基于Landsat8 OLI影像的铜陵市土地利用变化分析

陈岳涛，赵 芳，田董炜，卢 霞，谢宏全

(淮海工学院测绘与海洋信息学院，江苏 连云港 222005)

0 引 言

近年来，土地利用变化研究一直都是全球变化研究的热点之一。遥感影像具有探测范围大,资料实时新颖,获取的信息丰富等优点，目前在土地利用变化中已经广泛应用[1]。2013年2月11号，NASA成功发射了Landsat8卫星，为Landsat计划重新注入新鲜血液，国内外学者对Landsat8OLI数据的土地利用分类进行了大量的研究，吴洋[2]利用西宁市Landsat8数据对不同土地利用分类方法进行比较研究,黎良财等人[3]对Landsat8OLI影像利用决策树方法进行土地利用/覆盖分类,但利用其进行土地利用变化分析甚少提及。

在土地利用变化方面，国内外学者利用TM影像做了大量的研究工作，如张友水[4]以1984年和1997年两期TM影像,结合相关辅助信息,进行绍兴试验区的土地利用变化监测研究；胡杰华[5]利用武功县TM遥感影像对其土地利用变化进行监测。本文以铜陵市为例，利用2015年Landsat8OLI影像和1998年的土地利用图、政区图进行了土地利用变化分析并对其正确性进行验证。

1 研究区概况

铜陵市，安徽省辖市，地处北纬30°45′12″-31°07′56″、东经117°42′00″-118°10′6″，位于安徽省中南部、长江下游，北接合肥，南连池州，东邻芜湖，西临安庆，是长江经济带重要节点城市和皖中南中心城市。总面积为1 113 km2，其中市区面积大约280 km2。

2 数据来源与研究方法

2.1 数据来源

数据源：铜陵市Landsat8OLI影像数据(120/38,120/39)，铜陵市的1998年的土地利用图(1∶200 000)，铜陵市DEM数据，铜陵市政区图(1∶200 000)等相关资料。

2.2 研究方法

对下载的遥感影像进行预处理，同时利用ArcGis对铜陵市政区图和1998年铜陵市土地利用现状图进行矢量化，再依据监督分类和专家分类的方法将铜陵市地区进行土地利用分类，对得到的两幅土地利用现状图进行精度比较，选择精度较高的土地利用分类结果图，结合经过配准、几何校正、矢量化得到的1998年铜陵市土地利用现状图和铜陵市政区图在ArcGis中运用相交、几何计算器等工具计算并分析铜陵市和铜官山区的土地利用变化。

3 遥感数据在土地利用分类中的研究

研究采用的土地利用分类系统，根据国家土地利用分类方法结合研究的实际要求，将土地利用类型归结为五个一级分类。即建设用地、水体、农业、林地、裸地[6]。

3.1 监督分类

利用ENVI对TM影像进行预处理：配准、辐射校正、几何较正、影像拼接、影像裁剪、影像增强等[7]。根据地形图和野外调查，选取的土地利用样本有建设用地、水体、农业、林地和裸地。监督分类采用的是最大似然法对影像进行分类的，土地利用不同类型选举样本完成后，查看样本精度，计算分类模板的混合矩阵，各类型样本之间的离散度要在1.9以上[8]。样本选择好后保存，在n维可视化图中查看分析类型的分离性并进行样本点的修改；重复上述步骤直至分类达到预期效果。

3.2 专家分类

在土地利用分类过程中，用多个变量来衡量构建的规则，这既需要利用多波段的遥感影像数据，也需要利用铜陵的DEM数据生成坡度，用以区分林地和农田。根据分类需求在实验中构建五个变量：Band1/Band4比值、坡度、MNDWI(改进的归一化差异水体指数)、NDBI(归一化建筑指数)及NDVI(归一化植被指数)。

3.2.1 建设用地和裸地的提取

将NDBI归一化建筑指数作为判别变量提取建设用地。因为提取的信息包括低密度植被覆盖区，所以需要结合NDVI归一化植被指数将低密度植被覆盖区分离出来，以降低错分的几率。又因建设用地和裸地及其相似，因此还需要根据(Band1/Band4)<1来提取建设用地[9]。经上述的几步处理，可以将建设用地和裸地分别提取出来。

3.2.2 水体的提取

本次实验提取水体主要应用的变量是改进的归一化差异水体指数(MNDWI)。MNDWI在混有城镇范围的水体的提取精度明显高于NDWI的提取精度。经过反复试验，观察铜陵市内的水体的阈值，当MNDWI>0时，能够较好的提取水体。

3.2.3 农田和林地的提取

根据归一化植被指数(NDVI)来提取农田和林地，需结合铜陵市坡度数据区分农田和林地。根据铜陵市当地实际情况，估计农田的坡度在0°-5°之间，林地的坡度大于5°。

3.3 监督分类和专家分类的精度分析

分类精度分析指标：混淆矩阵、总体分类精度和Kappa系数等。Kappa系数表达式为：

(1)

式(1)中，r是错误矩阵中总列数(总类别数)；Xij是错误矩阵中第i行第j列的像元数量(正确分类的数目)；Xi和X+i分别是第i行和第i列的总像元数量；N是总的用于精度评估的像元数量。

从铜陵市影像中随机获取800个样本点，分别计算监督分类和专家分类的混淆矩阵、总体分类精度和Kappa系数(如表1-2所示)。根据表1-2比较两种分类方法的混淆矩阵、总体精度和Kappa系数等，能够综合对比出专家分类的精度较好，整体均匀，各类分类精度相差较小，总体精度都较高。因此分析铜陵市土地利用变化选用专家分类得到的土地利用现状图。

表1 监督分类混淆矩阵

表2 专家分类混淆矩阵

4 土地利用变化分析及其验证

4.1 铜陵市土地利用变化分析

在ArcCatalog中新建文件数据库、数据集，利用ArcGis对1998年铜陵市土地利用现状栅格数据进行矢量化，得到shp格式的矢量数据。在土地利用现状图的属性表中添加面积属性字段，用CalculateSystem工具计算各类面积；并添加占有率属性字段，利用统计字段工具计算出各土地类型所占比率。

专家分类后的成果图为栅格图，根据分析需求，利用ArcGis中的工具箱下的转化工具将五个土地类型转化为矢量面状图形。添加面积字段，通过CalculateSystem工具计算面积；并用各土地利用类型面积比上总面积计算的得到各类占有比率；各土地类型的面积变化率是由变化面积计算得到的。根据上述步骤得到1998年、2015年铜陵市各土地利用类型的面积和占有比率、面积变化率等(表3-4)。

表3 铜陵市1998年各土地类型面积、面积占有比率

表4 铜陵市2015年各土地类型面积、面积变化、面积占有比率、面积变化率

从表3、4可知，1998年到2015年铜陵市土地利用变化情况：水体减少了50.627 km2；农田减少了5.587 km2；林地增加了46.900 km2;建设用地增加了28.441 km2；裸地减少了19.127km2;其水体面积变化最大，农田面积减少最小；虽然裸地在五种土地类型中面积最小，占有比率最低，但变化率却最大。

铜陵市自上个世纪90年代以来，矿产资源一直为城市经济主体，大面积的采矿、挖矿造成了大量的地表水体流失与浪费；近年来，随着城市化水平不断提高，建设用地面积不断增加的同时林地面积也有较大的增长而农田面积基本保持了原有水平，裸地面积的转化率更是达到了99.16%。不仅提高了城市绿化率，而且使得土地资源得到了更好的配置。这说明铜陵市的发展均衡，城市规划很好的遵循了可持续发展理念、生态理念和区域整体理念。为把铜陵市建设成适宜创业发展和宜居健康现代化城市打下了坚实的基础。

4.2 铜陵市土地利用变化分析验证

铜官山区是铜陵市政治、经济和文化中心，其土地利用变化情况对铜陵市具有代表性作用，并可以与铜陵市土地利变化趋势相互对比，验证其正确性。

将ArcGis中加载的铜陵市政区图经过配准后,在ArcCatalog新建文件数据库、数据集。并利用Arcgis进行栅格数据的矢量化，得到shp格式的矢量文件。再运用相交工具，分别提取1998年、2015年铜官山区的水体、裸地、建设用地、林地及农田，并计算1998年、2015年各类的面积、占有比率和面积变化率等(表5-6)。

表5 铜官山区1998各土地类型面积 面积占有比率

表6 铜官山区2015年各土地类型面积、面积变化、面积占有比率、面积变化率

由表5-6可知，水体面积有所下降，林地、建设用地显著增加，裸地急剧减少，农田面积基本不变(由于农田在铜官山区面积变化量和占有比率都极小，所以其面积变化率无参考价值)。这与铜陵市总体土地利用变化趋势基本一致。通过表6土地类型面积占有比率可知，铜官山城市化建设基本完成，各土地类型面积配置得当，在城区占有率合理。

近几年，铜官山区在雨季内涝时有发生。其根本原因是水体面积的减少导致土地吸水、保水能力下降，造成了“城市不透水”的现象发生；而随着铜官山区城市化建设的完成，铜官山区在发展工业的同时，也在推进旅游事业的发展，通过增加林地和提高植被覆盖率，将天井湖、笔架山、螺丝山等地区建设成了旅游景点。可以预见的是铜官山区内涝现象从此将大大缓解。以上说明铜官山区很好的贯彻了铜陵城市规划发展理念，验证了铜陵市土地利用变化分析的正确性。

5 结 语

本文以铜陵市为例利用Landsat8OLI影像和GIS技术进行土地利用变化分析，并以铜官山区的土地利用变化情况与铜陵市对比，验证了研究结果的准确性。得出以下结论：① 1998—2015年期间，水体总体面积变化较大，面积将少较多，林地面积有较大增长，建设用地面积稳定增加，裸地面积大幅度减少，农田面积变化很小；② 铜陵市城市化进程不断加快，社会经济发展迅速，对水资源的保护措施还需要提高；③ 铜陵市在城市建设的同时也在绿化环境，植被覆盖率有明显的增长；④ 城市建设并没有侵占大量农田。