摘要：利用遙感技術(shù)獲取地理信息，范圍廣、速度快、信息量大、數(shù)據(jù)更新周期短。遙感技術(shù)和遙感數(shù)字圖像處理正逐步成為土地利用現(xiàn)狀調(diào)查的一個(gè)高新科技手段。以淮安市為例，在ERDAS 9.2軟件的支持下，以2000和2005年兩個(gè)時(shí)期ETM影像為信息源，利用監(jiān)督分類方法結(jié)合ArcGIS空間分析，提取出兩個(gè)時(shí)期的淮安市各區(qū)縣的耕地狀況。結(jié)合各區(qū)縣的人口數(shù)量情況，分析人均耕地變化狀況。

關(guān)鍵詞：遙感；監(jiān)督分類；耕地變化；淮安市

中圖分類號(hào)：S127；F301.24 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2013）21-5189-04

Remote Sensing Based Analysis of Huaian Farmland Changes

WANG Yue-xiang，CHEN Mei-mei，LENG Yan-yan

（College of Urban and Environment， Huaiyin Normal University， Huaian 223300， Jiangsu， China）

Abstract： Remote sensing technology is a rapid way to get vast geographical image data from a wide range， with the information updating in short cycle. Remote sensing technology and remote sensing digital image processing is gradually becoming a high-tech way to survey the status of land using. With the assistance of ERDAS 9.2 software， using ETM data of 2000 and 2005， supervised classification and ArcGIS spatial analyst， the status of land using of each county of Huai’an was obtained. The area of land using per capita was analyzed combining with population.

Key words： remote sensing； supervised classification； cultivated land change； Huaian city

遙感是指非接觸的、遠(yuǎn)距離的探測(cè)技術(shù)，具有大面積同步觀測(cè)、時(shí)效性強(qiáng)、數(shù)據(jù)的綜合性和可比性強(qiáng)、較高的經(jīng)濟(jì)與社會(huì)效益[1，2]等優(yōu)勢(shì)。遙感的應(yīng)用日漸普及，在我國(guó)國(guó)土資源部的守護(hù)“耕地紅線”工作中起到了重要作用。國(guó)家土地督察成都局在云南楚雄州例行土地督察時(shí)通過(guò)衛(wèi)星遙感定位圖上的“158號(hào)”圖斑發(fā)現(xiàn)這塊土地用途明顯發(fā)生變化，經(jīng)查發(fā)現(xiàn)，這塊土地包含97.41 hm2耕地，被云南德勝鋼鐵有限公司在沒(méi)有合法手續(xù)情況下非法占用[3]。國(guó)土資源部運(yùn)用遙感等先進(jìn)科技手段進(jìn)行執(zhí)法確實(shí)行之有效。

“民以食為天”，保證耕地面積是保證糧食產(chǎn)量的基礎(chǔ)條件，動(dòng)態(tài)、及時(shí)了解耕地變化狀況對(duì)于土地利用規(guī)劃、耕地保護(hù)和糧食安全具有重要意義。以江蘇重要糧食基地之一的淮安市為研究對(duì)象，對(duì)該市2000和2005年兩個(gè)時(shí)期的遙感影像進(jìn)行處理，分析5年間淮安市各區(qū)、縣的耕地變化及人均耕地狀況。

1 研究區(qū)概況

淮安市位于江蘇的中北部，黃淮平原東部，淮河流域下游，處于全國(guó)南北分界線上。地理坐標(biāo)為東經(jīng)118°12′00″—119°36′30″，北緯32°43′00″—34°06′00″。市境西、北接宿遷市，東北接連云港市，東南接鹽城市，南接揚(yáng)州市，西南連安徽省滁州市和江蘇省會(huì)南京市?；窗彩惺侨珖?guó)南下北上的交通要道，更是長(zhǎng)三角北部區(qū)域的交通樞紐。

淮安市陸地總面積892萬(wàn)hm2，土地資源類型比較豐富，耕地和水域是主要地類，面積較大。全市耕地分為水田、旱地、水澆地和菜地等，其中水田比例最大，占2/3。水域遍布全市各地，除清河區(qū)外，各區(qū)、縣水域面積占轄區(qū)面積比例均超過(guò)19%，洪澤縣高達(dá)58%。全市水域分為河流水面、湖泊水面、水庫(kù)水面、坑塘水面、葦?shù)?、灘涂和溝渠。林地主要分布在盱眙縣丘陵地區(qū)，牧草地也幾乎全部在盱眙縣境內(nèi)。

研究數(shù)據(jù)來(lái)源于Global Land Cover Facility網(wǎng)站淮安市2000和2005年兩個(gè)時(shí)期的ETM遙感影像，輔助數(shù)據(jù)包括淮安市地形圖、淮安市統(tǒng)計(jì)局的淮安市市區(qū)和其他四縣的面積、人口數(shù)據(jù)等資料。應(yīng)用軟件選用遙感圖像處理軟件ERDAS 9.2和地理信息系統(tǒng)軟件ArcGIS 9.2。

2 遙感影像處理技術(shù)流程

遙感影像處理技術(shù)流程圖見(jiàn)圖1。

2.1 遙感影像的預(yù)處理

應(yīng)用ERDAS 9.2軟件進(jìn)行多波段遙感圖像合成，合成好的圖像見(jiàn)圖2、圖3，然后在軟件ArcGIS 9.2中與淮安市行政區(qū)劃圖進(jìn)行配準(zhǔn)，匹配好后提取出淮安市范圍，最后在ERDAS 9.2軟件中進(jìn)行研究區(qū)裁剪，得到的研究區(qū)遙感影像圖見(jiàn)圖4和圖5[4，5]。

2.2 遙感影像解譯分類

圖像分類是基于圖像像元的數(shù)據(jù)文件值，將像元?dú)w并成有限幾種類型、等級(jí)或數(shù)據(jù)集的過(guò)程。常規(guī)圖像分類主要有兩種方法：非監(jiān)督分類和監(jiān)督分類。

非監(jiān)督分類是指人們事先對(duì)分類過(guò)程不施加任何的先驗(yàn)知識(shí)，僅憑遙感影像地物光譜特征的分布規(guī)律，隨其自然地進(jìn)行盲目分類， 其分類結(jié)果只是對(duì)不同類別進(jìn)行了區(qū)分，并不確定類別的屬性，其屬性是通過(guò)事后對(duì)各類別的光譜響應(yīng)曲線進(jìn)行分析以及與實(shí)地調(diào)查相比較后確定的[6]。

監(jiān)督分類是常規(guī)圖像分類方法之一，主要由用戶來(lái)控制，常用于分類前對(duì)研究區(qū)遙感圖像中影像地物的類別屬性比較了解的情況。在監(jiān)督分類過(guò)程中，首先選擇可以識(shí)別或者借助其他信息可以判定其類型的像元建立模板，然后基于該模板使計(jì)算機(jī)系統(tǒng)自動(dòng)識(shí)別具有相同特性的像元。

監(jiān)督分類一般有以下幾個(gè)步驟：定義分類模板、評(píng)價(jià)分類模板、進(jìn)行監(jiān)督分類、評(píng)價(jià)分類結(jié)果。在監(jiān)督分類過(guò)程中，訓(xùn)練區(qū)的選擇必須具有代表性和典型性，對(duì)所有使用的圖件要求時(shí)間和空間上的一致性。用于分類決策的規(guī)則是多層次的，如對(duì)非參數(shù)模板有特征空間、平行六面體等方法，對(duì)參數(shù)模板有最大似然法、最小距離法等方法[7]。本研究采用最大似然法進(jìn)行監(jiān)督分類。

2.3 遙感圖像解譯標(biāo)志的建立

遙感圖像解譯標(biāo)志見(jiàn)表1[8]。

3 結(jié)果與分析

3.1 土地利用類型分類處理

在ERDAS 9.2平臺(tái)下，利用Supervised Classification進(jìn)行最大似然監(jiān)督分類，獲取遙感影像預(yù)分類圖。并通過(guò)目視解譯，改正錯(cuò)誤類型，獲取淮安市的土地利用分類圖像。將分類后的淮安市遙感圖像添加到ArcGIS 9.2中，分別進(jìn)行出圖處理，所得結(jié)果如圖6、圖7。

利用淮安市耕地狀況圖提取出2000、2005年兩個(gè)年份的各區(qū)、縣的耕地狀況圖分別見(jiàn)圖8、圖9，獲得各區(qū)、縣耕地?cái)?shù)據(jù)見(jiàn)表2。

3.2 人均耕地變化狀況與分析

將表2中的2000、2005年淮安市各區(qū)、縣耕地面積數(shù)據(jù)，結(jié)合對(duì)應(yīng)年份全市各區(qū)、縣人口數(shù)據(jù)進(jìn)行分析，結(jié)果見(jiàn)表3。由表3可知，2000—2005年，伴隨著經(jīng)濟(jì)的快速發(fā)展，淮安市呈現(xiàn)出的總體狀況是耕地面積明顯減少，而人口的增加幅度很大，導(dǎo)致人均耕地面積減少，其中盱眙縣人均耕地有所增加，其他各區(qū)縣都不同程度減少，金湖縣人均耕地面積減少最明顯，其次是洪澤縣。

改革開(kāi)放以來(lái)，各地紛紛招商引資發(fā)展工商企業(yè)來(lái)加快經(jīng)濟(jì)發(fā)展，所需要的城鎮(zhèn)商業(yè)用地面積、工業(yè)生產(chǎn)用地面積及道路面積等都大量增加。城市化進(jìn)程加快，推動(dòng)城市建設(shè)規(guī)模不斷擴(kuò)大，大量農(nóng)業(yè)用地轉(zhuǎn)變成建設(shè)用地。另一方面，城市人口不斷增長(zhǎng)，勞動(dòng)技術(shù)人員增多，住房面積增加，農(nóng)業(yè)人口相對(duì)減少，各因素都導(dǎo)致耕地面積大量減少。

各個(gè)區(qū)、縣的耕地呈現(xiàn)出不同的變化情況，主要與淮安市政府對(duì)各個(gè)區(qū)、縣的總體規(guī)劃方向不同有關(guān)。市區(qū)：國(guó)家歷史文化名城和生態(tài)旅游城市，長(zhǎng)江三角洲北部地區(qū)重要的中心城市，交通樞紐和先進(jìn)制造業(yè)基地；漣水縣城：新興工業(yè)基地，教育發(fā)達(dá)、生態(tài)優(yōu)良的縣域中心城市，并承擔(dān)中心城區(qū)的部分教育、空港服務(wù)等職能；洪澤縣城：湖濱生態(tài)旅游城市，適當(dāng)發(fā)展符合環(huán)保要求的加工產(chǎn)業(yè)；金湖縣城：水鄉(xiāng)、園林特色的現(xiàn)代化城市，適當(dāng)發(fā)展符合環(huán)保要求的加工工業(yè)；盱眙縣城：淮河中下游山水、文化、旅游城市，重點(diǎn)發(fā)展旅游產(chǎn)業(yè)，適當(dāng)發(fā)展加工工業(yè)，嚴(yán)格保護(hù)生態(tài)環(huán)境和生物多樣性。

4 結(jié)論與討論

基于淮安市ETM遙感影像數(shù)據(jù)，利用監(jiān)督分類方法提取出淮安市2000、2005年的耕地狀況，對(duì)淮安市各區(qū)、縣人均耕地情況變化進(jìn)行了分析，其中漣水縣有很小一部分缺失的區(qū)域在另一張遙感圖像上，但不影響對(duì)淮安耕地變化的總體分析。

通過(guò)分析可以看出，5年間淮安市耕地總體變化狀況是耕地總面積大量減少、人口大量增加、人均耕地面積明顯減少。全市人均耕地面積減少0.004 8 hm2，其中盱眙縣人均耕地增加了0.004 6 hm2，金湖縣、洪澤縣人均耕地減少較為明顯，分別為0.015 8、0.012 0 hm2。各個(gè)區(qū)、縣的耕地呈現(xiàn)出不同的變化情況，主要與淮安市政府對(duì)各個(gè)區(qū)、縣的規(guī)劃方向不同有關(guān)，注重發(fā)展工業(yè)的區(qū)、縣人均耕地明顯減少，而注重旅游及生態(tài)保護(hù)的區(qū)、縣人均耕地減少幅度較小。雖然分析的數(shù)據(jù)與實(shí)際數(shù)據(jù)還有一定的差異，但可以從一定程度上反映出耕地的變化情況。

采用ETM影像進(jìn)行淮安市耕地變化動(dòng)態(tài)監(jiān)測(cè)，在數(shù)據(jù)精度方面可能要低于傳統(tǒng)的土地詳查方法，但能滿足整個(gè)區(qū)域較大范圍的土地利用變化和趨勢(shì)分析，基本上可以滿足主要土地利用類型的分類要求，且成圖周期短、費(fèi)用低，在土地資源的調(diào)查和監(jiān)測(cè)上具有廣闊的應(yīng)用前景。

參考文獻(xiàn)：

[1] 鄧良基.遙感基礎(chǔ)與應(yīng)用[M].北京：中國(guó)農(nóng)業(yè)出版社，2005.

[2] 韋玉春，湯國(guó)安，楊 昕.遙感數(shù)字圖像處理[M].北京：科學(xué)出版社，2007.

[3] 周宗澤.地理信息系統(tǒng)（GIS）在國(guó)土資源管理中的應(yīng)用[J].華北國(guó)土資源，2006（3）：31-32.

[4] 趙庚星，竇益湘，田文新，等.衛(wèi)星遙感影像中耕地信息的自動(dòng)提取方法研究[J].地理科學(xué)， 2001，21（4）：224-229.

[5] 盧玉東，尹黎明，何丙輝，等.利用TM影像在土地利用/覆蓋遙感解譯中波段選取研究[J].西南農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2005，27（4）：479-482，486.

[6] 費(fèi)鮮蕓，趙庚星，高祥偉.土地利用/土地覆蓋遙感分析研究綜述[J].山東農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2002，33（4）：515-518.

[7] 鄭 重.基于RS與GIS技術(shù)的土地利用調(diào)查研究[J].科技創(chuàng)新導(dǎo)報(bào)，2009（14）：92.

[8] 王一達(dá)，沈熙玲，謝 炯.遙感圖像分類方法綜述[J].遙感信息，2006（5）：67-71.