基于Landsat8的济南市土地利用分类及变化监测①

王义慧 宋磊

(山东农业大学信息科学与工程学院 山东泰安 271018)

对土地资源的合理规划和利用一直以来都是一项难题，土地利用变化是人类活动对自然环境施加影响和干预的直观反映[1]。土地利用变化监测是指凭借遥感数据，对土地的动态变化做出科学分析的技术[2]。运用遥感影像提取土地利用情况并对土地利用变化进行监测和分析已经开始被广泛应用[3]。

1 研究区和研究数据

1.1 研究区

济南位于山东省中西部，南依泰山，北跨黄河，地处鲁中南低山丘陵与鲁西北冲积平原的交接带上，地势南高北低。北部为临黄平原带，中部山前平原带，南部丘陵山区带。位于北纬36°40′，东经117°00′，属于暖温带半湿润季风型气候，春季干旱少雨，夏季温热多雨，秋季凉爽干燥，冬季寒冷干燥[4]。

1.2 数据来源及预处理

本文的研究数据来源于地理空间数据云（http://www.gscloud.cn）Landsat8 OLI影像，共选取济南市2015—2018年共四景影像数据，云量均小于10%。

以ENVI5.3和ArcGIS为数据处理，分别对Landsat的两期卫星影像进行辐射定标，大气校正、拼接、裁剪等处理，并将多光谱数据与全色波段的数据进行图像融合，提高多光谱数据的分辨率，为分类工作做准备。

2 研究过程

2.1 分类类别和样本的确定

根据《土地利用分类标准》( GB/T 21010—2007)以及分类样本可分性分析，本文将研究区域划分为五个类别，分别是林地/草地、耕地、水域、建设用地、未利用地。

在ENVI中利用ROI工具分别提取各个类别的样本点，本次研究依据上述要求选取每类不少于40个样本，利用ENVI中的ROI工具在2015年和2018年的影像上选取合适的样本建立训练区[5]。对选取的样本进行可分离性分析，通常使用Jeffries－Matusita和Transformed Divergence 两种参数，值处于在0到2之间,越趋近2可分离性越好[6]。本次研究中样本中除未利用地和建设用地可分离性为1.78外，其余样本间的可分离性都在1.9，由于济南市南部部分未利用土地的光谱反射特性与建设用地相似，样本可分离性差，因此对于建设用地和未利用地先采取监督分类，再对照Google Earth高分辨率影像对结果进行手工分类处理，以求达到准确分类的结果。

表1 分类结果精度

表2 土地转移矩阵（单位/km2）

2.2 分类方法

本研究利用监督分类中的支持向量机作为分类方法，得到两期影像的分类结果，并对分类后的结果进行Majority/Minority分析，去除分类结果中的小斑块，进行分类统计，统计结果表明各类用地类型的光谱反射特性符合实际，初步证明分类结果准确。

3 成果分析

3.1 精度评价

分类处理后利用混淆矩阵对分类结果进行精度检验，两期影像的总体精度分别是99.0042%和97.9485%，Kaapa系数分别0.9856和0.9732，用户精度和制图精度均在85%以上，符合精度标准，说明分类结果可靠。

3.2 变化监测

利用土地转移矩阵将两期影像中的土地利用变化信息提取出来，通过分析土地转移矩阵，得出2015—2018年土地之间的转化比例和转化方向，从而预测城市发展方向。

4 结语

济南市作为省会城市，城镇化进程日益加快，建设用地的比例明显增高，主要来源是未利用地和耕地；耕地面积略有下降，主要流向是建设用地；林地/草地面积大幅增加，主要来源是未利用地；未利用地比例下降最快，主要流向建设用地和林地/草地；水域面积减小，主要流向建设用地和林地/草地。