基于RS与GIS的土地利用变化研究

黄广华+陈青云

摘要：基于遥感数据，提取NDVI和MNDWI，利用决策树自动阈值分类等方法研究了长汀县2001～2013年间的土地利用类型变化，结果表明：自2001～2013年，长汀县林地整体大约增加了345km2，约占福建省总面积的11.1%；裸地面积大约减少了403km2，约占福建省总面积的13%，是2001年裸地面积的58.2%；道路面积增加了24.3km2，是2001年的1.1倍多；居民用地增加了约7km2，是2001年的117%。

关键词：土地利用；自动阈值决策树；动态监测；长汀县

中图分类号：N945.11

文献标识码：A文章编号：1674-9944（2016）22-0129-05

1引言

土地是人类赖以生存和发展的物质基础，是宝贵的不可再生的自然资源，也是可持续利用的生产资料。土地的利用与变化，不仅直接影响社会经济的可持续发展，而且还影响到全球环境的变化。土地利用动态变化逐渐成为研究热门和前沿问题。有研究表明：在将来的数十年间，由土地利用与土地覆被变化所带来的全球影响，要等于甚至大于潜在气候变化所带来的影响[1]。利用遥感影像对长汀县的土地利用覆盖变化进行动态监测，探讨土地利用格局空间演变机制及其生态环境效应，为当地政府部门制定生态安全条件下的土地利用规划提供科学依据，对于区域全面、协调与可持续发展具有重要的现实意义[2]。

2数据处理

本次研究所使用的主要资料为从美国航空航天局（USGS）网站下载的2001年10月、2005年3月、2009年10月和2013年10月4个时间的Landsat/TM影像数据，空间分辨率都为30m×30m，前3个时间的影像光谱为7个波段的多光谱数据。2013年的影像数据为Landsat8采集，含有11个波段，遥感信息更加丰富，但其波长范围更窄，各个波段的位置也有所变化。此次用于研究的四幅影像比较清晰，云量基本为0%，影像成像质量較好，确保研究数据的准确性。研究平台以ENVI5.0及Arcgis10.0为主，其他辅助资料及平台有并结合长汀县数字高程（DEM）图、行政区域图、谷歌地球等。

2.1数据预处理

由于下载的影像为单波段的tif影像，需要对影像进行影像合成，运用ENVI5.0的BasicTools模块中的LayerStack工具将各个时单波段影像合成多光谱影像。

辐射矫正：目的是消除大气（水蒸气、氧气、二氧化碳、甲烷和臭氧等）和光照等因素对地物反射的影响，使得影像真实反映对太阳光的辐射情况，以获取地物真实反射率数据，准确地获取研究区的土地利用信息，减小地物识别误差，从而使得土地利用类型分类更加准确可靠。先做辐射定标，然后再做大气校正，且采用直方图法大气校正对影像进行辐射校正。首先对影像进行一次直方图均衡，然后以2001年的影像为参照影像，分别对另外三期影像与2001年影像进行直方图匹配，最终使得四幅影像的辐射特征基本一致[3]。

几何纠正：为了消除由于非系统性因素（传感器姿态、高度、地球曲率、地形等因素）造成影像发生的畸变，以提高研究结果的准确性，在ENVI5.0中，以长汀县已通过几何精校正的影像作为参考图像，均匀的选取多个地面相同控制点，采用最近邻法（nearestneighbor）对四幅遥感影像进行几何精校正，且控制纠正误差小于0.5个像元[4～8]。

2.2数据处理与分析

2.2.1NDVI空间分布

在多光谱遥感影像中，利用近红外波段的反射值减去红光波段的反射值，再比上它们两者之和，即可得到归一化植被指数（NDVI）。即：

NDVI=（NIR-R）/（NIR+R）

其中，NIR为近红外波段的反射值；R为红光波段的反射值。

研究使用的数据中，2001年、2005年及2009年的Landsat/TM影像直接使用第四波段与第三波段之差比上两者之和即可得到长汀当年的NDVI值，即：

NDVI（2001、2005、2009）=（Band4-Band3）/（Band4+Band3）

2013年10月的影像为Landsat8拍摄，与之早期的Landsat卫星相比，相同光谱成的影像位于不同的波段位置，计算NDVI时，其第五波段为近红外波段（NIR），第四波段为红外波段（RED），计算公式为：

NDVI2013=（Band5-Band4）/（Band5+Band4）

通过上述方法分别计算得到长汀县2001年、2005年、2009年及2013年的NDVI值空间分布图，统计NDVI的最大值、最小值、加权平均值和标准差，统计结果见表1。

结合NDVI值空间分布图表得出结论：自2001～2013年期间，长汀县整体植被覆盖度持续增加，从四个时期的NDVI空间分布图明显看出，NDVI值高的区域越来越多，即植被覆盖度越来越高；而黑色部分（NDVI值低，说明是植被稀少或者无植被覆盖的裸地）在逐渐减少，说明长汀县植被覆盖率也在增长，生态环境状况在持续好转。这也是自2000年以来，福建省将长汀水土流失综合治理列入民办实事项目后[9]，每年投入大量资金及人力物力，经过连续十几年的综合治理所取得的成果。

2.2.2土地利用类型分类

根据2010年全国土地利用调查与制图，同时考虑30m分辨率的遥感影像的特征和分类难易程度以及近年来土地利用结构变化，将长汀的土地利用类型按土地用途划分为林地（Forest）、居民地（Residential）、水域（Water）、裸地（Unusedland）、耕地（Arableland）和道路（Road）这六大类别。从而使土地类型分类能够在整体上体现长汀县的土地利用结构，同时又使得遥感分类具有更强的可操作性。

2.2.3自动阈值决策树分类

分类算法的目的是根据现有或提供的类别参数的取值，预测并判断其它部分的数据类别与参数的取值，并希望这种预测尽可能准确。基于专家知识的决策树分类就是典型代表，其分类规则易于理解，分类过程符合人的认知过程，而且其最大的特点是可以充分利用多源数据。虽然决策树分类比较适合高空间分辨率的遥感影像，但是当遥感数据特征空间分布很复杂，用决策树分类法能够获得较理想的分类结果[10]。

研究利用当年的遥感影像叠加上NDVI（归一化植被指数）图层和MNDWI（ModifiedNDWI，改进的归一化差异水体指数）[11，12]图层，叠加后的影像先人工对训练样区进行采样，计算机根据训练区样本自动生成一个决策树，计算机对样本训练区执行决策树后即完成遥感影像的分类。

3土地利用类型动态变化分析

3.1土地利用图及空间格局分析

分别对2001年、2005年、2009年和2013年4个时期的影像采用决策树自动阈值分类的方法，并对计算机生成的自动阈值决策树进行细节改进，特别是结合DEM，使之尽量充分利用好多源数据的优势，完善决策树，并对自动阈值决策树分类后的图像进行分类后处理及分类精度评价，最终完成对4个时期的遥感影像进行土地利用类型分类的处理工作，得到的分类结果如图1所示。

通过对长汀县4个时期的土地利用类型分类影像观察可知，长汀地区的土地类型以林地为主；耕地主要集中于中部地区；裸地的空间分布较为零散，居民地主要位于靠近水域与道路的区域，其中以中部地区较为集中，呈现S形的分布，而在东部和西部地区，居民地分布较为稀疏。

通过对比4个时期的土地利用分类图，可以明显的发现4个时期的林地覆盖面积总体在增加，这与利用NDVI值推测出来的结果基本吻合；图中黄色部分的面积基本上在减少，这意味着长汀地区的裸地面积在逐渐减少，水土流失治理工作取得了实效。通过对比分类结果图，还可以发现黄色部分较为稳定的是西部及東北部，这说明长汀县西部区域和东北部区域的裸地未能有效的得到治理。结合长汀DEM数据，可以发现这些区域多数集中于地势较高且坡度较大的山区，可以推测这些地方的水土流失工作比较困难，综合治理工作还需要进一步完善，需要找到切实有效的治理方法。

根据长汀土地利用类型分布图对比结合DEM数据可知，随着长汀县地势大致呈现东、西、北三面高，中、南部低，自北向南倾斜的地势，地势较低的地区，受人类的社会经济活动较为明显，而对这些地区的土地利用类型分类比较困难，例如耕地，道路及居民地，而又由于影像分辨率不高，这些地类集中的区域难免出现错分和漏分的现象，不可避免影响地类空间分布。由于裸地与耕地在影像上的差别不是很明显，导致分类效果不一定理想，可能对于同一地区而言，在不同的年份可能被划分为不同的土地利用类型。这是由于影像的分辨率过低有关，成像时间差异，各个季节同一地物反射的光谱信息不尽相同，因此以自动阈值的决策树分类所得到的地物分类结果也就会有所差异，从而不可避免的产生这类误差，通过分类后及时修正，使得分类结果尽量接近实际情况。

3.2土地利用类型面积变化及分析

利用自动阈值决策树分类及经过分类后处理，通过分类精度评价之后，在完成对长汀地区4个时期的土地利用变化分类的基础上，分别统计这4个时期长汀县的各个土地利用类型的面积（表2）。

对比统计数据可知，长汀县在2001～2013年间的林地面积、道路面积与居民地面积在统计年之间逐渐增加，裸地面积大幅度减少，水域与耕地面积基本保持不变。2001～2005年期间：林地面积大约增加了103km2，所占比重大约增加了3.3%；裸地面积大约减少了103km2，林地增加的面积大致等于裸地减少的面积；道路则增加了9km2左右。在2005～2009年期间：林地面积大约增加了152km2，所占比重增加了将近4.9%；裸地面积大约减少了178km2；道路则增加了近16km2。在2009～2013年期间：林地面积大约增加了89.5km2，所占比重增加了将近2.9%；裸地面积大约减少了125km2。

整体算来，自2001～2013年，长汀林地整体大约增加了345km2，约占福建省总面积的11.1%；裸地面积大约减少了403km2，约占福建省总面积的13%，是2001年裸地面积的58.2%；道路面积增加了24.3km2，是2001年的219%；居民用地增加了约7km2，是2001年的117%。而水域面积未发生显著性的变化。

3.3遥感分类精度评价

从自动阈值决策树分类到分类成果影像的生成，分类精度评价是最重要的环节[14～17]。分类精度若不符合研究要求，达不到研究的标准，则需要重新执行原来的操作步骤，直到分类精度符合研究要求。此次研究需要对决策树自动阈值分类的最终结果一一进行精度评价，以判断分类结果的精确性，这样也才可以得出有效的分类统计结果。研究采用ENVI软件自带的精度评价方法，对研究的土地利用类型分类进行分类精度评价。此次验证通过用基于混淆矩阵的精度评价方法对分类结果进行评价，算出总体分类精度和Kappa指数值。即将分类结果影像与另一标准样本的roi进行叠加对比分析，进行分类精度评价。标准样本的选取过程中应选择典型的兴趣区，尽量避免选过的训练样区，并借助于其他辅助工具（如googleearth等）以提高样该区的典型度。

长汀县土地利用分类结果的评价精度情况如表3所示，总体精度都较高，符合该次研究的要求，故分类结果比较可信，准确度较大。

4结论与讨论

研究利用了NDVI、MNDWI决策树自动阈值分类等方法来研究长汀县2001～2013年间的土地利用类型变化，并对其进行分类及讨论研究，得出长汀县在这12年之间的林地、居民地、水域、裸地、耕地和道路这六大土地利用类型的变化情况的结论与推测，并对分类精度进行了验证。研究结果如下。

（1）研究数据与处理的步骤先辐射校正，再几何校正的原因是：几何校正需要重采样，校正后影像像素值与原来像素值会产生变化，可能是丢失原有信息，而且如果接着再做辐射校正的操作，结果也不精确。而改作先做辐射校正，后几何精校正，则不会对结果产生影响。辐射矫正是直接对原始图像进行像素值的纠正，没有任何的几何畸变。接下来再做几何校正是为了和其他的坐标系或者其他图像或gis数据配准。而用nearestneighbor方法重采样的原因是可以尽量避免改变影像像素值。

（2）有时自动阈值决策树分类的结果比较低，很可能是叠加的辅助数据过多，造成信息的干扰，例如：缨帽变换中的绿度、亮度、湿度有可能就和NDVI会互相干扰。同时，在此次的试验中，NDVI和MNDWI指数都没有经过阈值试验，没有选出最符合实际情况的指数图层，这有时候可能会造成决策树分类精度偏低。因此对自动阈值决策树分类时，选择的多源数据并非多多益善，而是需要恰到好处。

（3）在对2013年的遥感影像做NDVI计算时，其第五个波段为近红外波段（NIR），第四波段为红外波段（RED），利用计算公式NDVI2013=（Band5-Band4）/（Band5+Band4）算出来的结果会与2013年以前的ETM+数据及TM数据计算的结果会相差很大，其原因在于Landsat8影像的近红外波段和红外波段都比ETM+和TM影像的近红外与红光波段的波段范围更窄，所以导致最终的计算结果相差较大。

参考文献：

[1]刘硕.国际土地利用与土地覆被变化对生态环境影响的研究[J].世界林業研究，2002，15（6）：38～45.

[2]文琦，刘彦随.生态脆弱区土地利用格局演变及其生态响应[J].地域研究与开，2010，29（2）：104～109.

[3]陈增文.基于NDVI的生态环境变化分析：以福建省龙岩市长汀县为例[J].化学工程与装备，2012，6（6）：204～207.

[4]张若琳，万力，张发旺，等.土地利用遥感分类方法研究进展[J].南水北调与水利科技，2006，4（2）：39～42.

[5]吴全，裴志远，张松岭，等.中小比例尺土地利用变化遥感调查技术与方法[M].北京：中国农业出版社，2010，100～115.

[6]廖克，陈夕芳，吴健生，等.高分辨率卫星遥感图像在土地利用变化动态监测中的应用[J].测绘科学，2006，31（6）：11～15.

[7]林辉，李际平，莫登奎.QuickBird卫星图像信息识别[J].中国图像图形学报，2005，10（10）：1504～1510.

[8]李全，王海燕，李霖.基于最大似然分类算法的土地覆盖分类精度控制研究[J].国土资源科技管理，2005，22（4）：42～45.

[9]王维明，陈明华，林敬兰，等.长汀县水土流失动态变化及防治对策研究[J].水土保持通报，2005，25（4）：73～77.

[10]FriedlMA，BrodleyCE，StrahlerAH，etal.MaximizingLandCoverClassificationAccuraciesProducedbyDecisionTreesatContinentaltoGlobalScales[J].IEEETransactionsonGeoscienceandRemoteSensing，1999，37（2）：969～977.

[11]McFEETERSSK.TheuseoftheNormalizedDifferenceWaterIndex（NDWI）inthedelineationofopenwaterfeatures[J].InternationalJournalofRemoteSensing，1996，17（7）：1425.1432.

[12]徐涵秋.利用改进的归一化差异水体指数（MNDWI）提取水体信息的研究[J].遥感学报，2005，9（5）：589～595.

[13]周佳.基于中巴卫星影像的土地利用分类精度评价[J].测绘科学，2007，32（6）：27～29.

[14]冉有华，李文君，陈贤章.TM图像土地利用分类精度验证与评估[J].遥感技术与应用，2003，18（2）：81～86.

[15]冉有华，李新，卢玲.四种常用的全球1km土地覆盖数据中国区域的精度评价[J].冰川冻土，2009，31（3）：490～500.

[16]孙晓霞，张继贤.土地利用动态遥感监测的误差分析[J].测绘科学，2003，28（4）：45～47.