基于RS和GIS的土地利用信息提取——木蘭縣實(shí)例

1 前 沿

土地利用是人類社會(huì)活動(dòng)和生產(chǎn)活動(dòng)的一種重要方式［1］，而對(duì)土地利用的動(dòng)態(tài)監(jiān)測(cè)主要是土地利用現(xiàn)狀調(diào)查、變更調(diào)查和數(shù)據(jù)庫建設(shè)的基礎(chǔ)上［2］，主要借助于遙感數(shù)據(jù)( RS) 、全球衛(wèi)星定位系統(tǒng)( GPS) 和地理信息系統(tǒng)( GIS) 對(duì)特定時(shí)間段內(nèi)的土地資源的數(shù)量和質(zhì)量的變化進(jìn)行分析，從而及時(shí)、快速和準(zhǔn)確的獲取土地利用變化信息。隨著遙感、GIS等技術(shù)的發(fā)展與日益成熟［3］，目前已成為當(dāng)今土地利用/土地覆蓋數(shù)據(jù)獲取和開展土地資源時(shí)空變化研究不可缺少的重要技術(shù)手段?；诖?，本文以研究區(qū)域2007年的Landsat TM 影像為主要數(shù)據(jù)源，在選取最佳波段組合的基礎(chǔ)上，完成對(duì)土地利用的數(shù)據(jù)解譯，可全面、及時(shí)掌握土地資源變化規(guī)律，以便為研究區(qū)域的土地可持續(xù)利用決策提供科學(xué)依據(jù)［4－6］。

2 研究方法與研究區(qū)域概括

2.1 研究區(qū)域概括

木蘭縣處哈爾濱的北部，位于黑龍江省中南部，松花江中 游北岸，行政隸屬哈爾濱市是內(nèi)，北部為山區(qū)，東南部為丘陵，西南部為平原，大體呈北高南低的地勢(shì)走向，氣候?qū)僦袦貛Т箨懶约撅L(fēng)氣候。年平均溫度為1 ～3 ℃，極端最高溫度35.5 ℃，極端最低溫度－42 ℃。年平均降雨量為596.2 mm，無霜期127 d，適宜發(fā)展農(nóng)業(yè)生產(chǎn)，是重要的糧食生產(chǎn)基地。

2.2 遙感數(shù)據(jù)處理

2.2.1 幾何校正

在遙感軟件ERDAS IMAGINE 2011 的支持下，采用4、5和3 波段假彩色合成，利用1∶50 000地形圖完成對(duì)遙感影像的幾何校正，并保證控制點(diǎn)( 用GPS ) 誤差在1個(gè)像元以內(nèi)。在此基礎(chǔ)上，遙感圖像處理軟件的AOI 功能，將研究區(qū)域的邊界( SHP 格式) 轉(zhuǎn)換成AOI，通過Subset 功能，裁剪出研究區(qū)域的遙感影像圖。

2.2.2 最佳波段組合的選擇

本文采用美國查維茨提出的最佳指數(shù)法( OIF)［7］，其主要的理論依據(jù)是: 圖像數(shù)據(jù)的標(biāo)準(zhǔn)差越大，所包含的信息量越多，而波段的相關(guān)系數(shù)越小，表明各波段的圖像數(shù)據(jù)獨(dú)立性也就越高，信息的冗余度也就越小［8］，其公式如下:

式中: S 為第i個(gè)波段的標(biāo)準(zhǔn)差，R 為第i，j 兩個(gè)波段的相關(guān)系數(shù)。OIF 指數(shù)越大說明波段間的相關(guān)性越小，3個(gè)波段所包含的信息量越大。其中OIF 指數(shù)的計(jì)算結(jié)果見表1:

表1 各波段的OIF 值

可見TM124，TM134，TM145，TM245 及TM345 的OIF 指數(shù)值較大，由于TM 4 波段的亮度覆蓋范圍最大，在波段的組合中應(yīng)包含TM 4 波段。結(jié)合TM 自身各波段的自身相關(guān)性等特點(diǎn)的，考慮遙感圖像的判讀和解譯的基礎(chǔ)上，本文選取TM 3，4，5 波段為最佳波段組合，進(jìn)行土地利用的提取，見圖1。

2.2.3 遙感圖像分類

參照《中國土地分類系統(tǒng)》(2001) 為標(biāo)及部分野外調(diào)查數(shù)據(jù)，結(jié)合該區(qū)域土地利用自身特點(diǎn)，將研究區(qū)域的土地利用分為6 種類型，分別為:耕地、林地、草地、水域、居民工礦用地和未利用地。本文將地面調(diào)查樣點(diǎn)的GPS 測(cè)點(diǎn)坐標(biāo)以自動(dòng)標(biāo)注的形式顯示在視窗上，利用AOI 工具選取訓(xùn)練模板，選擇疊加規(guī)則為Parametric Rule，參數(shù)規(guī)則為Maximum Likelihood，通過監(jiān)督分類獲取土地利用數(shù)據(jù)，應(yīng)用ERDAS 系統(tǒng)中的G1S 分析功能Clump，Sieve，Eliminate 等，完成監(jiān)督分類后的后期處理工作。在ArcGIS9.2 支持下，完成對(duì)解譯后的土地利用現(xiàn)狀空間拓?fù)潢P(guān)系處理，并生成土地利用的數(shù)據(jù)庫，見圖2。

圖1 研究區(qū)域遙感影像圖

圖2 研究區(qū)域土地利用圖

3 結(jié)果與分析

基于ArcGIS9.2 的土地利用結(jié)果分析可見表2。研究區(qū)域林地的面積最大，面積比例達(dá)到51.80%，表明林地在該區(qū)域處于一定的優(yōu)勢(shì)地位，集中分布于北部為山區(qū)以及東南部的丘陵地帶。耕地的面積為1107.43 km2，次于林地，主要集中分布于木蘭達(dá)河、白楊木河和松花江主河道的沿岸，地勢(shì)相對(duì)平緩且分布相對(duì)趨于集中，主要與人類生活和從事農(nóng)業(yè)生產(chǎn)活動(dòng)有關(guān)。就林地和耕地兩者的面積總和而言，其面積比例占總面積的86.66%，在所有土地利用中，處于絕對(duì)優(yōu)勢(shì)的地位，表明研究區(qū)域的土地主要以林地和耕地為主，草地的面積最小，僅為0.92 km2，主要分布于松花江流域沿岸區(qū)域，居民工礦用地的面積比例僅為1.53%，但是該地類分布相對(duì)分散且隨機(jī)。水域和未利用地的面積較小，分別為203.43 和142.17 km2。就研究區(qū)域的土地利用總體格局而言，研究區(qū)域自然景觀( 林地、草地、未利用地和水域) 占據(jù)一定的比例，而半自然景觀和人為景觀( 耕地和居民工礦用地)占據(jù)較小的比例，

表2 研究區(qū)域土地利用分類面積統(tǒng)計(jì)

4 結(jié) 語

可見，基于GIS 平臺(tái)下，采用遙感圖像處理軟件對(duì)TM 遙感圖像提取土地利用信息是一種有效的方法［9］，通過對(duì)土地利用資源的實(shí)時(shí)分析和研究，可快速認(rèn)識(shí)土地利用對(duì)人類社會(huì)經(jīng)濟(jì)與環(huán)境所產(chǎn)生影響，為土地利用的可持續(xù)利用提供合理的決策參考依據(jù)。結(jié)果表明: 林地和耕地的面積之和占總面積的86.66%，區(qū)域土地利用主要以林地和耕地為主;區(qū)域自然景觀( 林地、草地、未利用地和水域) 占據(jù)一定的比例，而半自然景觀和人為景觀( 耕地和居民工礦用地) 占據(jù)較小的比例。

［1］頡耀文，陳發(fā)虎. 干旱區(qū)土地利用/土地覆蓋變化與全球環(huán)境變化［J］. 地域研究與開發(fā)，2002，21(2) :22－26.

［2］周亦，李琦，馬熹肇，等. 土地利用動(dòng)態(tài)遙感監(jiān)測(cè)中不同數(shù)據(jù)源正射影像制作關(guān)鍵技術(shù)淺析［J］. 礦產(chǎn)勘查，2011，2(6) :826－833.

［3］梁英麗，楊武年. 基于遙感技術(shù)的土地利用/土地覆蓋 信息提取——以四川省眉山市青神縣為例［J］. 測(cè)繪，2010，33( 2) :76－79.

［4］陳國強(qiáng)，，陳鵬. 海灣型城市土地利用動(dòng)態(tài)演變及其生態(tài)環(huán)境效應(yīng)研究［J］. 水保保持研究，2008，15(3) :26－30.

［5］王瑞燕，趙庚星，周偉，等. 土地利用對(duì)生態(tài)環(huán)境脆弱性的影響評(píng)價(jià)［J］. 農(nóng)業(yè)工程學(xué)報(bào)，2008，24(12) :215－129.

［6］岳書平，張樹文，閆業(yè)超，等. 公主嶺市土地利用變化的生態(tài)效應(yīng)研究［J］. 資源科學(xué)，2006，28(6) :161－166.

［7］Chavez P S ，Berlin G L，Sowers L B. Statistical method for selecting Landsat MSS ratios［J］. Journal of Applied Photographic Engineering，1982，8 (1) :22.

［8］劉建平，趙英時(shí). 高光譜遙感數(shù)據(jù)解譯的最佳波段選擇方法研究［J］.中國科學(xué)院研究生院學(xué)報(bào)，1999，6(2) :153－161.

［9］柳海鷹，高吉喜，李政海. 土地覆蓋及土地利用遙感研究進(jìn)展［J］. 國土資源遙感，2001，4(50) :7－12.