基于ENVI下的土地利用信息提取（一）

基于ENVI下的土地利用信息提取

1.        前言

对于土地利用信息的提取的研究，国内外各类文献资料中介绍的方法十分繁多，可大致分为：基于监督分类法、基于非监督分类法、基于决策树分类法、基于面向对象分类法、以及基于人工神经网络分类法5种。对于不同区域以及不同时相的数据，选取的方法不尽相同。提取土地利用信息的首要目标是选取最合适的分类方法来提取需求方最关注的信息。本文采取的分类方法为基于决策树的分类方法，研究区域位于云南省东南部，使用的数据包括TM数据和DEM高程数据。TM数据包中共有7个波段，可见光的所有波长都包括在内并且包含有一个近红外波段，其中存储了丰富的地物光谱信息，可以提取出二级或以下的土地利用类型信息。在遥感影像中同物异谱和同谱异物的现象并不罕见，因此辅助伴以DEM高程数据来区分地物的便显得尤为重要。下面便对该信息提取过程予以详述。

2.        研究区域概况

         本次研究区域位于云南省东南部地区，该地区以山地和丘陵地形为主，山体上覆盖有大量的常绿植被，并伴有少量灌木林和农用地。农用地以水田和旱地为主，其周围常常伴有小面积的坑塘或湖泊，城镇居民区以及建设用地大都位于地势较为平坦的山谷地区或河流冲击所形成的平原地带，大型河流周围还常常伴有少量的沼泽或滩涂地。由于天气影像，整幅影像上有少量的云层和云层阴影，在研究中发现近红外波段能够有效的抑制云层及其阴影的信息，在该波段上，其DN值一般都低于120，故能很好的利用该波段将云层及其阴影从影像中分离出来。通过对当地的TM影像的初步判读，以及根据客户所提供的参考数据进行比较分析后，大致可以将该地区的土地利用类型分为：云和阴影、水域、丘陵水田、城镇用地、裸岩石砾地、丘林旱地、有林地、灌木林地、沼泽地和裸土地，共10类，由于有林地所占的面积最大且其关注度相对较低，故在后续的处理中会将云层及其阴影归并到林地当中。

3.        资料准备

3.1 数据准备

（1）云南省东南部地区TM数据1景，影像获取时间为2011年8月30日，分辨率为30m，行列号为128（Path）、44（Row），中心经纬度为103°55′、24°46′，投影坐标系为Albers Conical Equal Area，大地基准面为：D_Krasovsky_1940。

（2）一小块已经分好类的矢量数据文件，该数据由需求方提供，用于分类前地物类型的比较探究以及分类后的精度验证。

（3）同地区DEM数据，DEM分为Srtm3和Srtm9两种，即30m和90m分辨率，90m分辨率除海洋数据外全球免费下载（http://srtm.csi.cgiar.org/SELECTION/inputCoord.asp），具体下载方式可以参照网络上的相关资料，这里便不再赘述。

3.2 软件准备

（1）Esri EVI 4.8-64bit/32bit，根据计算机的系统位数安装不同版本的ENVI，破解方法在提供的软件包中有详细说明。

（2）ENVI下的CART扩展工具，CART为一种决策树生成算法，该算法被称为机器学习或专家系统，提供了一种非参数判别多数据层之间的统计关系，以产生一个二进制的决策树。

（3）Esri ArcGIS 10.0（辅助软件）。

3.3 硬件准备

（1）计算机，CPU>=奔腾四代，内存>=512M，硬盘>=1GB。

4.        处理流程图

图01 处理流程图