利用Landsat 5 TM數(shù)據(jù)對(duì)南京土地覆蓋分類的研究

王斌飛，敖 雪，翟晴飛，蔣璐路

(1.盤錦市氣象局，遼寧盤錦 124010；2.沈陽區(qū)域氣候中心，遼寧沈陽 110016；3.遼寧省人工影響天氣辦公室，遼寧沈陽 110166；4.寧波市氣象局，浙江寧波 315012)

?

利用Landsat 5 TM數(shù)據(jù)對(duì)南京土地覆蓋分類的研究

王斌飛，敖 雪2*，翟晴飛3，蔣璐路4

(1.盤錦市氣象局，遼寧盤錦 124010；2.沈陽區(qū)域氣候中心，遼寧沈陽 110016；3.遼寧省人工影響天氣辦公室，遼寧沈陽 110166；4.寧波市氣象局，浙江寧波 315012)

為了更好地研究南京市人類活動(dòng)與生態(tài)環(huán)境的相互作用，利用1988年7月5日和2006年5月4日兩個(gè)時(shí)相的Landsat 5 TM遙感數(shù)據(jù)，基于ENVI軟件平臺(tái)，用相對(duì)配準(zhǔn)校正方法將1988年的影像校正到2006年的影像水平上，對(duì)兩期影像分別做最大似然分類，提取土地覆蓋變化信息，并輔以地面調(diào)查，對(duì)其城鎮(zhèn)變化進(jìn)行動(dòng)態(tài)監(jiān)測(cè)并分析其擴(kuò)展的原因。結(jié)果表明：1988～2006年南京市城鎮(zhèn)面積增長(zhǎng)的速度很快，城鎮(zhèn)動(dòng)態(tài)擴(kuò)展表現(xiàn)為近郊城市化、遠(yuǎn)郊近郊化和農(nóng)村郊區(qū)化；新增城鎮(zhèn)用地主要是對(duì)耕地的侵占和對(duì)鄉(xiāng)村用地的合并，并且擠壓山體、林地和水體。與常規(guī)的地面測(cè)量與調(diào)查相比，利用Landsat 5 TM數(shù)據(jù)進(jìn)行土地覆蓋研究不僅縮短了研究周期，而且提高了精度。

土地覆蓋；遙感；變化監(jiān)測(cè)；城鎮(zhèn)擴(kuò)展

自然營造物和人工建筑物所覆蓋的地表諸要素的綜合體被稱為土地覆蓋，是隨著遙感技術(shù)發(fā)展而出現(xiàn)的一個(gè)新概念，包括土壤、湖泊、濕地、沼澤、地表植被及建筑物和道路等，具有特定的時(shí)間和空間屬性。土地覆蓋常受到氣候、土壤、地理地質(zhì)環(huán)境和景觀格局的影響，但隨著人口的增長(zhǎng)和城市化的加快，人類活動(dòng)變成了影響土地覆蓋的主導(dǎo)因子。應(yīng)用遙感技術(shù)可以客觀準(zhǔn)確地動(dòng)態(tài)監(jiān)測(cè)土地覆蓋變化，并能從不同尺度上分析人類活動(dòng)對(duì)土地覆蓋的影響，從而研究人與自然的相互作用[1-6]。

利用遙感技術(shù)對(duì)土地覆蓋的監(jiān)測(cè)，實(shí)際上就是對(duì)不同時(shí)間段的遙感影像數(shù)據(jù)進(jìn)行信息提取，準(zhǔn)確快速地監(jiān)測(cè)得到各時(shí)相的土地覆蓋情況及變化信息[7]。筆者以覆蓋南京地區(qū)的30 m分辨率的Landsat 5 TM衛(wèi)星數(shù)據(jù)為主要數(shù)據(jù)源，對(duì)南京地區(qū)1988～2006年的土地覆蓋變化情況進(jìn)行研究。2幅影像的成像時(shí)間都在夏季，此時(shí)植被生長(zhǎng)旺盛，有利于增加城市與各種不同地物之間在影像上的對(duì)比度。研究結(jié)果可為人地關(guān)系的分析提供依據(jù)，并為南京地區(qū)的可持續(xù)發(fā)展提供重要的輔助決策信息。

1 數(shù)據(jù)來源及處理方法

1.1 研究區(qū)概況

研究區(qū)域?yàn)槟暇┑貐^(qū)，其地理坐標(biāo)范圍為118°22′～ 119°14′ E、31°14′～ 32°37′ N，位于長(zhǎng)江三角洲地區(qū)，全區(qū)總面積6 600 km2，其中市區(qū)面積4 844 km2，建成區(qū)面積752.83 km2，現(xiàn)轄11個(gè)區(qū)2個(gè)縣。南京四周低山盤曲，山環(huán)水繞，自然風(fēng)貌獨(dú)特，水面占全市面積11.4%，水資源極為豐富，低山丘陵占全市面積64.5%，是華東低山丘陵集中的主要區(qū)域之一[8-9]。如圖1所示，長(zhǎng)江斜穿整幅圖像，將南京地區(qū)大體分為3大部分：圖像下方為南京主城區(qū)和江寧區(qū)，上方主要為八卦洲和六合區(qū)，左側(cè)部分為浦口區(qū)。自改革開放以來，南京已成為我國經(jīng)濟(jì)發(fā)展速度最快、最具發(fā)展?jié)摿Φ某鞘兄弧Ｔ诮?jīng)濟(jì)發(fā)展的同時(shí)，人類活動(dòng)對(duì)自然環(huán)境產(chǎn)生了很大影響，該地區(qū)土地覆蓋變化顯著，尤以城市擴(kuò)展為主。因此，該研究選擇該區(qū)域作為研究對(duì)象，對(duì)南京地區(qū)土地覆蓋分類和變化進(jìn)行研究。

1.2 數(shù)據(jù)和方法說明

該研究主要采用的遙感數(shù)據(jù)為L(zhǎng)andsat 5 TM(Thematic Mapper專題制圖儀)衛(wèi)星遙感數(shù)據(jù)。Landsat是美國國家航空和航天局發(fā)射的用來獲取地球表面圖像的一種遙感平臺(tái)，以觀察陸地環(huán)境和資源為主。Landsat 5于1984年3月1日升空，裝載了MSS(Mulri Spectral Scanner多光譜掃描儀)傳感器和TM傳感器，為太陽同步地球資源衛(wèi)星，軌道高度705 km，運(yùn)轉(zhuǎn)傾斜角98.22°，由北向南越過赤道，繞地球一圈周期約98.9 min，每天繞行約14圈，每16天掃描同一地區(qū)，全球共有233個(gè)軌道。TM傳感器包括7個(gè)波段，波段1～3為可見光波段，波段4、5、7 為紅外波段，波段6為熱紅外波段[10-11]。該研究采用了1988年7月5日和2006年5月4日的2組Landsat 5 TM 衛(wèi)星數(shù)據(jù)。

遙感圖像計(jì)算機(jī)分類分為監(jiān)督分類和非監(jiān)督分類2種，該研究采用監(jiān)督分類和最大似然分類法對(duì)圖像進(jìn)行分類[12-13]。

1.3 工作流程

該研究配準(zhǔn)校正2個(gè)時(shí)相的數(shù)據(jù)影像，進(jìn)行最大似然分類，得到土地覆蓋分類圖，再利用分類圖提取城鎮(zhèn)信息，進(jìn)行變化檢測(cè)，土地覆蓋變化信息提取流程見圖2。其中，圖像處理是在遙感圖像專業(yè)軟件ENVI(The Environment for Visualizing Images)中進(jìn)行的。

1.4 數(shù)據(jù)預(yù)處理

進(jìn)行多時(shí)相動(dòng)態(tài)變化監(jiān)測(cè)時(shí)，需要各時(shí)相數(shù)據(jù)在空間上的良好匹配。因此，在進(jìn)行土地覆蓋分類之前，先對(duì)數(shù)據(jù)進(jìn)行配準(zhǔn)精校正。

該研究以2006年的Landsat 5 TM數(shù)據(jù)為基準(zhǔn)圖像，對(duì)1988年的Landsat 5 TM數(shù)據(jù)進(jìn)行幾何配準(zhǔn)校正。試驗(yàn)中選取了30個(gè)控制點(diǎn)，控制點(diǎn)選取的是易分辨且較精細(xì)的特征點(diǎn)，均勻地分布在整幅圖像上，這使得目視辨別比較容易。在道路交叉點(diǎn)、湖泊邊緣、海岸線彎曲處、河流彎曲或分叉處、城廓邊緣等特征變化較大的地區(qū)多選一些控制點(diǎn)[14]。為了防止外推，在圖像邊緣部分也進(jìn)行了控制點(diǎn)的選取。配準(zhǔn)誤差RMS為0.482 137，控制在0.5個(gè)像元之內(nèi)，滿足研究的要求。

控制點(diǎn)選取之后要選擇重采樣的方法。試驗(yàn)中分別對(duì)最近鄰法、雙向線性內(nèi)插法和三次卷積內(nèi)插法進(jìn)行嘗試。最近鄰法處理后的圖像亮度具有不連續(xù)性，精確度不高；三次卷積內(nèi)插法計(jì)算量大，速度慢，對(duì)控制點(diǎn)的選取要求很高[15]；而雙線性內(nèi)插法計(jì)算量和精度適中，因此最終選取該方法作為重采樣的方法。選定重采樣方法之后，通過軟件實(shí)現(xiàn)對(duì)圖像的配準(zhǔn)，由于2幅圖像的區(qū)域范圍大小不同，利用ENVI將它們裁切到同樣的大小(2 000×2 000)，包含的區(qū)域范圍也相同，以便分類。對(duì)比作為基準(zhǔn)圖像的2006年TM圖像(圖3a)和經(jīng)過相對(duì)配準(zhǔn)的1988年TM圖像(圖3b)可以看出，較亮的區(qū)域?yàn)槌擎?zhèn)，城鎮(zhèn)沿著長(zhǎng)江分布，2006年較1988年明顯增多，水體分布也清晰可見。

2 結(jié)果與分析

2.1 土地覆蓋分類2.1.1

分類體系。土地覆蓋分類體系應(yīng)綜合考慮調(diào)查比例尺的大小、精度、遙感資料可辨性、區(qū)域特點(diǎn)、實(shí)用性和系統(tǒng)性[16]?；趯?duì)研究區(qū)概況的了解，針對(duì)研究區(qū)域的自然地理特性，根據(jù)所選遙感數(shù)據(jù)的判讀分析以及試驗(yàn)研究的目的，對(duì)2個(gè)時(shí)相的遙感影像進(jìn)行目視判讀，確定南京地區(qū)內(nèi)大致可以分為5類地物，分別是水體、林地、城鎮(zhèn)、農(nóng)田和裸土。

2.1.2 訓(xùn)練區(qū)的選擇。監(jiān)督分類的關(guān)鍵在于訓(xùn)練區(qū)的選取，訓(xùn)練區(qū)的選擇是否準(zhǔn)確對(duì)分類精度有著較大的影響[17]。訓(xùn)練區(qū)中包括研究范圍內(nèi)所有要區(qū)分的類別，通過它可獲得需要分類的地物類型的特征光譜數(shù)據(jù)，由此可建立判別函數(shù)，作為計(jì)算機(jī)自動(dòng)分類的依據(jù)。訓(xùn)練區(qū)的選擇具有典型性和代表性，要求所含的類型與研究區(qū)域所要區(qū)分的類別一致。要選取均質(zhì)樣本，就應(yīng)在各類地物面積較大的中心部分選擇，而不在各類地物混交地區(qū)和類別的邊緣選取，以保證數(shù)據(jù)具有典型性；使用的圖件要求時(shí)間和空間的一致性，從而能進(jìn)行準(zhǔn)確的分類。在實(shí)際的樣區(qū)選取操作中，經(jīng)過多次選取和分類，發(fā)現(xiàn)盡可能多選類別，同時(shí)各類別地物訓(xùn)練區(qū)選得越多，效果越好，可以減少分類誤差。如在選取水體的感興趣區(qū)時(shí)，不僅要在長(zhǎng)江上選取，還要在玄武湖等湖水中選取。

由于缺乏相應(yīng)區(qū)域的地面實(shí)際樣本，為最大程度地保持樣本的代表性，以遙感影像目視解譯為主，將已配準(zhǔn)校正的衛(wèi)星圖像顯示在系統(tǒng)監(jiān)視器上，用光標(biāo)在顯示圖像上勾出相應(yīng)訓(xùn)練區(qū)的范圍，然后由系統(tǒng)自動(dòng)地分別確定每類訓(xùn)練樣本的正態(tài)分布統(tǒng)計(jì)量。經(jīng)過上面的步驟得到最終的樣區(qū)及樣點(diǎn)數(shù)見表1和表2。

2.1.3 分類過程。選取訓(xùn)練區(qū)后，利用最大似然分類法進(jìn)行監(jiān)督分類，然后對(duì)分類結(jié)果進(jìn)行初步分析，發(fā)現(xiàn)總體上而言比較理想，集中類別的地物類型特征比較明顯。

表1 2006年各類別樣區(qū)及樣點(diǎn)數(shù)

表2 1988年各類別樣區(qū)及樣點(diǎn)數(shù)

遙感監(jiān)督分類的同時(shí)會(huì)產(chǎn)生一些面積很小的圖斑，Muchoney等[8]在對(duì)中美洲地區(qū)進(jìn)行植被與土地覆蓋類制圖研究中提到利用低通濾波來去除孤立像元，可使其分類精度提高2%。該研究利用3×3窗口對(duì)分類結(jié)果進(jìn)行低通濾波處理，合并非常破碎的細(xì)小地塊。在分類結(jié)果圖的基礎(chǔ)上添加圖名、圖例和比例尺等要素，制作成專題圖(圖4)。

2.1.4 精度評(píng)價(jià)。對(duì)遙感影像進(jìn)行專題分類后需要進(jìn)行分類精度評(píng)價(jià)，該研究利用混淆矩陣進(jìn)行精度評(píng)價(jià)，混淆矩陣定義參見文獻(xiàn)[19]。由于土地覆蓋范圍廣，實(shí)地調(diào)查成本高，并且低像元分辨率使得混合像元現(xiàn)象比較突出，給點(diǎn)樣本到粗分辨率像元的尺度轉(zhuǎn)換帶來較大的不確定性，而使得宏觀土地覆蓋分類的精度驗(yàn)證變成一個(gè)棘手的問題[20]?；谝陨峡紤]，利用ENVI軟件得到一組用來做精度評(píng)價(jià)的數(shù)據(jù)，通過這組數(shù)據(jù)統(tǒng)計(jì)得到混淆矩陣(表3、4)。

表3 2006年分類混淆矩陣

注：總體精度為(72 671+137 184+184 907+92 263+1 143)/509 485= 95.615 8%；Kappa系數(shù)= 0.939 2。

表4 1988年分類混淆矩陣

注：總體精度為(2 922+4 078+3 519+3 207+1 335)/15 970= 94.3081%；Kappa系數(shù)= 0.927 0。

該研究通過混淆矩陣分析得到樣本區(qū)2006年總體分類精度為95.615 8%，Kappa系數(shù)為0.939 2，1988年總體分類精度為94.308 1%，Kappa系數(shù)為0.927 0。其中被正確分類的像元沿著混淆矩陣的對(duì)角線分布，它顯示出被分類到正確地表真實(shí)分類的像元數(shù)，和總像元數(shù)進(jìn)行對(duì)比得到各類別精度。顯然，對(duì)于分辨率30 m的TM影像來說，這一分類精度已達(dá)到使用要求。從混淆矩陣中可以看出，分類誤差主要集中在林地、農(nóng)田和裸地之間，由于林地和農(nóng)田特征比較接近，而農(nóng)田和裸地分布混雜，故區(qū)分精度不高，由于錯(cuò)分代價(jià)比較低，對(duì)于土地覆蓋產(chǎn)品的用途而言影響不是很大。

2.2 南京城鎮(zhèn)擴(kuò)展分析

基于2006、1988年2個(gè)時(shí)相的土地覆蓋分類圖提取2個(gè)時(shí)相南京的城鎮(zhèn)信息，結(jié)果見圖5。

根據(jù)圖5中2個(gè)時(shí)相的城鎮(zhèn)覆蓋信息做城鎮(zhèn)變化檢測(cè)，得到1988～2006年南京地區(qū)城鎮(zhèn)覆蓋變化(圖6)。

對(duì)圖4中南京地區(qū)土地覆蓋分類進(jìn)行統(tǒng)計(jì)，得到該地區(qū)各類土地覆蓋類型的面積和比重。從統(tǒng)計(jì)結(jié)果來看，1988年研究區(qū)農(nóng)田的比重最大，為68.9%，其次是城鎮(zhèn)建筑，為9.3%，城鎮(zhèn)主要集中分布在下關(guān)區(qū)、鼓樓區(qū)、玄武區(qū)、建鄴區(qū)等主城區(qū)，在八卦洲上方六合區(qū)和左側(cè)的浦口區(qū)有零星分布，這與南京1988年城鎮(zhèn)規(guī)劃記載相符。水體占7.92%，林地占7.26%，裸地占6.62%，對(duì)比2006年數(shù)據(jù)可以發(fā)現(xiàn)，1988～2006年南京水體和林地變化不大，裸地和農(nóng)田明顯減少，城鎮(zhèn)增加顯著達(dá)到31.82%，1988年原有城鎮(zhèn)面積216.05 km2，到2006年城鎮(zhèn)面積增長(zhǎng)了489.10 km2，達(dá)到705.15 km2，平均每年增加25.74 km2，擴(kuò)展面積已超過原有城鎮(zhèn)面積的2倍。從圖6可以看出，從1988年開始，城鎮(zhèn)由主城區(qū)逐步向浦口區(qū)、六合區(qū)、江寧區(qū)、棲霞區(qū)拓展，拓展速度和規(guī)模都較大，近年來大部分學(xué)校遷往郊區(qū)，如今江寧、仙林、浦口已成為3座大學(xué)城，江北大廠工業(yè)區(qū)的新建，如揚(yáng)子石化、南京化工園、南化公司、南鋼集團(tuán)、華能電廠、南京熱電廠等一大批大型石油化工、鋼鐵、電力等基礎(chǔ)和加工工業(yè)企業(yè)拔地而起，導(dǎo)致南京土地緊張。從城市發(fā)展空間考慮，南京的城鎮(zhèn)動(dòng)態(tài)擴(kuò)展將表現(xiàn)為近郊城市化、遠(yuǎn)郊近郊化和農(nóng)村郊區(qū)化。

城鎮(zhèn)面積增長(zhǎng)的速度很快，快速發(fā)展的工業(yè)化與城市化推動(dòng)城鎮(zhèn)用地加速增長(zhǎng)。新增城鎮(zhèn)用地主要是對(duì)耕地的侵占和對(duì)鄉(xiāng)村用地的合并，并且擠壓山體、林地和水體。長(zhǎng)江北岸一帶發(fā)展迅速，建成了許多新的城區(qū)，長(zhǎng)江南岸，由于沿江地區(qū)經(jīng)濟(jì)貿(mào)易、工業(yè)等比較發(fā)達(dá)，故主城區(qū)沿長(zhǎng)江向東西方向擴(kuò)展，在主城的南邊也建立了新城區(qū)，主城的東邊由于大學(xué)城的影響，也有新城建成。

3 結(jié)論與討論

該研究以1988和2006年2個(gè)時(shí)相的30 m分辨率的Landsat 5 TM 遙感影像為主要數(shù)據(jù)，運(yùn)用ENVI 軟件進(jìn)行南京地區(qū)土地覆蓋分類和城鎮(zhèn)動(dòng)態(tài)拓展變化的研究，與常規(guī)的地面測(cè)量與調(diào)查相比，不僅縮短了研究周期，而且提高了精度。

在研究中，采用相對(duì)配準(zhǔn)校正的方法將2個(gè)時(shí)相的圖像配準(zhǔn)并裁切到同樣大小范圍，然后根據(jù)TM遙感影像，確定了5種地物構(gòu)成的分類系統(tǒng)，既能夠較好地反映研究區(qū)的地表信息，又具有較強(qiáng)的分類可行性。在圖像上對(duì)各種土地覆蓋類型的訓(xùn)練區(qū)進(jìn)行選取，運(yùn)用最大似然法對(duì)數(shù)據(jù)進(jìn)行初步分類后，對(duì)圖像進(jìn)行平滑修正，得到最終的1988和2006年2個(gè)年份的分類專題圖，采用混淆矩陣進(jìn)行了精度評(píng)價(jià)，分類精度較高。再以城鎮(zhèn)為例分析南京城鎮(zhèn)覆蓋的變化情況，得出城鎮(zhèn)的變化主要是由于人類活動(dòng)的影響造成的，并且城鎮(zhèn)的實(shí)際發(fā)展也跟1988～2006年土地覆蓋變化一致，隨著城市的發(fā)展，不斷地向郊區(qū)和農(nóng)村擴(kuò)張。

分類結(jié)果表明，基于Landsat 5 TM遙感影像的土地覆蓋分類方法和技術(shù)在實(shí)踐中是切實(shí)可行的，使用30 m分辨率的TM數(shù)據(jù)結(jié)合ENVI軟件，能夠?qū)崿F(xiàn)較小尺度的土地覆蓋分類，在類別識(shí)別精度、空間精度方面都具有明顯的優(yōu)越性，能夠更好地描述南京地區(qū)的土地覆蓋信息，使得城鎮(zhèn)的宏觀動(dòng)態(tài)監(jiān)測(cè)變成可能，可以為城市發(fā)展與規(guī)劃提供決策信息，具有一定的應(yīng)用價(jià)值。

[1] 趙英時(shí).遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社，2003：337-345.

[2] 楊立民，朱智良.全球及區(qū)域尺度土地覆蓋土地利用遙感研究的現(xiàn)狀和展望[J].自然資源學(xué)報(bào)，1999，14(4)：340-344.

[3] 汪權(quán)方，李家永，陳百明.基于地表覆蓋物光譜特征的土地覆被分類系統(tǒng)：以鄱陽湖流域?yàn)槔齕J].地理學(xué)報(bào)，2006，61(4)：359-368.

[4] 何春陽，史培軍，陳晉，等.北京地區(qū)土地利用/覆蓋變化研究[J].地理研究，2001，20(6)：679-688.

[5] SELLERS P J，DICKINSON R E，RANDALL D A，et al.Modeling the exchanges of energy，water，and carbon between thecontinents and the atmosphere[J].Science，1997，275(5299)：502-509.

[6] 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，2006，22(5)：7-12.

[7] DEFRIES R S，TOWNSHED J G R.NDVI derived land cover classification at a globe scale[J].International journal of remote sensing，1994，15(17)：3567-3586.

[8] 王卷樂，賈文臣.基于ISO元數(shù)據(jù)擴(kuò)展模型的土地覆蓋遙感分類體系框架研究[J].地球信息科學(xué)，2008，10(6)：781-786.

[9] 馬紅云，宋潔，郭品文，等.基于MODIS數(shù)據(jù)的土地覆蓋資料對(duì)長(zhǎng)三角城市群區(qū)域夏季高溫模擬的影響評(píng)估[J].氣象科學(xué)，2011，31(4)：460-465.

[10] 呂建樹，吳泉源，張祖陸，等.基于RS和GIS的濟(jì)寧市土地利用變化及生態(tài)安全研究[J].地理科學(xué)，2012，32(8)：928-935.

[11] 黃娟琴.杭州市區(qū)濕地資源遙感調(diào)查與監(jiān)測(cè)研究[D].杭州：浙江大學(xué)，2005：25-27.

[12] 劉勇洪.基于MODIS數(shù)據(jù)的中國區(qū)域土地覆蓋分類研究[D].北京：中國科學(xué)院遙感應(yīng)用研究所，2005：212-217.

[13] 湯國安，張友順，劉詠梅，等.遙感數(shù)字圖像處理[M].北京：科學(xué)出版社，2004：193-198.

[14] 席武俊.基于RS與GIS技術(shù)的縣域土地利用/土地覆蓋變化研究方法與實(shí)踐[D].昆明：云南師范大學(xué)，2005：21-22.

[15] MATTHEWS E.Global vegetation and land use：New high resolution data bases for limited studies[J].Journal of climatologyand applied meteorology，1983，22(3)：474-487.

[16] 劉勇洪，牛錚，徐永明，等.基于MODIS數(shù)據(jù)設(shè)計(jì)的中國土地覆蓋分類系統(tǒng)與應(yīng)用研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2006，22(5)：99-104.

[17] 趙梓健.基于MODIS數(shù)據(jù)的信息提取及主要土地覆蓋變化研究：以川西地區(qū)為例[D].成都：電子科技大學(xué)，2010：1-2.

[18] MUCHONEY D，BORAK J，CHI H，et al.Application of the MODIS global supervised classification model to vegetation and land cover mapping of Central America[J].International journal of remote sensing，2000，21(6/7)：1115-1138.

[19] 邊疆.綿陽市景觀格局動(dòng)態(tài)變化與預(yù)測(cè)分析[D].南京：南京林業(yè)大學(xué)，2012：36-37.

[20] 徐永明，劉勇洪，魏鳴，等.基于MODIS數(shù)據(jù)的長(zhǎng)江三角洲地區(qū)土地覆蓋分類[J].地理學(xué)報(bào)，2007，62(6)：640-647.

Research on the Use of Landsat 5 TM Data to Classify Land Cover in Nanjing

WANG Bin-fei1，Ao Xue2*，ZHAI Qing-fei3et al

(1.Panjin Meteorological Bureau，Panjin，Liaoning 124000；2.Shenyang Regional Climate Center of Liaoning, Shenyang, Liaoning 110016；3.Liaoning Weather Modification Office, Shenyang, Liaoning 110016)

In order to better study the interaction of human activities and ecological environment in Nanjing, we used two remote sensing data on July 5th,1988 and May 4th,2006. We calibrate the image 1988 with respect to the image 2006 by the ENVI, do Maximum Likelihood Classification to both images and extracte land cover change information.supplemented by ground surveys. Its dynamic monitoring of urban change and analysis of the reasons for its expansion. The results showed that the urban area of nanjing increased fast from 1988 to 2006, urban dynamic extension of suburban urbanization and suburbanization and rural remote exurbs suburbanization.The new urban area was mainly the cultivated land occupation and the rural land consolidation, and extrusion mountain, forest land and water.Compared with the conventional ground survey and investigation, the use of Landsat 5 TM data for land cover study is not only shorten the cycle, but also improved the precision.

Land cover；Remote sensing；Change detection；Urban expansio

王斌飛(1982- )，男，遼寧盤錦人，工程師，從事雷電防御研究。*通訊作者，助理工程師，從事氣候變化和遙感研究。

2015-11-25

S 127

A

0517-6611(2015)35-353-04