基于NDVI的长沙市雨花区景观格局研究

陈文勇，王 颖，张 尹

（中南林业科技大学 理学院，湖南 长沙 410004）

基于NDVI的长沙市雨花区景观格局研究

陈文勇，王 颖，张 尹

（中南林业科技大学 理学院，湖南 长沙 410004）

为了探寻城市景观发展变化规律，利用TM遥感影像数据，采用基于决策树分类的影像处理技术和归一化植被指数方法对长沙市雨花区景观格局变化规律进行研究。研究结果显示：长沙市雨花区2003年到2013年，城区耕地、园林、林地、水域、未利用土地面积均呈减少趋势，减幅最大的是耕地，增量最大的是居民点及工矿用地。十年来大量农业用地转换为建设用地，值得引起城市管理、规划、保护部门的关注。

NDVI；景观格局；长沙市雨花区；林业遥感

城市是人类在发展过程中建立起来的一种复合生态系统，它在社会经济和文明发展过程中起着重要的促进作用，然而随着社会发展、人口快速增长和城市化扩张，给城市带来了一系列的问题，导致人们生活质量开始下降，其中环境问题是当今倍受关注的问题。那么，解决城市的环境问题是城市持续发展的根本之路，也将是我国建设特色社会主义和发展城市经济的重大挑战。通过研究，城市环境问题和城市景观格局密切相关，由于大量的人为干扰，使得城市景观格局发生了变化，导致了城市原有生态系统的自我净化功能退化[1-3]。因此，对城市景观格局进行合理规化，改善城市的生态环境，是现在与未来城市发展中面临的重要任务之一[4-5]。

变化检测是遥感应用的主要领域之一，它是从不同时期的遥感数据中定量分析和确定地表变化的特征与过程，具有利用多时相数据量化分析时间影像的能力。目前常用的变化检测方法主要有基于图像代数运算的变化检测法，如图像差分、图像回归、图像比值、变化向量分析和背景相减法，此类方法目前主要是结合结构信息、GIS数据和统计数据来提高城市及城市内部分类的精度[6-7]，对于图像相减方法，在变化检测中影像差值是最为常用的方法，它是将时间获取的两幅影像进行配准，然后逐像素相减，从而得到一幅结果影像以表示在这两个时间当中所发生的变化[8-9]。目前国内外对于变化检测的研究也较多，Lyon等归纳了应用于变化检测的植被指数, 并将它们分为差值组、比值组和有理变换组[10-12]；Chlar等利用AVHRR多波段以及NDVI组合方案进行加拿大北方地区土地覆盖分类，并测试出最有效的是NDVI值。

1 材料与方法

1.1 研究区概况

长沙市位于湖南省东部偏北，湘江流域下游和长浏盆地西缘，地理位置为东经111°53′～114°15′，北纬 27°51′～ 28°41′，属典型的亚热带季风湿润气候区，全年平均气温为17.2 ℃，无霜期平均为275 d，年积温为5 457 ℃，年平均日照数为1 677 h，年降水量为1 390mm。长沙市区域内地貌类型多样，山地、丘陵、岗地、平原比例分别为30.70%、19.30%、28.60%、21.40%，随着工业化的快速推进、城市化水平的进一步提高，长沙市的大量未利用地被快速开垦和利用，近城区的耕地、园林、林地被快速地转化为建设用地。研究区位置见图1。

图1 研究区位置Fig.1 Location of study area

1.2 数据预处理

本研究主要采用图像几何校正和图像增强处理，几何校正利用SPOT5的5 m分辨率多光谱影像为标准影像对TM影像进行几何校正，共选取26个明显地物点，系统均方根误差为0.49，即精度控制在半个象元以内，基本满足研究所需的精度；图像增强主要采用了对比度增强和彩色增强两种图像增强方法，以提高影像质量，通过ENVI4.8软件的Equalization(直方图均衡化拉伸)功能，设定指定的DN值，对影像进行均衡化处理，达到了预期的效果（见图2）。

1.3 研究方法

图2 研究区影像处理后效果Fig.2 Renderings after image processing in the study area

归一化植被指数（NDVI）是区分植被与非植被最重要的指数之一，近红外波段（NIR）对于判定植被与非植被具有重要作用。对于TM 影像，NDVI 被定义为( TM4 -TM3) / ( TM4+ TM3)，它能较好地反映地面植被的覆盖状况。一般来说，植被覆盖状况好的地区所对应的像元，其NDVI 值较高；反之则较低。城市化带来的农业用地转化为非农业用地在非干旱地区会带来相应地区NDVI值的下降。首先计算不同时期影像的NDVI 值，然后将后期影像和前期影像的NDV I 值相减，所有差值小于0 的像元都可能是从农业用地变化为城市用地的像元。两年度遥感影像预处理后，分别计算两影像的归一化植被指数并相减，将两影像进行差值运算后进行主成分分析，以及对两影像的近红外波段实行减法运算，经过阈值过滤筛选可获得影像的变化信息，分析得到的变化信息，检测出长沙市雨花区城市变化情况。

2 结果与分析

2.1 遥感影像特征分析

根据植被光谱特性与植被变化的相关性，选择以下几个遥感特征影像（2003年TM的NDVI影像（2003NDVI）、2013年TM的NDVI影像（2013NDVI）、2003年与2013年TM差值影像的第一主成分（PC1）以及第二主成分（PC2）进行分析，得到的影像如图3所示。

由于以上遥感特征与植被变化相关性均较大，现筛选相关性大并且各变化类型可分离性较好的遥感特征进行波段组合。将以上4个遥感特征影像分别进行4个变化类型,分别为有林变无林、无林变有林、有林不变、无林不变并进行统计与分析，得出结果见图4。

图3 遥感影像特征因子Fig.3 The features of remote sensing image factor

图4 遥感影像特征分离性统计Fig.4 The statistical characteristics of remote sensing imageseparation

分析图4可得，PC1、2013_2003NDVI、2013NDVI、2003NDVI可分离性较好，各变化地类的值差异较大。PC2、2013_2003_NIR可分离性相对较差，各地类混淆较为严重，所以选择PC1、2013_2003NDVI、2013NDVI、2003NDVI进 行 波段组合。波段组合后进行各变化地类的可分离性计算（compute separebility），得到结果如表1所示。

可分离性的范围是0到2之间，值越大差异越大，可分离性越好。从表1可以看出，各变化类型的值均大于1.5以上，无林变有林与有林不变、有林变无林的可分离性高达1.965 4、1.915 7。

表1 波段组合后各变化地类的可分离性Table 1 The separability of each change class bands

2.2 景观变化图班提取分析

根据目视判读选择的训练样本，基于统计学原理对这些样本的各光谱特征进行分段统计和分析，总结相关阈值和判别规则。其中2003年NDVI影像、2013年NDVI影像两期差值影像的第一主成分，两期影像NDVI差值的各变化地类概率统计结果如表2、3所示。

表2 两期影像NDVI差值Table 2 The difference between two images of NDVI %

表3 两期差值影像的第一主成分Table 3 The first principal component of two difference images %

分析表2、3可知， 92.060 9%的无林变有林地类的NDVI差值大于等于0.15，有林变无林地类的85.838 3%NDVI差值小于-0.3。差值影像的第一主成分，无林变有林地类的96.534 5%小于-40。无林不变，无林变有林地类在2003年遥感影像上均表现为无林，其NDVI值较小，小于0.3的概率分别为73.640 2%与95.939%，而有林不变与有林变无林地类的2003年遥感影像上的NDVI值大于或等于0.3的概率分别高达96.456 5%、96.360 3%。同理可得，划分2013年遥感影像有林和无林的阈值为0.2。

通过分析总结，得出分类规则如下：

无到有：2013_2003_NDVI≥ 0.16，PC1＜-40，2003NDVI＜ 0.3，2013NDVI≥ 0.2。

有到无：2013_2003_NDVI＜ -0.3，2003NDVI≥ 0.3，2013NDVI＜ 0.2 。

根据以上分类规则，进行决策树分类并进行分类后处理。然后将分类结果转为矢量图层，得到变化小班如图5所示。

3 结论与讨论

图5 变化小班Fig.5 Changes of subcompartment diagram

本研究通过分析前后两期遥感影像与植被变化相关性较大的遥感特征影像，以及各变化地类的可分离性，筛选相关性大且分离性好的遥感特征影像进行波段组合；基于前后期遥感影像以及前期的矢量数据，分析与统计训练样本各遥感特征信息，找到合适阈值进行专家知识决策树分类，提取出发生变化的小班。整个研究过程取得了以下成果：

（1）对前后两期遥感影像的各变化地类的光谱参数进行概率分析与统计，并结合小班历史矢量数据的先验知识进行综合分析，建立小班变化判别规则,确定了变化小班界线。

（2）基于专家知识决策树分类提取的小班变化界线与人工目视勾绘的标准小班变化界线基本一致, 基本可以满足生产要求。

（3）长沙市雨花区2003年到2013年，城区耕地、园林、林地、水域、未利用土地面积均呈减少趋势，减幅最大的是耕地，增量最大的是居民点及工矿用地，十年来大量农用地转换为建设用地。

后期的研究将采用同季节获取的影像，减少时间因素对像元NDVI值的影响，同时结合分辨率更高的影像数据，如spot等，达到更高的变化检测精度。

[1]齐 杨,邬建国,李建龙,等.中国东西部中小城市景观格局及其驱动力[J].生态学报,2013,33(1):275-285.

[2]陈利顶,孙然好,刘海莲.城市景观格局演变的生态环境效应研究进展[J].生态学报,2013, 33(4):1042-1050.

[3]颜兵文,彭重华.长株潭湘江生态经济带的景观格局现状分析[J].中南林学院学报,2006,26(6):110-114.

[4]王海峰,彭重华.湖南株洲市绿地景观格局的研究[J].中南林业科技大学学报,2012,32(7):64-68.

[5]Xin Cao, Akio Onishi, Jin Chen,et al. Quantifying the cool island intensity of urban parks using ASTER and IKONOS data[J]. Landscape and Urban Planning, 2010, 96(4):224-231.

[6]龙玄耀,李培军.基于图像分割的城市变化检测[J].地球信息科学,2008,10(1):121-127.

[7]Glenn E P, Nagler P L, Huete A R. Change Detection Using Vegetation Indices and Multiplatform Satellite Imagery at Multiple Temporal and Spatial Scales[J].John Wiley & Sons, Inc,2014, 57(49):79-107.

[8]邓湘金.基于模式识别知识的遥感图像变化检测研究[D].北京：中国科学院研究生院,2003.

[9]张晓东.基于遥感影像与GIS数据的变化检测理论和方法研究[D].武汉：武汉大学,2005.

[10]李月臣,陈 晋,宫 鹏,等.基于NDVI时间序列数据的土地覆盖变化检测指标设计[J].应用基础与工程科学学报,2005, 13(3): 44-58.

[11]熊育久.湖南省EOS/MODIS植被指数时空变化研究[D].长沙:中南林业科技大学,2006.

[12]马建文,田国良,王长耀,等.遥感变化检测技术发展综述[J].地球科学进展, 2004,19(2):192-196.

Landscape pattern study of vegetation based on normalized in Yuhua district, Changsha city

CHEN Wen-yong, WANG Ying, ZHANG Yin
(College of Sciences, Central South University of Forestry and Technology, Changsha 410004, Hunan, China)

With the acceleration of Urbanization and the Industrialization, the landscape pattern change has taken place obviously.To explore the changing and developing rule of the urban landscape, this paper applies TM remote sensing image and the processing technology which is based on the classi fi cation of decision-making tree and also studies the method of the fi gure spot testing based on normalized index of vegetation. With this method, it analyzes the landscape pattern in Yu Hua district, Changsha city from 2003 to 2013.The result shows that the urban land, gardens, woodland, water area and land without using have tended to decrease. The biggest decline is the ploughland and the incremental biggest is housing estate, industrial and mining land. A great deal of agricultural land has been turned into construction land since 1o years. This should be paid attention by the urban management, planning and protection.

NDVI; landscape pattern; Yuhua district in Changsha city; forest remote sensing

S771.8

A

1673-923X(2016)09-0109-05

10.14067/j.cnki.1673-923x.2016.09.020

2016-03-02

湖南省科技计划项目（2014JK3032）

陈文勇，硕士研究生

王 颖，副教授，博士，硕士生导师；E-mail：csuftwy@163.com

陈文勇，王 颖，张 尹.基于NDVI的长沙市雨花区景观格局研究[J].中南林业科技大学学报，2016, 36(9): 109-113.

[本文编校：谢荣秀]