基于最大似然分类算法的土地利用变化特征分析*

李小玉 蒲 智 李全胜

（新疆农业大学计算机与信息工程学院 乌鲁木齐 830052）

1 引言

城市化的飞速发展，使得各类土地的利用类型发生巨大转变，加速经济发展的同时，引起了一系列生态环境问题［1］，因此城市内的土地利用变化成为热点研究问题［2］。同时遥感卫星的快速发展，影像分辨率的逐步提高，使得从中获取的信息更加准确有效［3］，从而可以广泛应用于长时间、多尺度的土地利用变化监测，一方面提高了信息提取的效率，另一方面节约了时间、人力和物力［4］。借助遥感技术进行土地利用变化信息提取已经成为目前研究中的一种重要技术，在能够完成的基础上，各类更加高效便捷的算法大量涌现，在传统的目视解译基础上不仅提高了分类的精度，同时也提升了分类的速度［5］，但不同的算法在实际过程的分类精度存在一定的差异，需要结合实际研究区域确定一种最合适的分类方法。本文使用ENVI 软件，根据研究区的实际环境和影像，采用监督分类中的最大似然分类方法进行土地利用变化信息的提取，此方法相对于其他算法计算速度较快，效率较高，从而最终得到研究区域的土地利用变化特征。

2 研究区域与数据来源

2.1 研究区概况

乌鲁木齐市作为新疆维吾尔自治区的首府，位于中国西北地区，是我国向西开放的重要堡垒。它在新疆的中部区域，位于天山山脉的中断、准噶尔盆地的南部［6］，具体地理位置为86°46′～88°59′E，42°54′～44°58′N，如图1 所示。作为世界上离海洋最远的城市，其地势起伏相差较大，最高海拔5445m，最低海拔490.6m，市区平均海拔为800m，其总面积达到14216.3km2，但山区面积占其总面积的50%以上，其建成区面积达到436km2，整个市区三面环山，海洋气流难以进入，属于温带大陆性干旱气候，气候干燥、昼夜温差大、降水量少。

图1 乌鲁木齐市区位图

2.2 数据来源与处理

本文选取2000 年、2010 年和2019 年三期云量较少的Landsat系列影像，时间集中在七八月份，其具体轨道号为142/29、143/29 和143/30，遥感影像主要源于地理空间数据云平台（http：//www.gscloud.cn/）。然后对影像进行辐射校正、大气校正、拼接合成及剪裁处理，根据研究区域的地形特点和遥感影像的纹理特征确定分类体系，最终采用刘纪元［7］等规定的分类体系，将用地类型分为六大类，具体为草地、林地、耕地、建设用地、水域和未利用地。

3 研究方法

目前基于遥感影像的统计分析分类方法主要分为非监督分类和监督分类［8］，非监督分类又称为聚类分析，不需要根据先验类别选取训练样本，根据影像上不同地物类型的的纹理特征及光谱特征进行合并归类，最终实现分类目的［9］。监督分类又称训练分类，需要对地物特征积累一定的先验知识［10］，根据已知的先验知识对每一类地物选取一定数量并且具有代表性的样本，以选取的样本作为训练样本，用这些训练样本的光谱特性及纹理特征进行训练，获得能够识别各类地物的决策函数，然后将其用于未知区域影像的地物分类［11］。监督分类常用的方法包括：最大似然法、支持向量机法、马氏距离法、最小距离法和神经网络法［12］。其中最大似然是最具代表的统计分析方法，因此本文采用监督分类中的最大似然法对乌鲁木齐市的三期数据进行分类。

3.1 分类算法

最大似然法是根据选取样本影像的波段数据，用其作为多维正态分布来构造实际的分类函数，先对选取的样本进行统计和计算，得到每种地物分类的相关参数，如均值、方差和协方差等，由此可以确定分类函数，然后将实际需要分类的研究区影像中的像元计算代入到已经确定好的分类函数中，根据贝叶斯公式计算在每个分类中的概率，最终实现分类的结果［13～14］。假设影像有n个波段，第i类用地类型对应的正态分布密度函数表达式为

式中：Si为第i类用地类型n个波段的协方差矩阵。

若将研究区域用地类型分为m个类别，则有m个与之对应的概率分布密度函数，进而可以计算每种类型的概率，相当于计算m个类别中的随机变量x，当随机变量x已知时，根据贝叶斯公式可以得出m个类别中第i类的概率，表达式为

对式（2）进行化简，最终表达式为

式中：i的取值为1～6，因为本文中的用地类型分为6 类，μi为均值向量，在实际分类时其值是样本波段特征的均值。

3.2 土地利用变化指数

1）土地利用类型动态变化度用来定量描述某一用地类型在一定的研究区间内的变化，其值有正有负，正值表明该用地类型在此研究区间内处于增长状态，相反则表明该用地类型处于减少状态，动态变化度数值的绝对值越大，表明该用地类型变化波动越大，其数学表达式为［15］

式中：S表示某一用地类型的动态度；Ma表示研究初期某一用地类型的面积，Mb为研究末期某一用地类型的面积；ta和tb表示所选时间区间的初期和末期，本文中初期与末期间隔均为10年。

2）土地利用程度综合指数用来定量反映用地类型利用状态的集约程度，土地利用程度的综合指数取值范围为100～400，其值越大表明用地活动越剧烈。根据其值可以判断研究区内的土地利用程度处在何种发展时期，及时给出调整建议。

其数学表达式为［16］

式中：L表示研究区的土地利用程度综合指数；n表示不同用地类型所对应的分级指数；Ai表示对应的第i级用地类型的分级指数，Ci表示对应的i级用地类型与研究区总面积的百分比。

3）土地利用转移矩阵 通常用二维表格来表示，主要用来描述用地类型变化的方向和结构，具体包括用地类型变化的数量、来源和方向。其数学表达式为

式中：T表示每种用地类型的面积，n为不同的用地类型，i和j研究区间的初期和末期的用地类型。

4 结果分析

4.1 分类精度分析

采用最大似然分类方法之前，需要根据先验知识和影像特征选取训练样本，对选取好的样本进行可分离性验证，可分离指数范围在0～2 之间，其数值大于1.9，说明样本之间可分离性好，可以用作分类训练样本，其数值小于1.8，说明样本之间相同属相较多，不适合作为分类样本，需要对其重新选择，其数值小于1，说明样本之间相似度极高，需要结合实际样本情况，考虑将两类样本合成一类样本。本文实际验证指数如表1 所示：其可分离性指数值均在大于1.8，表明样本均合格，可以用作训练样本，进行分类。如表2 所示：总体的分类精度为87.93%，kappa系数为0.78，其中水域的分类精度最高，达到91.23%，林地和草地的分类精度较弱，因为草地和林地的影像纹理特征相似性较高，有些林地和草地混合在一起，基于分辨率为30m 的影像，无法准确无误将其分类。

表1 样本可分离指数

表2 最大似然法分类精度

4.2 土地利用结构变化分析

如图2 和表3 所示：乌鲁木齐市近20 年中用地类型以草地和未利用地为主，其中草地面积占总面积的50%左右，未利用地的面积占总面积30%左右，未利用地面积在2000 年为面积为4466.6km2、2010 年为4350.97km2、2019 年为4281.08km2，总体变化呈现出递减趋势。耕地的面积在2000 年、2010 年和2019 年的占比分别为9.83%、9.05%和8.24%，其面积变化也呈现递减趋势。林地面积波动较小，其三期占比分别为：4.60%、3.33%和3.07%。建设用地面积变化较为明显，呈现增长趋势，其占比从2000 年的2.51%增长到2019 年的6.07%。水域的面积占比是最少的，其三期面积数分 别 为79.51km2、138.31km2和131.05km2，在2000年～2010年有明显的增加。

图2 2000年～2019年乌鲁木齐市土地利用分类现状图

表3 2000年～2019年乌鲁木齐市土地利用类型面积及占有率

4.3 动态度变化分析

如表4 所示：2000 年～2010 年里，耕地、林地和未利用地的动态变化度分别为-0.79%、-2.76%和-0.26%均为负值，说明这三种用地类型面积在此期间均有所减少，草地动态变化度为0.18%，说明草地面积变化浮动较小，且面积有所增加，而水域和建设用地在这十年中面积增长较多，其地动态变化度分别为7.4%和6.12%。在2010 年～2019 年中，只有建设用地动态变化度为正值，说明只有建设用地面积在增加，其余的用地类型动态变化度均为负值表明其面积均在减少。从整体上看，在近20年中，草地、水域和建设用地面积和2000年相比都有所增长，其中增长最为明显的是建设用地，在2000 年～2019 年中其动态变化度为14.22%，耕地、林地和未利用地和2000 年相比都有所减少，其中林地面积减少的最多。

表4 2000年～2019年乌鲁木齐市土地利用动态变化度

4.4 土地利用程度变化分析

如表5 所示：从2000 年～2019 年乌鲁木齐市的土地利用综合指数分别为182.84、185.93 和189.68，一直处于增长趋势，且波动浮动较为平缓，表明近20 年乌鲁木齐市的土地一直处于开发当中，但是指数又均在合理开发区间之内，且都未逼近发开指数的上线，表明其还有一定的开发空间。

表5 2000年～2019年乌鲁木齐市土地利用程度综合指数

4.5 土地利用转移矩阵分析

在近20 年中，建设用地的面积一直处于上升状态，如表6和7所示：建设用地的增长主要来源于草地和耕地的转变，草地除了转为建设用地，还转向了耕地和林地，在2000 年～2010 年间，草地中有239.22km2的占地转为耕地，269.64km2的占地转为林地。水域面积在研究区间内有所增加，也主要源于草地的转换。减少的未利用地主要转向了草地和耕地。政府颁布实现实行了退耕还林、还草政策在近20 年里，落实较好，因为减少的耕地用地面积主要转向成为草地和林地。

表6 2000年～2010年乌鲁木齐市土地利用转移矩阵 （单位：km2）

表7 2010年～2019年乌鲁木齐市土地利用转移矩阵 （单位：km2）

5 结语

遥感影像的分类方法虽然大量涌现，但未得出某一具体分分类方法是最优的，研究区的地形地势不同，导致分类算法的精度有所差异，本文采用最大似然分类法对乌鲁木齐市近20 年的土地利用类型进行分类，结果表明总体的分类精度为87.93%，kappa 系数为0.78，根据所得的分类结果对土地利用变化特征进行分析，得到乌鲁木齐市的用地类型以草地和未利用地为主，其次是耕地、林地和建设用地，水域面积所占比最小，并且土地利用的开发一直在进行中，但都未到达开发利用的上限，还有一定的开发空间。