基于TM影像的土地利用动态变化分析研究——以烟台市六区为例

黄宝华，孙治军，周利霞，史淑一，马玉强

（1.中国农业大学（烟台），山东 烟台 264670；2.山东省烟台市地理信息中心，山东 烟台 264670；3.山东省烟台市自然博物馆，山东 烟台 264003）

1 引言

土地是人类赖以生存的主要物质基础，人们通过利用土地的性能开展一定的活动来满足自身需要。而随着世界人口的急剧膨胀和社会经济的发展，特别是城市建设步伐的加速，城市土地利用的广度和深度不断加强，带来全球的资源、环境、经济、社会方面的一系列问题。因此，引起全球变化的土地利用问题已成为人们研究的热点之一。传统的土地利用调查需要花费大量的人力、时间和经费，难以适应土地利用的这种快速变化。遥感以其覆盖面大、信息更新快、人为干扰因素小等优点已逐渐应用到土地利用动态监测中，并成为当今遥感技术应用的热点之一［1～3］。本文以烟台市为例，以多时相的遥感数据为基础，探讨烟台市1989～2002年的土地利用类型变化的动因，为烟台市制定今后的发展规划提供依据。

2 研究区概述与数据源选择

2.1 研究区概况

烟台市地处山东半岛东部，位于北纬36°16′～38°23′，东经119°34′～121°57′，地形为低山丘陵区，山丘起伏和缓，沟壑纵横交错。山地占总面积的36.62%，丘陵占39.70%，平原占20.78%，洼地占2.90%。拥有909km海岸线和2.6万km2的海域面积，大小基岩岛屿63个，有居民的岛15个。烟台市区共辖芝罘、莱山、牟平、福山、开发区和高新区6个区，面积2 643.6km2，人口168.45万人。

2.2 数据源选择

研究所用遥感数据为1986年8月2日、1996年10月8日和2002年6月11日的Landsat TM和ETM数据各一景和1∶5万地形图，图像成像时研究区域内没有云层覆盖，图像质量良好。

3 土地利用遥感动态监测研究方法与技术路线

3.1 数据预处理

遥感数据预处理包括遥感数据的波段合成、几何精校正、影像配准、大气校正、反射率反演。以1∶5万地形图及其地图投影参数为基准对1986年TM影像数据进行几何精校正，然后以此为基准，在对1996、2002年数据进行几何精校正。利用Flassh算法对影像进行大气校正和反射率反演。

3.2 最小噪声分离变换（MNF）

最小噪声分离变换［4］本质上含有两次叠置处理的主成分分析变换。第一步，利用高通滤波器模板对整幅影像或具有同一性质的影像数据块进行滤波处理，得到噪声协方差矩，并将其对角化为矩阵D N：

其中，D N是∑N的特征值按照降序排列的对角矩阵，U是有特征向量组成的政教矩阵。公式（1）可以进一步变化数据中的噪声具有单位方差，且波段间不相关。

第二步，对白噪声数据进行标准主成分变换。

其中，∑D－adj是∑D－adj的特征值按照降序排列的对角矩阵，通过以上两个步骤得到MNF的变换矩阵：

由此可知，MNF变换具有主成分分析变换的性质，是一种正交变换，变换后得到的向量中的各元素互不相关，第一分量集中了大量的信息，随着波段数的增加，影像质量逐渐下降，按照信噪比从大到小排列，通常用于噪声去除、特征提取、变化检测、数据减维等。同时在MNF转化过程中，使光谱特征向类特征向量汇集，增强分类信息。

经过MNF变换后的影像特征值主要集中在前3个波段，将前3个波段进行彩色合成，从合成图中可以看出变换后影像特点。纹理信息明显，有林地顺着山体呈现连续但是不规则形状；农田呈现块状规则的分布形状。色彩信息明显，有林地呈现深红色或深蓝色；农田呈现绿色；城乡建设用地呈现淡蓝色；水体呈现粉红色。MNF变换的作用是提高面向对象的分类精度（图1、图2、表1）。

图1 真彩色合成影像

图2 MNF变换后前3个波段合成影像

表1 1989年TM影像MNF的特征值

3.3 面相对象分类

面向对象分类［5］的基础是多尺度分割，它用于以任意选定的尺度进行影像对象提取。使用不同尺度进行影像对象提取。使用不同尺度的分割来构建影像对象层次网络。这种分类方法，重新建立了一套完整的遥感影像分类的模式，即吸收了传统的分类方法中的优点，又充分利用对象所具有的多种空间结构和纹理属性信息，很多研究表明可以大大提高分类精度（图3）。

图3 研究技术路线

4 TM数据分类结果及精度评定

4.1 分类结果

按照烟台市典型覆盖类型，在目视判读和实地考察基础上，确定研究区土地利用类型为4大类，即城乡建筑用地、有林地、农田、内陆水体。

4.2 精度评估

用的精度评价指标是基于混淆矩阵的总体精度和Kappa系数。通过检验样本与实际分类结果的比较，分别对TM1989、1996、2002分类结果进行验证，得出了各自的混淆矩阵。根据这些混淆矩阵，最终得出总体分类精度分别是82.61%、87.49%、85.32%，Kappa值分别是0.78、0.84、0.82。从总体精度和Kappa两项精度评价指标上分析，基于面向对象＋MNF分类对于该实验是成功的（图4、图5、图6）。

图4 烟台市1989年土地利用类型

图5 烟台市1996年土地利用类型

图6 烟台市2002年土地利用类型

5 土地利用动态变化分析

5.1 土地利用类型总量变化分析

分别对3期土地利用图形数据统计分析（表2），结果表明：烟台市土地利用类型以有林地和农田为主，其次为建设用地。该地区13年来土地利用方式发生显著变化，城乡建筑用地呈现明显递增；有林地在1989～1996年呈现递增，1996～2002年呈现递减现象；农田呈现递减，且1989～1996年的递减速度大于1996～2002年递减速度；内陆水体呈现小幅度递增趋势。

由表3可知，13年间烟台市土地利用覆盖变化比较大。1989年～1996年年间城乡建设用地增加了27km2，内陆水体增加20.6km2，有林地增加232.86km2，农田减少272.47km2。1996～2002年年间城乡建设用地增加了109.2km2，内陆水体增加5.72km2，有林地减少77.67km2，农田减少39km2。减少的农田、有林地主要变为建筑用地，其原因是人口增长、居住条件的改善和城市化的发展，城镇用地消耗量大（图7）。

表2 烟台市1989、1996和2002年3期土地覆盖面积及比重

表3 烟台市1989～1996、1996～2002年土地利用类型面积变化 km2

图7 烟台市89、96、02年土地利用类型面积图

5.2 土地利用动态变化分析

为了进一步说明烟台市这13年的土地利用变化特征，采用土地动态度这一指标定量描述研究区域土地利用变化的速度，对比较土地利用变化的区域差异和预测未来土地利用变化趋势都具有积极的作用。土地动态度可以分为单一土地利用类型动态度（表4）和综合土地利用动态度。前者反映研究区域内一定时间内某种土地利用类型数量变化的速度和幅度，而后者则反映研究区域各种土地利用类型整体的速度变化情况［6］。

5.2.1 单一土地利用动态度

单一土地利用类型动态度可表达区域一定时间范围内某种土地利用类型的数量变化情况，公式表达为：

式中K为研究时段内某一土地利用类型的变化率，称为动态度；t－t0为监测时间；u1，ut0，分别为研究开始、结束时某时段内某土地类型面积。

表4 烟台市单一土地利用动态度变化 %

根据公式计算了烟台市不同时期的单一土地类型动态度见图8。从不同土地利用类型的动态度来讲，城乡建设用地年变化速率排序依次是：1996～2002年＞1989～1996年；有林地、农田、内陆水体用地变化强度排序依次是：1989～1996年＞1996～2002年。从1989年～2002年年变化率上看，1989年到2002年间变化快慢排序依次是内陆水体＞农田＞城乡建设用地＞有林地。

图8 烟台市1989～2002年单一土地利用动态度（K值）

5.2.2 综合土地利用动态度

某一研究样区的综合土地利用动态度可表示为：

其中Lui监测起始第i类土地利用类型的面积，ΔLui－j为监测时段内第i类土地利用类型转化为非i类土地利用类型面积的绝对值，t－t0为监测时段长度，LC的值是该研究区土地利用变化率；n为土地利用类型数目。

综合土地利用动态度可以反映区域某一土地利用类型数量的速度变化，它既可以表示单一土地类型的时空变化，也可以对区域土地利用动态变化的总体情况进行评价。根据土地利用动态度的大小，中国土地利用的时间动态特征分为4种类型：动态度为21－24的属于土地利用急剧变化型；动态度为13－20的属于土地利用快速变化型；动态度为4－12的属于土地利用慢速变化型，动态度为0－3的属于土地利用极缓慢型。通过计算得知1989～1996年烟台市土地利用变化动态度为4.8，1996～2002年的土地利用变化动态度为2.33，属于土地利用慢速范围，还说明了1996～2002年的土地利用动态利用动态度小于1989～1996年，这也说明了烟台市在土地利用方面做出了较多的工作。

6 结语

本研究根据烟台市地物遥感信息的特点，充分挖掘遥感资料信息、综合运用研究人员的经验。将依赖于专家经验的目视解译与计算机自动分类有机融合，实现了该区土地利用遥感信息高精度快速提取。建立的经MNF变换的面向对象分类方法，地类的提取发挥了重要作用，具有很好的效果。随着我国基础数据库的不断完善，在今后的研究中还可以将更多的非遥感资料应用于分类中，分类精度有望进一步提高。

近几年烟台市经济发展迅速，房地产业发展较快。因此，城区用地的快速扩展成为烟台市建筑用地增长的主要因素。农村居民点和工矿建筑用地的增加也是建筑用地增长的因素之一，农村人口增加，相应的住房条件也得到改善，住房面积增加，从而农村居民宅基地面积增加。因此，烟台市应在科学分析土地资源总量，使土地利用结构和城市发展规模与国家规划相符合方面加大力度。

［1］Wilsona J S，Clayb M，Martin E.Evaluating environmental influence of zoning in urban ecosystems with remote sensing［J］.Remote Sensing of Enviroment，2003，86（3）：303～321.

［2］Wilsona E H，James.Development of a geospatial model to quantify，describe and map urban growth［J］.Remote Sensing of Environment，2003，86（3）：275～285.

［3］Civco D L，Hurd J D，Wilson E H，et al.Quantifying and describing urbanizing landscapes in the northeast United States［J］.Photogrammetric Engineering and Remote Sensing，2002，68（10）：1 083～1 090.

［4］李海涛，顾海燕，林 卉，等.基于小波变换和MNF变换的遥感影像融合 ［J］，山东大学科学与工程学报，2007，26（5）：56～60.

［5］申晋利，张军龙.基于面向对象分类方法的查干湖地区生态环境变化遥感分析［J］.地球科学与环境学报，2009，31（2）：212～215.

［6］燕云鹏，和正民.环北京地区土地利用变化监测与分析［J］.国土资源遥感，2008（3）：64～67.