基于ENVI的巴南區(qū)土地覆被變化調(diào)查研究

央金卓嘎 施建飛

[摘 要]本研究以重慶巴南區(qū)為研究區(qū)域，選取2013年、2015年和2017年該區(qū)的Landsat8遙感衛(wèi)星影像作為數(shù)據(jù)源。在ENVI和ArcGIS軟件的支持下，對影像圖進(jìn)行預(yù)處理和空間疊加分析。完成了對該區(qū)域土地利用/覆被變化的定量和定性研究，對研究區(qū)域植被要素的空間變化進(jìn)行了闡述。通過分析輸出圖像和統(tǒng)計數(shù)據(jù)，得出相關(guān)結(jié)論。

[關(guān)鍵詞]巴南區(qū);監(jiān)督分類;空間分析;覆被變化

[中圖分類號]X522 [文獻(xiàn)標(biāo)識碼]A

隨著人口的快速增長，城市化進(jìn)程的飛速發(fā)展，土地覆被變化長期處于全球環(huán)境變化研究領(lǐng)域的重要地位，并且成為多學(xué)科交叉的熱點問題。本文以重慶巴南區(qū)為研究對象，對巴南區(qū)三期遙感影像圖進(jìn)行相關(guān)的預(yù)處理，依據(jù)土地覆被變化的相關(guān)研究方法提取所需土地利用信息并進(jìn)行相關(guān)空間分析，試圖勾勒出2013年至2017年巴南區(qū)土地覆被變化情況，探究巴南區(qū)植被的動態(tài)變化，為巴南區(qū)保護(hù)植被，更加合理地利用土地，保護(hù)生態(tài)環(huán)境，實現(xiàn)其可持續(xù)發(fā)展提供理論支持。

1 研究區(qū)域概況

1.1 自然條件

巴南區(qū)位于東經(jīng)介于106?26′2"～106?59′53"之間，北緯跨29?7'44"～29?45'43"。東西橫貫51km，南北縱貫71km ，總面積1834km2。農(nóng)作物常年種植200萬畝左右，其中耕地80.51萬畝，水田45.22萬畝。巴南區(qū)現(xiàn)有8個街道，14個鎮(zhèn)。全區(qū)的森林覆蓋率超過25%，人均綠地429m2。該區(qū)域?qū)儆趤啛釒駶櫄夂?，四季較分明。無霜期長，日照少，風(fēng)力小，濕度較大。年日均氣溫大約在18.7℃，總降水量為1000-1200毫米，集中在5-7月。

1.2 地理條件

位于長江南岸丘陵地帶，地質(zhì)樣貌多樣化。地勢南高北低，起伏較大。從西向東形成石馬向斜、南溫泉背斜等10個向斜和背斜。海拔500-1000米之間為低山地貌，在海拔200-500米之間為丘陵地貌，海拔200以下為河谷地貌，主要有江心島和沙洲和河漫灘3種類型。

1.3 社會經(jīng)濟(jì)條件分析

截至2017年，巴南區(qū)常住人口106.72萬人。地區(qū)生產(chǎn)總值達(dá)到716.6億元，按可比價計算，增長10.1%。第一產(chǎn)業(yè)實現(xiàn)增值49.6億元，增長0.1%。第二產(chǎn)業(yè)實現(xiàn)增值327億元，增長10%。第三產(chǎn)業(yè)實現(xiàn)增值340億元，增長11.8%。人均地區(qū)生產(chǎn)總值為67651元。

2 數(shù)據(jù)預(yù)處理

2.1 數(shù)據(jù)源

本研究選取巴南區(qū)2013年、2015年和2017年夏季的Landsat8遙感衛(wèi)星影像作為數(shù)據(jù)源。并結(jié)合《巴南區(qū)土地利用總體規(guī)劃大綱（2006-2020年）》及相關(guān)年鑒進(jìn)行研究。

2.2 波段合成

多光譜遙感圖像是通過多個波段組合而成的圖像。其中不同的波段承載了地面上不同的地物光譜信息。由于在電腦屏幕上顯示彩色圖像時，一般只能顯示3個波段信息，因此波段的選擇十分重要，它決定了彩色圖像顯示地物信息的豐富程度或某一方面信息的突出性。在實際應(yīng)用中，通常會采用適當(dāng)?shù)牟ǘ谓M合使目標(biāo)特征更加突出，這一特性讓其在遙感圖像解譯過程中具有重要的意義。波段合成是依據(jù)加色法色彩合成原理，對遙感圖像的某三個波段分別賦予紅色、綠色和藍(lán)色得到彩色合成圖像。本文通過ENVI打開七張單波段灰度圖像，即Band1至Band7，使用layer stacking功能調(diào)整七張單波段灰度圖像的順序，合成得到巴南區(qū)及周邊地區(qū)的多光譜圖像。

2.3 輻射定標(biāo)

輻射定標(biāo)是將傳感器記錄的無量綱的DN值轉(zhuǎn)換成具有實際物理意義的大氣頂層輻射亮度值或者反射率，是將傳感器記錄的電壓或數(shù)字量轉(zhuǎn)化為絕對輻射亮度值（輻射率）的過程。輻射定標(biāo)的原理是建立數(shù)字量化值與對應(yīng)視場中輻射亮度值之間的定量關(guān)系，以消除傳感器本身產(chǎn)生的誤差。輻射定標(biāo)按照定標(biāo)位置的不同可以分為三類，分別是機(jī)上或星上定標(biāo)、實驗室定標(biāo)、場地定標(biāo)。本文采用Radiometric Correction的子工具Radiometric Calibration進(jìn)行相應(yīng)設(shè)置并輸出BSQ圖像，完成輻射定標(biāo)。

2.4 大氣校正

從遙感圖像獲得地表反射率的過程通常叫做光學(xué)遙感的大氣校正。遙感技術(shù)因其在信息獲取上具有時效性、穩(wěn)定性和區(qū)域性等特點，現(xiàn)階段已逐漸代替了傳統(tǒng)的地面調(diào)查統(tǒng)計，并且在各類用地的統(tǒng)計、規(guī)劃和監(jiān)測中發(fā)揮著越來越重要的作用。衛(wèi)星數(shù)據(jù)作為遙感技術(shù)的數(shù)據(jù)源，由于大氣散射、吸收和反射等因素會引起影像數(shù)據(jù)的畸變情況，大氣校正的目的就是為了獲得地物真實的反射率數(shù)據(jù)，以此來為遙感定量化應(yīng)用提供前提和基礎(chǔ)。目前主要存在三種大氣校正輻射傳輸模型，分別是MODTRAN模型、6S模型和ATCOR模型。本文采用第三種ARCOR進(jìn)行大氣校正，運(yùn)用FLAASH工具設(shè)置圖像大氣校正參數(shù)，運(yùn)行并輸出圖像，完成校正。

2.5 裁剪

影像圖裁剪是為了得到想要研究或典型區(qū)域，然后再對該區(qū)域進(jìn)行相應(yīng)的分析。影像裁剪包括空間裁剪和波譜裁剪，其中空間裁剪又包括按行列號、影響、地理坐標(biāo)、文件、感興趣/矢量、滾動窗口的此案件。本文采用Subset Data form ROIs工具，以巴南區(qū)行政區(qū)劃矢量邊界為基礎(chǔ)進(jìn)行裁剪，得到裁剪后的影像圖。

3 處理分析

遙感影像分類方法大致可以分為兩種。一種是目視判讀，依靠專業(yè)人員的專業(yè)知識和經(jīng)驗或采用專用判讀儀器對圖像進(jìn)行分析，分類準(zhǔn)確性很高，空間分類性高。但是耗費(fèi)人力，圖像較多較復(fù)雜時不便于快速獲取信息。另一種為遙感影像計算機(jī)分類，主要有監(jiān)督分類和非監(jiān)督分類兩種，是利用計算機(jī)的識別技術(shù)進(jìn)行分類的一種方法。計算機(jī)分類的速度較快，精度較高，但對圖像的質(zhì)量有一定的要求。本文采用監(jiān)督分類法對圖像類別進(jìn)行區(qū)分。

3.1 監(jiān)督分類

監(jiān)督分類，又名訓(xùn)練場地法。是以建立統(tǒng)計識別函數(shù)為理論基礎(chǔ)，依據(jù)典型樣本訓(xùn)練方法進(jìn)行分類的技術(shù)，即根據(jù)已知訓(xùn)練區(qū)提供的樣本，通過選擇特征參數(shù)，求出特征參數(shù)作為決策規(guī)則，建立判別函數(shù)以對各待分類影像進(jìn)行的圖像分類，是模式識別的一種方法。常用的監(jiān)督分類辦法有最大似然法、平行六面體法、最小距離法、神經(jīng)網(wǎng)絡(luò)法等。本文采用最大似然法，又叫貝葉斯分類法。分別求出每個像素對于各類別的歸屬概率，按照歸屬概率最大的原則把各像素分到相應(yīng)的類別中。它假定訓(xùn)練區(qū)地物的光譜特征近似服從正態(tài)分布，各類圖像數(shù)據(jù)的分布函數(shù)為正態(tài)，按正態(tài)分布規(guī)律用最大判別準(zhǔn)則或貝葉斯準(zhǔn)則進(jìn)行判別。本文將圖像分為四個類別，分別是建筑用地、水域、植被和其他用地。在分類過程中，經(jīng)過了ROI Separability Report監(jiān)測，各項指數(shù)均大于1.9。

通過查閱《巴南區(qū)土地利用總體規(guī)劃大綱（2006-2020年）》，檢驗ENVI監(jiān)督分類后的各類別布局大致與土地利用總體規(guī)劃中的土地利用綜合分區(qū)相一致。（見下圖）

3.2 分類結(jié)果分析

土地覆被變化的數(shù)量動態(tài)分析采用ENVI的面積統(tǒng)計數(shù)據(jù)直接比較。對2013年、2015年及2017年巴南區(qū)分類后的影像進(jìn)行結(jié)果統(tǒng)計，得到不同土地類別的面積數(shù)量變化，統(tǒng)計結(jié)果列表如下。

將2013年、2015年及2017年巴南區(qū)影像分類結(jié)果進(jìn)行比較分析，總體得出植被的面積增加396.6543km2，水域減少0.5562 km2，建設(shè)用地增加30.2022 km2，其他用地減少了380.9835 km2。比較顯示：1.巴南區(qū)植被面積顯著增加，說明政府相關(guān)部門注重綠化，應(yīng)積極堅持，繼續(xù)加大生態(tài)環(huán)境建設(shè)力度，堅守可持續(xù)發(fā)展道路。2.建設(shè)用地增加，說明巴南區(qū)城鎮(zhèn)面積有一定擴(kuò)張，同時人口增長可能會導(dǎo)致建設(shè)用地需求增加。隨著經(jīng)濟(jì)社會的發(fā)展，人民收入水平提高，對居住環(huán)境有更高的要求，可能會導(dǎo)致建設(shè)用地相應(yīng)增加來滿足人民需求。3.其他用地顯著減少，說明土地利用率增加，政府相關(guān)部門有效使用土地，減少了土地浪費(fèi)。

3.3 ArcGIS空間分析

因為ENVI僅僅只能局限于分析圖形數(shù)量變化，所以我們將圖像自柵格數(shù)據(jù)轉(zhuǎn)為矢量數(shù)據(jù)，導(dǎo)入ArcGIS針對植被要素進(jìn)行空間分析，導(dǎo)入矢量數(shù)據(jù)為下圖。

在ArcGIS中按所選要素導(dǎo)出2015年的植被數(shù)據(jù)，并分別與2013年及2017年的圖形數(shù)據(jù)進(jìn)行相交處理，得到不同年份的空間數(shù)據(jù)變化。

根據(jù)圖像屬性數(shù)據(jù)得知2015年植被面積相較于2013年約增加435km2。從圖像可以看出，增加的植被主要集中在巴南區(qū)中北部地區(qū)、中東部地區(qū)及南部地區(qū)。

根據(jù)圖像屬性數(shù)據(jù)得知2017年植被面積相較于2015年小幅度減少，約減小38km2。從圖像可以看出，減少的植被主要集中在巴南區(qū)東部地區(qū)。

4 結(jié)論

本文基于巴南區(qū)2013年、2015年及2017年Landsat8影像，分析該段時期內(nèi)土地利用時空變化。結(jié)論有以下幾點：

（1）通過ENVI軟件對巴南區(qū)影像進(jìn)行預(yù)處理，運(yùn)用最大似然監(jiān)督分類的方法將巴南區(qū)土地覆被類型分為4類：建設(shè)用地、植被、水域和其他用地。

（2）2013年、2015和2017年巴南區(qū)土地覆被類型主要以植被為主。2013年植被面積約占總面積的50%以上，到2017年植被迅速增加，約占總面積的70%。

（3）對三年影像分類結(jié)果分別進(jìn)行統(tǒng)計分析，發(fā)現(xiàn)近年來，植被面積顯著增加，建設(shè)用地面積呈上升趨勢，其他用地面積減少，水域面積小幅度減小。

（4）將監(jiān)督分類后的柵格圖像轉(zhuǎn)為矢量后，導(dǎo)入ArcGIS。針對植被要素，采用“相交”工具進(jìn)行空間疊加分析，得出2015年植被面積相較于2013年約增435km?。增加的植被主要集中在巴南區(qū)中北部地區(qū)、中東部地區(qū)及南部地區(qū)。2017年植被面積相較于2015年小幅度減少，約減小38km?。減少的植被主要集中在巴南區(qū)東部地區(qū)。

[參考文獻(xiàn)]

[1] 鄧?yán)冢渡荷?ENVI圖像處理基礎(chǔ)實驗教程[M].北京：測繪出版社，2015.

[2] 高書鵬，和萍.常用遙感影像大氣校正輻射傳輸模型對比研究[J].地球科學(xué)前沿，2018（01）.

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

[4] 白洪偉，徐洋洋.基于ENVI和ArcGIS的合肥市土地利用/覆被變化分析[J].沈陽大學(xué)學(xué)報（自然科學(xué)版），2016（05）.

[5] 杜培軍.遙感原理與應(yīng)用[M].徐州：中國礦業(yè)大學(xué)出版社，2006.

[6] 梅安新，秦其明，等.遙感導(dǎo)論[M].北京：高等教育出版社，2001.