王繼斌

【摘 要】基于2005年和2015年兩時相的北京市平谷區(qū)Landsat衛(wèi)星影像數據，采用監(jiān)督分類中的神經網絡方法，對研究區(qū)進行土地利用分類，得到研究區(qū)各個分類地物的統(tǒng)計面積，對地物面積變化進行特征分析。

【關鍵詞】土地利用變化；監(jiān)督分類；神經網絡

城市，是人類走向文明和人類群居生活的高級方式。隨著經濟和社會的快速發(fā)展，城市化是社會經濟發(fā)展的必然結果，也是社會經濟發(fā)展的有機組成部分和有力的推動器，城市化除了表現在城市人口增長，城市非農業(yè)人口比重增加以外，城市空間區(qū)域的擴展也是一個重要的衡量指標。城市化對自然地理環(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、主被動遙感影像上得到了表達。因此，利用遙感影像進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，對城市化的監(jiān)測、管理和分析提供了及時有效的信息源。

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、研究方法與數據基礎

（一）數據源與預處理

文章研究區(qū)所采用的數據主要為Landsat-5 TM數據和Landsat 8 OLI數據，獲取時間分別是2005年7月9日和2015年7月5日，條帶號為123，行編號為32。首先對遙感影像進行輻射定標和大氣校正，再用馬里蘭網站下載的相應遙感影像進行幾何校正，最后通過研究區(qū)的行政矢量邊界進行裁剪，得到研究區(qū)的遙感影像圖。

（二）分類方法

獲得研究區(qū)裁剪的遙感影像之后，利用ENVI5.1對研究區(qū)遙感影像進行土地利用分類，分類過程中，將地物劃分為水體、建設用地、耕地、林地和其他這五類地物，所用分類方法為監(jiān)督分類中的神經網絡方法。人工神經網絡是基于生物神經系統(tǒng)的分布存儲、并行處理及自適應學習這些現象構造出具有一些低級智慧的人工神經網絡系統(tǒng)。近年來，神經網絡被廣泛應用于遙感圖像分類。不同學者分別提出或應用 BP 網絡、三維 Hopfield 網絡、徑向基函數神經網絡和小波神經網絡等對遙感圖像進行監(jiān)督分類。

其基本分類過程為：定義訓練樣本、執(zhí)行監(jiān)督分類、評價分類結果和分類后處理。

三、精度評價與結果分析

（一）分類精度評價

執(zhí)行監(jiān)督分類之后，由于采用的是數學模型和先驗知識進行的分類，其結果只是盡可能的接近自然性質，與實際地物還是存在偏差，所以需要對分類精度進行評估。ENVI5.1提供了多種分類結果評價方法，本次研究采用混淆矩陣的方法。使用混淆矩陣可以把分類結果的精度顯示在一個混淆矩陣里（用于比較分類結果和地表真實信息）。

對分類結果進行精度評價時，混淆矩陣方法需要地表真實感興趣區(qū)，為此在高分辨率圖像上，通過目視解譯選取與執(zhí)行監(jiān)督分類時相同數量的訓練樣本。以此樣本代表地表真實感興趣區(qū)執(zhí)行混淆矩陣分類精度評價，計算得到2005年總體分類精度為：89.949%，Kappa 系數為0.901，2015年總體分類精度為：89.989%，Kappa 系數為0.891。研究發(fā)現，Kappa 系數與分類精度有如下關系（如表1）。

由此可知，本次分類實驗的結果精度較為理想，屬于很好的范圍，適合研究分析研究區(qū)的土地利用分類變化。

（二）分類結果分析

對分類后的結果進行后處理（零散像元的處理→提取分類后矢量文件→統(tǒng)計面積），得到各個分類地物的統(tǒng)計面積之后，運用土地變化比重指數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種地物類型土地變化比重指數，取值0～1，百分數；為第i類地物變化面積；S是該區(qū)域的總面積；越大，說明該類地物面積變化越大，在土地利用變化中越占主導地位。因此，根據值的大小，將其從大到小排列如下：

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

四、結語

根據本研究區(qū)2005-2015年各地物土地變化比重指數，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，說明在本研究區(qū)中林地和耕地面積變化占主導地位；

（2）十年間本研究區(qū)水體變化面積僅為0.618%，且為正增長；

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

參考文獻

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

[2] 毛建旭，王耀南.基于神經網絡的遙感圖像分類[J].測控技術，2001，20（05）：29-32.

[3] 駱劍承，周成虎，楊艷.人工神經網絡遙感影像分類模型及其與知識集成方法研究[J].遙感學報，2001，5（02）：122-129.

[4] 楊昕，湯國安，鄧鳳東等.ERDAS 遙感數字圖像處理實驗教程[M].北京：科學出版社，2009.