基于RS的惠安县土地利用变化信息的提取

PAGEPAGE15题目：基于RS的惠安县土地利用变化信息的提取专业：测绘工程【摘要】目前城乡开发发展过程中土地资源利用严重失衡已成为热点问题,准确、客观的掌握土地利用的动态监测显得日益重要。本文以1988年和2005年的惠安县遥感影像为基础数据，应用ERDAS软件通过影像纠正等处理，采用影像分类比较法形成土地利用分类图，计算出图斑面积，分析惠安县土地利用现状及变化原因，为惠安县及沿海县市未来城乡发展方向提供数据基础。 【关键词】动态监测；遥感；监督分类；动态监测目录1引言 41.1研究背景 41.2研究意义 41.3国内研究现状 41.4国内研究方法 51.4.1影像分析比较法 51.4.2影像分类比较法 51.4.3多时相影像分类法 51.4.4基于RS技术集成方法 52.研究技术路线 62.1基础数据 62.2技术路线 73惠安县遥感影像信息获取 73.1信息提取具体流程 73.2遥感图像的处理 73.2.1几何纠正 73.2.2图像裁剪 83.3遥感图像的计算机分类 93.3.1研究样本选择 93.3.2定义分类模板 93.4分类精度评定 114土地利用监测分析 114.1土地利用现状分析 114.2土地利用程度变化分析 135研究后结论与展望 145.1本研究结论 145.2展望 15致谢词 15参考文献 151引言1.1研究背景有限的土地资源是地球上不可再生的重要资源之一。虽然地球面积多达5亿多平方千米，陆地面积却只占29%，其中还有很大一部分面积是不适合人类居住的，适合人类栖息的土地面积由农、林、牧、建筑用地等交错。随着社会快速发展，城市工业用地建筑用地不断侵占耕地、林地等，导致土地资源利用渐趋失衡，我国人口基数过大导致了土地资源的人均占有量低，并且土地利用方面存在着尖锐矛盾，主要表现在建筑用地、工业用地占用大量土地，而这些土地大部分是地形平坦土壤肥沃的耕地[1]。因此，在城乡发展过程中应该要特别注意土地资源的合理利用与保护。1.2研究意义遥感技术的特色是动态、快速以及宏观，这些特色给土地监测利用与资源开发利用提出了一种新的监测方法。由于卫星遥感数据能够进行实时动态化监测，可以为研究地球地面观测提供一个全球性、持续性的大型数据库。遥感动态监测在调查土地利用结构后进行合理规划和管理土地资源，同时也是一个国家或区域动态地、快速地进行管理土地等环境资源的重要方法。本研究的研究对象惠安县地处我国东南沿海，地形以丘陵平原为主，土地结构主要由耕地、林地、建筑用地等组成，是沿海县市的典型。长期以来泉州市惠安县尚无基于遥感而获得的完整的土地利用状况数据，以往惠安县土地管理部门都是采用传统土地利用现状调查，然而传统数据得不到及时更新，难以满足发展需要。本研究通过对两幅惠安县遥感影像图的信息提取，对惠安县土地资源进行分类，从而对惠安县及沿海县市今后发展决策提供科学依据。1.3国内研究现状在土地利用的科学研究中，国内很长一段时间一般是采用传统方法，即以野外实地调查结合区域地形图，填写统一的调查报表进行统计分析来获取土地利用分布信息。传统方法如表1-1。表1-1传统方法一览表传统方法定义实地调查法对研究调查的区域实行量测实地访询等获得该地域的土地利用现状及动态变化的数据资料。统计报表制度法各级土地行政管理部门在国家统一的表格上做记录，通过原始记录的表格所提供的资料进行分析和统计从而得出土地资源的利用状况和变化趋势。专项定点监测法利用特定的仪器对区域进行定点的监测测得具体数据从而达到监测目的，对采集的数据进行分析之后得到土地资源动态监测的原始资料。随着社会的飞速发展，上述的三种传统调查方式具有获取数据时间长、精度不高等缺点，导致无法精确地提供准确信息与反馈土地的实时利用情况。随着RS技术为土地科学研究提供的全新研究手段，遥感在土地研究领域带来了十分明显的社会效益和经济效益。我国从上个世纪末起开始利用遥感技术结合传统方法对土地利用情况进行调查，九五期间采用TM遥感影像图开展监测工作，九五至2010年间国家科委把土地利用动态监测作为重点研究项目之一，以3S技术进行环境监测[2]。1.4国内研究方法RS技术则可以短周期内得到全方位的动态变化信息，因此目前基于RS技术结合传统调查方法在我国国情普查以及土地利用研究中应用极大，主要还是在应用遥感技术的基础上，对土地利用的动态信息进行监测。RS技术分为如下四种方法：影像分析比较法、影像分类比较法、多时相影像分类法以及基于RS技术集成法。[3]1.4.1影像分析比较法利用同一时相同一地区成像的不同时间遥感影像进行比较，应用分类方法确定土地利用动态数据。该方法主要有影像对比分析、影像叠加分析、矢量图及影像对比分析，如表1-2：表1-2影像分析比较法分类表方法定义及实例影像对比分析是对两幅及两幅以上不同时相的遥感影像进行相互对比分析后，继而获得地物动态变化的一种方法。例如，遥感影像中河流在洪水季节与枯水季节中的变化，利用时相对比分析可进行洪水淹没损失评估或其他一些自然灾害的评估。影像叠加分析采用同一区域不同时期的卫星遥感影像叠加分析技术，快速获得大面积区域土地利用变化信息的方法。原峰等利用ARC/Info将TM、ETM遥感图像的信息层进行叠加，得到分洪区1986-1996年和1996-2002年土地变化情况，研究结果显示土地利用发生重大变化。矢量图及影像对比判读将以往的矢量图叠加到当前时相的遥感图像上，通过对比监测同一地域内遥感图像上土地利用类型变化的方法。该方法需要具有历史影像数据为依据从而进行叠加判读。1.4.2影像分类比较法遥感影像分类原理主要是依据不同地物电磁波辐射的不同，分类对比后确定土地类型等信息。该方法包括计算机分类法和目视解译法。计算机分类方法是根据影像图像元亮度不同，对数字图像进行运算处理，然后用变量表示土地类型，进而遥感影像图中的各种地物。计算机分类方法分为两种：监督分类和非监督分类。目视解译法是指根据目视解译标志人眼辨识地物，将目视判读成果绘成地物分类图，通过分析在图像上画出地类线得到新的遥感分类图[4]。1.4.3多时相影像分类法该方法是把多个不同时相的遥感影像图进行合成形成一幅新的图像，接着对新图像进行监督分类以达到较为准确区分地物类型的目的。如许榕峰等提出利用多步骤法在土地利用覆盖专题提取中的应用。1.4.4基于RS技术集成方法基于遥感集成方法目前有：“3S”集成、RS与GIS集成。3S技术是遥感（RemoteSensing）、地理信息系统（GeographicInformationSystem）和全球定位系统（GlobalPositioningSystem）的合称。在实现高精度高效率地对地监测工作原理主要是在RS基础上，同时与GIS、GPS紧密结合，完全是结合了3S各自在监测方面的优势。3S集成是指3S技术的有机结合，由GIS提供所需基础数据，建立数据库服务土地利用监测。RS技术快速地、动态地获得地面信息，向数据库提供了更为精准的数据基础。通过GPS在户外勘测对室内解译不确定的结果进行检核校正，并在此基础上做后续的数据库更正[5]本次惠安县影像图研究采用基于RS技术为主，GIS为辅，结合影像分类比较法对惠安县土地利用进行动态监测分析。RS的优点是能够在短时间内获得环境的各种动态信息，GIS则是能够进行高速分析与处理，二者结合能够达到及时发现土地利用变化信息的目的。2.研究技术路线研究区域概况：泉州市惠安县位于位于北纬24°09'—25°07'，东经118°37'—119°05'之间，是沿海经济区典型县市，县境东西相距42公里，南北长达32公里，土地总面积76219.57公顷。本研究以探究基于遥感影像图在土地利用动态监测应用为目的，结合惠安县土地资源分布情况，研究了遥感影像图初处理、多时相土地利用变化信息提取、分类精度评定讨论、土地利用现状分析。RS技术与影像分类比较法为主，GIS软件处理为辅使得本研究在信息提取中快速获得较高精度的分析结果，同时也充分兼顾了惠安县的实际土地资源利用情况。2.1基础数据本文以两个时相的惠安县TM遥感影像数据为基础数据。通过对初始影像进行几何纠正、图像裁剪、监督分类等处理后生成土地利用现状图，计算出两个不同时相影像图地域耕地等面积。本研究采用的是1998年、2005年的两个时相惠安县遥感影像数据进行动态监测，原始图像分别截图如图2-1、图2-2所示。图2-11998年惠安县遥感影像图图2-22005年惠安县遥感影像图2.2技术路线运用的处理软件平台：ERDAS9.0，是一个功能强大的遥感图像处理平台，在对动态监测中不同分辨率以及不同时相的配准融合工作中，该系统把影像图处理和空间数据的分析管理结合，提高了工作效率，作为该行业的先驱它代表了遥感图像处理系统未来的发展趋势[6]。遥感影像图大部分都会因为某一些外来因素致使所得到的遥感图出现畸变，为此获得遥感TM图时，都要将得到的遥感影像图参照已校正图像、地形图或GPS控制点进行重采样，消除几何畸变即进行几何校正。整个土地利用动态监测的流程图如图2-3所示。1998年影像────2005年影像几何纠正图像裁剪定义分类模板监督分类分类精度评价分类结果输出与分析图2-3土地利用动态监测技术路线流程图3惠安县遥感影像信息获取3.1信息提取具体流程信息提取流程详细步骤如下：在本研究中我们将收集到的两张不同时相卫星遥感影像运用ERDAS软件中的AOI工具进行几何纠正，然后再选取惠安县地图行政区域边界来裁剪形成正射影像图。接着通过采用影像分类比较法，即计算机自动分类中的监督分类与人工判读相结合的方式，选取5个样本进行分类，然后生成土地利用现状图，最后将每一类的面积统计出来，比较前后两个不同时相的具体土地利用面积的变化。3.2遥感图像的处理3.2.1几何纠正本研究通过ERDAS软件进行几何纠正，参考影像为2005年惠安县影像，用2005年影像图纠正1998年惠安县遥感影像。首先进行控制点的选择，本研究采用的是GCP控制点，GCP控制点与检查点表格如表3-1所示。控制点选取主要注意两个方面：1.控制点数目用未知数来表示，即N次多项式，控制点的最少数目为（N+1）*(N+2)/2；2.选取惠安县两张影像图上均容易目视辨别和定位、地形稳定、分布均匀的特征控制点位。控制点位选取后重采样方法采用的是三次卷积内插法，该方法要求选取的控制点要很均匀，重采样后生成正射影像图[7]。控制点选点如图如图3-1、图3-2所示。控制点与检查点的误差如表3-1所示。图3-1校正影像的控制点选取图3-2参考影像的控制点选取表3-1控制点与检查点的误差表Point#XInputYInputXref.Yref.TypeXResidualYResidualRMSErrorGCP#1693520.9472781768.803390906.272780772.101Control-0.5060.4950.704GCP#2651956.7422760654.13348893.262760611.957Control-0.2880.9960.998GCP#3670082.8822741191.298366614.022740714.423Control0.5790.2110.616GCP#4690059.8272766426.88387114.262765497.51Control1.7530.4080.639GCP#5644083.4752744966.353340714.132745068.387Control0.5660.8140.902GCP#6668877.6082763246.577365886.262762813.544Control1.1620.9660.983GCP#7675050.1492776085.953372294.132775424.109Control-0.8190.8650.930GCP#8650702.4882773653.413347913.342773607.851Control1.8160.4880.699GCP#9664922.9162783963.864362369.222783617.823Control0.8780.2770.526GCP#10661487.342782981.547358924.642782703.996Control1.6150.2950.543GCP#11659606.0022796480.399357337.772796243.942Control-1.4260.5480.740GCP#12641022.322763410.392338023.042763584.551Control-0.3170.3260.571GCP#13674591.9822789816.499372192.742789297.924Control0.8120.5390.975GCP#14648392.2872782127.273345826.152782117.315Control0.9440.740.860GCP#15660234.2082744344.986356820.082744107.627Control-0.3820.5150.718GCP#16683941.9792754049.678380723.512753294.6Check0.740.6020.776GCP#17653515.9292752738.461349927.942752781.498Check0.210.3670.423GCP#18690218.4312788423.966387768.962787497.404Check-0.7960.1130.336GCP#19681936.8382768785.191379044.782768052.691Check0.2020.320.3783.2.2图像裁剪图像剪裁就是为了将研究区域从整张遥感影像图中分离出来，本次实践利用ERDAS软件中的AOI工具进行分割剪裁将惠安县行政区域的县界从整张遥感影像图中分割开来。剪裁过程中一定要对相同面积进行投影，使用的投影系统要一样。本研究是在ERDAS中的AOI工具实现裁剪命令，最后的成果图如图3-3、图3-4所示。图3-31998年裁剪成果图图3-42005年裁剪成果图3.3遥感图像的计算机分类遥感数字图像的计算机分类是计算机解译的基本工作。计算机自动分类是经过对图像的运算处理根据特征变量来分辨地物的类别[8]。计算机图像自动分类方法包括监督及非监督分类，在本次研究中主要利用监督分类来进行自动分类。监督分类中比较经常使用的方法有四种：多级切割分类法、最大似然比分类法、特征曲线窗口法、最小距离分类法[9]。最大似然比分类法本质是采用统计学原理，假定地物的光谱特征是近似服从正态分布的，建立函数来求像元归属。本研究中采用最大似然比分类法进行惠安县遥感影像分类。3.3.1研究样本选择监督分类的要点在于是否选择合适的训练样本。监督分类判定是否为典型的训练样区有三点：第一，在各类地物面积较大中心选取以保证样本代表性；第二，为减少偶然误差，样本选择数目应满足分类要求；第三，样本不能集中在局部位置，这样才能降低自然、社会等因素的影响以及同种地物在不同地区光谱特性的差异性[10]。选择完训练样本后需要做的则是对模板分类信息的提取。获取模板分类信息通常通过查询光标、AOI扩展工具、AOI绘图工具等途径，或者是把上述的方法合理搭配利用，在最初的遥感影像图获取分类模板信息，为获得较高精度的分类结果，本次研究采用的是第二种和第三种方法结合，对1998年和2005年惠安县影像分别监督分类，在实践中依据剪裁后的图件大小以及地区类别复杂性确定了模板采样数，最后综合两张剪裁后的影像图采样数确定在80~100类。3.3.2定义分类模板目视解译的前提是土地利用分类系统的建立。本研究中选取样本是通过人工目视判别，根据土地的自然生态和利用范畴，土地类别被分为建设用地(居民地、工业厂址等)、水域、耕地、未利用土地和林地。样本选取范例如图3-5所示。图3-5选取样本范例选取各个地类的样本后，利用Edit下的Merge对同一类别的不同模板进行合并，并对模板设置模板名称、颜色、透明度等。1998年和2005年影像的分类定义模板如图3-5、图3-6所示。图3-51998年分类定义模板图3-62005年分类定义模板再点击Classification下的SuperviseClassificition进行计算机自动分类，最后生成的分类结果图如图3-7、图3-8所示。图3-71998年分类结果图图3-82005年分类结果图3.4分类精度评定在计算机自动以后要将结果与地面实际调查数据进行比较，比对后计算此次分类的精度并对错误率进行评估。在本实践研究中，选取的每个类别的随机点都多于20个，我们采用计算机随机评价的方法（即产生随机点的分布参数StratifiedRandom）[11]。首先选取250个随机点，参考结合地面实际的调查数据结合资源分布图来辨别选取样点的所属类别。最后计算得出1998年和2005年惠安县遥感影像各地类的分类精度。1998年惠安县影像耕地、林地、水域、建设用地、未利用地的分类精度分别为94.31%、92.98%、66.67%、79.31%、85.71%，2005年惠安县影像耕地、林地、水域、建设用地、未利用地的分类精度分别为92.11%、98.15%、92.16%、89.25%、94.38%，Kappa系数分别为0.810和0.962，分类效果较好，结果表明精度很高。4土地利用监测分析4.1土地利用现状分析进行分类精度评定后，结果满足要求，再用ArcGIS软件统计出各地类的面积，统计后绘制1998年和2005年惠安县土地利用结构表分别如表4-1、表4-2，以及现状图如图4-1、图4-2所示。表4-11998年惠安县土地利用结构表地类面积（公顷）占全县土地面积的百分比（%）耕地23780.0129.95林地15174.0419.11建设用地13547.7117.06水域15412.2719.41未利用地11485.914.47合计79399.93100.00图4-11998年惠安县土地利用现状图表4-22005年惠安县土地利用结构表地类面积（公顷）占全县土地面积的百分比（%）耕地22075.0328.96林地20863.2127.37建设用地16117.6521.15水域563.700.74未利用地16599.9821.78合计76219.57100.00图4-22005年惠安县土地利用现状图表4-1和表4-2主要列出了1998年和2005年各种土地利用类型面积及其变化情况，由表可以看出，惠安县的土地面积减少了3180.76公顷，主要是因为在2000年泉港地区被单独划分出去。建设用地7年间增加2569.94公顷，所占比例由1998年的17.06%增长到2005年的21.15%，可见惠安县城市化进程速度之快，城镇扩展已成为惠安县土地利用变化驱动力之一；耕地的面积在减少，两时期面积对比相差1704.98公顷，惠安县耕地减少的途径主要为各项建设占用，其主要原因是惠安县经济方面的快速发展，城镇面积扩大、工业产业园区增加、高速公路的修建和惠安公路拓宽改造等占用了较多的耕地；林地面积增加，两时期面积对比仅差5689.17公顷。4.2土地利用程度变化分析类型法和指数法是用来表示土地利用程度。由于指数法适用于定量的研究，所以本研究采纳的是刘纪远的综合指数模型，分类详见土地利用类型及分级表（表4-3）[12]。该分级主要是按照自然与人文系统相互间能量、物质交流的强度和方向，分成四级：表4-3土地利用类型及分级级别S1S2S3S4未利用土地级林、草、水用地级农业用地级城镇聚落用地级土地利用类型未利用地天然林地、天然草地、天然水域耕地、园地、人工草地城镇、居民点及工矿、交通用地分级指数255075100上述四种土地利用类型同存于特定区域，土地利用综合程度指数表达为：式中，S为惠安县的土地总面积，从A1到A4分别取值为25，50，75，100；Ai表示土地利用程度指数，Si为i级土地利用面积，。变化量以及变化率表示研究地区土地利用的变化速度。土地利用程度变化量和土地利用程度变化率可分别表达为：式中Aa、Ab分别为地区a时间和b时间的土地利用程度综合指数，当ΔA、R>0时，表示惠安县处于发展时期，反之表示惠安县处于衰退期或调整期[13]。从上述公式里，得到惠安县土地利用程度综合指数以及土地利用程度变化率。2005年惠安县土地利用程度综合指数为60.76，而1998年则为53.93。从土地利用程度变化率来看，整个惠安县R>0，说明该区的土地利用正处于发展期,对环境的压力将会随着发展进一步增大。根据1998年—2005年的土地利用变更调查资料显示，1998-2001年惠安土地利用结构总体变化速度较为缓慢，而在2002-2005年期间变化比较明显。具体变化情况见图4-3、图4-4所示。图4-3惠安县1998-2005年耕地变化情况图4-4惠安县1998-2005年建设用地变化情况图4-3至图4-4表明，从2000年开始，土地利用结构开始有了较大的变化。建筑用地骤增而耕地以及未开发利用的土地骤减。5研究后结论与展望5.1本研究结论1.本研究采用的方法流程中主要存在两点问题：一是人眼对亮度微小差别识别能力有限导致目视解译部分存在误差[14]；二是由于计算机自动分类精度不能满足工作要求，所以本研究采用了人机交互解译，提高信息提取精度，由于该方式工作量偏大，因而不适合用在大范围面积的信息提取[15]。2.结果表明在1998年-2005年期间，惠安县土地利用类型发生了巨变，而这种巨变的产生最主要是由于城乡快速发展过程中，大量的林地、草地、水体和耕地被占用用来作为建筑用地，即人为因素起主要影响。惠安县应当在发展开发同时注意加强生态环境建设与保护。3.在此次研究中，利用基于RS的技术在惠安县的土地利用动态变化监测中，我们从最终的研究成果表格可以清楚地看出惠安县在八年期间土地利用类型演变特征[16]。随着城市化的加快，不难推测出惠安县土地利用变化速度还能加快，总体上看，惠安县地形地貌和土地利用作为具有典型性的沿海县市，本研究通过遥感图像处理获得成果的方法可以在沿海其他县市推广使用。5.2展望本研究基于遥感的土地动态变化信息提取清晰地反映出城镇在发展过程中具体的地类演变特征[17]。分析表明，经济快速发展的惠安县土地利用变化情况反映了人与环境平衡失调等问题。因此对正在飞速发展的沿海县市土地利用动态监测势在必行。在土地利用研究方面，未来的趋势是建立以计算机为基础，基于遥感的土地规划利用信息管理系统，在系统中要结合GIS和GPS，将GIS作为空间分析的工具，利用GPS的高精度定位进行外业调绘与核查，三种技术结合可以提高工作效率，更好的进行动态管理和实施监测制度，及时准确更新数据库，做到“及时变更，变更有据”。随着GIS、GPS、RS技术的发展与成熟，三者与传统方法相互结合取长补短将成为今后的土地利用监测中不可或缺的部分。致谢词参考文献[1]张银辉.试论土地利用遥感动态监测技术方法[J].国土资源科技管理.2001,（3）:18-19.