GF-1与Landsat-8影像土地利用遥感解译对比分析

李 丹，梅晓丹，赵 鹤，田美玲，翟 慧,罗雨斐，蒙延斌

(黑龙江工程学院 测绘工程学院，黑龙江 哈尔滨 150050)

高分一号(GF-1)卫星是我国高分辨率对地观测卫星系统重大专项(简称“高分专项”)的第一颗卫星，于2013年发射，包括红、绿、蓝、近红外4个波段，其全色数据空间分辨率为 2 m，多光谱和宽幅多光谱空间分辨率分别为 8 m、16 m，具有高空间分辨率、高时间分辨率、宽覆盖等特点[1-3]。Landsat8 是美国国家航空航天局( NASA) 于 2013 年发射，该卫星的发射延续了 Landsat 系列卫星对地观测任务，为全球资源环境变化应用和研究提供了重要支撑[4]。土地利用变化是全球变化研究的热点问题之一[5-8]，遥感数据因其具有大范围、时效性强和成本低的优势成为土地利用数据获取的主要数据源[9-12]。

为了对比上述2种传感器参数对土地利用分类能力与精度的影响，评价 GF-1 在土地利用遥感解译中的应用价值，本研究选取松嫩平原北部典型区域——黑龙江省嫩江县 GF-1和Landsat-8 影像数据，进行土地利用遥感解译，分析两种影像解译结果，以期为土地利用遥感图像解译研究提供数据支撑。

1 研究区概况

本文研究区嫩江县位于黑龙江省西北部，东经124°44′30″～126°49′30″，北纬48°42′35″～51°00′05″。行政区划面积1.51×104km2。嫩江县位于兴安山地和松嫩平原之间的过渡地段，海拔为193～729.7 m，地势北、东部地区高，南、西部地区低。气候类型为中温带半湿润大陆性季风气候，年平均温度低，雨热同季且冬季漫长。嫩江县是我国重点商品粮生产基地，享有中国“大豆之乡”及“北国粮仓”的美誉。受行政管理限制，本文的研究区域未包括国营农场及军队农场[13]。

2 数据来源与处理

2.1 遥感影像预处理

本文选取嫩江县2013-08-20 Landsat-8 卫星OLI传感器数据，与GF-1 16 m分辨率多光谱数据进行土地利用遥感解译对比分析，具体参数如表1所示。对影像进行辐射定标、大气校正、波段合成、图像镶嵌、图像裁剪等预处理后，定义训练样本，进行监督分类、精度检验，最终获得研究区土地利用遥感解译数据。

表1 GF-1 与Landsat-8卫星参数

2.2 土地利用分类

根据研究区2013年Landsat-8与GF-1卫星遥感影像目视解译分类结果，选用最大似然法进行土地利用分类，参照《土地利用现状分类(G/T21010-007)》将嫩江县行政区土地利用类型划分为耕地、林地、草地、水域、建设用地、其他用地6个一级地类[14]，如表2、表3所示。

2.3 精度检验

采用混淆矩阵进行精度检验，混淆矩阵是一种由N行和N列组成的N阶矩阵，其中N代表了类别的数量。混淆矩阵的列和行，分别代表了参考影像的信息和被评价影响的分类结果信息。

3 结果分析

3.1 Landsat-8和GF-1区域分类精度对比

由表2，表3可知，Landsat-8卫星对于林地区域和耕地区域的分类精度高于GF-1卫星；而在草地、建设用地、其他用地区域和水域方面的分类则是GF-1的精度高于Landsat-8卫星。因为GF-1卫星的分别率更高，所以在较多水塘、细小河流、村庄和小规模的城镇，地物类型破碎，纹理与细节信息明显的地区，分类效果更好。

表2 2013年Landsat-8研究区土地利用混淆矩阵

表3 2013年GF-1研究区土地利用混淆矩阵

3.2 Landsat-8和GF-1可分离性对比

为了对比2种数据在各土地利用类别上的光谱可分离性，将全部用地类型进行可分离性比较，详见表4、表5。在GF-1卫星的分类基础上，全部6个土地利用类型的可分离性系数都比较高(大于1.8)，分类结果比较接近与实际情况，而在Landsat-8卫星的分类基础之上，草地与耕地的可分离性相对较低，为1.614，低于普遍要求的1.8，但在其他的土地利用类型的分类情况上效果明显。

3.3 Landsat-8和GF-1分类结果面积差别分析

由Landsat-8为基础图像，GF-1为变化图像，进行不同地物分类结果面积差别对比(如表6)。Landsat-8中的林地有105.73 km2被GF-1分成草地，627.84 km2被分成耕地，4.47 km2被分成建设用地，115.06 km2被分成其他用地，而水域则没有被错分，其他结果见表6。

表4 2013年Landsat-8研究区数据可分离性比较

表5 2013年GF-1研究区数据可分离性比较

表6 Landsat-8与GF-1分类结果面积差别表 km2

3.4 Landsat-8和GF-1遥感影像综合分析

结合研究区的可分离性，Landsat-8影像对于林地和耕地的分离系数不高，在矩阵中林地和耕地二者的分类精度排在最后，同样，在GF-1影像中，水域和其他用地与其余4种土地利用类型的可分离性也较低，与分类的精度相符合。可以看出Landsat-8分类结果在林地与耕地地区，与GF-1的分类结果相差最大，林地达到6.37%，而在耕地则有5.47%。差异较大的原因为Landsat-8与GF-1 2种传感器波谱响应函数在红波段和近红外波段响应范围差异造成的。为了使分类的结果更接近于真实值，后期可以使用相应的DEM图分析，使波段造成的影响减弱，让分类的结果更加精确。另外，根据2011年的嫩江县的土地利用类型面积规划可知，2011年嫩江县的林地面积为4 589 km2，草地面积为1 338 km2，水域面积为68 km2，耕地面积为4 496 km2，建设用地面积为12 km2，其他用地面积为0.3 km2。而根据利用ENVI分类出的结果来看，Landsat-8影像所分出的林地面积为4 494 km2，草地面积为1 560 km2，水域面积为59 km2，耕地面积为4 212 km2，建设用地为16 km2，其他用地面积为1.3 km2，而GF-1所分出的结果是林地面积为4 744 km2，草地面积为1 134 km2，水域面积为70 km2，耕地面积为4 838 km2，建设用地为13 km2，其他用地面积为0.2 km2。

可见，Landsat-8影像在林地和耕地方面的分类结果都很接近真实值；GF-1在水域、其他用地、草地和建设用地的分类结果就相对较精确，而在林地和耕地方面则不如Landsat-8，这与混淆矩阵分析的结果一致。Landsat-8图像对林地和耕地的可分离性不是很高，是由于光谱合成和图像镶嵌时的颜色不均所造成的，对结果并没有很大影响。综合而言，GF-1 影像数据的高空间分辨率在一级土地覆盖分类中体现出优势，具有较高的精度，并结合其大幅宽与重访周期短的优势，在土地覆盖分类研究中被广泛应用。

4 结 论

本文基于Landsat-8卫星影像和GF-1卫星影像，应用遥感技术和ENVI软件技术，分析了研究区嫩江县2013年土地利用类型在Landsat-8卫星影像和GF-1卫星影像的分类差别与精度，得出如下结论：

1)Landsat-8与GF-1在不同的土地利用分类上结果存在差异。针对大面积土地利用分类，Landsat-8的分类结果更接近于真实值；针对混合像元少，纹理和细节更加复杂的土地利用类型，GF-1的结果更好。

2)对于GF-1图像，虽整体精度很高，但在很多区域分类结果的面积均大于Landsat-8，导致可分离性高结果却有偏差，后续研究中应利用DEM、纹理特征、多时相数据等进行后处理，进一步提高分类精度。