基于ENVI和ArcGIS的合肥市土地利用/覆被变化分析

白洪伟, 徐洋洋

(宿州学院 环境与测绘工程学院, 安徽 宿州 234000)



基于ENVI和ArcGIS的合肥市土地利用/覆被变化分析

白洪伟, 徐洋洋

(宿州学院 环境与测绘工程学院, 安徽 宿州 234000)

以合肥市作为研究区,选取2005年和2014年两期合肥市Landsat遥感卫星影像,利用ENVI和ArcGIS软件对其土地利用/覆被变化进行了定量和定性分析.结论认为,合肥市在近10年的发展过程中,土地覆被情况发生了明显的变化,其中变化最大的是植被面积,2014年的植被相对于2005年减少了近一半,绿化面积很大程度上遭到了破坏.

合肥市; 监督分类; 土地利用; 覆被变化

随着卫星遥感影像空间分辨率的提高,影像更能清晰、准确地反映地表信息,逐渐成为土地利用研究的主要工具.同时,将GIS技术和RS技术相结合,能更快速、准确、科学地获得土地利用信息,对其进行变化分析.本文采用ENVI 5.1软件对合肥市两期Landsat遥感卫星影像进行监督分类,提取土地利用信息,将分类后的结果图像导入ArcGIS 10.0软件中进行空间叠加分析,可以清晰看出近10年来合肥市土地的覆被变化情况.

1 研究区域概况

研究区为安徽省中部的合肥市,东经117°11″～117°22″,北纬31°48″～31°58″,属江淮丘陵地区亚热带湿润季风气候,四季分明,雨量适中.夏季种植农作物有水稻、玉米、花生和大豆等,以水稻为主;冬季种植农作物有油菜、小麦等,以油菜为主.合肥市是国家首批命名的3个全国园林城市之一,城市绿化覆盖率为30.7%,人均绿地7.3 m2,形成“城中有园,园中有城,城园交融,浑然一体”的独特城市园林风格,有“绿色之城”的美誉.合肥市处于经济建设快速发展时期,土地利用结构也随着城市的发展而不断发生变化.由于近几年的快速发展,土地利用变化尤为明显.总体来看,当今合肥市土地利用的主要问题是总体规划缺乏弹性, 相关规划不协调;传统的用地观念依然存在, 保护耕地意识薄弱;土地利用管理法制、体制和机制不健全;政府行为不规范, 土地市场宏观调控不力.要想做到土地利用结构合理化,使其与经济发展、环境保护、生态文明相适应,就必须改变现有状况.

2 数据来源

采用的数据为2005年4月14日Landsat7遥感卫星拍摄的TM影像,条带号为121,行编号为38,云量为1.0;2014年5月1日Landsat8遥感卫星拍摄的TM影像,条带号为121,行编号为38,云量为0.19,以及当地的实地调查、国土局提供的相关资料等.

3 研究方法

通过对合肥市两期TM影像进行几何配准、数据融合、影像裁剪等预处理,用ENVI软件进行监督分类,对分类后的结果采用直接比较法进行动态分析、统计分析,判断覆被的变化情况,并进行精度评价,判断其可靠性,选择分类最为理想的影像进行研究.将其导入到ArcGIS软件中,利用GIS来分析土地利用/覆被变化,提取变化信息.具体流程如图1所示.

图1 研究流程图

3.1 影像配准

影像配准是图像处理研究领域中的一个典型问题和技术难点,其目的在于比较或融合针对同一对象在不同条件下获取的图像.例如,图像会来自不同的采集设备,取自不同的时间、不同的拍摄视角,等等,有时也需要用到针对不同对象的图像配准问题.具体地说,对于一组图像数据集中的两幅图像,通过寻找一种空间变换把一幅图像映射到另一幅图像,使得两图中对应于空间同一位置的点一一对应起来,从而达到信息融合的目的.影像的几何配准有几种方式,分别为影像到影像的配准、影像到地图的配准、地形图的配准和自动配准[1-3].本文采用影像到影像配准,将2005年和2014年合肥市影像进行配准.配准后的部分区域影像如图2所示.

图2 合肥市区影像配准图

3.2 遥感数据融合

数据融合的目的是将研究区内同一时相多光谱数据与全色波段进行融合,以提高卫星影像的空间分辨率,增强影像判读的准确性[4-8].该研究是对土地利用类型变化的动态过程监测,提取土地利用的覆被变化信息,使遥感影像提供更高的分类精度,要求图像信息量大、相关性小、冗余度小、特征明显.所以分别将2005年的Landsat7影像和2014年Landsat8影像与全色波段进行数据融合.融合结果如图3所示.

图3 合肥市部分区域融合前后影像图

3.3 影像裁剪

影像裁剪是为了得到想要的研究区,然后对该研究区进行分析.影像裁剪包括空间裁剪和波谱裁剪,其中空间裁剪又包括按行列号、影像、地理坐标、文件、感兴趣/矢量、滚动窗口的裁剪.本文采用的是按矢量边界裁剪.首先,分别打开两期影像的真彩色影像,进行影像配准融合,然后将矢量边界加载到影像中,根据矢量边界进行裁剪,最后,按照矢量边界对裁剪后的影像进行掩膜,得到合肥市研究区影像.如图4所示.

图4 合肥市影像裁剪图

3.4 监督分类

监督分类(supervised classification)又称训练场地法,是以建立统计识别函数为理论基础,依据典型样本训练方法进行分类的技术.即根据已知训练区提供的样本,通过选择特征参数,求出特征参数作为决策规则,建立判别函数以对各待分类影像进行的图像分类,是模式识别的一种方法[6].要求训练区域具有典型性和代表性.判别准则若满足分类精度要求,则此准则成立;反之,需重新建立分类的决策规则,直至满足分类精度要求为止.常用算法有:判别分析、最大似然分析、特征分析、序贯分析和图形识别等.根据研究的需要将合肥市影像分为植被、耕地裸地、房屋、未建设用地、水域、其他六个类别.通过实地踏勘,充分考虑研究区地貌地形、植被、土壤、地表形态、土地利用情况等因子,并将踏勘的结果对应研究区影像进行对照验证.根据影像特征分别对2005年和2014年合肥市影像进行监督分类,得到两期土地利用现状数据和土地利用现状图.

(1) 感兴趣区的建立.ROI(region of interest)为感兴趣区域,是在图像处理领域选择的图像分析的重点.使用ROI圈定目标,可以减少处理时间,增加精度.本研究对于两期影像分别建立了两套感兴趣区域,第一套用于分类,第二套用于精度评价.

(2) 分类方法研究.根据选取的训练样本,本文主要研究了平行六面体法、最小距离法、马氏距离法、最大似然法、神经网络法、支持向量机法六种监督分类法对合肥市Landsat遥感卫星影像进行土地利用类型分类.这六种监督分类方法是最常见的,通过目视判读法可以比较它们的分类结果与原影像的逼真情况、判断分类结果的理想度,从而为课题研究结果影像的选取做好铺垫,图5、图6是2005年和2014年合肥市影像通过六种监督分类方法分类后的结果图.

通过目视判读法将2005年分类后影像与原影像对比发现,平行六面体法和最小距离法分类结果与原影像差别很大,误差主要是把植被化分为了水域,其他几种方法分类结果良好;对于2014年合肥市分类后影像,平行六面体法、最大似然法、支持向量机法分类结果和原影像相似程度高,另外三种把耕地裸地分为了植被,误差很大.

(3) 分类精度评价.分类后专题图的正确分类程度(也称可信度)的检核,是遥感图像定量分析的一部分.遥感图像分类精度的评价通常用分类图与标准数据(图件或地面实测值)进行比较,以正确分类的百分比来表示精度[4].目前普遍采用混淆矩阵来进行分类精度的评定,即以Kappa系数评价整个分类图的精度,以条件Kappa系数评价单一类别的精度.混淆矩阵中,对角线上元素为被正确分类的样本数目,非对角线上的元素为被混分的样本数目.应用混淆矩阵分析的主要参数有:

图5 2005年合肥市影像六种分类法结果图

图6 2014年合肥市影像六种分类法结果图

① 分类精度

(1)

式中:PC为总分类精度;m为分类类别数;N为样本总数;PKK为第k类的判别样本数.

② Kappa系数

(2)

式中:K为Kappa系数;N为样本总数;Ppi为某一类所在列总数;Pli为某一类所在行总数.

③ 条件Kappa系数

(3)

式中参数意义同②.

在各参数中,总分类精度和Kappa系数反映整个图件的分类精度,条件Kappa系数则反映各类别的分类精度.研究认为,Kappa系数与分类精度有如表1所列的关系.

表1 分类质量与Kappa统计值

分别对2005年和2014年合肥市影像应用第二套感兴趣区进行精度评价,得混淆矩阵如图7、图8(以支持向量机分类结果为例),混淆矩阵报表包含了总体分类精度、Kappa系数、混淆矩阵(概率)、错分误差、漏风误差、制图精度和用户精度[1].

图7 2005年合肥市影像支持向量机分类结果评价图

图8 2014年合肥市影像支持向量机分类结果评价图

同样对其他五种分类方法进行精度评价,得混淆矩阵结果统计见表2.

总体精度基本达到要求,由于将耕地裸地合并一类,房屋和未建设用地有些部分在真彩色影像中都呈现出白色,带来分类的难度,所以出现误差;Kappa系数除了最小距离、最大似然、神经网络都能达到极好的要求,总体评价结果良好.通过目视判读法和精度评价结果,得出支持向量机法分类结果更理想且精度高.

表2 分类结果精度评价

(4) 分类结果统计分析.土地利用/覆被变化的动态分析采用ENVI分类后直接比较法.直接比较法首先对2005年和2014年合肥市分类后的影像进行分类并对结果进行统计,得出土地利用等的变化信息,然后通过比较统计结果,获得变化类型、面积百分比的变化,最后得到土地利用/覆被变化情况.选取精度最高的支持向量机分类后影像进行统计,结果见图9.

图9 2005年及2014年合肥市影像分类结果统计

对统计结果进行整理,得到表3.

表3监督分类统计结果

将2005年和2014年合肥市影像分类结果进行比较分析,得出植被的面积减少了1 662.116 6 km2,耕地裸地面积增加了1 213.970 4 km2,房屋面积减少了13.943 4 km2,未建设用地减少了6 291.591 6 km2,水域增加了90.551 8 km2,其他面积增加了234.949 5 km2.比较显示,合肥市近10年来的土地利用情况发生了明显的变化,其中植被面积减少很多,绿化遭到严重的破坏,大部分都转化为了耕地裸地,政府相关部门应该采取退耕还林政策,加大生态环境建设力度.

3.5 ArcGIS变化分析

空间分析是GIS的重要组成部分,也是评价一个GIS功能强弱的主要指标之一.早期的GIS由于空间分析功能相对较弱,常常引起与计算机辅助制图系统、CAD系统之间的混淆,因为GIS和计算机辅助制图系统等都需要图形数字化和自动制图的功能.但是GIS的目的,不仅仅在于自动制图,更重要的是为了分析空间数据,提供空间决策信息.因此,空间分析是GIS区别于其他类型系统的一个最主要的功能特征.本文采用空间叠加分析,将2005年合肥市影像支持向量机法分类后的结果图与2014年合肥市影像分类后的结果图进行叠合,分析出变化的部分,最终提取出变化信息图,如图10、图11所示.

图11 两期分类影像叠加分析结果图

从分析出来的结果图可以看出,变化最多的就是植被,大多数植被面积都转化为了耕地裸地,近10年的土地利用/覆被变化很明显,生态环境遭到了严重的破坏.

4 结论与展望

合肥市近10年的发展迅速,土地利用情况也随之发生了显著的变化,为了构建和谐美丽健康合肥,需要对合肥市的土地利用/覆被变化进行分析.本文运用六种监督分类方法对合肥市研究区域Landsat影像进行了遥感土地利用分类,分析和讨论了不同分类方法分类后的差异.通过对比不同分类器的总体精度、Kappa系数,提取出针对合肥市遥感影像土地利用分类效果最理想的单分类器,然后对该分类后的结果进行统计分析,最后通过GIS对分类结果进行定性分析,提取土地利用/覆被变化信息图.通过研究得出以下结论:

(1) 通过ENVI软件对合肥市所在研究区影像进行几何配准、数据融合、影像裁剪等图像预处理,然后采用平行六面体法、最小距离法、马氏距离法、最大似然法、神经网络法、支持向量机法六种监督分类法对合肥市研究区土地利用进行分类.通过目视判读法,将分类结果与原影像对比,发现最大似然、支持向量机分类效果比较理想.

(2) 对不同分类方法的分类结果进行精度评价发现,六种分类精度都很理想,说明感兴趣的划分比较合理,可分离度高.对六种分类结果精度比较发现支持向量机法分类精度最高.

(3) 分别对2005年和2014年合肥市影像支持向量机分类结果统计分析,发现近10年来,植被的面积大大减少,从3 733.139 9 km2缩减到2 071.023 3 km2,大部分都转换为了耕地裸地,绿化很大程度上遭到了破坏.

(4) 将分类结果图导入ArcGIS中,矢量转栅格后,对栅格数据进行空间叠加分析,提取得到近10年合肥市的土地利用/覆被变化信息图,从图中清晰看出土地利用情况的变化,其中植被面积变化最大.

遥感技术在土地利用/覆被变化分类分析中已日趋成熟,可以结合GIS对遥感影像进行分析,通过遥感数据,构建土地利用资源管理GIS系统.目前商业化发展的遥感卫星可以提供多源、多平台、多时相、多层次、多领域的实时、丰富、准确、可靠的信息,并可定期进行信息更新,成本低、效率高、用时少,可以为建立土地利用资源管理GIS系统提供有力的技术支持.

[1] 夏俊士,杜培军,张海荣,等. 基于遥感数据的城市地表温度与土地覆盖定量研究[J]. 遥感技术与应用, 2010,25(1):15-23.

(XIA J S, DU P J, ZHANG H R, et al. The quantitative relationship between land surface temperature and land cover types based on remotely sensed data[J]. Remote Sensing Technology and Application, 2010,25(1):15-23.)

[2] 谷秀兰,栾乔林,黄朝明,等. 基于ENVI4.5的土地利用覆被信息监督分类对比研究----以海南省屯昌县为例[J]. 安徽农业科学, 2012,40(8):5003-5006.

(GU X L, LUAN Q L, HUANG C M, et al . Comparative study on supervised classification of land use and cover information based on ENVI4.5[J]. Journal of Anhui Agricultural Sciences, 2012,40(8):5003-5006.)

[3] 付佳,黄海军,杨曦光,等. 基于ENVI的唐山湾三岛土地利用遥感分类方法的比较分析[J]. 海洋科学, 2014,38(1):20-26.

(FU J, HUANG H J, YANG X G, et al. Comparison of land use classification methods used in analysis of the Tangshan Bay three islands using remote sensing images based on ENVI[J]. Marine Sciences, 2014,38(1):20-26.)

[4] 刘宝军. 基于ENVI的土地利用动态变化分析[J]. 安徽农业科学, 2011,39(8):4784-4786.

(LIU B J. Analysis on land use dynamic change based on ENVI[J]. Journal of Anhui Agricultural Sciences, 2011,39(8):4784-4786.)

[5] 申丽琼. 基于“3S”技术的汶川县土地利用/覆被变化动态监测及分析[D]. 成都:成都理工大学, 2013.

(SHEN L Q. The land use and land cover change dynamic monitoring and analysis of Wenchuan County based on RS,GIS&GPS[D]. Chengdu: Chengdu University, 2013.)

[6] 杜培军. 遥感原理与应用[M]. 徐州:中国矿业大学出版社, 2006:186-187.

(DU P J. Principle and application of remote sensing[M]. Xuzhou: China University of Mining and Technology Press, 2006:186-187.)

[7] 曾黎,李春. 影响我国省域第三产业发展因素的实证分析[J]. 沈阳大学学报(自然科学版), 2012,24(6):80-84.

(ZENG L, LI C. Empirical analysis of factors that affect China’s provincial tertiary industry development[J]. Journal of Shenyang University(Natural Science), 2012,24(6):80-84.)

[8] 闫琰,董秀兰,李燕. 基于ENVI的遥感图像监督分类方法比较研究[J]. 北京测绘, 2011(3):14-16.

(YAN Y, DONG X L, LI Y. The Comparative study of remote sensing image supervised classification methods based on ENVI[J]. Beijing Surveying and Mapping, 2011(3):14-16.)

【责任编辑: 祝 颖】

Analysis of Land Use/Cover Change in Hefei City Based on ENVI and ArcGIS

BaiHongwei,XuYangyang

(College of Environmental and Surveying Engineering, Suzhou University, Suzhou 234000, China)

Taking Hefei city as the research area, the Landsat remote sensing satellite images of 2005 and 2014 were selected, and qualitative analysis and quantitative analysis were made on the land use/cover change in Hefei city by using ENVI and ArcGIS software. The results show that, in the development process of the past 10 years, the situation of land use/cover in Hefei City has obviously changed; in which, the greatest change is vegetation area, the vegetation area in 2014 is nearly only half of 2005, the green area is destroyed to a large extent.

Hefei city; supervised classification; land use; cover change

2015-12-08

安徽省大学生创新创业训练计划项目(201510379046,201510379084); 宿州学院卓越人才教育培养计划(szxy2015zjjh01); 2015年宿州区域发展协同创新中心学生开放课题(2015SZXTXSKF11).

白洪伟(1987-),男,安徽宿州人,宿州学院助教,硕士.

2095-5456(2016)05-0365-08

S 127

A