楊小艷，劉文璐，李 龍，陳龍乾，陳龍高

(1. 江蘇師范大學(xué)地理測繪與城鄉(xiāng)規(guī)劃學(xué)院，江蘇 徐州 221116； 2. 中國礦業(yè)大學(xué)環(huán)境與測繪學(xué)院，江蘇 徐州 221116； 3. Department of Geography, Earth System Science, Vrije Universiteit Brussel, Brussels 1050)

土地利用/覆被(LUC)及變化研究一直是地學(xué)研究中的熱點(diǎn)[1-3]。遙感技術(shù)獲取LUC信息具有成本低、客觀和實(shí)時(shí)動態(tài)的優(yōu)勢[4-7]?；谙袼氐腞S影像LUC分類方法不考慮地物的空間語義及紋理結(jié)構(gòu)等信息[8]且“椒鹽”效應(yīng)明顯[9]。面向?qū)ο蟮姆椒▽⑻卣鹘频南噜徬袼貧w并為一個(gè)對象，地物中的光譜信息與空間語義信息充分應(yīng)用于數(shù)據(jù)分類中，使得LUC分類精度得到提高[10]，已廣泛應(yīng)用于中高分辨率遙感影像分類中[11-13]。

沿海地區(qū)的灘涂會隨著潮位變化，而鹽田則因生產(chǎn)周期發(fā)生變化，故呈現(xiàn)周期性的變化規(guī)律。傳統(tǒng)的基于像素分類的方法在提取上述特殊LUC類型時(shí)易產(chǎn)生錯(cuò)分現(xiàn)象。沿海灘涂及鹽田等土地類型斑塊較大，包括Landsat、CBERS等在內(nèi)的影像能夠獲取相應(yīng)的空間語義及紋理結(jié)構(gòu)等信息，為應(yīng)用面向?qū)ο蟮姆椒ㄌ峁┝死硐氲臄?shù)據(jù)來源。

本文以沿海特殊土地利用類型區(qū)連云港市為例，構(gòu)建面向?qū)ο蟮姆诸惙椒?，以提高LUC信息提取的精度，從而為區(qū)域土地利用管理等提供數(shù)據(jù)支持。

1 研究區(qū)概況與基礎(chǔ)數(shù)據(jù)來源

連云港市是江蘇省北部沿海城市，地貌類型多樣，土地類型主要有城鎮(zhèn)、村莊、耕地、園地、林地、灘涂、鹽田等。本文研究影像數(shù)據(jù)由Landsat 8于2013年8月27日采集。DEM采用ASTER GDEM V2版本數(shù)據(jù)。此外，還收集了2013年度土地利用數(shù)據(jù)用于精度評估。

2 技術(shù)流程與方法

2.1 LUC類型劃分與確定

本文土地利用/覆被類型包括城鎮(zhèn)、村莊、耕地、水體、林地、灘涂、鹽田。其中城鎮(zhèn)主要指城鎮(zhèn)、部分硬化地面及城鎮(zhèn)外工業(yè)用地，裸巖石礫地等因在光譜特征上與硬化地面一致也劃分至該類型；耕地包括旱地、水澆地及水田；水體包括河流水面、水庫、坑塘等；灘涂主要指沿海灘涂區(qū)；林地包括各種天然和人工林地。

2.2 數(shù)據(jù)處理提取

首先對土地利用矢量數(shù)據(jù)進(jìn)行配準(zhǔn)，配準(zhǔn)精度控制在1個(gè)像素以內(nèi)。然后利用易康平臺完成影像對象分割及土地利用/覆被分類等操作。其他數(shù)據(jù)中，NDVI利用公式(Band5-Band4)/(Band5+Band4)得到；NDWI利用公式(Band3-Band5)/(Band3+Band5)得到；Slope數(shù)據(jù)利用ASTER GDEM數(shù)據(jù)測算得出；海岸線(DSL)數(shù)據(jù)則首先綜合土地利用現(xiàn)狀數(shù)據(jù)和遙感影像獲取海岸線，最后利用緩沖區(qū)工具提取距海岸線20 km以內(nèi)的區(qū)域。

2.3 二次影像分割

為了充分利用地物紋理及空間語義等特征參與分類，本文采用了二次分割的方法分別建立了父對象與子對象。形狀和緊致度參數(shù)分別設(shè)置為0.1和0.5。在尺度參數(shù)的選擇上，父對象分割尺度設(shè)置為200，子對象分割尺度設(shè)置為20。經(jīng)目視檢驗(yàn)，分割后的對象基本達(dá)到影像分割時(shí)對象間同質(zhì)性最小、異質(zhì)性最大的要求。

2.4 分類規(guī)則與流程構(gòu)建

連云港地區(qū)鹽田多呈現(xiàn)水體及建設(shè)用地光譜特征，灘涂則因時(shí)期不同呈現(xiàn)不同波譜特征，從而易與城鎮(zhèn)及水體等土地利用類型混淆。深淺海水體和深淺淡水體因鹽分、礦物質(zhì)及水體深度不同，其光譜特征也存在明顯的差異，易與其他地類混淆。南部平原區(qū)和北部丘陵區(qū)耕地類型因土壤質(zhì)量不同導(dǎo)致作物種植密度和茂盛度均有較大差異，從而存在光譜差異。

上述特點(diǎn)導(dǎo)致傳統(tǒng)基于像元的方法易產(chǎn)生錯(cuò)分，但不同LUC類型具有不同的形狀及影像特征。如北部丘陵區(qū)旱地形狀不規(guī)則，但平原旱地及水田邊界清晰，多為規(guī)則矩形或條狀；鹽田邊界較清、排列整齊；灘涂邊界不清，呈波紋狀紋理；水體紋理較均一、邊界較清、形狀多樣；城鎮(zhèn)輪廓明顯。此外，連云港林地多分布于坡度>10°的區(qū)域，灘涂和鹽田則集中分布于海岸線20 km以內(nèi)區(qū)域,這為構(gòu)建面向?qū)ο蟮姆诸惙椒ㄌ峁┝酥匾巍?/p>

本文研究采用多層多次分類方法，并構(gòu)建了相應(yīng)的分類規(guī)則和流程,如圖1所示，并最終獲得了LUC分類結(jié)果。

2.5 分類結(jié)果精度評價(jià)

根據(jù)研究區(qū)2013年度土地利用變更數(shù)據(jù)，應(yīng)用隨機(jī)采樣的方法獲取522個(gè)采樣點(diǎn)，各具體類型樣點(diǎn)數(shù)量根據(jù)實(shí)際各類用地面積比例確定；而后將實(shí)際類型與遙感分類類型賦值至采樣點(diǎn)進(jìn)行比較分析，從而獲取研究區(qū)LUC誤差評價(jià)矩陣，見表1。

表1 研究區(qū)土地利用/覆被分類精度評價(jià)結(jié)果

3 結(jié)果分析

從分類結(jié)果可知，林地主要位于連云港市中東部與北部山區(qū)及丘陵地區(qū)，灘涂與鹽田則集中分布于東部沿海區(qū)域，其他類型則在全市各區(qū)域均有不同程度的分布。本方法分類總體精度超過85%，但是總體Kappa系數(shù)也超過了0.7的最低允許判別精度[14]，并達(dá)到較好的分類精度要求[15]。其中耕地的制圖精度與用戶精度均超過90%，表明該方法可以有效地減少因連云港市南北部區(qū)域耕地植被覆蓋度不同導(dǎo)致的錯(cuò)分現(xiàn)象。鹽田用戶精度達(dá)93.24%，表明其分類為鹽田的樣點(diǎn)準(zhǔn)確度較高，在一定程度上證明了該方法用于提取鹽田信息的可行性。灘涂分類結(jié)果用戶精度達(dá)到88.16%，表明本方法可以應(yīng)用于灘涂信息的提取工作。

以往關(guān)于連云港市部分區(qū)域(主要為中心城區(qū))LUC的研究結(jié)果精度雖然更高，但分類的范圍較小，而且應(yīng)用單個(gè)季節(jié)進(jìn)行土地利用/覆被分類很難獲取沿海灘涂與鹽田等特殊土地利用類型[16]；應(yīng)用多季節(jié)聯(lián)合的分類方法可以提取包括灘涂與鹽田等在內(nèi)的土地利用/覆被類型，但是往往需要同一年度多個(gè)季節(jié)符合質(zhì)量要求的影像[17]，其數(shù)據(jù)收集難度相對較大。

本文方法綜合利用了遙感影像、DEM、海岸線等多源數(shù)據(jù)，可對整個(gè)行政區(qū)域內(nèi)包括沿海灘涂與鹽田等特殊類型的土地利用/覆被進(jìn)行分類。此外，本文方法只使用了單個(gè)時(shí)期的遙感影像，精度能夠達(dá)到中尺度土地利用相關(guān)分析的精度要求，具有實(shí)際的應(yīng)用價(jià)值。

4 結(jié) 語

基于市縣尺度的土地利用相關(guān)研究區(qū)域較大，而同一土地利用類型在不同地形區(qū)的光譜特征具有較大的差異；沿海地區(qū)灘涂與鹽田等與建設(shè)用地和水體具有相似的光譜特征。上述問題均增加了基于像元的LUC分類的難度。然而，包括鹽田與灘涂在內(nèi)的LUC類型在紋理、形狀及空間關(guān)系等方面具有自身特點(diǎn)，可以充分利用其進(jìn)行LUC信息提取工作。

本文基于面向?qū)ο蟮姆椒▽?shí)現(xiàn)了對沿海區(qū)域市縣完整尺度下的LUC信息提取工作，克服了基于像元的分類方法中單季節(jié)影像難以獲取沿海灘涂與鹽田信息的不足，以及多季節(jié)聯(lián)合方法需要同一年度多個(gè)季節(jié)符合質(zhì)量要求的影像的限制，分類精度能夠達(dá)到相關(guān)應(yīng)用的要求。本方法既可為研究區(qū)土地利用相關(guān)研究提供符合精度要求的數(shù)據(jù)，也可為其他沿海地區(qū)進(jìn)行LUC信息提取工作提供參考和借鑒。