基于遥感技术的土地利用变化监测与分析

编者按：随着遥感技术的不断发展，其监测范围大、可覆盖全球;瞬时成像、实时传输、快速处理、迅速获取信息和实施动态监测、受地面影响小等优势不断被大众了解，本文主要对江油市2006年以及2018年的Landsat-8以及Landsat-5遥感影像进行预处理，基于ENVI，利用决策树分析江油市12年的土地利用变化。

引言

由于遥感技术能够宏观地对地表物体进行观测，对于土地利用方面的应用也在不断地进步，再加上一些分析技术的应用，遥感技术已经成为监测与分析土地利用变化的一种方便有效的技术手段。

通过遥感技术量化LUCC、演绎变化过程，建立模型，对于土地利用进行定量和定性分析。相关研究已经证明，政策、经济发展和人口增长及自然灾害等因素是城市景观格局变化的主要影响因子。

研究概况

研究区自然概况

江油地理位置处于北纬31°32′26″～32°19′18″、东经104°31′35″～105°17′30″之间。市境轮廓呈东北-西南走向的条形状，东西宽约48.4千米，南北长约86.6千米，面积2719平方千米。按地貌主要类型分，平坝面积占22.2%，丘陵面积占26.5%，山地面积占51.2%，台地面积占0.1%。

数据处理

研究数据来源

本文所采用的遥感的数据源是2006年6月30号Landsat5 TM影像和2018年4月9号Landsat 8 OLI 的影像。两种遥感传感器的波谱信息如表1所示。

除此之外还用到研究区DEM（数据高程模型）数据用以计算坡度。

研究数据预处理

为了在遥感影像上提取的信息能够准确对影像进行预处理，主要包括辐射定标、大气校正、影像镶嵌、影像裁剪，以此得到研究区的遥感影像（见图1）。

遥感土地利用分类

数据处理

计算2006年以及2018年的遥感影像植被指数以及建筑指数。

（1）归一化植被指数

归一化植被指数（NDVI）由ROSE等于1973年提出，是植被指数中应用最广泛的一种指数。

NDVI计算公式为：

（1）

式中：ρNIR为和ρred为近红外波段和红光波段的反射率。

（2）建筑指数

归一化建筑指数（NDBI）是经过归一化植被指数演变而来，建筑用地中红外波段以及近红外波段的反射率差异较为明显，所以选择这两个波段来计算建筑指数较为科学。

NDBI计算公式为：

（2）

式中：ρMIR为中波段的地表反射率。

决策树分类

遥感图像分类技术分为监督分类与非监督分类两种，前者需要训练样本，而后者不需要。

对四种常见遥感的监督分类方法进行比较分析，发现决策树分类中的土地利用分类最接近实际情况，分类精度最高。BP神经网络法次之，最大似然法第三，支持向量机的精度。

根据表2中现有的对于遥感影像数据分类方法精度进行研究精度对比，本文将采取最佳分类方法，即决策树方法对江油市的遥感影像进行土地分类。

决策树分类是在遥感影像以及空间数据的基础上，采用具有专家经验的总结、数学统计分析和归纳等方法，获得分类的规则，通过此分类规则分类的方法。决策树分类大致可分为4步：规则定义、规则输入、决策树运行和分类后处理。难点是规则的获取，本文采用统计数值以及多次试验的方法从样本中获取规则。

以此根据本文所用到的数据对遥感影像建立决策树规则，以下为2006年的规则参数：

对于植被的提取：根据统计得NDVI值大于0.28时，分类结果为植被。

对于草地的提取：根据常识得，当地表的坡度小于5（slope<5）时，地物为草地。

对于耕地的提取：当地表的坡度大于5小于20（5<slope<20）时，地物为耕地。

对于林地的提取：当坡度大于20（slope>20）时，地物为林地。

对建筑用地的提取：据统计得，当NDBI值在（-0.12，0）范围内时，为建筑用地。

对于水体的提取：当上述用地被分类出来时，剩下的部分即为水体。

在获取规则后新建决策树并输入规则，本文建立的决策树如图3所示。

对于决策树规则建立，就是不断通过对地物确定指数范围后一层一层划分出地物的类别。得到如下土地利用分类结果图。

在ENVI中对2006到2018年的土地利用分类结果进行分类结果对比，得到土地利用类型转移矩阵。横字段表示2006年（initial state）的土地利用类别，纵字段为2018年（final state）的土地利用类别，横纵字段交叉处表示变化值。

结论

通过对遥感影像的数据进行预处理，基于决策树对江油市2006年到2018年的土地利用信息进行分类。从整体变化趋势上来看，江油市在这12年发展过程中，建设用地面积持续增加，而耕地、草地、林地总体呈现减少的趋势，并向建筑用地转化。耕地面积在向建筑用地转移的同时，有一部分转化为水体。

参考文献：

[1]陈佑启，杨鹏.国际上土地利用/土地覆盖变化研究的新进展[J].经济地理，2001（01）：95-100.

[2]王晓峰，傅伯杰，苏常红，等.西安县城乡建设用地时空扩展及驱动因素[J].生态学报，35（21）：7139-7149.

[3]张敏， 宫兆宁， 江浏光艳. 2000-2010年成都市土地利用空间格局变化分析[J]. 四川师范大学学报（自然科学版）， 2014（05）：735-743.

[4]刘萌，杨武年，邵怀勇，等.青川县LUCC遥感动态监测及驱动力分析[J].国土资源遥感，2014，26（03）：160-165.

[5]黄云凤， 崔胜辉， 石龙宇. 半城市化地区土地利用变化及驱动力分析——以厦门市集美区为例[J]. 环境科学与技术， 35（06）：199-205.

[6]俞龙生， 符以福， 喻怀义，等. 快速城市化地区景观格局梯度动态及其城乡融合区特征——以广州市番禺区为例[J]. 应用生态学报， 2011（01）：171-180.

[7]陈学兄， 常庆瑞， 毕如田，等. 基于山地植被指数估算临县植被覆盖度[J]. 应用基础与工程科学学报， 2020， 28（02）：69-79.

[8]杨阳光， 陈建波. 基于Landsat OLI影像的城市建筑面积提取[J]. 内蒙古科技与经济， 2017（16）：86-87.

[9]童威.基于ENVI的遥感影像监督分类方法的研究[J].科学创新与应用，2019（23）：6.

[10]杨帆，王博.基于决策树的遥感图像分类方法研究[J].测绘与空间地理信息，2019，42（07）：1-4.

[11]杨凯.遥感图像处理原理和方法[M].北京：测绘出版社，1998.

本文受云南省教育厅科学研究基金项目“以传统工艺振兴巩固脱贫攻坚成果——大理巍山地区扎染实践”（2021J0787）的资助。

作者简介：刘学（19980824），女，汉，四川绵阳。硕士学位，地质资源与地质工程（资源环境遥感），成都理工大學，四川身成都市，610059。