盧 建,蔣 敏,鐘張勝,賴 超,周昌和,毛冬梅
(浙江省龍泉市林業(yè)局,浙江龍泉 323700)
?
基于遙感監(jiān)測的城市化進程中土地利用動態(tài)變化分析
——以浙江省龍泉市為例
盧 建,蔣 敏,鐘張勝,賴 超,周昌和,毛冬梅
(浙江省龍泉市林業(yè)局,浙江龍泉 323700)
[目的]研究龍泉市城市化進程中土地利用變化情況。[方法]采用2001和2010年ETM+影像作為數據源,運用Flaash大氣校正法和重采樣幾何校正法對2期影像進行預處理,并通過最大似然法對龍泉市區(qū)進行土地利用分類,最后利用現狀分類圖和土地利用轉移矩陣分析龍泉市區(qū)的土地利用變化情況。[結果]2001和2010年研究區(qū)農田大量減少,主要去向是森林、建筑用地和裸露地;建筑用地迅速增加,分布類型從分散變?yōu)榧校簧指采w率有所提高。[結論]研究結果為龍泉市合理利用土地資源提供了一定的參考。
城市化;土地利用;遙感;動態(tài)監(jiān)測;龍泉市
近年來,隨著經濟社會的不斷發(fā)展,我國城市化進程加快,經濟發(fā)展與環(huán)境保護的矛盾日趨嚴重。如何準確、詳細地研究經濟發(fā)展與環(huán)境變化的關系,從而合理地利用有限的環(huán)境資源成為當前社會關注的熱點[1]。土地是地球資源的重要組成部分,土地利用類型變化被認為是全球環(huán)境變化的重要組成部分和主要原因之一[2]。因此,必須對土地利用信息進行監(jiān)測。以往的方法是通過實地調查獲取土地利用信息,由于技術的局限性,導致調查費時費力并且誤差較大。遙感技術是以航空攝影技術為根基的一種探測技術,這種技術從遠處探測并且感知物體和事物,依據電磁波的原理,運用傳感器收集和處理遠處的目標輻射和反射的電磁波信息,最后得到圖像,以達到探測和識別地面上各種景物的目的[3]。目前最常用的方法是利用遙感影像對土地利用信息進行動態(tài)監(jiān)測,并輔以實地調查,既節(jié)約了勞動成本,又保證了數據獲取的精度。鑒于此,國內外學者對遙感技術在土地利用和土地覆被變化中的應用上做了積極的探索與實踐[4-9],提供了寶貴的技術與經驗。筆者運用ENVI軟件對龍泉市2001和2010年的影像進行土地利用類型分類,分析2期數據的動態(tài)變化,為合理利用資源和城市的可持續(xù)發(fā)展提供依據。
1.1研究區(qū)概況龍泉市地處浙江西南部,是國家級森林城市,屬亞熱帶濕潤季風區(qū),四季分明,雨量充沛,動植物種類豐富,有“華東植物搖籃”之稱,總面積30.59萬hm2,其中林業(yè)用地26.07萬hm2,占總面積85.22%,是一個“九山半水半分田”的林區(qū)市。由此可見龍泉市是工業(yè)相對欠發(fā)達,而生態(tài)區(qū)位明顯的森林城市。近年來,隨著高速公路的建成,區(qū)位條件得到了明顯的改善,當地經濟和城市化進程加速發(fā)展,這使得城市與生態(tài)環(huán)境發(fā)生了明顯的變化。
1.2基礎數據此次用到的數據是研究區(qū)2001 和2010年的Landsat7 ETM+影像,除此之外還包括社會經濟資料等。結合龍泉市的林業(yè)生產特點以及Landsat7 ETM+ 數據對縣級資源利用的分類精度等,進行目視解譯和實地調查,把研究區(qū)的土地利用類型分為耕地、林地、建筑用地、河流和裸露地5 類。
1.3研究方法該研究基于ENVI 5.0,采用Flaash大氣校正和二次多項式的重采樣幾何校正對原始影像進行預處理,再用最大似然法對2期影像進行分類,并通過誤差矩陣驗證各自的分類精度,最后對2期影像進行定性與定量的動態(tài)分析。技術路線見圖1。
圖1 技術路線Fig.1 Technique route
2.1圖像預處理
2.1.1大氣校正。衛(wèi)星傳感器在接收地表物體電磁輻射的過程中,由于大氣的影響,如氣溶膠,傳感器接收到的數據會有一定的偏移,這對利用遙感數據進行生物量估算、土地利用類型分類、動態(tài)監(jiān)測有較大的影響。大氣校正的方法有很多,按照校正后的結果可分為2種[10],即絕對大氣校正法和相對大氣校正法。絕對大氣校正是通過復雜的數學模型,比較精確地消除大氣因子對遙感影像應用的影響,但前提是需要獲得一定的大氣參數,具體分為6S模型、LOWTRAN模型、MORTRAN模型以及ACTOR模型[11]。相對大氣校正是在得不到大氣參數的情況下,基于遙感圖片進行大氣校正。常用的有黑暗像元法和圖像對比法。
該研究采用基于MORTRAN模型的Flaash大氣校正法對原始影像進行校正。它可以將遙感圖像的DN值還原為地表反射率。首先對原始圖像進行輻射定標,即將DN值轉化為光譜輻射率,在ENVI5.0中通過以下公式計算得到:
Lλsensor=(Lλmax- Lλmin)/Lλrange×DNλ+Lλmin
各波段的Lλmax與Lλrange值都可以在影像的頭文件中直接提取。
接著再將影像從BSQ格式轉換為BIL格式,至此,可以用Flaash 大氣校正模型對轉換為BIL格式的影像數據進行大氣校正。根據要求輸入衛(wèi)星影像的飛行日期、時間、地面平均高程、景中心經緯度等參數,進行大氣校正。校正前后的2001年影像如圖2、3所示。
圖2 校正前2001年的影像Fig.2 Image in 2001 before correction
圖3 校正后2001年的影像Fig.3 Image in 2001 after correction
對比圖2和圖3可知,圖3亮度高于圖2,這表明經校正后的影像光譜特性得到了改善。這可以通過典型地物光譜曲線來驗證。驗證結果顯示,Flaash校正前綠色植被在可見光波段各波段的發(fā)射率從大到小依次為 藍、綠、紅,校正后綠色植被對綠波段的反射率最高,這說明Flaash校正很好地消除了大氣的影像。
2.1.2幾何校正。遙感圖像是通過衛(wèi)星上所載傳感器接收地物目標發(fā)出的電磁波而成像的,在接受過程中,會引起圖像的幾何畸變。導致幾何畸變的原因有:衛(wèi)星位置和運動狀態(tài)變化的影像、地球自轉的影響、地球表面曲率的影響、地形起伏的影響、大氣折射的影響[12]。從物理上看,畸變就是像素點被錯誤放置,即本該屬于此點的像素值卻在他處。可采用2種方法實現畸變圖像的校正:一是把被錯置的像素點放到應在的位置上,此方法被稱為直接變換法;二是取回屬于該位置的像素值,此方法被稱為重采樣法。
該研究采用重采樣法對遙感影像進行幾何校正。
首先是控制點的選擇??刂泣c的選取要以配準對象為依據。其關鍵在于建立待分配的兩種坐標系的對應關系。在選取控制點的時候應選取地形圖與遙感圖像上易分辨且較精細的特征點如道路、河流的交匯點、拐彎點、湖泊邊緣、城廓邊緣等。圖像邊緣部分一定要選取控制點,以避免外推。同時使采集的控制點均勻分布于整個地形圖上。首先對2010年的影像選取控制點,在ENVI中由image-to-map直接從地形圖選,如圖4所示。接著是2001年控制點的選擇,它是從2010年遙感圖像中選取的,即image-to-image,如圖5、6所示。
圖4 基于地形圖的2010年控制點的選擇Fig.4 Selection of control point in 2010 based on topographic map
圖5 校正后2010年的影像Fig.5 Corrected image in 2010
圖6 基于2010年影像的2001年控制點Fig.6 Control point in 2001 based on image
其次是建立整體映射函數。根據圖像的幾何畸變性質及地面控制點的多少來確定校正數學模型,建立起圖像與地圖、圖像與圖像之間的空間變換關系,最終將2期遙感影像中控制點的坐標進行校正。坐標系統(tǒng)間的轉換是采用回歸方法建立兩個坐標系統(tǒng)間的轉換函數,如多項式方法和放射變換方法。該研究采用二次多項式方法進行幾何校正。
最后是重采樣內插。在重采樣中,由于所計算的對應位置的坐標不是整數值,必須通過對周圍的像元值進行內插來求出新的像元值,以與輸入的像元值相對應。
2.2遙感影像分類利用遙感手段獲得土地利用信息的一個重要的中間環(huán)節(jié)就是分類[13]。利用計算機對遙感圖像的進行分類的方法有監(jiān)督分類法、非監(jiān)督分類法以及決策樹法、人工神經網絡方法等新方法[14]。與傳統(tǒng)的目視解譯法相比,其可重復性好,時效性強,定位精準。
該研究采用監(jiān)督分類法中的最大似然法對遙感圖像進行分類。具體有以下步驟:首先確定各類的訓練樣本,即對遙感圖像進行分類采樣;然后根據訓練樣本建立分類判別函數;最后逐點掃描影像各像元,將各像元的特征特征向量代入判別函數中求得其屬于各類的概率,將像元歸屬于概率最大的某個類別。
在ENVI中對預處理的影像進行裁剪,得到了2001和2010年的龍泉市市區(qū)影像,分別見圖7和圖8。
圖7 2001年龍泉市區(qū)影像Fig.7 Longquan City image in 2001
圖8 2010年龍泉市區(qū)影像Fig.8 Longquan City image in 2010
運用最大似然法對龍泉市區(qū)進行分類,得到其土地利用類型動態(tài)變化情況(圖9)。
由圖9可知,2001~2010年,龍泉市區(qū)最明顯的變化是建筑用地的增加農田的減少。這與研究時段內城區(qū)的擴張導致大量耕地被占用的事實相符合。2001~2009年龍泉市區(qū)土地利用轉移矩陣見表1。
由表1可知,2001~2010年龍泉市區(qū)各土地利用類型發(fā)生不同程度的變化:①農田總體上減少了6.97 km2,主要去向是森林、建筑和裸露地,分別轉移了7.97、5.01和3.15 km2,農田轉化為森林主要是由于山區(qū)年輕勞動力外出創(chuàng)業(yè)導致農田的荒廢,農田轉化為建筑和裸露地反映了龍泉市正在進行城市化,需要大量的耕地被占用。②森林覆蓋面積總體上增加了3.12 km2,它的穩(wěn)步提升符合森林城市的建設要求。③建筑用地總體增加了3.88 km2,這符合城市化的實際,另一方面其一共轉移了5.92 km2,以森林和農田占絕大多數,原因是當地采取下山脫貧政策加速人口資源集中,導致原先分散在山區(qū)中的建筑被轉移,這表明城市化導致了建筑的分布類型由分散變?yōu)榧?。④裸露地一共轉移了6.41 km2,其中轉移到建筑物3.33 km2,這同樣反映了龍泉市的城市化進展。⑤河流自身基本沒有變化,其變化主要是從裸露地轉移過來的,為0.93 km2,這是由于這2年的降雨量不同所致。
圖9 龍泉市區(qū)土地利用類型變化示意Fig.9 The change of land use types in Longquan City
表1 2001~2009年龍泉市區(qū)土地利用轉移矩陣
2.3精度評估遙感影像的分類精度也是運用遙感技術研究的重點之一。如果不對分類結果的精度進行評估,一個分類過程是不完整的。該研究的分類結果精度可以通過建立誤差矩陣來驗證。誤差矩陣又稱為混淆矩陣,是表示精度評價的常用標準格式,是指將分類數據(通常為行)同參考數據(通常為列)相比較而形成的矩陣表格,其中主對角線代表正確分類的情況,非對角線代表錯誤分類的情況。總體精度是評價整體分類準確性的重要指標,其計算公式為正確分類數/樣本總數。Kappa系數在統(tǒng)計意義上反映分類結果在多大程度上優(yōu)于隨機分類結果。該研究分類結果的精度評價見表2、3。
由表2、3可知,2001年分類的總體精度為95.862 1%,Kappa系數為0.946 7,混淆矩陣中森林和農田分類精度達到100%,裸露地有3個樣分到農田,河流有2個樣分到了裸露地,只有建筑的分類精度相對較差;2010年分類的總體精度為95.735 6%,Kappa系數為0.946 4,混淆矩陣中森林分類精度為100%,農田有1個樣分到了建筑,建筑有4個樣分到了農田,裸露地有2個樣分到了農田,只有河流的分類精度相對較差。上述結果表明此次分類的結果可靠性比較好,動態(tài)監(jiān)測的效果明顯。
表2 2001年龍泉市區(qū)土地利用分類混淆矩陣
注:總準確度=556/580=95.862 1%;Kappa 系數=0.946 7。
Note:Total accuracy=556/580=95.862 1%;Kappa coefficient=0.946 7.
表3 2001年龍泉市區(qū)土地利用分類混淆矩陣
注:總準確度=449/469=95.735 6%;Kappa 系數=0.946 4。
Note:Total accuracy=449/469=95.735 6%;Kappa coefficient=0.946 4.
該研究借助ENVI5.0等相關遙感技術,運用最大似然法對龍泉市的土地利用類型進行了2期影像的動態(tài)監(jiān)測,以驗證龍泉市社會經濟指標的變化。結果表明:在2001~2010年龍泉市土地利用類型發(fā)生了明顯的變化,其中最明顯的是農田的大量減少和建筑用地的大量增多,這充分反映城市化導致了耕地的破壞,使得龍泉市耕地資源更為緊張,當地政府和群眾應該對這一環(huán)境問題加以重視并采取有效措施緩解耕地的減少。
但該研究在方法的選擇上存在不完整與不全面的問題,主要體現在:①在影像預處理階段,沒有對影像進行地形校正,同時在大氣校正上也只用Flaash模型進行處理,這在一定程度上使得影像上陰影對分類精度造成影響。②在影像分類上,只采用最大似然法進行分類,沒有運用其他方法與之形成對比,不夠全面、系統(tǒng)。
[1]趙曉宏,李時蓓,劉敏,等.近期東北主要城市遙感監(jiān)測與動態(tài)分析[J].地球信息科學,2005,7(3):25-27.
[2]黨安榮,史慧珍,何新東.基于3S 技術的土地利用動態(tài)變化研究[J].清華大學學報,2003,43(10):1408-1411.
[3]湯國安,張友順,劉詠梅,等.遙感數字圖像處理[M].北京:科學出版社,1973:170-174.
[4]BLESIUS L.The use of the Minnaert correction for land-cover classification in mountainous terrain[J].International journal of remote sensing,2005,26(17):3831-3851.
[5]BANNARI A.A review of vegetation indices[J].Remote sensing reviews,1995,13:95-120.
[6]ASHRAF S,BRABYN L,HICKS B J.Image data fusion for the remote sensing of freshwater environments[J].Applied geography,2012,32:619-628.
[7]張軍巖,于格,于瀟萌.1980年至2000年膠州灣地區(qū)土地利用變化及其對區(qū)域可持續(xù)發(fā)展的影響[J].資源科學,2009,31(9):1607-1611.
[8]王琳,盧小鳳.基于TM影像的鹽城市土地利用時空變化研究[J].中國農學通報,2011,27(4):464-468.
[9]張永民,鐘林生.松嫩平原典型鹽堿化地區(qū)土地利用格局變化研究:以吉林省乾安縣為例[J].干旱區(qū)資源與環(huán)境,2008,22(9):124-128.
[10]LIANG S L,FANG H L,CHEN M Z.Atmospheric correction of Landsat ETM+ land surface imagery :Part I:Methods[J].Transaction on geoscience and remote sensing,2001,39(11):2490-2498.
[11]鄭偉,曾志遠.遙感圖像大氣校正方法綜述[J].遙感信息,2004(4):66-70.
[12]湯競煌,聶智龍.遙感圖像的幾何校正[J].測繪與空間地理信息,2007,30(2):100-106.
[13]李石華,王金亮.遙感圖像分類方法研究綜述[J].國土資源遙感,2005(2):1-6.
[14]鄧書斌.ENVI遙感處理方法[M].北京:科學出版社,2010.
Analysis on the Land Use Dynamic Change in Urbanization Process Based on Remote Sensing Monitoring—A Case Study in Urban Area of Longquan City,Zhejiang Province
LU Jian,JIANG Min,ZHONG Zhang-sheng et al
(Forestry Bureau of Longquan,Longquan,Zhejiang 323700)
[Objective]The research aimed to study the land use change in urbanization process in urban area of Longquan City.[Method]Using remote sensing images of 2001 and 2010 acquired by ETM+ sensor as data sources,methods of Flaash atmosphere calibration and Resampling geometry calibration were adopted to preprocess the images,then the urban land of Longquan City was classified with the method of Maximum Likelyhood,ultimately land use changes were analyzed with transfer matrix.[Result]From the year 2001 to 2010,farmland reduced in a large number and the reduced farmland has mainly transformed into urban construction,forest and bare ground;the land use of urban construction increased rapidly and its distribution type has changed from dispersal to concentration;forest coverage rate has increased a little.[Conclusion]The research provided a certain scientific reference for the rational use of land resources in Longquan City.
Urbanization;Land use;Remote sensing;Dynamic monitoring;Longquan City
盧建(1986- ),男,浙江龍泉人,助理工程師,從事林業(yè)技術研究。
2016-06-30
S 127
A
0517-6611(2016)25-191-05