北京市平谷區(qū)2005—2015年土地利用變化特征

王繼斌

【摘 要】基于2005年和2015年兩時(shí)相的北京市平谷區(qū)Landsat衛(wèi)星影像數(shù)據(jù)，采用監(jiān)督分類(lèi)中的神經(jīng)網(wǎng)絡(luò)方法，對(duì)研究區(qū)進(jìn)行土地利用分類(lèi)，得到研究區(qū)各個(gè)分類(lèi)地物的統(tǒng)計(jì)面積，對(duì)地物面積變化進(jìn)行特征分析。

【關(guān)鍵詞】土地利用變化；監(jiān)督分類(lèi)；神經(jīng)網(wǎng)絡(luò)

城市，是人類(lèi)走向文明和人類(lèi)群居生活的高級(jí)方式。隨著經(jīng)濟(jì)和社會(huì)的快速發(fā)展，城市化是社會(huì)經(jīng)濟(jì)發(fā)展的必然結(jié)果，也是社會(huì)經(jīng)濟(jì)發(fā)展的有機(jī)組成部分和有力的推動(dòng)器，城市化除了表現(xiàn)在城市人口增長(zhǎng)，城市非農(nóng)業(yè)人口比重增加以外，城市空間區(qū)域的擴(kuò)展也是一個(gè)重要的衡量指標(biāo)。城市化對(duì)自然地理環(huán)境、人文地理環(huán)境和生態(tài)環(huán)境系統(tǒng)的影響，都直接間接地在多源、多尺度、主被動(dòng)遙感影像上得到了表達(dá)。因此，利用遙感影像進(jìn)行土地利用信息提取，能快速地得到城市土地利用變化信息，對(duì)城市化的監(jiān)測(cè)、管理和分析提供了及時(shí)有效的信息源。

一、研究區(qū)概況

研究區(qū)為北京市平谷區(qū)，位于北京市東北部，屬北京市轄區(qū)，地理坐標(biāo)為116°55″E～117°24″E，40°02″N～40°22″N。南面接壤與河北省三河市，北面與本市密云縣相鄰，西面和本順義區(qū)共界，東南與天津市薊縣、東北與河北省興隆縣相連。

二、研究方法與數(shù)據(jù)基礎(chǔ)

（一）數(shù)據(jù)源與預(yù)處理

文章研究區(qū)所采用的數(shù)據(jù)主要為L(zhǎng)andsat-5 TM數(shù)據(jù)和Landsat 8 OLI數(shù)據(jù)，獲取時(shí)間分別是2005年7月9日和2015年7月5日，條帶號(hào)為123，行編號(hào)為32。首先對(duì)遙感影像進(jìn)行輻射定標(biāo)和大氣校正，再用馬里蘭網(wǎng)站下載的相應(yīng)遙感影像進(jìn)行幾何校正，最后通過(guò)研究區(qū)的行政矢量邊界進(jìn)行裁剪，得到研究區(qū)的遙感影像圖。

（二）分類(lèi)方法

獲得研究區(qū)裁剪的遙感影像之后，利用ENVI5.1對(duì)研究區(qū)遙感影像進(jìn)行土地利用分類(lèi)，分類(lèi)過(guò)程中，將地物劃分為水體、建設(shè)用地、耕地、林地和其他這五類(lèi)地物，所用分類(lèi)方法為監(jiān)督分類(lèi)中的神經(jīng)網(wǎng)絡(luò)方法。人工神經(jīng)網(wǎng)絡(luò)是基于生物神經(jīng)系統(tǒng)的分布存儲(chǔ)、并行處理及自適應(yīng)學(xué)習(xí)這些現(xiàn)象構(gòu)造出具有一些低級(jí)智慧的人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)。近年來(lái)，神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于遙感圖像分類(lèi)。不同學(xué)者分別提出或應(yīng)用 BP 網(wǎng)絡(luò)、三維 Hopfield 網(wǎng)絡(luò)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和小波神經(jīng)網(wǎng)絡(luò)等對(duì)遙感圖像進(jìn)行監(jiān)督分類(lèi)。

其基本分類(lèi)過(guò)程為：定義訓(xùn)練樣本、執(zhí)行監(jiān)督分類(lèi)、評(píng)價(jià)分類(lèi)結(jié)果和分類(lèi)后處理。

三、精度評(píng)價(jià)與結(jié)果分析

（一）分類(lèi)精度評(píng)價(jià)

執(zhí)行監(jiān)督分類(lèi)之后，由于采用的是數(shù)學(xué)模型和先驗(yàn)知識(shí)進(jìn)行的分類(lèi)，其結(jié)果只是盡可能的接近自然性質(zhì)，與實(shí)際地物還是存在偏差，所以需要對(duì)分類(lèi)精度進(jìn)行評(píng)估。ENVI5.1提供了多種分類(lèi)結(jié)果評(píng)價(jià)方法，本次研究采用混淆矩陣的方法。使用混淆矩陣可以把分類(lèi)結(jié)果的精度顯示在一個(gè)混淆矩陣?yán)铮ㄓ糜诒容^分類(lèi)結(jié)果和地表真實(shí)信息）。

對(duì)分類(lèi)結(jié)果進(jìn)行精度評(píng)價(jià)時(shí)，混淆矩陣方法需要地表真實(shí)感興趣區(qū)，為此在高分辨率圖像上，通過(guò)目視解譯選取與執(zhí)行監(jiān)督分類(lèi)時(shí)相同數(shù)量的訓(xùn)練樣本。以此樣本代表地表真實(shí)感興趣區(qū)執(zhí)行混淆矩陣分類(lèi)精度評(píng)價(jià)，計(jì)算得到2005年總體分類(lèi)精度為：89.949%，Kappa 系數(shù)為0.901，2015年總體分類(lèi)精度為：89.989%，Kappa 系數(shù)為0.891。研究發(fā)現(xiàn)，Kappa 系數(shù)與分類(lèi)精度有如下關(guān)系（如表1）。

由此可知，本次分類(lèi)實(shí)驗(yàn)的結(jié)果精度較為理想，屬于很好的范圍，適合研究分析研究區(qū)的土地利用分類(lèi)變化。

（二）分類(lèi)結(jié)果分析

對(duì)分類(lèi)后的結(jié)果進(jìn)行后處理（零散像元的處理→提取分類(lèi)后矢量文件→統(tǒng)計(jì)面積），得到各個(gè)分類(lèi)地物的統(tǒng)計(jì)面積之后，運(yùn)用土地變化比重指數(shù)研究分析北京市平谷區(qū)十年間土地利用變化特征。

其中：是第i種地物類(lèi)型土地變化比重指數(shù)，取值0～1，百分?jǐn)?shù)；為第i類(lèi)地物變化面積；S是該區(qū)域的總面積；越大，說(shuō)明該類(lèi)地物面積變化越大，在土地利用變化中越占主導(dǎo)地位。因此，根據(jù)值的大小，將其從大到小排列如下：

林地（6.747%），耕地（6.555%），水體（0.618%），建設(shè)用地（0.425%）

四、結(jié)語(yǔ)

根據(jù)本研究區(qū)2005-2015年各地物土地變化比重指數(shù)，可以看出本地區(qū)土地利用變化特征如下：

（1）十年間本研究區(qū)林地和耕地變化面積最大，說(shuō)明在本研究區(qū)中林地和耕地面積變化占主導(dǎo)地位；

（2）十年間本研究區(qū)水體變化面積僅為0.618%，且為正增長(zhǎng)；

（3）十年間本研究區(qū)建設(shè)用地變化面積只有0.425%，占的比重最小，說(shuō)明在本研究區(qū)中建設(shè)用地面積變化不明顯。

參考文獻(xiàn)

[1] 王浩，胡吉平，譚衢霖.基于TM 影像的北京城鄉(xiāng)結(jié)合部土地利用變化分析[J].測(cè)繪與空間地理信息，2012，35（02）：46-53.

[2] 毛建旭，王耀南.基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類(lèi)[J].測(cè)控技術(shù)，2001，20（05）：29-32.

[3] 駱劍承，周成虎，楊艷.人工神經(jīng)網(wǎng)絡(luò)遙感影像分類(lèi)模型及其與知識(shí)集成方法研究[J].遙感學(xué)報(bào)，2001，5（02）：122-129.

[4] 楊昕，湯國(guó)安，鄧?guó)P東等.ERDAS 遙感數(shù)字圖像處理實(shí)驗(yàn)教程[M].北京：科學(xué)出版社，2009.