遥感数据的空间分辨率和波段数对土地覆盖制图的影响研究

The characteristics of the various available remote sensing data for land cover mapping are different, which directly cause the difference of the mapping effect based on the remote sensing data. Besides the difference of spectral range for imaging, the spatial resolution and the band number are two significant factors that can impact the land cover mapping. Therefore, this project make a deep analysis on the impact of the two factors from theoretical and practical aspects, and to provide corresponding countermeasures to solve the problems. The issues need to be solved in the project are: (1) the determination of the optimal spatial resolution for hard classification under the condition of given mapping accuracy requirements; (2) the classification criteria for land cover mapping using images with a certain spatial resolution; (3) the impact of band number on the classification result and the measures to solve the Hughes phenomenon. The study attempts to reveal the laws of the characteristics of remote sensing data for land cover mapping, and the result might provide theoretical guidance and technical support to select suitable remote sensing data, to analyze the potential classification ability, to determine the criteria for the classification, and to determine the applicable research scales and fields for different remote sensing data, so the project has significant research value and scientific meaning.

由于用于土地覆盖制图的各种遥感数据本身有很大的特征差异，这直接导致了基于各种遥感数据的土地覆盖制图效果的差异。除了成像波谱区间的差异，空间分辨率和波段数是影响土地覆盖制图效果的两个重要因素，所以本项目从理论与实践的角度深入分析这两个因素对土地覆盖制图的影响，并提出解决相应问题的对策。项目要解决的问题包括：(1)一定分类精度要求下土地覆盖硬分类制图最佳空间分辨率的确定；(2)一定空间分辨率条件下土地覆盖制图分类标准的确定；(3)波段数对分类结果的影响分析和抑制Hughes现象的方法。本研究试图揭示出遥感数据本身的特征对土地覆盖制图的影响规律，为土地覆盖制图时遥感数据的合理选取、潜在分类能力的分析、分类标准的确定，以及遥感数据适用的研究尺度和领域的确定等提供理论指导和技术支撑，具有重要的研究价值和科学意义。

目前，卫星遥感数据已被广泛应用于对地观测研究，并在其中起着重要且不可替代的作用。由于对地观测的卫星传感器多种多样，获取的遥感数据也存在着很大差异。因此，在利用这些数据进行土地覆盖制图时，必须考虑这些因素的影响。本项目着重考虑空间分辨率和波段数对土地覆盖制图的影响。主要内容包括：（1）空间分辨率对土地覆盖制图的影响分析和土地覆盖制图分类标准的确定；（2）土地覆盖硬分类制图最佳空间分辨率的确定方法；(3)波段数对分类结果的影响分析和抑制Hughes现象的方法。首先，以空间分辨率为19.5 m的中巴卫星CCD图像为例对冬小麦进行分类，并对分类结果按照不同分辨率状态下图像中每个像元的冬小麦的纯度，来分析低空间分辨率的遥感数据对图像硬分类效果的影响。研究结果表明：空间分辨率与像元的纯度分布有密切的关系，而像元的纯度分布与硬分类精度有着密切的关系，因此空间分辨率对图像的硬分类效果至关重要。在制作遥感专题图时需要分析纯度分布状况以判断其在理论上的分类精度是否能够满足制图的需求。其次，为了确定土地覆盖制图的最佳空间分辨率，项目选取不同分辨率的图像，通过对模拟的不同分辨率得到的漏分误差和错分误差的进行比较，确定实际数据的分类效果。研究结果表明：“帕雷托”边界代表了任何硬分类器分类的精度上限，它可以揭示出空间分辨率和分类精度之间的关系。因此，根据给定的精度要求，硬分类的最低空间分辨率是由“帕雷托边界”决定的。而分类的最高的空间分辨率的判断需要根据被分类地物的特征来判断，如果目标土地利用类型的光谱在不同尺度上是一致的，而且图像的空间分辨率能够满足分类精度的要求，那么就没有必要再使用更高空间分辨率的图像进行分类，否则会增大数据量或成本；如果被分类地物的内部结构比较复杂时，硬分类的最高分辨率是由“类内差异”决定的，需要通过类内方差来判断最高分辨率。第三，研究采用SVM（支持向量机）方法解决高维遥感数据分类问题，可以有效地解决高维遥感数据的分类。其优点是分类时不需要降维，不受特征空间维数限制和不受Hughes现象影响，非常适合高维遥感数据分类。研究提出了一种基于k均值二叉树SVM的高光谱图像快速分类算法。研究测试结果表明其分类速度和分类精度都优于传统的SVM分类结果，该方法对高光谱和长时间序列等高维遥感数据分类具有重要的实际应用价值。