湖南省道縣土地利用變遷研究

湯競煌，嚴婭妮，聶智龍（.湖南省第三測繪院，湖南 長沙 40007；.湖南省第二測繪院，湖南 長沙 40000）

?

湖南省道縣土地利用變遷研究

湯競煌1*，嚴婭妮2，聶智龍1
（1.湖南省第三測繪院，湖南 長沙 410007；2.湖南省第二測繪院，湖南 長沙 410000）

摘 要針對高分辨率多時相遙感影像數(shù)據(jù)，通過提取不同視角的特征，表達影像內(nèi)容的不同方面，在多特征融合的基礎上采用支持向量機或者最大似然分類算法對多時相遙感影像進行分類，并對土地利用程度變化和土地利用動態(tài)度進行了分析。

關鍵詞遙感；多特征；土地利用

1　引言

近十年來，隨著社會的發(fā)展以及城鎮(zhèn)化進程的推進，城市改建與擴張日益加劇。及時準確地檢測城鎮(zhèn)化過程中的土地利用變化，可以為城市規(guī)劃與可持續(xù)發(fā)展提供依據(jù)。航空或者航天遙感由于具有時效性以及覆蓋區(qū)域廣等特點，為變化信息提取提供了豐富理想的數(shù)據(jù)來源。利用遙感影像進行變化信息檢測是從不同時期的遙感數(shù)據(jù)中，定量分析和確定地表變化的特征與過程，即根據(jù)遙感圖像和參考數(shù)據(jù)不同時相的觀測，提取、描述感興趣物體或現(xiàn)象隨時間變化的特征，并定量分析、確定其變化。

本文介紹通過遙感影像專業(yè)處理軟件Envi建立光譜、紋理、形狀、面向對象的多特征空間，在多特征的基礎上對不同時相遙感影像進行單獨分類，將不同時相的分類結果進行空間疊加分析，獲取變化類型與范圍，實現(xiàn)對進度監(jiān)測的目的。

2　數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

2.2 影像解譯

對遙感影像進行分類處理是土地利用動態(tài)監(jiān)測的基礎，構建完善、準確的分類體系則是決定遙感影像分類結果準確與否的先決條件與決定性因素。通過對土地資源的不同使用方法、土地的不同覆被特征以及不同的利用途徑等進行研究來對土地利用類型進行分類。我國農(nóng)業(yè)區(qū)劃委員于1984年發(fā)布的《土地利用現(xiàn)狀調(diào)查技術規(guī)程》中制定了“土地利用現(xiàn)狀分類及含義”，把全國土地分為8個一類、46個二類；2002年1月1日起開始試行的“全國土地分類（試行）”，仍分農(nóng)用地、建設用地和未利用土地3個大類，下分15個二級類，71個三級類，10個四級類。結合本研究的情況與研究區(qū)特征，依據(jù)《土地利用現(xiàn)狀調(diào)查技術規(guī)程》，現(xiàn)將土地利用類型劃分為10個地類，即水田、旱地、園地、林地、草地、建設用地、城鎮(zhèn)村及工礦用地、交通運輸用地、水域及水利設施用地、其他用地，并建立研究區(qū)土地利用現(xiàn)狀分類系統(tǒng)及TM影像的判圖標志。

表1　遙感影像解譯標志Table 1 Interpretation marks of land use

2.3 遙感影像的分類方法

遙感影像土地利用信息提取過程實際上是遙感影像的分類過程。常用的遙感分類方法包括人工目視解譯和計算機自動分類兩種。人工目視解譯是根據(jù)地物的光譜、紋理、大小、位置、相關布局等空間特征，結合解譯人員的經(jīng)驗，提取遙感影像信息的方法，其精度較高，但是費時費力，效率較低；而計算機自動分類雖然精度相對較低，但是分類效率比較高。由于遙感數(shù)據(jù)是海量數(shù)據(jù)，因此計算機自動分類是實際工作中應用最廣泛的遙感信息提取方法。

遙感影像自動分類技術是指計算機通過設定好的識別理論與公式，通過不同傳感器、不同分辨率的高分辨率多時相數(shù)據(jù)源的特點，采用分類后比較算法進行改造工程的變化信息提取。由于變化信息提取結果依賴于多時相遙感影像的分類結果，為了最大限度地改善影像上地物類別的判別能力，本次研究中通過提取不同視角的特征，表達影像內(nèi)容的不同方面，在多特征融合的基礎上采用支持向量機或者最大似然分類算法對多時相遙感影像進行分類。為了減輕高分遙感影像中光譜可變性的影響，點對點分類器（P2P）根據(jù)地物局部區(qū)域的相似性，加入距離的約束考慮到分類過程中。分類后處理用于消除小圖斑以及椒鹽分類噪聲的影響，為了保證分類后變化信息提取的準確性，對多時相遙感影像分類結果進行質(zhì)量評價。其總體技術路線圖如圖1所示。

圖1　技術路線圖Fig.1 Flow chart of studying procedure

3　高分辨率遙感影像不同視角多特征提取

高分辨率遙感影像特征信息提取主要是對影像的特征進行有效表達建模，利用多種特征信息如影像紋理信息、光譜信息等多種特征提高遙感影像分類的精度。高分遙感不同的特征可以從不同視角反應影像的內(nèi)容，光譜特征突出地物的電磁波反射特性，紋理特征反應影像的結構性質(zhì)，面向對象的特征反應在影像上對象的語義特性，形態(tài)學特征則突出影像上地物邊緣形狀信息。為解決高分辨率影像光譜信息不夠豐富導致類別可分性差的問題，使用灰度共生矩陣（GLCM）提取紋理特征，使用分水嶺分割算法結合融合策略，在提取對象的基礎上，提取對象特征，使用形態(tài)學運算提取形態(tài)學特征，對不同視角的特征進行特征層融合，為后續(xù)分類提供基礎。

3.1 紋理特征提取—灰度共生矩陣（GLCM）

高分辨率遙感影像包含豐富的光譜與紋理信息。與光譜特征關注影像像素灰度值不同，紋理作為一種區(qū)域特征，是對影像各像元之間空間分布的一種描述。由于紋理能充分利用影像信息，與其他影像特征相比，能更好地兼顧影像宏觀性質(zhì)與細微結構兩個方面。紋理是由灰度分布在空間位置上反復出現(xiàn)而形成的，因而在影像空間中相隔一定距離的兩像素之間會存在一定的灰度關系，即圖像中灰度的空間相關特性?；叶裙采仃嚲褪且环N通過研究灰度的空間相關特性來描述紋理的常用方法。

3.2 形態(tài)學特征提取

雖然企業(yè)本身擁有一定的資本，且政府有一定的政策資金扶持，但由于國際貿(mào)易的資金需求量大，加上區(qū)域內(nèi)企業(yè)眾多，企業(yè)要維持已有業(yè)務的運行，難以投入大量可周轉資金，企業(yè)融資困難。另一方面，地方經(jīng)濟發(fā)展也是企業(yè)融資困難的一個重要原因，洪湖市主要依靠第一產(chǎn)業(yè)發(fā)展經(jīng)濟，工業(yè)發(fā)展緩慢，區(qū)域內(nèi)經(jīng)濟基礎相對較差，金融信貸機構發(fā)展不完善，金融服務體系滯后，可提供金融信貸服務的機構少，而作為農(nóng)業(yè)企業(yè)，相對于其他類型企業(yè)申請貸款較為困難，因而企業(yè)難以通過銀行及其他金融信貸機構籌集資本。

數(shù)學形態(tài)學由一組形態(tài)學代數(shù)算子組成，以膨脹、腐蝕為基礎，在處理圖像時可根據(jù)需要，由這兩種運算組成各種復雜的運算，如先腐蝕再膨脹組成開運算，先膨脹再腐蝕組成閉運算；也可以由開閉運算以及圖像組成各種復雜的運算，通過組合這些算子實現(xiàn)對圖像形狀、結構的分析和處理。

3.3 面向對象特征提取

高空間分辨率遙感影像具有豐富的紋理和形狀信息，與中低分辨率影像相比能夠獲取更精細的地物信息。然而，隨著影像空間分辨率的提高，影像中地物的光譜分布更復雜，不同地物的光譜相互重疊，地物信息呈現(xiàn)高度細節(jié)化，影像中的地物類內(nèi)方差增大，不同地物類之間方差減小。這些特點使得計算機解譯的方式必須要從傳統(tǒng)的面向像元光譜處理的方式轉變到以面向對象的多特征處理方式上來。面向對象的處理方式通常通過影像分割獲取由空間相鄰、光譜相近的多個像素所組成的對象。圖像的分割處理，一方面可減小地物類內(nèi)方差，另一方面可為計算機解譯提供對象的紋理和形狀信息，增大地物類之間的方差，進而增大地物類別的可分性，使得分類識別的精度提高。進而可以以對象為基本單元提取面向對象的特征。

4　基于融合的監(jiān)督分類

由于最大似然分類器是一種基于像素的分類器，因此影像的分類結果通常會受到光譜可變性現(xiàn)象的影響，導致類別錯分情況。在最大似然分類結果的基礎上，將最大似然分類規(guī)則與點對點分類規(guī)則進行逐像素加權融合，引入空間位置信息，可以緩解光譜可變性引起的錯分問題。

4.1 最大似然法分類（MLC）

在遙感影像的分類算法中，很多分類器的設計都是根據(jù)訓練樣本的光譜距離測度，確定特征空間中的判別邊界。而最大似然法的分類規(guī)則是基于概率的。它把每個具有模式測度或特征的像元劃分到很有可能出現(xiàn)該特征的類別中。也就是說，首先計算每個像元屬于一個預先設置好的m類數(shù)據(jù)集中的每一個類的概率，然后將該像元劃分到概率最大的那一類。最大似然分類法假設選取訓練樣區(qū)的分布為正態(tài)分布，各類別光譜曲線的分布能完全由均值向量（Mean Vector）與協(xié)方差矩陣（Covariance Matrix）來描述，采用訓練樣本計算這些參數(shù)之后，便可計算每一未知像元為特定類別的后驗概率。最后通過最大后驗概率的原則就可以得到分類結果圖。

4.2 支持向量機分類（SVM）

不同于最大似然基于概率的分類方法，支持向量機是一種基于統(tǒng)計學習理論的機器學習算法，采用結構風險最小化原理，在最小化樣本誤差的同時縮小模型的泛化誤差，從而提高模型的泛化能力。SVM采用統(tǒng)計學習理論的一種新策略：將函數(shù)集構造為一個函數(shù)子集序列，使各個子集按照VC維的大小排列；在每個子集中尋找較小經(jīng)驗風險，在子集間考慮經(jīng)驗風險和置信范圍，取得實際風險的最小。SVM分類算法通過尋找在分類中起關鍵作用的超平面OSH（Optimal Separating Hyperplane）和支持向量，從而對類別進行劃分。

5　分類后處理

完成多時相遙感影像自動分類之后，為了進一步提高分類精度，需要對分類結果進行后處理。常用的操作包括類別編輯、小圖斑剔除、面合并、自動合并、線切割、面切割、屬性刷、面扣洞、點編輯等。本次研究根據(jù)分類結果的實際效果，利用類別合并、篩選、聚類、最大分析等操作進行后處理。

5.1 分類后合并

由于影像覆蓋地區(qū)地物復雜，同一類地物光譜差異極大。為了增加類別可分性，提高分類精度，在樣本選擇的時候，先將同一地物類型根據(jù)光譜類別進行細分，再對分類結果屬于同一類型進行合并，大大提高了分類精度。這一步驟主要通過Envi中的combine classes實現(xiàn)。

5.2 分類后處理

應用監(jiān)督分類或者非監(jiān)督分類以及決策樹分類，分類結果中不可避免地會產(chǎn)生一些面積很小的圖斑。無論從專題制圖的角度，還是從實際應用的角度，都有必要對這些小圖斑進行剔除或重新分類，目前常用的方法有Majority/Minority分析、聚類處理（Clump）和過濾處理（Sieve）。

6　變化檢測信息提取

在基于可靠、高精度的分類結果上，利用分類后比較法，生成詳細的地類變化矢量數(shù)據(jù)，并進行統(tǒng)計分析。統(tǒng)計分析包括定量統(tǒng)計和定性分析，分別對各期影像進行分類，通過空間疊加分析地類變化，從而掌握研究區(qū)域的變換信息。

7　結論與討論

圖2　2010年、2015年道縣土地利用現(xiàn)狀Fig.2 Land use of Daoxian country in 2010 and 2015

基于湖南省道縣2010年、2015 年土地利用數(shù)據(jù)，通過對土地利用格局的時空格局的時空變化，進而對特征、趨勢和影響因素進行分析，主要的結論如下：

表2　道縣土地利用統(tǒng)計表Table 2 Statistic of land use of Daoxian

（1）農(nóng)林用地方面：農(nóng)林用地面積在2010年至2015年期間減少趨勢明顯，其中旱地和園地一部分轉換為建設用地和農(nóng)村居民地，另一部分轉換為交通運輸用地，水田面積略有減少，林地所占比重減少趨勢明顯。

（2）建設用地及其他用地方面：建設用地增長較大。城鎮(zhèn)村及工礦用地明顯增多，交通運輸用地略有增加，表現(xiàn)為對園地、草地及旱地的開發(fā)。其他用地的面積較2010年未發(fā)生改變。

（3）水系方面：水系未見明顯變化。

綜上所述，該區(qū)域在2010～2015年期間旱地、園地、草地和林地減少趨勢明顯；建設用地、城鎮(zhèn)村及工礦用地的面積明顯增加。建設用地擴張是今后的主要趨勢。在確保耕地紅線的前提下，建設用地會慢慢侵占其它土地（主要侵占農(nóng)用地），直到相對穩(wěn)定，最終形成一種新型城鄉(xiāng)格局。

參考文獻/Reference

[1]史培軍，宮鵬，李曉兵，等.土地利用/覆蓋變化研究的方法與實踐[M].北京:科學出版社,2000 .

[2]陳軍,陳晉,廖安平,等.全球30 m 地表覆蓋遙感制圖的總體技術[J].測繪學報,2014,43(6):551-557.

[3]李雁,趙坤,方精云,等.城市湖泊地區(qū)的土地利用變化[J].長江流域資源與環(huán)境,2004,13(3):229-233.

[4]王秀蘭,包玉海.土地利用動態(tài)變化研究方法探討[J].地理科學進展,1999,18(1):81-87.

[5]劉紀遠,張增祥,莊大方,等.20 世紀90 年代中國土地利用變化的遙感時空信息研究[M].北京:科學出版社,2005 :568 .

[6]史培軍,宮鵬,李曉兵,等.土地利用/覆蓋變化研究的方法與實踐[M].北京:科學出版社,2000 .

[7]吳世新,周可法,劉朝霞,等.新疆地區(qū)近10 年來土地利用變化時空特征與動因分析[J].干旱區(qū)地理,2005,28(1):52-58.

[8]魯春陽,齊磊剛,桑超杰,等.土地利用變化的數(shù)學模型解析[J].資源開發(fā)與市場,2007,23(1):25-28.

[9]宋宏利,張曉楠,陳宜金.基于證據(jù)理論的多源遙感產(chǎn)品土地覆被分類精度優(yōu)化[J].農(nóng)業(yè)工程學報,2014,30(14):132-139.

Reasearch on Land Use Change in Daoxian,Hunan

Tang Jinghuang1,Yan YaNi2,Nie ZhiLong1
(1.The third institute of surveying and mapping of Hunan province,Changsha Hunan 410007;2.The second institute of surveying and mapping of Hunan province,Changsha Hunan 410000)

Abstract:For high resolution for remote sensing image data,by extracting characteristics of different Angle of view,expression of different aspects of the image content,on the basis of multiple features fusion or maximum likelihood classification based on support vector machine algorithm on multiple remote sensing image classification,and the degree of land use change and land use dynamic degree are analyzed.

Key Words:remote sensing;more features;land use

收稿日期：2016-1-25；改回日期：2016-2-27。

*第一作者簡介湯競煌，男，1979年生，高級工程師，主要從事國土和測繪地理信息技術研究工作。Email：178087793@qq.com

文章編號：1672-5603（2016）01-074-6

中圖分類號：F301.1

文獻標識碼：A