利用ArcGIS软件根据影像的质量进行解译分区。采取面向对象分类方法,通过在eCognition软件中对研究区数据进行多尺度分割,选择空间、光谱、纹理、形状作为分类特征,采取人工判别辅助计算机自动分类方法进行分类。然后将数据在Arc/info AML语言脚本编程中进行矢量–栅格转换,最后利用ArcGIS软件对数据按照研究区范围进行拼接和裁剪操作。详细操作如下:
(1)解译分区:根据影像覆盖情况和影像质量(云覆盖度),利用ArcGIS Desktop进行影像分块,将整个黄土高原地区划分为多个解译分区。
(2)多尺度影像分割:利用eCognition 8.7软件进行多尺度影像分割。多尺度影像分割是基于影像光谱异质性,将影像分割为内部相对同质的多边形对象,即在设置的阈值范围内,将符合要求的单个像元合并为多边形影像对象
[6]。经过测试,影像分割的尺度设置为70较为适合。整个数据集全部采用70作为分割尺度。
(3)特征集构建:分类特征指标的有效性决定了解译结果的准确性,选择空间、光谱、纹理、形状作为分类特征。针对研究区特性,以植被指数(NDVI)、波段平均值、波段标准差、形状指数(Shape Index)构建特征集。
(4)土地覆被类型提取:通过构建的采用基于隶属度函数的面向对象分类方法
[7]。该函数依据对象特征可以精确定义对象属于某类的标准,通过综合对象特征进行分类。分类完成后,结合影像对象的光谱信息、形状及空间分布信息,将错分和漏分的对象手动划分到正确的类别中。最后,对明显错分的影像对象进行人工修正。
(5)精度验证:采用基于混淆矩阵和Kappa系数的方法,对研究区分类结果进行精度验证。验证点以2015年遥感影像为底图,对照实地,选取位于面积足够大(>3×3个像元)的斑块中心位置的点,避免选取近一年内发生类型改变的点。利用地面调查获得的1028个验证点对数据的精度进行检验。
(6)栅格数据生成:将数据在Arc/info AML语言脚本编程中进行矢量–栅格转换,将数据由矢量格式批量转化为栅格格式,栅格大小为30 m。
(7)裁剪拼接:利用ArcGIS中Data management模块下mosaic功能对数据进行拼接,最后按照研究区范围在ArcGIS中Data management模块下clip功能中进行裁剪,经重采样(Majority)得到最终分辨率为250 m的栅格数据。