土地利用分类日志1——分幅土地利用图拼接融合step by step教程

分幅土地利用图拼接融合step by step教程：(ArcGIS10.4)

引言

通常情况下，很多人在做土地利用分类解译的时候都是先将遥感图像融合，再进行监督或者非监督分类。但是如果研究区范围比较大，计算机的算力又比较烂的时候（比如博主的电脑），分别对每个view的影像单独做土地利用分类后再融合，其实也是一种比较不错的方法。

声明：博主不是专业出身，如有错误请高手批评指正。之前有个朋友想做个论文要解译土地利用图，于是就试着将Landsat先融合再分类，可能是发现有点问题。我试了一下，发现自己的电脑有点不太给力，然后就想着能不能给每个图像先解译了再融合。但是在网上找了一下，发现发现大部分的文章都是对融合好以后的图像再进行土地利用分类，于是就有了这篇文章。

总体思路（主要分成4个大的步骤）：

1. 预处理：分别裁剪每个栅格图形，去除周围的无效区域
2. 检查每个landuse属性与value的对应关系
3. 根栅格重分类（关键步骤）
4. 拼接融合并用边界文件裁剪=>得到最终结果

1. 分别对每个图形进行裁剪，去掉图片周围的无效地带

• 这一部只要注意价格每个图形中无用的部分剔除掉就可以了，不需要追求严格的按照边界来裁剪。这一部的工作只是为了让重叠部分变得尽可能小，去掉图像分类边界周围的未分类部分，使得最后的拼接减少错误率。用shp文件建立裁剪边界，然后意义裁剪即可；spatial analysis Tools -> Extraction -> Extraction by mask
  如图所示
  

• 这一部只要注意每个图形中无用的部分剔除掉就可以了，不需要追求严格的按照研究区边界来裁剪。这一部的工作只是为了让没有用地类型的控制区域减少，去掉图像分类边界周围的未分类部分，使得最后的拼接减少错误率。

2. 根据土地利用类型与value的对应关系进行重分类赋值：

• 分别建立每个图形的对应表格，然后根据这些对应的表格建立一套统一的value与Landuse的对应关系表。
  首先可以在属性表（attribute Table）add field建立一个字段名字叫landuse（数据类型为text），更加清楚每个字字段对应的value值
  并且将这个对应的表格放在这里。编号顺序是根据之前在ENVI里面对土地利用图监督分类后的用地类型与value值的对应关系。

Table1 东海片区201903254.tif

value	Land USE
1	河渠湖泊
2	农田
3	建设用地
4	–
5	水库坑塘
6	其他
7	海洋
8	未知

在盐城的幅图中，土地利用类型的分类与value值之间也做了一个对应，如下表所示：
Table2 盐城片区

value	Land USE
1	建设用地
2	海洋
3	河渠湖泊
4	–
5	农田
6	水库坑塘
7	其他
8	盐沼（滩涂）

我在这里只写了两个片区的对应表格，另外的两个没有写出来。在我们确认了研究区所有的用地类型以后，就可以建立统一的分类表了，其实质是在所有的图幅中取并集。如表3所示：
Table 3

value	Land USE
1	建设用地
2	海洋
3	河渠湖泊
4	林地
5	农田
6	水库坑塘
7	盐田
8	盐沼（滩涂）
9	未知
10	其他

• 重分类
  重分类的目的是解决在土地利用分类的栅格图像中landuse字段与value值不能够一一对应的问题。
  ep：如在盐城中value=1的分类是 河渠湖泊，而在连云港value=1的对应landuse字段却是 建设用地,只需要根据Table3 中统一的字段对应关系就可以把不同的图幅的这种差异完全去除。
  Spatial analysis tools -> reclass -> recalssify
  
  生成的图像命名可以随意，我一般用XX_reclass
  
  before reclass
  
  landuse_reclass
  对比就可以发现value值的不同
  ————————————————————————————————————
  分类过程感觉有点 问题 的几个点：
• 图中有两个水体单位，即“河渠湖泊” 和“水库坑塘”，这两者是怎么区别的。
• 所谓的其他用地类型，是裸地么？
• 在完成一一对应以后，将这些用地类型进行 栅格重分类 操作，目的在于保证所有要最终进行融合的所有栅格图片具有相同的分类体系，即唯一的value值对应唯一的用地类型。

————————————————————————————————————

3.图形排序拼接

• 在完成了重分类以后，所有图形的value值都可以由Table3来描述其对应的关系。可以进行拼接工作，这部分需要注意排序。拼接过程中存在重叠部分，由于我们是对每个图像单独分析土地利用分类，必然会导致冲突，即同在一个点上可能分析出不同的土地利用类型，这是我们需要选择字段的计算方式。我在这个研究中选择以其中最主要的图幅的分类结果为准。
  如下图所示，我们在input的窗口里面输入了不同的栅格图像，这里面是有顺序的，例如我这个研究区的例子，图像从上到下的覆盖顺序就是按照input图像的顺序排列的。设置的过程中，Mosic Operator （optional）这里需要设置为First，这既是代表用排在前面的图形分类结果覆盖后面的结果。当然还有一些其他的算法，但是这里不是讨论的重点。
  
  生成的图像如果直接是tiff就可以直接准备裁剪了，如果不是，可以输出转成TIFF图像，然后裁剪

5. 裁剪

• 用研究区边界文件裁剪，还是用extract by mask
• 生成图像如果没有属性表就建一个：
  • 给所有的土地利用栅格数据建立属性表：
    toolbox:(在toolbox里面逐级寻找)
    -> Data Mangement Tools -> Raster -> Raster Properties -> Build Raster Attribute Table
    得到最终的结果[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-svYb8fTT-1589351427270)(/assets/final_result.png)]
    er Properties -> Build Raster Attribute Table
    得到最终的结果