近年来,随着遥感探测技术在矿山环境监测领域的不断发展,高分辨遥感影像已逐渐成为矿山环境监测处理的主要数据源。由于影像信息提取分类传统方法的局限性,传统方法难以应用到高分辨率影像的处理中去。有学者针对该难题在上世纪末提出了基于面向对象理论的解决方法。面向对象分类法充分利用了高分辨率影像的空间、纹理、地物间相互关系等特征信息进行影像数据处理。该方法具有自动化程度高、处理过程高效、分类精度高的特点,在露天矿区的环境监测方面,该方法可有效的为露天矿区的发展和环境治理提供有效的理论依据和技术支持,对高海拔艰苦地区的生态环境遥感调查和保护具有重要的理论和现实意义。本文以青海省木里煤田江仓矿区第五露天井田为实验区域,采用高分一号卫星影像作为实验数据,运用面向对象结合支持向量机(SVM)的分类技术对实验区域土地覆盖信息的提取进行了研究,并采用实验对比法对实验结果进行验证。本文研究内容如下:(1)对研究区域的高分辨率遥感数据进行预处理。通过采用影像融合、辐射增强等方法来提高影像的质量和判读性。为实验研究提供高质量的基础资料;(2)采用分形网络演化的算法对影像中感兴趣地物相对应的尺度值进行选择并进行影像分割。基于分割得到的每一类感兴趣地物的分割图层和分割对象建立影像信息提取的分类等级结构层次网;(3)对分割后的影像对象进行筛选建立科学合理的样本集,并选取对象相应的特征建立露天矿区土地覆盖利用信息提取分类规则。以面向对象分类理论为基础,以支持向量机分类器为实验工具对研究区域进行信息提取分类处理;选择研究区域野外实地勘察结果作为参考数据,通过误差矩阵和Kappa系数值来评价分类结果的精度和质量。为验证实验结果更为优,选择传统基于像元的最大似然法进行实验结果对比;结果表明:面向对象结合支持向量机的影像分类精度为88.45%,Kappa系数为0.8643,远高于最大似然法分类结果。(4)对江仓第五露天矿区2009年和2013年两期影像数据中各类土地覆盖利用信息进行统计分析。结果显示:研究区域从2009年至2013年开发用地增长面积占比为16.60%,受影响的环境面积占比为34.11%,环境受破坏严重。总体上,分类结果可满足实际生产的需要,可为矿区的环境治理与生态修复提供技术支持。达到了研究目的。
