈繞課程的重點(diǎn)與難點(diǎn)合理安排實(shí)驗(yàn)項(xiàng)目，逐步培養(yǎng)學(xué)生的理解能力、動(dòng)手能力與創(chuàng)新能力。木課程的重點(diǎn)與難點(diǎn)主要包括下而幾個(gè)方而：（1）區(qū)域宏觀分異與遙感形像特征的關(guān)系的認(rèn)識(shí)。遙感地學(xué)分析是基于區(qū)域地理分異基礎(chǔ)上的遙感分析方法，地理分布或目標(biāo)地物的公異性和相似性決定遙感影像的反射或輻射特征，是正確理解遙感地學(xué)分析的前提。（2）目標(biāo)地物信息的提取模型的理解與掌握。（3）綜合分析能力的培養(yǎng)。依據(jù)上述重點(diǎn)與難點(diǎn)，在實(shí)驗(yàn)環(huán)節(jié)上采取以下措施：（1）強(qiáng)化課程野外實(shí)習(xí)。充分利用遙感影像進(jìn)行野外實(shí)習(xí)足解決區(qū)域公異性與相似性認(rèn)識(shí)的必要措施。木課程與相關(guān)公司合作制作了南京湯山的遙感圖像，并確定該區(qū)域?yàn)檎n程野外實(shí)習(xí)場(chǎng)所，進(jìn)行土地利用/覆蓋、巖石類型、土壤等方而的公異性分析并結(jié)合遙感圖像的影像特征認(rèn)識(shí)，強(qiáng)化了區(qū)域筮異性在遙感圖像上表現(xiàn)的認(rèn)識(shí)，從而提高學(xué)生對(duì)遙感圖像的理解。（2）充分利用遙感試驗(yàn)場(chǎng)實(shí)驗(yàn)，提高學(xué)生對(duì)目標(biāo)地物的反射與輻射特性的認(rèn)識(shí)。結(jié)合遙感試驗(yàn)場(chǎng)的土壤、水體的反射光譜測(cè)定和土壤熱紅外輻射的測(cè)定和土壤、水體的化學(xué)成分分析，進(jìn)一步認(rèn)識(shí)不同組分對(duì)反射和輻射的影響，從而從微觀上進(jìn)一步理解遙感分析方法。（3）木科學(xué)生分組參與主講教師承擔(dān)的項(xiàng)目，進(jìn)一步提升學(xué)生的研究和綜合分析能力。二、實(shí)驗(yàn)計(jì)劃實(shí)驗(yàn)編號(hào)實(shí)驗(yàn)內(nèi)容課時(shí)1目標(biāo)地物反射波譜的測(cè)呈32遙感圖像典型地物波譜特征分析63典型土壤類型的波譜特征34水體波譜特征與水環(huán)境質(zhì)雖分析65植被波譜特征與葉面積指數(shù)、生物雖分析66土地利用/覆蓋信息提取3三、考核辦法實(shí)驗(yàn)的考核內(nèi)容是各項(xiàng)實(shí)驗(yàn)報(bào)告。評(píng)分方法主要依據(jù)實(shí)驗(yàn)報(bào)告的規(guī)范程度和分析問(wèn)題是否有理有據(jù)。原理與方法實(shí)驗(yàn)一：目標(biāo)地物反射波譜的測(cè)量（3學(xué)時(shí)）原理與方法實(shí)驗(yàn)一：目標(biāo)地物反射波譜的測(cè)量（3學(xué)時(shí)）地物光譜反射率野外測(cè)定的原理可參看相應(yīng)教材，這里不再進(jìn)行贅述。實(shí)習(xí)采用垂直測(cè)雖的方法，計(jì)算公式如下：pW=VW（1.1）式中：°（刃為被測(cè)物體的反射率，a（刃為標(biāo)準(zhǔn)板的反射率，”（幾）、K（久）分別為測(cè)呈物體和標(biāo)準(zhǔn)板的儀器測(cè)呈值。實(shí)驗(yàn)儀器1可見光-近紅外光譜輻射計(jì)，波長(zhǎng)范圍0.4?2.5“"（有0.4?1.1"〃或1.3?2.5/勸兩種儀器），以其性能穩(wěn)定，便于攜帶，數(shù)據(jù)的提取比較容易。表1-1列出了目前常用的光譜儀，儀器的具體使用方法可參見相關(guān)的儀器說(shuō)明書。2標(biāo)準(zhǔn)參考板（白板或灰板）。表1-1常見的光譜輻射儀型號(hào)生產(chǎn)地波長(zhǎng)范圍/“77WDY-850地面光譜輻射計(jì)中科院長(zhǎng)春光機(jī)所0.38-0.85DG-1野外光譜輻射計(jì)中科院安徽光機(jī)所0.4?1?1SRM-1200野外光譜輻射計(jì)日木0.38?1.2SE-590便攜式光譜輻射計(jì)美國(guó)0.38?1.1WDY-2500紅外地物光譜輻射計(jì)長(zhǎng)春0.8-2.5DG-2野外光譜輻射計(jì)安徽1.3?2.5DW地物光譜儀北京師范大學(xué)0.4?1?1ASD光譜輻射計(jì)美國(guó)0?1?1.0/0.4?2.5實(shí)驗(yàn)?zāi)康?學(xué)習(xí)地物光譜的測(cè)定方法：2認(rèn)識(shí)地物光譜反射率的規(guī)律；3學(xué)習(xí)繪制地物反射光譜曲線；實(shí)驗(yàn)報(bào)告內(nèi)容包括：目的、儀器、測(cè)雖目標(biāo)基木信息、環(huán)境參數(shù)表、測(cè)試數(shù)據(jù)表、一組反射率曲線圖、誤筮分析等。實(shí)驗(yàn)二：遙感圖像典型地物波譜特征分析（3學(xué)時(shí)）原理與方法太陽(yáng)輻射到達(dá)地面之后，物體除了反射作用外，還有對(duì)電磁輻射的吸收作用。電磁輻射未被吸收和反射的其余部分則是透過(guò)的部分，即：太陽(yáng)輻射能呈=反射能星+吸收能呈+透射能星反射能雖的大小決定了不同地物在不同電啟波波段上的反射率的大小，針對(duì)實(shí)驗(yàn)一測(cè)雖獲得的典型地物波譜數(shù)據(jù)分析其不同波長(zhǎng)上的反射和吸收特征。實(shí)驗(yàn)方法采用曲線分析法，分析典型地物的反射光譜峰谷變換。實(shí)習(xí)儀器學(xué)生實(shí)習(xí)機(jī)房圖象處理軟件（EXVI3.5）實(shí)驗(yàn)?zāi)康?、掌握典型地物（植被、水體、裸巖等〉類型的波譜特征：2、掌握應(yīng)用遙感圖像處理軟件進(jìn)行典型地物波譜分析方法。3、重點(diǎn)分析不同植被類型光譜筮異的影響因素實(shí)驗(yàn)報(bào)告內(nèi)容包括：典型地物（植被、水體、裸巖等）類型的波譜特征與遙感影像的對(duì)比分析，不同植被類型光譜差異的影響因素分析。實(shí)驗(yàn)三：典型土壤類型的波譜轄征（3學(xué)時(shí)）原理與方法土壤的理化性質(zhì)差異決定著反射波譜性質(zhì)的差異性，通常來(lái)說(shuō)白然狀態(tài)下土壤表而的反射率沒(méi)有明顯的峰值和谷值，它隨著波長(zhǎng)的增長(zhǎng)反射率逐步增加，但是山于不同的土壤類型理化性質(zhì)也不相同，其反射率受到土壤質(zhì)地、有機(jī)質(zhì)呈、土壤含水雖等方而的影響。土壤質(zhì)地越細(xì)反射率越高，有機(jī)質(zhì)侖星越高和含水雖越高反射率越低。因此可以通過(guò)實(shí)驗(yàn)的方法探討不同土壤類型的光譜特征，以及根據(jù)光譜特征分析土壤的理化性質(zhì)。實(shí)習(xí)儀器學(xué)生實(shí)習(xí)機(jī)房圖象處理軟件（EXVI3.5）ASD野外光譜儀實(shí)驗(yàn)?zāi)康?、了解典型土壤的波譜特征；2、分析不同土壤類型有機(jī)質(zhì)含呈的反射波譜特征墾異：實(shí)驗(yàn)報(bào)告內(nèi)容包括：實(shí)驗(yàn)?zāi)康?、典型土壤類型的反射率曲線圖、不同土壤類型光譜差異的影響因素實(shí)驗(yàn)四：水體波譜特征與水環(huán)境質(zhì)量分析（3學(xué)時(shí)）原理與方法水既可以吸收也可以散射通過(guò)水汽界面的波譜輻射能呈（Ed）,但水的散射會(huì)增加天空輻射能雖（Eu）,而水的吸收則會(huì)同時(shí)減少Ed和Eue遙感探測(cè)的波譜信息就是這種吸收和散射過(guò)程綜合作用的結(jié)果。水壞境質(zhì)戢分析水質(zhì)監(jiān)測(cè):對(duì)所測(cè)水體的地面光譜反射率數(shù)據(jù)通過(guò)系列波譜分析處理方法，提収不同污染類型水體的特征光譜曲線，與同步測(cè)戢的懸浮物濃度、高猛酸鹽指數(shù)等進(jìn)行相關(guān)分析，建立光譜反射率與水質(zhì)指標(biāo)參數(shù)之間的定呈模型。實(shí)習(xí)儀器學(xué)生實(shí)習(xí)機(jī)房圖象處理軟件（ENVI3.5）ASD野外光譜儀水下光譜儀實(shí)驗(yàn)?zāi)康?、掌握應(yīng)用遙感圖像處理軟件進(jìn)行水體波譜的左異性分析2、水體環(huán)境質(zhì)呈的分析方法：實(shí)驗(yàn)報(bào)告內(nèi)容包括：實(shí)驗(yàn)?zāi)康?、水體懸浮質(zhì)濃度和水環(huán)境質(zhì)雖遙感分析。實(shí)驗(yàn)五：植被波譜特征與葉面積指數(shù)、生物量分析（3學(xué)時(shí)）原理與方法遙感圖像上面的植破信息主耍足通過(guò)綠色植物葉子和植破灌層的光譜特性以及產(chǎn)異變化變現(xiàn)出來(lái)的，選擇多光譜遙感數(shù)據(jù)進(jìn)行分析運(yùn)算，產(chǎn)生某些對(duì)植被長(zhǎng)勢(shì)、生物雖等有一定指示意義的數(shù)值，即足所謂的“植被指數(shù)”。用一種簡(jiǎn)單有效的形式來(lái)實(shí)現(xiàn)對(duì)植彼狀態(tài)信息的表達(dá)，以定性和定呈地評(píng)價(jià)植被複蓋、生長(zhǎng)活力與生物呈。在植被光譜中，通常選用對(duì)綠色植物（葉綠素引起的）強(qiáng)吸收的可見光波段和對(duì)綠色植物（葉內(nèi)組織引起的）高反射的近紅外波段，通過(guò)兩個(gè)不同波段數(shù)據(jù)的分析運(yùn)算得到不同的植被指數(shù)，如歸一化植彼指數(shù)（NDVI）等。實(shí)習(xí)儀器學(xué)生實(shí)習(xí)機(jī)房圖象處理軟件（ENVI3.5）葉面積指數(shù)儀（WINSCANNY）實(shí)驗(yàn)?zāi)康?、掌握應(yīng)用遙感圖像處理軟件進(jìn)行植被波譜與葉而積指數(shù)、生物雖測(cè)呈方法。2、掌握運(yùn)用植被指數(shù)分析葉面積指數(shù)和生物蚩。實(shí)驗(yàn)報(bào)告內(nèi)容包括：實(shí)驗(yàn)?zāi)康?、分析葉面積指數(shù)和生物戢的區(qū)域分異。實(shí)驗(yàn)六：土地利用/覆蓋變化信息提取（3學(xué)時(shí)）原理與方法運(yùn)用監(jiān)替分類方法提収區(qū)域多時(shí)相土地利用/覆蓋信息，在此基礎(chǔ)上采用不同時(shí)相的土地利用/覆蓋數(shù)據(jù)進(jìn)行相除或相減，探討區(qū)域土地利用/覆蓋的變化特征。實(shí)習(xí)儀器學(xué)生實(shí)習(xí)機(jī)房圖象處理軟件（ENVI3.5）實(shí)驗(yàn)?zāi)康?、掌握對(duì)TH影像的預(yù)處理2、掌握對(duì)土地利用/覆蓋變化信息的提収分析3、掌握土地利用/覆蓋變化分析方法

實(shí)驗(yàn)報(bào)告內(nèi)容包括：實(shí)驗(yàn)13的、土地利用/覆蓋信息的提取及其變化分析。土地利用/覆蓋變化信息提取實(shí)驗(yàn)報(bào)告實(shí)臉目的利用TM/ETM3個(gè)時(shí)相衛(wèi)星數(shù)區(qū)應(yīng)用ENVI軟件進(jìn)行土地利用/覆蓋分類，在此基礎(chǔ)上進(jìn)一步分析其動(dòng)態(tài)變化特征。實(shí)驗(yàn)內(nèi)容金華市土地利用/覆被變化信息的提取。采用決策樹分類法提取土地利用/複被信息，它通過(guò)分析地物光譜特征和其他圖像特征，充分利用高程、坡度等地理輔助信息可以有效地提高分類粘度，比較適合于江南丘陵地形破碎、地物分布復(fù)雜的地區(qū)。和傳統(tǒng)的監(jiān)督分類法相比，它可以消除園地和林地、建設(shè)用地和裸地光譜相似所帶來(lái)的影響。（1）TM影像數(shù)據(jù)的預(yù)處理。木文的遙感數(shù)據(jù)處理主要包括大氣校正、幾何校正和圖像增強(qiáng)，并利用行政邊界矢呈圖對(duì)影像進(jìn)行裁剪。（2）土地利用變化信息提収。首先對(duì)其中的一期影像（2003年）分別釆用最大似然法、決策分類樹法進(jìn)行分類，提取土地利用/覆被信息，并對(duì)二者的提収桔度進(jìn)行比較，選擇楮度最高者作為最終的提取方法,進(jìn)而提取1988-2003年金華市土地利用/土地覆被信息。（3）利用空間疊加獲取土地利用/覆被變化的面積轉(zhuǎn)移矩陣，進(jìn)而通過(guò)面積轉(zhuǎn)移矩陣分析土地利用/土地覆被的數(shù)雖變化、空間結(jié)構(gòu)變化和土地利用程度。實(shí)驗(yàn)方案4?數(shù)據(jù)預(yù)處理4.1數(shù)據(jù)源木文所釆用的數(shù)據(jù)包括：兩貴金華市的LandsatTH和一景LandsatETH陸地衛(wèi)星影像，一景半SPOT全色影像：該地區(qū)1：50000地形圖；該地區(qū)81m*81m分辨率的數(shù)字高程模型（DEM）：1：100萬(wàn)中國(guó)行政邊界矢呈圖等。具體的見表4-1和4-2所示。表4-1研究區(qū)遙感影像數(shù)拯獲取時(shí)間傳感器類型數(shù)量（最）空間分辨率（Q2003年3月2003年3月9口SP0T-5全色1/21996年9月6口1988年12月5口LandsatTMl-7波段130LandsatTMl-7波段130表4-2研究區(qū)其他資料及應(yīng)用說(shuō)明數(shù)據(jù)類型大比例尺地形圖野外調(diào)査資料應(yīng)用說(shuō)明最新時(shí)相的1：50000地形圖，用于進(jìn)行衛(wèi)星遙感資料的幾何校正野外控制點(diǎn)的測(cè)呈，土地利用/覆蓋分類訓(xùn)練樣木區(qū)的調(diào)查，建立判讀標(biāo)志，進(jìn)行分類及信息提取緖度檢驗(yàn)等工作土地利用現(xiàn)狀圖對(duì)比土地利用/覆蓋動(dòng)態(tài)變化及遙感影像分類粘度參考4.2圖像預(yù)處理數(shù)據(jù)預(yù)處理部分主要包括:對(duì)遙感影像進(jìn)行大氣校正、幾何糾正、以及對(duì)研究區(qū)進(jìn)行邊界裁剪和圖像2003年3月26日LandsatETM+2003年3月26日LandsatETM+1-8波段15m（全色）30m（多光譜）具體方法如下：1）大氣校正。木文的大氣糾正在PCI軟件的ATCOR2模塊中完成，以去除薄云和大氣對(duì)影像光譜的影響，尤其繪96年的圖像，經(jīng)過(guò)大氣校正后，圖像質(zhì)雖得到了很大提高。2）幾何糾正。影像幾何糾正就足將所研究影像納入到一個(gè)地而坐標(biāo)系中，方法是利用地而控制點(diǎn)對(duì)各種因素引起的遙感影像的幾何畸變進(jìn)行糾正，以便確定影像上每個(gè)像元在地而的坐標(biāo)，其過(guò)程就是把目標(biāo)由一個(gè)空間向另一個(gè)空間轉(zhuǎn)換的過(guò)程。3）邊界裁剪。對(duì)遙感影像進(jìn)行上述處理后，利用所給的金華縣行政邊界矢呈圖邊界對(duì)影像進(jìn)行裁剪，分別得到1988年和1996年的TM圖像以及2003年的SPOT和ETM研究區(qū)影像。4）圖像增強(qiáng)。木文釆用最佳指數(shù)因子分析方法對(duì)3幅多光譜影像三波段組合方案進(jìn)行評(píng)價(jià)最后得出最佳波段組合。最佳指數(shù)因子的計(jì)算公式為：6尸=士,/士區(qū)|i=1I(2-1)S式中，"為i波段圖像的亮度標(biāo)準(zhǔn)差，其值越大，說(shuō)明數(shù)據(jù)的離散度越大，所包含的信息雖越大，R可分離性越高：'為三波段中任意兩波段之間的相關(guān)系數(shù)，其值越小，表明圖像數(shù)據(jù)獨(dú)立性越高，信息的冗余度越小。OIF越大，組合圖像的信息雖越大，組合方案越佳。利用最佳指數(shù)因子分析方法計(jì)算1988、1996、2003年三幅多光譜影像的三波段組合值如下表(表4-3)：表4-3影像最佳波段組合信息含呈表OIF組合方案影像42143253254375274375488年TM26.33829.18225.52133.60527.79333.98333.91096年TM32.15434.86416.84536.02516.08936.16325.59803年ETM16.24019.48321.12123.24020.88022.59220.427從上表中可得知，1988年和1996年兩幅TM影像的743組合值都是最大的，2003年的ETM543組合值最大，743次之，整個(gè)金華市的土地利用格局以耕地和林地等農(nóng)用地為主，整個(gè)地區(qū)有較高的植被覆蓋，而743組合更接近植被的貞彩色，有利于植被的分類，所以三幅影像都采用743組合方案參與分類。5土地利用/土地覆被分類5.1監(jiān)督分類法此法的關(guān)鍵在于訓(xùn)練區(qū)的選擇。訓(xùn)練區(qū)的選収應(yīng)與分類地區(qū)的特點(diǎn)和分類系統(tǒng)相適應(yīng)。對(duì)訓(xùn)練區(qū)的統(tǒng)計(jì)特征應(yīng)進(jìn)行詳細(xì)的分析，以選擇最有效的參數(shù)變呈(譜段)參與后續(xù)的分類。此外，應(yīng)對(duì)訓(xùn)練區(qū)特征指標(biāo)的外延性進(jìn)行評(píng)估(趙英時(shí)，2003)。監(jiān)督分類法中具體方法包括最小距離分類法、多級(jí)切割分類法、特征曲線窗口法和最大似然分類法，其中最大似然分類法用的最多。最大似然分類法(maximumlikelihoodclassifier)在多類別分類時(shí)，常常采用統(tǒng)計(jì)學(xué)方法建立起一個(gè)判別函數(shù)集，然后根據(jù)這個(gè)判別函數(shù)集計(jì)算各待分像元的歸屈概率。這里，歸屈概率是指：對(duì)于待分像元x,它從屈于分類類別R的(后驗(yàn))概率。設(shè)從類別R中觀測(cè)到％的條件槪率為P(X/*),則歸屈概率Lk可表示為如下形式的判別函數(shù)：Lk=P(k/x)=P(k)xP(x/R)/工P(i)x(x/i)i(3-1)式中，X為待分像元，P(k)為類別R的先驗(yàn)概率，它可以通過(guò)訓(xùn)練區(qū)來(lái)決定。此外，由于上式中分母和類別無(wú)關(guān)，在類別間比絞的時(shí)候可以忽略。訓(xùn)練樣區(qū)的選取與純化木文中采用的方法為試分類混淆矩陣分析法和JT距離法來(lái)對(duì)所選取的訓(xùn)練樣木純度進(jìn)行評(píng)價(jià)，通過(guò)對(duì)所得混淆矩陣進(jìn)行分析，即可得到訓(xùn)練樣木占原來(lái)各類個(gè)體總數(shù)的百分比，以確定其分類的正確率，從而也檢驗(yàn)了訓(xùn)練的純度。在ENVI4.2中對(duì)純化前和純化后的訓(xùn)練樣本區(qū)進(jìn)行了分類，并以訓(xùn)練樣木自身對(duì)分類結(jié)果進(jìn)行粘度檢驗(yàn),得到混淆矩陣。純化前訓(xùn)練樣本的訓(xùn)練區(qū)分類混淆矩陣顯示:OverallAccuracy=92.0142%,KappaCoefficient=0.9165O對(duì)訓(xùn)練樣本進(jìn)行純化后，訓(xùn)練樣木的訓(xùn)練區(qū)分類混淆矩陣顯示：OverallAccuracy=96.3045%,KappaCoefficient=0.9500□在ENVI4.2中未純化前和純化后的訓(xùn)練樣本區(qū)進(jìn)行統(tǒng)計(jì)其J-M距離，結(jié)果顯示：純化前訓(xùn)練樣木的J?M距離,最小的是園地和林地之間的JT!距離,只有1.3208。另外園地和耕地之間、居民點(diǎn)及工礦用地

和未利用地之間的J-M距離也比較小，但均大于1.5。經(jīng)純化以后，只有園地和林地之間的J-M距離仍然小于1.5。其他均在1.8以上。訓(xùn)練樣本之間的可分性明顯增大。2）分類楮度及結(jié)果分析在對(duì)影像做了圖像預(yù)處理后，根據(jù)影像的光譜特征，選擇適當(dāng)?shù)挠?xùn)練樣區(qū)，將土地利用分為若干不同的類別。結(jié)合研究區(qū)的實(shí)際情況，根據(jù)目視判讀選擇訓(xùn)練樣本，釆用最大似然分類法（MaximumLikelihoodClassification,MLC）,將金華市2003年的土地利用分為5類，即耕地、園地、林地、居民點(diǎn)及工礦用地、水域.金華Bl彌年土加傭您醫(yī)&磁(a)1988年宙年土覽*用,，寵茁兮W3(b)金華Bl彌年土加傭您醫(yī)&磁(a)1988年宙年土覽*用,，寵茁兮W3(b)1996年錚縣注土也夠用T簽竹獎(jiǎng)圖(c)2003年圖5-1金華市最大似然法土地利用/土地覆被分類圖利用上面確定的方法和已有的樣本數(shù)據(jù)對(duì)研究區(qū)分類后圖像進(jìn)行精度估計(jì)，得到最終最大似然法的誤左矩陣和各項(xiàng)統(tǒng)計(jì)指標(biāo)（以2003年為例）。表5-1最大似然法分類結(jié)度矩陣類別未分類耕地園地林地居民點(diǎn)及工礦用地水體未利用地總計(jì)未分類00000000耕地0658000073網(wǎng)地03141900036林地1119400097居民點(diǎn)及工礦用地0002140016水體0000010010未利用地0004801224合計(jì)16923119221012256表5-2最大似然法分類粘度評(píng)價(jià)（％）類別參考總計(jì)分類總計(jì)正確分類數(shù)生產(chǎn)精度用戶粘度未分類100——耕地69736594.20%89.01%園地23361460.87%38.89%林地119979478.99%96.91%居民點(diǎn)及工礦22161463.64%87.50%

用地水體101010100.00%100.00%未利122412100.00%50.00%用地合計(jì)256256209總楮度=209/256=81.64%表5-1和5-2顯示了在最大似然分類中，園地和未利用地的分類椿度比較低,分別為：38.89%和50.00%,這是因?yàn)閳@地、耕地、林地之間和未利用地和居民點(diǎn)及工礦用地之間的光譜特征很多比較相似（圖5-2）,從而導(dǎo)致誤判。尤其是林地和園地錯(cuò)分現(xiàn)象比較多，36個(gè)園地樣點(diǎn)中，有19個(gè)被誤分為林地，3個(gè)被誤分為耕地。5.2決策樹分類1）典型地物光譜分析為了獲取研究區(qū)內(nèi)各種地物類型光譜特征知識(shí)，對(duì)研究區(qū)內(nèi)典型地物類型進(jìn)行采樣并加以統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果見表5-3（以03年為例）。其中03年耕地按耕地1（主要為水田）和耕地2（主要為早地）兩類釆樣，水體分為水體1（河流）和水體2（水庫(kù)和坑塘水面）兩類釆樣。88年圖像上由于存在大呈山體陰影，因此陰影也列為單獨(dú)一類進(jìn)行釆樣。表5-303年典型地物樣木亮度值統(tǒng)計(jì)表地物波段耕地耕地2網(wǎng)地林地居民點(diǎn)及工礦用地水體1水體2未利用地最小值4.0014.008.000.009.000.005.001.00B1最大值40.0041.0029.0024.0090.0047.0035.00101.00均值21.0624.2215.767.5628.7531.2514.2536.07均方塗4.033.582.882.855.934.294.499.45最小值10.0021.0013.000.0016.000.009.008?00最大值59.0062.0047.0032.00101.0079.0055.00118.00B2均值35.8735.5724.2115.293&3548.3819.8757.00均方塗5.544.684.063.527.388.287.7112.52最小值10.000011.000.0018.000.006.0013.00B3最大值76.0067.0057.0032.00117.0081.0063.00138.00均值35.283&3623.3813.5245.3146.6415.3772.54均方塗6.676.135.793.569.199.437.9918.70最小值25.0019.0022.000.0017.000.000.0017.00最大值109.0090.0072.0067.0082.0065.0063.0095.00B4均值71.2042.1246.4341.8836.7813.185.4064.83均方塗10.288.476.089.527.708.435.7510.54最小值30.0011.0020.000.0024.000.004.0026.00B5最大值117.00110.00102.0092.00172.0099.0095.00167.00均值75.4347.5860.5047.7567.1814.4310.41106.08均方塗9.2617.839.7711.6212.1111.347.2118.14最小值16.007.0012.000.0019.000.001.0023.00B7最大值97.0089.0080.0059.00163.0075.006&00155.00均值47.2431.0135.7424.5160.7110.597.5286.17

均方差9.4613.238.597.1311.648.385.2616.75通過(guò)03年典型地物樣木亮度值統(tǒng)計(jì)可以得到03年典型地物樣本波譜響應(yīng)曲線：典型地物的光譜響應(yīng)值+耕地12010080120100806040200圖5-203年典型地物樣木波譜響應(yīng)曲線2）決策樹的構(gòu)建對(duì)于03年圖像：山于水體和陰影的低反射率，尤其是在長(zhǎng)波部分更明顯。因此可以利用TM4/TM3的比值來(lái)區(qū)分大部分林地。然后通過(guò)纓帽變換的亮度分呈可以區(qū)分大部分耕地，剩下的耕地、網(wǎng)地和林地可以通過(guò)地學(xué)輔助知識(shí)如高程和坡度信息來(lái)加以區(qū)分。最后通過(guò)分析得到03年的分類決策樹：依據(jù)同樣的原理，通過(guò)分析分別得到88年和依據(jù)同樣的原理，通過(guò)分析分別得到88年和96年的分類決策樹:NDVK375是5-696年分類決策樹NDVK375是5-696年分類決策樹圖5-788年分類決策樹3）分類精度及結(jié)果分析通過(guò)決策樹分類以及分類后的合并處理最后得到三個(gè)時(shí)期的土地利用/覆被分類圖:（a）1988年（b）1996年（c）2003年圖5-8金華市決策樹分類法土地利用/土地覆蓋分類圖通過(guò)分層采樣和已有的樣本數(shù)拯對(duì)研究區(qū)分類后圖像進(jìn)行粘度估計(jì)，得到最終決策樹的誤基矩陣和各項(xiàng)統(tǒng)計(jì)指標(biāo)（以2003年為例表5-6決策樹分類結(jié)度矩陣類別未分耕地園地林地居民點(diǎn)及工水體未利用地類別未分耕地園地林地居民點(diǎn)及工水體未利用地總計(jì)未分類00000000耕地0773300083網(wǎng)地0111000012林地062105100114居民點(diǎn)及工0200211024礦用地水體1000012013未利000020810用地合計(jì)1861610823139256表5-7決策樹分類精度評(píng)定（％）類別參考總計(jì)分類總計(jì)正確分類數(shù)生產(chǎn)楮度用戶精度未分類100——耕地86837789.53%92.77%園地16121168.75%91.67%林地10811410597.22%92.11%居民點(diǎn)及工礦23242191.30%87.50%用地水體13131292.31%92.31%耒利910888.89%80.00%用地合計(jì)256256234總精度=209/256=91.41%類礦用地表5-6和5-7顯示了決策樹分類中，園地和未利用地的分類粘度明顯有所提高，分別為：91.67%和80.00%,林地和園地借分現(xiàn)象明顯減少，12個(gè)園地樣點(diǎn)中，只有1個(gè)被誤分為耕地，同樣，在10個(gè)未利用地樣點(diǎn)中，只有2個(gè)樣點(diǎn)被誤分為居民點(diǎn)及工礦用地。這是因?yàn)樵跊Q策樹分類過(guò)程中，充分利用了地物的各種特征信息，除了利用園地、耕地、林地之間和耒利用地和居民點(diǎn)及工礦用地之間的光譜特征之外，還有效使用了其他的特征信息，如紋理信息，通過(guò)NDVI可以很好的初步分離耕地、園地和林地，利用纓帽變換的亮度、濕度和綠度信息可以很好的區(qū)分未利用地和居民點(diǎn)及工礦用地，在初步分類結(jié)果的基礎(chǔ)上，通過(guò)GIS輔助數(shù)據(jù)，像高程和坡度等信息，可以進(jìn)一步分離混分部分，使分類楮度大大提高。5.3兩種分類精度評(píng)定及結(jié)果分析對(duì)兩種分類方法的分類結(jié)果分別進(jìn)行結(jié)度評(píng)定最后得到了兩種分類方法三個(gè)時(shí)期總體分類粘度：表5-8兩種分類方法的分類精度比較年份最大似然法決策樹分類法方法總體粘度Kappa系數(shù)總體精度Kappa系數(shù)1988年84.7%0.784687.89%0.82881996年76.95%0.694987.89%0.82902003年81.64%0.746191.41%0.8751從上述表格兩種方法分類結(jié)果的比較可以看出:（1）決策樹分類方法從整體上優(yōu)越于最大似然法，而且整體上比較平均，該方法在各單項(xiàng)地物類型的分類楮度之間相筮比較小，分類結(jié)果較為滿意，總椿度達(dá)到了85%以上，均達(dá)到最低允許判別粘度0.7的要求（LucasIFJ,1994））o（2）基于知識(shí)的決策樹分類方法是提高遙感影像土地利用/複被自動(dòng)分類粘度的有效途徑之一，其關(guān)鍵在于知識(shí)的獲取與規(guī)則的創(chuàng)建，只有在對(duì)地類光譜特征、幾何特征、地類間相互關(guān)系、地類變化規(guī)律、地學(xué)分布規(guī)律等知識(shí)認(rèn)真分析的基礎(chǔ)上建立合理的規(guī)則，通過(guò)有效地推理判斷才能得到高質(zhì)雖的分類結(jié)果。木研究在對(duì)金華研究區(qū)地物分布規(guī)律、地物光譜特征分析的基礎(chǔ)上所建立的規(guī)則用于分類収得了較好的效果，說(shuō)明其規(guī)則的創(chuàng)建是合理而有效的。6土地利用/覆被變化分析6.1金華市土地利用類型的數(shù)呈變化根據(jù)土地利用/覆被遙感圖像分類的結(jié)果，1988年、1996年和2003年金華市各類土地利用/覆被類型的面積和比例的變化，如表4-1和4-2所示。表6-11988年-1996年金華市土地利用總雖變化分析表土地利用類型1988年而積/hm：1996年面積增加/hm:變化率％比例％而積/hm”比例％耕地103476.2450.1967770.7232.87-35705.52-34.51園地2442.961.1915425.647.4812982.68531.43林地87942.3342.65102268.3549.614326.0216.29居民點(diǎn)及工5617.982.7212702.516.167084.53126.10礦用地水體3111.031.515589.92.722478.8779.68未利用地3586.051.742419.471.17"1166.58-32.53合計(jì)206176.59100206176.591000.000.00表6-21996年-2003年金華市土地利用總雖變化分析表土地利用類型1996年面積/血2003年而積增加/hm:變化率％比例％面積/hm‘比例％耕地67770.7232.8772926.7335.375156.017.61網(wǎng)地15425.647.488804.254.27-6621.39-42.92林地102268.3549.6101124.2749.05-1144.08-1.12居民點(diǎn)及工12702.516.1615782.677.653080.1624.25礦用地水體5589.92.725588.462.71-1.44-0.03未利用地2419.471.171950.210.95-469.26-19.40合計(jì)206176.59100206176.591000.000.00

6.2金華市土地利用類型轉(zhuǎn)換變化單純看面積增加或減少，難以反映土地利用的內(nèi)部結(jié)構(gòu)變化。為揭示各土地利用類型的內(nèi)部轉(zhuǎn)移特征,基于1988年、1996年和2003年金華市土地利用分類圖，利用ArcGIS軟件中空間分析模塊的疊加功能，分別將每?jī)蓚€(gè)時(shí)期分類圖像疊加，得到土地利用面積轉(zhuǎn)移矩陣（表6-3、表6-4和表6-5）?表6-31988?1996金華市土地利用轉(zhuǎn)換矩陣（Unit：hm:）1996年動(dòng)態(tài)轉(zhuǎn)移矩陣耕地P/%園地P/%林地耕地61793.371423.7171.032287.6265.60園地13575.9632.57438.48745.2921.37林地16128.6338.70421.3821.0284457.8居民點(diǎn)及1988年合計(jì)103476.24100.002442.96100.0087942.33100.00工礦用地8208.4519.6969.33.46274.777.88水域2044.894.9119.440.97115.473.31未利用地1720.444.1370.653.5264.081.84P/%居民1988點(diǎn)及年工礦651.24277.56651.243618.36321.6697.925617.98用地P/%32.5713.8832.5616.094.90100.00水域131.016&13134.46161.372580.9334.833111.03P/%24.7312.8625.3830.466.57100.00未利用地1483.74318.42475.2369.63501.66437.43586.05P/%47.1210.1115.0911.7415.93100.001996年合計(jì)67770.7215425.64102268.3512701.525589.92419.47206176.598208.45hm\369.63hm\274.77hm\分別占到了同期各自轉(zhuǎn)出比例的19.69%>11.74%和7.84%：后期上述土地利用類型的轉(zhuǎn)化量分別為4867.83hm\1090.17hm\896.94hm\分別占相應(yīng)轉(zhuǎn)出比例的31.24%、49.72%和7.33%。山上述數(shù)據(jù)易得知：城鄉(xiāng)工礦居住用地迅速增加主要是靠占用大呈的耕地得以實(shí)現(xiàn)，其次是未利用地和林地。致使居民點(diǎn)及工礦用地的用地而積一直在增加，山1988年的5617.98hm：增加到15782.67hm：o5）水域轉(zhuǎn)換分析水域主要轉(zhuǎn)換為耕地、居