城市土地覆盖遥感分类概述

遥感影像分类目的在于对地球表面及其环境在遥感图像上的特征进行分析，从而识别图像特征所对应的实际地物类别，并提取所需要的地物信息。在高速发展的城市化中，人类对土地的开发利用引起的土地覆盖变化被认为是城市环境变化的重要部分，也是引发各种城市生态环境问题的主要因素之一。城市土地覆盖直接反映了城市化的主导因子——人类活动的影响，其变化导致了城市植被覆盖减少、不透水面面积增加、热岛效应明显等地表与大气特性的变化，影响地气相互作用，进而改变城市气候与水循环过程。 因此，对遥感影像进行分类获得城市土地利用/土地覆盖信息是城市环境遥感研究的一个基础性和关键性环节。

遥感图像分类就是把图像中的每一个像元或区域划分为若干类别中的一类， 或若干个专题要素的一种， 即通过对各类地物的光谱、空间等特征分析来选择特征参数，将特征空间划分为互不重叠的子空间，然后将影像内各个像元或区域划分到各子空间中去，从而实现分类。

由于城市组成要素复杂，有时仅仅依靠光谱信息或简单的空间信息并不能获取高精度的分类结果，因此需要构造更为有效的分类特征。例如，通过主成分析(PCA)、最大噪声分离(MNP)、流形学习、核变换等方法从原始图像中提取新的分类特征，或将马尔可夫随机场、数学形态学、小波变换等用于提取空间、结构和纹理特征，或利用原姑逼感影像构建植被指数、建筑物指数等新特征，通过对不同特征的组合和优化，形成分类器新的输入特性。

Lu和Weng认为遥感影像分类是一个比较复杂的过程，最终结果受到很多因素的制约，如遥感影像的成像环境、预处理方法选择是否得当、训练样本和测试样本选取的正确性、分类方法的可靠性以及评价指标的理性等。城市土地覆盖分类同样查商形的西景的需要从员处理、特征集优送、分类路选择与改进样本优化等不同的方面出发，以构建具有良好性能的分类器。