论文部分内容阅读
自然界中存在大量连续分布的现象，如气压、土壤中的污染物、温度、人口密度等，它们的边界往往是模糊的，出于简化问题的考虑，传统的GIS在处理这些模糊信息时多是将其当作确定信息来处理，这种简化很大程度上推动了GIS的发展，但是随着应用的深入，其弊端也日益显露，这种简化有时会导致所获得的结果不具有完全的可靠性，甚至是错误的，最终将导致决策失误或者失败，因而需要寻找新的方法来处理数据中的模糊性，提高数据质量和决策结果的可信度，模糊集合论(Fuzzy Set Theory)就是这样一种方法，它可以用在空间数据建模和数据处理中，降低数据的不准确性，从而提高数据质量，保证空间数据分析和决策的正确进行。
在基于遥感影像解译生成的土地利用专题图上，每一个像元(网格单元)都对应唯一的地物类型。由于混合像元的存在、分类方法的误差等，并不能完全肯定地判断该像元对应范围内的地物“全部”、“完全”属于某一类型。更准确的表达是，根据遥感影像的解译结果，该类型更符合我们的期望，判定为该类型的可能性最大。当对两幅分类结果图逐像素比较发现变化时，也无法区分哪些变化是真实存在的，哪些是由于配准误差、分类误差造成的“假变化”。
本文针对精度不同的高空间分辨率遥感影像(SPOT-5，Ikonos，Quickbird)设计了基于模糊集的分类后变化发现方法。将不同时相的影像数据分2组采用不同的方法分类后进行比较：
1.2002年Ikonos(简称Ikonos_02)和2004年Quickbird(简称QB_04)为缺少全色波段的数据，有红、绿、蓝、近红外四个波段，分辨率分别为4m和2.4m，采用分类器组合法分类。
2.2005年SPOT-5(简称SPOT_05)和2006年Quickbird(简称QB_06)为经过融合的、缺少近红外波段的数据，分辨率分别为2.5m和0.61m，采用面向对象法分类。
3．对两组分类结果分别采用基于模糊集的分类后比较法，将结果分为“变化”、“未变化”、“不确定”三类，并与逐像素比较法的结果相比较。
主要研究内容包括：
1．由于高空间分辨率的影像具有丰富的空间、纹理、上下文等特征，存在“同物异谱，同谱异物”的现象，分析了典型地物样本的波谱特征和空间纹理特征。对具有“同物异谱”特点的地物采用先标识为不同类型、然后再合并的方法进行提取。而对于“同谱异物”的地物类型，仅基于光谱特征无法分出，在分类时基于灰度共生矩阵(GLCM)法分析了最佳纹理窗口的大小，采用纹理特征与光谱特征结合的方法提取。
2．对缺少全色波段的高分辨率影像(Ikonos_02和QB_04)采用分类器组合法分别分类。计算各分类器针对各地类的分类精度，评估参与组合的各子分类器的分类能力，根据先验概率赋予不同的权重，采用投票法组合。
3．对缺少近红外波段的高分辨率影像(SPOT_05和QB_06)采用面向对象法分类。由于这组数据的光谱信息不全，缺少对判别植被、水体有利的近红外波段，在分类时除了利用光谱特征，还添加了空间、形状、纹理和色调等共25个特征进行分类。
4．用平均面积法分析了在分辨率为0.61m的Quickbird遥感影像上提取各地物类型的最佳尺度。
5．分别用有监督的最临近特征空间法和基于模糊逻辑的规则法从QB_04影像上提取道路、建筑和空地，并比较了两种分类方法的优缺点。首先分析研究范围内的地物波谱特征，确定分类标识。对于最临近法选择具有典型波谱特征的分类样本进行训练。首先用NDVI法掩膜掉水体和植被。对于与空地具有相似光谱特征的道路类型采用单独分类后再合并的方法。道路具有明显的线型特征，为了在分割要形成较完整、有意义的对象。除了选择合适的分割参数，将二值纹理分割图像加入原始影像一起分割，限制了分割生成对象的边界。在用模糊逻辑规则法提取时，计算NDVI(归一化植被指数)作为第5波段，根据各地物类型在第5波段、第2波段和长宽比上的值域、以及父类子类包含、继承关系，制定规则分层提取。
6．结合景观指数法和地质统计学原理，采用半变异函数分析研究区域范围内的景观生态格局尺度。对研究区分类结果计算景观格局指数值，基于景观格局指数用半变异函数法分析景观格局的尺度效应。生成02、04、06年对应的半变异曲线，分析块金值、基态、空间结构比、步长的变化情况反映不同尺度上空间格局的变异性特征。
7．用基于模糊集的比较法，结合景观指数法比较了两组影像的分类结果。首先分别生成前后两幅图的景观指数，对每个像元采用模糊集描述，将原本唯一对应某一地物类型的像元定义为具有属于每一类型隶属度的矢量单元，在比较的过程中考虑到像元点的地理位置关系，将该斑块的指数值赋给斑块中的每一个像素，滑动一定大小的窗口，按照其周围各像元值取加权滑动平均计算窗口中心点的值，权重值根据周围各点与中心点的距离衰减。
在以上研究工作的基础上获得了以下成果：
1．基于精度不同的高空间分辨率遥感影像设计了基于模糊数学的分类比较法。首先分析不同传感器数据类型的特点，采用基于限制投票规则的分类器组合法和面向对象法分两组进行分类。针对空间地物类型具有的不确定性，采用了基于模糊集的比较方法提取变化。
2．对云南省呈贡地区的2002年Ikonos和2004年Quickbird数据采用分类器组合法进行处理。首先分析各子分类器针对各地物类型的分类能力，对子分类器进行筛选，结果表明SVM和NEURAL分类效果较好，但仍然存在一些缺陷。然后将筛选后的分类器基于投票法组合，分类结果得到了改善，提高了分类精度。但由于分类器组合法是基于光谱特征的分类，建筑物和道路等具有明显形状特征的地类的分类效果欠佳。
3．针对建筑物、道路和空地分别采用了模糊最临近法和模糊逻辑规则法提取，这两种提取方法都只适用于小范围的道路和建筑物提取。当试验区范围较小，地物类别、特征相对较少，建筑物的形状比较单一的情况下，用最邻近法提取的效果较好，因为可以在特征空间中包含尽可能多的特征，但是在研究区范围较大的情况下，对于每个对象定义高维的特征空间会造成计算量过大，难于应用于实际生产，而模糊逻辑规则法也需要对整个研究区范围形成先验知识，当研究区范围较大，同一类别的类间差距增大，难以制定统一的规则进行提取。相对而言模糊逻辑规则法适合于较大范围内的分类。
4．用平均面积法分析了遥感影像分割的最佳尺度。结果表明，尺度最小值对应于不同分辨率的单个像元所代表的地物类型能与背景值区分开的最小差异，不同地物间的尺度范围和最佳尺度的差别只跟地物类型的特征性质有关，与影像分辨率无关。同时，尺度效应具有临界性，在到达一定的临界值时才表现出来。如果影像范围内的各类型地物比较破碎，则分割尺度的最小值较小。反之较大。研究区内各地物的最佳分割尺度为：水体在60-70;建筑10-60;林地10-60:空地30-40:耕地20-40:道路60-70。
5．分析了在研究区范围内，景观格局的变异性随尺度的变化关系。基于不同时期土地利用分类数据计算对应的景观指数值，基于变差函数曲线分析变程、空间结构比对不同时间、粒度条件的响应。结合土地利用分类专题图和遥感影像图，揭示了该变化反映的土地利用结构变化特征及其控制因素。结果表明在02至06年间，研究区土地利用空间格局具有尺度依赖性及等级结构特征。
6．分别采用逐像素法和模糊集法比较了两组影像的分类结果。首先基于周长和面积，结合景观指数法比较了各时段遥感影像反映的土地利用格局变化情况。然后基于各地物类型，比较了各类别发生变化的范围。逐像素比较法得到02-04、05-06年的变化率分别为46.84％，和51.44％的结论。采用模糊集法设定隶属度阈值将比较结果分为：变化、未变化和不确定三类。代表确定发生变化的像元、确定未发生变化的像元和不确定是否发生了变化的像元。结合目视解译，反复调整隶属度阈值，计算得到的Ikonos_02/QB_04的变化率在20.67％-37.76％之间，SPOT_05/QB_06在24.23％-44.86％之间的结论。
下阶段主要的研究方向和待解决的问题有：
1．基于像元法分类时，为了添加影像的纹理特征，采用的GLCM法存在计算量大，边缘效应等缺点。对影像的每一个波段都需要计算不同的纹理测度，下一阶段可以基于纹理特征，尝试其他提取方法。
2．本研究中采用面向对象技术对高分辨率遥感影像的分类效果较好，但仍然存在计算量大，耗时长、难于处理较大范围区域的缺点。对应不同地物类型在不同尺度上提取，针对分割后生成的每一个对象，可以将景观指数作为一类地理属性添加到对象的特征空间中，从景观生态学角度描述每个对象的地理特征，与空间、光谱、纹理、色调等特征一起参与分类。然后比较不同分割参数和尺度下的分类结果，反过来指导分割过程。从景观生态学角度考虑对象的尺度问题，通过计算每个对象的不同景观指数值在不同分割尺度下的变化情况，研究参与分割的各地类的最佳尺度问题。
3．针对道路和建筑物的混分问题对较小范围的研究区域采用了模糊逻辑规则和最临近空间两种方法分类，取得了较满意的结果。由于道路分类问题的复杂性，当研究区范围扩大时，必须对这两种方法进一步改进。例如最临近法存在特征空间高维问题，需要考虑如何构建能有效区分不同类型对象的特征组合，同时减少特征空间的冗余度。而模糊逻辑规则法也需要根据研究区各地类特征值的分布情况，制定组合规则提取。