EO―1Hyperion数据不同波段组合的分类结果比较

摘 要：高光谱遥感是目前的一个热点研究邻域。采用EO-1 Hyperion数据，应用波段选择的方法，比较了不同波段组合用于同一研究区地物分类的效果。

关键词：高光谱遥感 波段选择 地物分类

中图分类号：S758.4 文献标识码：A 文章编号：1672-3791（2015）05（b）-0016-02

高光谱遥感是高光谱分辨率遥感的简略说法。由于其极高的光谱分辨率（可达10nm左右），能够获得数十至数百波段的数据，可以形成特定地物的连续的光谱曲线，能够提供更丰富更准确的地物信息。结合标准光谱库的建设，已经在找矿等领域取得了不错的应用效果。同时，高光谱数据是一个高维度数据，存在着数据冗余度高、数据量大、计算代价高等缺点。对高光谱数据进行降维处理是应用时的一种常见的思路。降维处理的方法可分为变换的和非变换的两类。波段组合选择是非变换方法中有代表性的一种。其结合应用需求，针对性的选择某一些波段作为信息来源，从而将高维数据的处理变为较低维数的数据处理问题。

1 实验过程

1.1 研究区选择

选择普达措国家公园属都湖与碧塔海周边地区作为研究区域。该区域位于滇西北生物多样性丰富区域，是入选国际名录的重要湿地保护区。具有重要的生态地位和研究价值，是高原湿地研究的热点区域。该区域中分布着高原湖泊、湖泊周边及山间谷地中的草甸和草地、以松和杉为主的林地以及几条道路。地物景观类型构成不甚繁复，有利将研究问题聚焦于不同波段选择的比较。同时草甸、林地类型中的次一级的景观构成，为研究的深入提供了充足的空间。笔者近年曾较详细的实地调查过该区域，积累了不少有价值的信息和数据。选择该区域作为研究区，有较充分的研究基础。

1.2 研究数据

使用于2003年12月获取的EO-1 Hyperion数据，进行校正等预处理，并根据研究区界限进行裁切，获得研究区的高光谱遥感数据。Hyperion数据是目前几乎唯一的可以免费获得的星载高光谱遥感数据。它提供了242波段的数据，频谱分辨率10nm，空间分辨率30m。根据相关文献，选择三个典型的波段组合作为后续分类和比较的数据。这三个波段组合（数字代表波段号）分别是（29：23：16）、（50：23：16）和（204：150：93），对应的波长分别是：641：580：509nm，855：580：509nm，2194：1649：1074nm。（29：23：16）组合是用来形成真彩色图像最常用的组合。使用（50：23：16）组合来形成真彩色图像时，图像中的植被会显示成偏红的颜色。（204：150：93）组合所对应的频谱范围避开了受大气吸收影响最明显的范围，有利于规避大气吸收对遥感数据的干扰。

1.3 分类方法

由于之前的调查数据数量不充足，使用监督分类方法效果不佳。故而使用非监督分类方法进行分类。K-均值聚类方法和ISODATA聚类方法是最常用的非监督分类方法。两种方法较为相似，ISODATA有所改进。使用ISODATA方法的关键是确定分类是所使用的主要参数：迭代次数、分类数量的范围、变化阈值、类别最大标准差、类别最小距离等。通过使用样本数据多次尝试，确定了所需要的参数数值。在实地调查信息的基础上，结合对实验所用影像的观察，确定了地物景观类型。共分为：水体、林地阳坡、林地阴坡、草甸、公路及裸地5种。ISODATA分类的结果，类别数大于地物景观类型数。在分类的后处理中，主要进行了类别合并，将ISODATA分出的类别归并成地物景观类型。

2 分类结果评价

从主观定性和客观定量的两种途径，对分类结果进行评价。主观定性途径主要依据景观格局的吻合程度、地物显著特征点的分类细节情况，参照同时期研究区的高分辨率影像（图1）和实地调查信息，进行判断。客观定量途径则进行了混淆矩阵的计算，使用总体分类精度、Kappa系数及类别间错分情况来进行评价。参照同时期研究区的高分辨率影像和实地调查数据，对研究区高光谱数据均匀选择了验证位点，进行人工解译。以此作为验证数据，用于计算混淆矩阵。

3 实验结果及分析

直观观察分类结果，总体上三个波段组合数据分类结果（分别见图2、图3和图4）斑块的破碎程度都不很高，应该与EO-1 Hyperion数据较低的空间分辨率有关。（29：23：16）组合的分类结果中，林地等植被覆盖区域错分为水体的情况较多，属都湖的轮廓已不完整，景观格局与实际情况差别明显。其他两个组合的分类结果中，景观格局保持较好。尤其是（50：23：16）组合，水体的识别十分准确。两个高原湖泊的水体是研究区最显著的特征地物。以水体来观察，（50：23：16）组合分类结果最佳，（204：150：93）组合次之，（29：23：16）组合最差。另一明显地物是研究区左侧边缘附近公路沿线的居民点和农地，此地物的识别情况受限于较低的空间分辨率，总体都不理想，相较而言，（50：23：16）组合结果最佳，（29：23：16）组合次之，（204：150：93）组合最差。

通过计算混淆矩阵，得到使用三个波段组合分别进行分类的分类精度（见表1）。（50：23：16）组合分类精度最佳，（204：150：93）组合次之，（29：23：16）组合最差。这些数值总体偏高，应该是由于Hyperion数据幅宽较窄、空间分辨率较低，验证数据选取的验证点的数量偏少造成的。Hpyperion数据幅宽仅为7.7km，远小于Landsat数据的185km。

得到的类别错分数据显示，在（50：23：16）组合的分类结果中，水体、公路及裸地两种类型基本没有发生错分的情况，林地和草甸间的错分比例也很低，均低于10%。在（204：150：93）组合的分类结果中水体出现了25.84%未能分类的问题，草甸错分为公路及裸地、林地的比例较高，公路及裸地错分为草甸的比例达到11.73%。在（29：23：16）组合的分类结果中，突出的问题是水体错分为林地和林地错分为草甸，比率分别为20.46%和16.02%。还各有5%左右的草甸错分为林地和公路及裸地的情况发生。

总体来看，研究区位于保护良好的自然保护区中，植被覆盖较好，从可见光影像上可以明显看到整个区域的色彩分布较为集中，整体色调一片绿色。这对通过遥感数据进行地物分类识别带来了困难。研究区地物分类识别的主要问题是能否有效、准确的区分林地与水体、草甸与公路及裸地。或者说有效、准确的区分植被覆盖地类和无植被覆盖地类。（50：23：16）组合具备区分植被区域和无植被覆盖区域的突出能力，因而分类效果最佳。

4 结语

通过使用Hyperion数据不同波段组合的实验表明，不同波段组区分植被覆盖地类和无植被覆盖地类的能力有明显差别。高光谱数据的高频谱分辨率带来了更加丰富和精细的信息，适当地选取高光谱数据中的波段组合作为数据进行分类，突显关注的地物，能有效的提高分类精度。波段组合选择也是降低维数、降低计算代价，利用高光谱数据的有效方法。

参考文献

[1] J Parecke.EO-1/Hyperion Science Data User’s Guide[M].TRW Space， Defense & Information System，2011.

[2] 赵春晖，陈万海，杨雷.高光谱遥感图像最优波段选择方法的研究进展与分析[J].黑龙江大学自然科学学报，2007，24（5）：592-602.

[3] 林志垒，晏路明.地球观测1号高光谱与全色图像融合的最佳方法[J].计算机应用，2014，34（8）：2365-2370.

[4] 刘建平，赵英时，孙淑玲.高光谱遥感数据最佳波段选择方法试验研究[J].遥感信息，2001（1）：7-13.

[5] 黄健元.模糊ISODATA聚类分析方法的改进[J].南京航空航天大学学报，2000，32（2）：179-183.