基于遙感技術(shù)的土地利用變化監(jiān)測與分析

編者按：隨著遙感技術(shù)的不斷發(fā)展，其監(jiān)測范圍大、可覆蓋全球;瞬時成像、實時傳輸、快速處理、迅速獲取信息和實施動態(tài)監(jiān)測、受地面影響小等優(yōu)勢不斷被大眾了解，本文主要對江油市2006年以及2018年的Landsat-8以及Landsat-5遙感影像進行預(yù)處理，基于ENVI，利用決策樹分析江油市12年的土地利用變化。

引言

由于遙感技術(shù)能夠宏觀地對地表物體進行觀測，對于土地利用方面的應(yīng)用也在不斷地進步，再加上一些分析技術(shù)的應(yīng)用，遙感技術(shù)已經(jīng)成為監(jiān)測與分析土地利用變化的一種方便有效的技術(shù)手段。

通過遙感技術(shù)量化LUCC、演繹變化過程，建立模型，對于土地利用進行定量和定性分析。相關(guān)研究已經(jīng)證明，政策、經(jīng)濟發(fā)展和人口增長及自然災(zāi)害等因素是城市景觀格局變化的主要影響因子。

研究概況

研究區(qū)自然概況

江油地理位置處于北緯31°32′26″～32°19′18″、東經(jīng)104°31′35″～105°17′30″之間。市境輪廓呈東北-西南走向的條形狀，東西寬約48.4千米，南北長約86.6千米，面積2719平方千米。按地貌主要類型分，平壩面積占22.2%，丘陵面積占26.5%，山地面積占51.2%，臺地面積占0.1%。

數(shù)據(jù)處理

研究數(shù)據(jù)來源

本文所采用的遙感的數(shù)據(jù)源是2006年6月30號Landsat5 TM影像和2018年4月9號Landsat 8 OLI 的影像。兩種遙感傳感器的波譜信息如表1所示。

除此之外還用到研究區(qū)DEM（數(shù)據(jù)高程模型）數(shù)據(jù)用以計算坡度。

研究數(shù)據(jù)預(yù)處理

為了在遙感影像上提取的信息能夠準(zhǔn)確對影像進行預(yù)處理，主要包括輻射定標(biāo)、大氣校正、影像鑲嵌、影像裁剪，以此得到研究區(qū)的遙感影像（見圖1）。

遙感土地利用分類

數(shù)據(jù)處理

計算2006年以及2018年的遙感影像植被指數(shù)以及建筑指數(shù)。

（1）歸一化植被指數(shù)

歸一化植被指數(shù)（NDVI）由ROSE等于1973年提出，是植被指數(shù)中應(yīng)用最廣泛的一種指數(shù)。

NDVI計算公式為：

（1）

式中：ρNIR為和ρred為近紅外波段和紅光波段的反射率。

（2）建筑指數(shù)

歸一化建筑指數(shù)（NDBI）是經(jīng)過歸一化植被指數(shù)演變而來，建筑用地中紅外波段以及近紅外波段的反射率差異較為明顯，所以選擇這兩個波段來計算建筑指數(shù)較為科學(xué)。

NDBI計算公式為：

（2）

式中：ρMIR為中波段的地表反射率。

決策樹分類

遙感圖像分類技術(shù)分為監(jiān)督分類與非監(jiān)督分類兩種，前者需要訓(xùn)練樣本，而后者不需要。

對四種常見遙感的監(jiān)督分類方法進行比較分析，發(fā)現(xiàn)決策樹分類中的土地利用分類最接近實際情況，分類精度最高。BP神經(jīng)網(wǎng)絡(luò)法次之，最大似然法第三，支持向量機的精度。

根據(jù)表2中現(xiàn)有的對于遙感影像數(shù)據(jù)分類方法精度進行研究精度對比，本文將采取最佳分類方法，即決策樹方法對江油市的遙感影像進行土地分類。

決策樹分類是在遙感影像以及空間數(shù)據(jù)的基礎(chǔ)上，采用具有專家經(jīng)驗的總結(jié)、數(shù)學(xué)統(tǒng)計分析和歸納等方法，獲得分類的規(guī)則，通過此分類規(guī)則分類的方法。決策樹分類大致可分為4步：規(guī)則定義、規(guī)則輸入、決策樹運行和分類后處理。難點是規(guī)則的獲取，本文采用統(tǒng)計數(shù)值以及多次試驗的方法從樣本中獲取規(guī)則。

以此根據(jù)本文所用到的數(shù)據(jù)對遙感影像建立決策樹規(guī)則，以下為2006年的規(guī)則參數(shù)：

對于植被的提取：根據(jù)統(tǒng)計得NDVI值大于0.28時，分類結(jié)果為植被。

對于草地的提?。焊鶕?jù)常識得，當(dāng)?shù)乇淼钠露刃∮?（slope<5）時，地物為草地。

對于耕地的提?。寒?dāng)?shù)乇淼钠露却笥?小于20（5<slope<20）時，地物為耕地。

對于林地的提?。寒?dāng)坡度大于20（slope>20）時，地物為林地。

對建筑用地的提?。簱?jù)統(tǒng)計得，當(dāng)NDBI值在（-0.12，0）范圍內(nèi)時，為建筑用地。

對于水體的提?。寒?dāng)上述用地被分類出來時，剩下的部分即為水體。

在獲取規(guī)則后新建決策樹并輸入規(guī)則，本文建立的決策樹如圖3所示。

對于決策樹規(guī)則建立，就是不斷通過對地物確定指數(shù)范圍后一層一層劃分出地物的類別。得到如下土地利用分類結(jié)果圖。

在ENVI中對2006到2018年的土地利用分類結(jié)果進行分類結(jié)果對比，得到土地利用類型轉(zhuǎn)移矩陣。橫字段表示2006年（initial state）的土地利用類別，縱字段為2018年（final state）的土地利用類別，橫縱字段交叉處表示變化值。

結(jié)論

通過對遙感影像的數(shù)據(jù)進行預(yù)處理，基于決策樹對江油市2006年到2018年的土地利用信息進行分類。從整體變化趨勢上來看，江油市在這12年發(fā)展過程中，建設(shè)用地面積持續(xù)增加，而耕地、草地、林地總體呈現(xiàn)減少的趨勢，并向建筑用地轉(zhuǎn)化。耕地面積在向建筑用地轉(zhuǎn)移的同時，有一部分轉(zhuǎn)化為水體。

參考文獻：

[1]陳佑啟，楊鵬.國際上土地利用/土地覆蓋變化研究的新進展[J].經(jīng)濟地理，2001（01）：95-100.

[2]王曉峰，傅伯杰，蘇常紅，等.西安縣城鄉(xiāng)建設(shè)用地時空擴展及驅(qū)動因素[J].生態(tài)學(xué)報，35（21）：7139-7149.

[3]張敏， 宮兆寧， 江瀏光艷. 2000-2010年成都市土地利用空間格局變化分析[J]. 四川師范大學(xué)學(xué)報（自然科學(xué)版）， 2014（05）：735-743.

[4]劉萌，楊武年，邵懷勇，等.青川縣LUCC遙感動態(tài)監(jiān)測及驅(qū)動力分析[J].國土資源遙感，2014，26（03）：160-165.

[5]黃云鳳， 崔勝輝， 石龍宇. 半城市化地區(qū)土地利用變化及驅(qū)動力分析——以廈門市集美區(qū)為例[J]. 環(huán)境科學(xué)與技術(shù)， 35（06）：199-205.

[6]俞龍生， 符以福， 喻懷義，等. 快速城市化地區(qū)景觀格局梯度動態(tài)及其城鄉(xiāng)融合區(qū)特征——以廣州市番禺區(qū)為例[J]. 應(yīng)用生態(tài)學(xué)報， 2011（01）：171-180.

[7]陳學(xué)兄， 常慶瑞， 畢如田，等. 基于山地植被指數(shù)估算臨縣植被覆蓋度[J]. 應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報， 2020， 28（02）：69-79.

[8]楊陽光， 陳建波. 基于Landsat OLI影像的城市建筑面積提取[J]. 內(nèi)蒙古科技與經(jīng)濟， 2017（16）：86-87.

[9]童威.基于ENVI的遙感影像監(jiān)督分類方法的研究[J].科學(xué)創(chuàng)新與應(yīng)用，2019（23）：6.

[10]楊帆，王博.基于決策樹的遙感圖像分類方法研究[J].測繪與空間地理信息，2019，42（07）：1-4.

[11]楊凱.遙感圖像處理原理和方法[M].北京：測繪出版社，1998.

本文受云南省教育廳科學(xué)研究基金項目“以傳統(tǒng)工藝振興鞏固脫貧攻堅成果——大理巍山地區(qū)扎染實踐”（2021J0787）的資助。

作者簡介：劉學(xué)（19980824），女，漢，四川綿陽。碩士學(xué)位，地質(zhì)資源與地質(zhì)工程（資源環(huán)境遙感），成都理工大學(xué)，四川身成都市，610059。