湯競煌，嚴(yán)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(yán)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(shí)相遙感影像數(shù)據(jù)，通過提取不同視角的特征，表達(dá)影像內(nèi)容的不同方面，在多特征融合的基礎(chǔ)上采用支持向量機(jī)或者最大似然分類算法對多時(shí)相遙感影像進(jìn)行分類，并對土地利用程度變化和土地利用動態(tài)度進(jìn)行了分析。

關(guān)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(jìn)程的推進(jìn)，城市改建與擴(kuò)張日益加劇。及時(shí)準(zhǔn)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(shí)效性以及覆蓋區(qū)域廣等特點(diǎn)，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(jìn)行變化信息檢測是從不同時(shí)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(shí)相的觀測，提取、描述感興趣物體或現(xiàn)象隨時(shí)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?qū)ο蟮亩嗵卣骺臻g，在多特征的基礎(chǔ)上對不同時(shí)相遙感影像進(jìn)行單獨(dú)分類，將不同時(shí)相的分類結(jié)果進(jìn)行空間疊加分析，獲取變化類型與范圍，實(shí)現(xiàn)對進(jìn)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(jìn)行分類處理是土地利用動態(tài)監(jiān)測的基礎(chǔ)，構(gòu)建完善、準(zhǔn)確的分類體系則是決定遙感影像分類結(jié)果準(zhǔn)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(jìn)行研究來對土地利用類型進(jìn)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(shù)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(gè)一類、46個(gè)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(shè)用地和未利用土地3個(gè)大類，下分15個(gè)二級類，71個(gè)三級類，10個(gè)四級類。結(jié)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(shù)規(guī)程》，現(xiàn)將土地利用類型劃分為10個(gè)地類，即水田、旱地、園地、林地、草地、建設(shè)用地、城鎮(zhèn)村及工礦用地、交通運(yùn)輸用地、水域及水利設(shè)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(biāo)志。

表1　遙感影像解譯標(biāo)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(shí)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(jì)算機(jī)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(guān)布局等空間特征，結(jié)合解譯人員的經(jīng)驗(yàn)，提取遙感影像信息的方法，其精度較高，但是費(fèi)時(shí)費(fèi)力，效率較低；而計(jì)算機(jī)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(jì)算機(jī)自動分類是實(shí)際工作中應(yīng)用最廣泛的遙感信息提取方法。

遙感影像自動分類技術(shù)是指計(jì)算機(jī)通過設(shè)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(shí)相數(shù)據(jù)源的特點(diǎn)，采用分類后比較算法進(jìn)行改造工程的變化信息提取。由于變化信息提取結(jié)果依賴于多時(shí)相遙感影像的分類結(jié)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(dá)影像內(nèi)容的不同方面，在多特征融合的基礎(chǔ)上采用支持向量機(jī)或者最大似然分類算法對多時(shí)相遙感影像進(jìn)行分類。為了減輕高分遙感影像中光譜可變性的影響，點(diǎn)對點(diǎn)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(zhǔn)確性，對多時(shí)相遙感影像分類結(jié)果進(jìn)行質(zhì)量評價(jià)。其總體技術(shù)路線圖如圖1所示。

圖1　技術(shù)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(jìn)行有效表達(dá)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(yīng)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(yīng)影像的結(jié)構(gòu)性質(zhì)，面向?qū)ο蟮奶卣鞣磻?yīng)在影像上對象的語義特性，形態(tài)學(xué)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(dǎo)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(jié)合融合策略，在提取對象的基礎(chǔ)上，提取對象特征，使用形態(tài)學(xué)運(yùn)算提取形態(tài)學(xué)特征，對不同視角的特征進(jìn)行特征層融合，為后續(xù)分類提供基礎(chǔ)。

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(guān)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(xì)微結(jié)構(gòu)兩個(gè)方面。紋理是由灰度分布在空間位置上反復(fù)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(guān)系，即圖像中灰度的空間相關(guān)特性?；叶裙采仃嚲褪且环N通過研究灰度的空間相關(guān)特性來描述紋理的常用方法。

3.2 形態(tài)學(xué)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(wù)的運(yùn)行，難以投入大量可周轉(zhuǎn)資金，企業(yè)融資困難。另一方面，地方經(jīng)濟(jì)發(fā)展也是企業(yè)融資困難的一個(gè)重要原因，洪湖市主要依靠第一產(chǎn)業(yè)發(fā)展經(jīng)濟(jì)，工業(yè)發(fā)展緩慢，區(qū)域內(nèi)經(jīng)濟(jì)基礎(chǔ)相對較差，金融信貸機(jī)構(gòu)發(fā)展不完善，金融服務(wù)體系滯后，可提供金融信貸服務(wù)的機(jī)構(gòu)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(jī)構(gòu)籌集資本。

數(shù)學(xué)形態(tài)學(xué)由一組形態(tài)學(xué)代數(shù)算子組成，以膨脹、腐蝕為基礎(chǔ)，在處理圖像時(shí)可根據(jù)需要，由這兩種運(yùn)算組成各種復(fù)雜的運(yùn)算，如先腐蝕再膨脹組成開運(yùn)算，先膨脹再腐蝕組成閉運(yùn)算；也可以由開閉運(yùn)算以及圖像組成各種復(fù)雜的運(yùn)算，通過組合這些算子實(shí)現(xiàn)對圖像形狀、結(jié)構(gòu)的分析和處理。

3.3 面向?qū)ο筇卣魈崛?/p>

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(xì)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(fù)雜，不同地物的光譜相互重疊，地物信息呈現(xiàn)高度細(xì)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(diǎn)使得計(jì)算機(jī)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(zhuǎn)變到以面向?qū)ο蟮亩嗵卣魈幚矸绞缴蟻怼Ｃ嫦驅(qū)ο蟮奶幚矸绞酵ǔＭㄟ^影像分割獲取由空間相鄰、光譜相近的多個(gè)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(jì)算機(jī)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(jìn)而增大地物類別的可分性，使得分類識別的精度提高。進(jìn)而可以以對象為基本單元提取面向?qū)ο蟮奶卣鳌?/p>

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(jié)果通常會受到光譜可變性現(xiàn)象的影響，導(dǎo)致類別錯(cuò)分情況。在最大似然分類結(jié)果的基礎(chǔ)上，將最大似然分類規(guī)則與點(diǎn)對點(diǎn)分類規(guī)則進(jìn)行逐像素加權(quán)融合，引入空間位置信息，可以緩解光譜可變性引起的錯(cuò)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(shè)計(jì)都是根據(jù)訓(xùn)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(gè)具有模式測度或特征的像元?jiǎng)澐值胶苡锌赡艹霈F(xiàn)該特征的類別中。也就是說，首先計(jì)算每個(gè)像元屬于一個(gè)預(yù)先設(shè)置好的m類數(shù)據(jù)集中的每一個(gè)類的概率，然后將該像元?jiǎng)澐值礁怕首畲蟮哪且活?。最大似然分類法假設(shè)選取訓(xùn)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(xùn)練樣本計(jì)算這些參數(shù)之后，便可計(jì)算每一未知像元為特定類別的后驗(yàn)概率。最后通過最大后驗(yàn)概率的原則就可以得到分類結(jié)果圖。

4.2 支持向量機(jī)分類（SVM）

不同于最大似然基于概率的分類方法，支持向量機(jī)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)算法，采用結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理，在最小化樣本誤差的同時(shí)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(jì)學(xué)習(xí)理論的一種新策略：將函數(shù)集構(gòu)造為一個(gè)函數(shù)子集序列，使各個(gè)子集按照VC維的大小排列；在每個(gè)子集中尋找較小經(jīng)驗(yàn)風(fēng)險(xiǎn)，在子集間考慮經(jīng)驗(yàn)風(fēng)險(xiǎn)和置信范圍，取得實(shí)際風(fēng)險(xiǎn)的最小。SVM分類算法通過尋找在分類中起關(guān)鍵作用的超平面OSH（Optimal Separating Hyperplane）和支持向量，從而對類別進(jìn)行劃分。

5　分類后處理

完成多時(shí)相遙感影像自動分類之后，為了進(jìn)一步提高分類精度，需要對分類結(jié)果進(jìn)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(diǎn)編輯等。本次研究根據(jù)分類結(jié)果的實(shí)際效果，利用類別合并、篩選、聚類、最大分析等操作進(jìn)行后處理。

5.1 分類后合并

由于影像覆蓋地區(qū)地物復(fù)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(shí)候，先將同一地物類型根據(jù)光譜類別進(jìn)行細(xì)分，再對分類結(jié)果屬于同一類型進(jìn)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(shí)現(xiàn)。

5.2 分類后處理

應(yīng)用監(jiān)督分類或者非監(jiān)督分類以及決策樹分類，分類結(jié)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(shí)際應(yīng)用的角度，都有必要對這些小圖斑進(jìn)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(jié)果上，利用分類后比較法，生成詳細(xì)的地類變化矢量數(shù)據(jù)，并進(jìn)行統(tǒng)計(jì)分析。統(tǒng)計(jì)分析包括定量統(tǒng)計(jì)和定性分析，分別對各期影像進(jìn)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(jié)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(shí)空格局的時(shí)空變化，進(jìn)而對特征、趨勢和影響因素進(jìn)行分析，主要的結(jié)論如下：

表2　道縣土地利用統(tǒng)計(jì)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(zhuǎn)換為建設(shè)用地和農(nóng)村居民地，另一部分轉(zhuǎn)換為交通運(yùn)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(shè)用地及其他用地方面：建設(shè)用地增長較大。城鎮(zhèn)村及工礦用地明顯增多，交通運(yùn)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(shè)用地、城鎮(zhèn)村及工礦用地的面積明顯增加。建設(shè)用地?cái)U(kuò)張是今后的主要趨勢。在確保耕地紅線的前提下，建設(shè)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(xiàn)/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(shí)踐[M].北京:科學(xué)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(shù)[J].測繪學(xué)報(bào),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(xué)進(jìn)展,1999,18(1):81-87.

[5]劉紀(jì)遠(yuǎn),張?jiān)鱿?莊大方,等.20 世紀(jì)90 年代中國土地利用變化的遙感時(shí)空信息研究[M].北京:科學(xué)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(shí)踐[M].北京:科學(xué)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(shí)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(xué)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(xué)報(bào),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(shù)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(xiàn)標(biāo)識碼：A