基于中分辨率遥感影像土地利用类型信息提取及动态1)

2016-05-06董墨王树力

东北林业大学学报 2016年3期

关键词：遥感喀什地区土地利用

董墨　王树力

(东北林业大学，哈尔滨，150040)

基于中分辨率遥感影像土地利用类型信息提取及动态1)

董墨王树力

(东北林业大学，哈尔滨，150040)

摘要为了监测与评估荒漠绿洲地带的土地利用/土地覆盖信息及其动态变化，进而分析生态环境变化等影响因素。以新疆自治区喀什地区为研究区域，采用1990年、2000年、2011年3期Landsat TM和ETM+遥感影像数据，应用最大似然法提取土地利用类型信息及对土地利用类型信息动态变化进行分析。结果表明：研究区1990年、2000年、2011年3期分类精度分别为90.62%、86.38%、93.85%；Kappa系数分别为0.92、0.87、0.84。研究区土地利用类型独特，未利用地面积占研究区总面积的70%，而且3个时期所占比例变化不大。1990—2011年，研究区耕地面积比例增长了5.00%、林地下降了3.44%、草地下降了1.62%，其他地类面积变化不明显；土地利用程度变化量为3.53，土地利用程度变化率为2.39%。

关键词TM；喀什地区；土地利用；遥感

分类号S771.8

Information Extraction and Dynamic Changes of Land-use Types by Medium-resolution Images

Dong Mo, Wang Shuli

(Northeast Forestry University, Harbin 150040, P. R. China)//Journal of Northeast Forestry University，2016,44(3)：95-100.

The experiment was conducted to monitor and evaluate the land use types of information and its dynamic change in the desert oasis, and then to analyze the impact factors of the ecological environment changes. The maximum likelihood method using the Landsat TM and ETM+ images in 1990, 2000 and 2011 was used to study the land-use types of information and dynamic changes in Kashgar Prefecture of Xinjiang Autonomous Region. The classification accuracy of the study area in 1990, 2000, and 2011 were 86.38% 90.62% and 93.85%, respectively, and the Kappa coefficients were 0.92, 0.87, and 0.84, respectively. The accuracy of classification was higher, and the results were reliable. The land-use types in the study area are very unique, the proportion of unused land area is close to 70%, and the change of the proportion is little in the three periods. The proportion of cultivated land in the study area was increased by 5%, the forest land was decreased by 3.44%, and the grassland was decreased by 1.62%, and the other land use change was not obvious in 1991-2011. The land use change was 3.53, and the rate of land use change was 2.39% in 1990-2011.

KeywordsThematic Mapper (TM); Kashgar region; Land use; Remote sensing

应用遥感技术能够及时获得土地覆盖、土地利用变化信息以及实时监测土地动态变化，可以为土地资源管理部门制定政策提供有力的帮助[1]。研究土地利用及其动态变化不仅为土地规划提供依据，而且对促进经济更好的发展，减少环境的恶化程度具有重要作用。土地利用及其变化分析主要集中于生态脆弱区。土地利用/土地覆盖分类制图是研究土地利用/土地覆盖变化的一项重要的基础性工作，也是净生产力模型、生态系统新陈代谢模型以及碳循环模型等的重要输入变量。

土地科学的研究在兼顾系统性与综合性发展的同时，以土地利用/土地覆被变化(LUCC)为主要研究内容，结合GIS和遥感技术提取土地利用信息及动态情况是目前研究的一个前沿课题[2-4]。国际上主要在全球和区域这两个尺度上开展研究土地利用/覆盖变化，已经建立6套全球土地覆盖数据集[5-11]。Landsat系列卫星传感器以时间分辨率高、实时性强、成像范围大、资料来源均匀连续、获取成本低等优势，在大、中尺度区域的土地利用/土地覆盖信息提取中越来越受到重视[12-17]。喀什地区是生态脆弱区域的典型代表，针对性提取荒漠绿洲地带的土地利用及其动态信息具有重要的研究价值。因此，将喀什地区作为研究区域具有代表性和典型性。

尽管国内外对土地利用及其动态变化进行了大量的研究，但仍然存在一系列问题。目前分类系统未考虑研究区的特点而导致分类系统的适用性差；不同的时间尺度对研究土地利用及其动态的影响程度也是不同的。针对这些问题，本研究参考相关部门制定分类系统，结合研究区的实际情况，选择10 a的时间尺度，采用中等尺度分辨率的Landsat TM和ETM+遥感数据提取喀什地区的土地利用类型信息，定量分析喀什地区土地利用变化，为相关土地资源管理部门制定决策提供依据。

1研究区概况

研究区为新疆自治区喀什地区，地理坐标为东经71°39′～79°52′，北纬35°28′～40°16′，全区总面积16.2万 km2。喀什地区属于暖温带大陆性干旱气候，年平均气温在11.8 ℃，年降水量39～664 mm。全区地势由西南向东北倾斜，地貌轮廓是由稳定的塔里木盆地、天山、昆仑山地槽褶皱带为主的构造单元组成，喀什市城区的平均海拔高度1 289 m。喀什地区大部分区域为荒漠及沙漠地区，有两大绿洲镶嵌于其中，其生态系统不稳定且较脆弱。全区植物资源有高山植被、平原绿洲植被、荒漠植被、沼泽植被等，林地面积35.53万hm2，其中天然林22.93万hm2，森林覆盖率2.75%。喀什地区水系受当地气候环境及地貌地形的制约，境内的河流起源绝大部分是来源于高山冰川积雪的融化，随着季节的变化会出现明显的枯洪变化。

2研究方法

2.1遥感数据

采用的影像数据为美国陆地卫星(Landsat)系列卫星TM和ETM+数据，数据来源于USGS网站及中科院遥感所网站。时间为1990年、2000年及2011年的喀什地区遥感影像数据。选择每景遥感影像数据时考虑了季节、作物物候的变化及数据质量的好坏等因素，所以数据主要集中于4—10月份，具体遥感数据如表1所示。

表1　遥感数据

研究中用到的辅助数据有新疆自治区喀什行政区划图(见图1)、喀什矢量图以及分类及检验样本数据。样本数据的收集是以Google Earth中高空间分辨率影像作为参考。在遥感数据分类时采用谷歌在线地图来对照参考研究区的实际地物分布情况选取分类数据及检验样本数据。

2.2遥感数据处理

TM和ETM+遥感数据为L1级的产品，经过了辐射校正和几何校正，将其镶嵌在一起，然后用喀什地区的矢量数据对其裁剪得到每年的喀什地区遥感影像图。为了提高解译精度，选取最佳波段组合对遥感数据进行图像增强处理。TM和ETM+遥感数据为多光谱数据，自动提取和目视解译都容易受波段组合的影响[18-19]。根据常规的目视解译习惯及考虑波段间的相关性，选择TM和ETM+数据的5、4、3波段分别赋红、绿、蓝色进行彩色合成，得到信息丰富的遥感影像。对遥感影像进行增强处理，经试验比较选取线性拉伸的方法。3期遥感数据采用统一的地理坐标系(UTM坐标系)。

图1　喀什地区行政区划图

2.3分类系统制定

遥感影像分类就是利用计算机对遥感影像不同波段中各类地物的光谱信息和空间特征等信息进行分析，选择特征将图像中每个像元按照特定的规则及相应的算法划分为不同的类别，然后获得遥感影像中与实际地物的对应信息，从而实现遥感影像的分类[9]。结合研究区地形地貌特点及《土地利用现状调查技术规程》，最终将研究区的土地利用类型划分为6类(耕地、林地、草地、水域、建设用地、未利用地)。根据制定的分类系统并结合遥感影像，选取分类样本和解译标志(见表2)。

表2　遥感影像解译标志

2.4分类方法

最大似然分类法是遥感影像分类最常用手段之一，与其他非参数方法(如神经网络)相比，具有清晰的参数解释能力、易与先验知识融合、算法简单等优点。最大似然分类法是将卫星遥感多波段数据的分布当作多维正态分布来构造判别分类函数。其基本思想：各类的已知像元的数据在平面或空间中构成一定的点群；每一类的每一维数据在自己的数轴上形成一个正态分布，该类的多维数据就构成该类的一个多维正态分布，有了各类的多维分布模型，对于任何一个未知类别的数据向量，都可反过来求它属于各类的概率；比较这些概率的大小，看哪一类的概率大，就把这个数据向量或者这个像元归为该类[20]。数学模型如公式(1)所示。

(1)

式中：P(x/Gk)是第k类的m维正态分布密度函数，由它可以看出在第k类中m维随机变量X出现各种可能值的概率大小；m为波段数；μk是第k类每个波段的均值所构成的均值向量；Sk是第k类m个波段值的协方差矩阵。

2.5精度验证方法

研究区分类结果的精度验证主要采用Kappa系数[21]、生产者精度、用户精度3个评价指标。Kappa系数如公式(2)所示。

(2)

式中：Ka为Kappa系数；N表示抽取的验证点数；r表示土地利用类型数；Xii表示验证点中，为i种类型且验证结果为正确的总点数；Xi+表示真实情况为第i种类型的验证点总数，X+i表示被分成了第i种类型的验证点总数。

2.6分析方法

单一土地利用类型变化动态度是对研究区域的土地利用类型变化速度的描述，在一定时间范围反映研究区各类别土地数量变化情况[22]，其表达式如公式(3)所示。

(3)

式中：K是某时间阶段的某分类类别的动态度；Ut1是研究时间段初期的某土地类别的数值；Ut2是研究时间段末期某类别的数值；T是研究时段。

土地利用程度综合指数。反映土地利用程度的高低用土地利用程度综合指数这一综合指标表示[23]，具体的表达式如公式(4)所示。

(4)

式中：L是土地利用综合指数；Ai是第i级的土地利用程度分级指数；Ci是第i级的土地利用程度分级面积百分比；n是土地利用程度分级数。

土地利用程度变化量及其变化率。在一定的时间范围内，某研究区的各种土地利用类别变化的综合结果表现为土地利用程度变化，土地利用程度变化量及其变化率指标能定量表达研究区的土地利用变化趋势及综合水平[4]。土地利用程度变化量的表达式如公式(5)所示，其土地利用程度变化率的表达式如公式(6)所示。

(5)

(6)

式中：Lt1、Lt2分别是t1、t2时间区域的土地利用程度综合指数；A是第i级土地利用分级数；Ct1i、Ct2i分别是t1、t2时间第i等级的土地利用程度所占区域面积的百分比；如ΔLt2-t1>0，则表示该区域土地利用处于发展期；否则处于调整期或衰退期。R是土地利用程度变化率，当R>0时，表示该区域土地利用处于发展阶段；R<0则相反。

3结果与分析

3.1分类结果

采用最大似然法对研究区1990、2000、2011年3期遥感影像分类结果如图2～4所示。由图2可知，1990年研究区大部分土地利用类型为未利用地，中部为耕地和草地，水体主要集中在南部。由图3可知，研究区2000年与1990年相比林地面积明显减少，草地与耕地面积稍有增加。由图4可知，研究区2011年与与2000年相比林地面积进一步减少，建筑用地变化不大，草地和耕地的面积有所增加。纵观3个时期土地利用类型来看，研究区土地利用类型具有独特性，未利用地面积所占研究区总面积的比例非常大，而且3个时期所占比例变化不大。

3.2结果验证

将分类结果图与原始遥感影像叠加做初步判断，在原始影像上随机选取验证样本计算Kappa系数、生产者精度、用户精度3个精度指标。研究区1990年分类精度为90.62%，Kappa系数为0.92；2000年分类精度为86.38%，Kappa系数为0.87；2011年分类精度为93.85%，Kappa系数为0.84。详细结果如表3～5所示。由此可知，3期遥感数据的分类结果较理想可用于土地利用变化及动态分析。

图2　1990年土地利用类型

图3　2000年土地利用类型

3.3土地利用类型面积变化

研究区土地利用类型多样，结构复杂。1990—2011年，随着自然环境及人类活动的变化土地利用类型也发生较大改变。由表6～7可知，2000年耕地面积为6 847.41km2，与1990年耕地面积相比增加了3.66%，2000年的耕地面积与2011年的耕地面积相比增加1.34%，耕地面积总体呈增加的趋势。1990—2011年期间林地面积减少了3.44%，林地面积总体呈下降的趋势。1990—2011年研究区的草地面积总体呈减少的趋势，草地面积共减少了1 790.49km2。1990年的建设用地面积为7 578.52km2，2011年的建设用地面积为7 519.27km2，面积百分比为6.69%，建设用地面积总体变化幅度不大。2011年的水体面积为9 581.99km2，面积百分比为8.53%，与1990、2000年相比，总体呈减少的趋势。研究区土地类型具有独特性，未利用地面积所占的比例较大，其他所有利用类型所占面积约为30%。1990—2011年未利用地的变化量为1 734.06km2，未利用地面积总体呈增加的趋势。

图4　2011年土地利用类型

土地类别生产者精度/%用户精度/%耕地90.03100.00林地100.0084.05草地97.4082.87建设用地69.8398.78水体99.38100.00未利用地100.0099.90

表4　2000年分类精度检验

表5　2011年分类精度检验表

3.4单一土地利用类型变化动态度

研究区1990—2011年间耕地单一土地利用类型动态度最大，表明耕地面积增加速率最高为9.82%。林地(-2.48%)、草地(-1.26%)、建设用地(-0.04%)、水体(-0.55%)的单一土地利用类型动态度变化程度都的比较小且为负数，说明这4种类型面积都在减少，林地减少速率最大为-2.48%，建设用地减少速率最小为-0.04%，平均面积减少速率为-1.08%。未利用地的单一土地利用类型动态度变化不大且为正数，说明未利用地面积在增加，增加的速率为0.11%，这与之前的土地利用变化分析一致，这些变化主要与研究区的农业发展及人类活动有关。总体看来，1990—2011年间研究区单一土地利用类型变化动态度增加了5.60%。

表6　1990—2011年土地利用类型面积及面积变化量　km2

表7　1990—2011年土地利用类型面积比例及面积比例变化量　%

3.5土地利用程度变化

土地利用程度是反映人类对土地利用的深度及广度，根据刘纪远等[24]提出的土地利用程度分析方法，将土地利用程度按照土地的不同利用方式，划分为4个级别并且每个级别赋予相应的数值。未利用地的土地利用程度最高为第1级，第2级为林地、草地以及水体，第3级为耕地，土地利用程度最低的是建筑用地(4级)。

根据公式(3)(4)(5)计算的研究区土地利用程度变化指数。研究区在1990、2000、2011年的土地利用程度综合指数分别为147.52、150.73、151.05，平均土地利用程度综合指数为149.77，说明研究区1990、2000、2011年的土地利用程度整体处于一个中等水平，并且1990—2011年土地利用程度总体变化差异很小。1990—2011年的土地利用程度变化量为3.53，其中：1990—2000年的土地利用程度变化量所占比例最大为90.93%，2000—2011年的土地利用程度变化量所占比例仅占9.07%；1990—2011年的土地利用程度变化率为2.39%，1990—2000年的土地利用程度变化率最高为2.17%；1990—2011年的土地利用程度变化量及其变化率都大于零，说明研究区的土地利用正处于发展阶段。

4结论与讨论

喀什地区的独特地形地貌，荒漠、沙漠、裸地等未利用地所占的地类面积比例较大，水体、林地及草地所占的面积百分比相对较少，该地区的生态环境比较脆弱。该区域耕地的动态度9.82%，且面积呈增加的趋势；林地的动态度为-2.48%、草地的动态度为-1.26%，即林地及草地面积略有下降的趋势；其他地类面积变化不明显。

土地利用变化主要受自然因素和人为因素的影响。自然因素主要包括气候的变化、降水量的多少、自然灾害等对地物类型的影响；人文因素主要是人类活动对土地利用的相互影响，如社会经济的发展、国家制定的相关政策也会对土地利用变化有一定程度的影响。今后应进一步研究在各个因素相互影响、共同作用下的土地利用动态变化。

本研究以新疆自治区喀什地区为例，针对荒漠绿洲地带的土地利用/土地覆被信息提取和变化分析做了有益的尝试。今后应进一步考虑到每景遥感影像季节差异、作物物候的变化及数据质量的好坏等因素对分类结果的影响。TM和ETM+遥感数据分辨率的局限，使得一些地物类别不容易区分开，也不易分辨出二级地类。应尝试采用同季节的遥感影像数据，减小不同季节色差的影响数据的分类，并采用更高分辨率的影像数据及不同的分类方法进行分类，以提高分类精度。

参考文献

[1]乔卫芳.基于遥感影像的土地利用分类研究[J].测绘与空间地理信息,2011,34(6):14-17.

[2]UNSALANC,BOYERK.Classifyinglanddevelopmentinhigh-resolutionsatelliteimageryusinghybridstructural-multispectralfeatures[J].IEEETransactionsonGeoscienceandRemoteSensing,2004,42(12):2840-2850.

[3]于兴修,杨桂山.中国土地利用/覆被变化研究的现状与问题[J].地理科学进展,2002,21(1):51-57.

[4]刘纪远.中国资源环境遥感宏观调查与动态研究[M].北京:中国科学技术出版社,1996.

[5]LOVELANDR,ZHUZ,OHLENDO，etal.AnanalysisoftheIGBPgloballand-covercharacterizationprocess[J].PhotogrammetricEngineeringandRemoteSensing,1999,65(9):1021-1032.

[6]HANSENMC,REEDB.AcomparisonoftheIGBPDISCoverandUniversityofMaryland1kmgloballandcoverproducts[J].InternationalJournalofRemoteSensing,2000,21(6):1365-1373.

[7]BARTHOLOMEE,BELWARDAS.GLC2000:anewapproachtogloballandcovermappingfromEarthobservationdata[J].InternationalJournalofRemoteSensing,2005,26(9):1959-1977.

[8]ARINOOBICHERONP,ACHARDF,etal.GlobcoverThemostdetailedportraitofEarth[J].E·S·ABulletin-EuropeanSpaceAgency,2008,136(4):24-31.

[9]ZHANX,DEFRIESR,TOWNSHENDJRG.The250mgloballandcoverchangeproductfromtheModerateResolutionImagingSpectroradiometerofNASA’sEarthObservingSystem[J].InternationalJournalofRemoteSensing,2000，21(6/7):1433-1460.

[10]FRIEDLMA,MCLVERDK,HODGESJCF,etal.GloballandcovermappingfromMODIS:algorithmsandearlyresults[J].RemoteSensingofEnvironment,2002,83(1/2):287-302.

[11]MASSONV,CHAMPEAUXJL,CHAUVINF,etal.Aglobaldatabaseoflandsurfaceparametersat1-kmresolutioninmeteorologicalandclimatemodels[J].JournalofClimate,2003,16(9):1261-1282.

[12]姚爱冬,曹晓阳,冯益明.甘肃省民勤县土地利用/土地覆盖变化遥感分析[J].东北林业大学学报,2014,42(5):92-96.

[13]唐强,闫红伟,高琦.盘锦地区土地利用与景观格局动态分析[J].东北林业大学学报,2012,40(9):67-69.

[14]赵鹏祥,孙存举,郝红科.基于GIS和Markov的黄龙山天然林区地类变化[J].东北林业大学学报,2012,40(10):67-69.

[15]王鹤霖,范文义,赵妍,等.基于纹理信息的森林类型遥感识别技术[J].东北林业大学学报，2013，41(6):50-54.

[16]侯伟,陈锋,杨春露,等.辽宁中部城市群土地利用时空格局遥感分析[J].东北林业大学学报,2011,39(1):113-115.

[17]吴见,彭道黎.基于TM影像的多伦县土地利用信息提取[J].东北林业大学学报,2010,38(10):88-94.

[18]常胜.TM遥感影像彩色合成最佳波段组合研究：以恩施市土地利用遥感图制作为例[J].湖北民族学院学报(自然科学版),2010,28(2):230-232,235.

[19]戴昌达,雷莉萍.TM图像的光谱信息特征与最佳波段组合[J].环境遥感,1989,4(4):282-292.

[20]陈述彭,童庆禧,郭华东.遥感信息机理研究[M].北京:科学出版社,1998.

[21]JANSSENLLF,VANDERWELFJM.Accuracyassessmentofsatellitederivedlandcoverdata:Areview[J].PotogammetricEngineeringandRemoteSensing,1994,60(4):419-432.

[22]王秀兰,包玉海.土地利用动态变化方法探讨[J].地理科学进展,1999,18(1):81-87.

[23]庄大方,刘纪远.中国土地利用程度的区域分异模型研究[J].自然资源学报,1997,12(2):105-111.