摘 ?要： 土地利用變化是土地資源利用情況的綜合分析，遙感技術(shù)在土地利用變化的應(yīng)用，更好的解決了大范圍內(nèi)土地利用變化動(dòng)態(tài)監(jiān)測的難題。本文基于Landsat影像，利用影像融合主成分分析法（PCA法）以及谷歌地球目視解譯和最大似然法結(jié)合的方式進(jìn)行監(jiān)督分類，采用Majority/Minority分析對(duì)分類結(jié)果進(jìn)行處理，通過混淆矩陣對(duì)分類的結(jié)果進(jìn)行精度評(píng)估。運(yùn)用遙感圖像2001-2018年期間解譯結(jié)果，對(duì)昆明市呈貢新區(qū)土地利用變化做出分析，以及對(duì)2001和2018年分類結(jié)果進(jìn)行變化檢測，結(jié)果表明，2001-2018年呈貢新區(qū)土地利用結(jié)構(gòu)發(fā)生顯著變化，城市建筑面積明顯增多。

關(guān)鍵詞： 最大似然法;土地利用變化;混淆矩陣;Majority/Minority分析

中圖分類號(hào)： TP79 ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ?DOI：10.3969/j.issn.1003-6970.2019.06.046

本文著錄格式：鄭怡鵬. 基于Landsat遙感影像的土地利用變化動(dòng)態(tài)監(jiān)測[J]. 軟件，2019，40（6）：200203+222

【Abstract】： Land use change is a comprehensive analysis of land resources utilization， the application of remote sensing technology in land use change， Better solve the problem of dynamic monitoring of land use change in a wide range. Based on Landsat images， this paper uses the method of image Fusion principal component Analysis （PCA） and the combination of Google Earth visual interpretation and maximum likelihood method to supervise and classify， and uses Majority/Minority analysis to deal with the classification results， The accuracy of the classification is evaluated by the obfuscation matrix. Using the results of the interpretation of remote sensing images in the 2001-2018， this paper analyzes the land use change in Kunming Chenggong new area， and tests the changes of the classification results in 2001 and 2018， and shows that the land use structure of Chenggong new area has changed significantly in 2001-2018， and the urban floor space has increased obviously.

【Key words】： Maximum likelihood method; Land use change; Obfuscation matrix; Majority/Minority Analysis

0 ?引言

土地作為人類賴以生存以及社會(huì)發(fā)展的物質(zhì)基礎(chǔ)，為人類的社會(huì)經(jīng)濟(jì)活動(dòng)提供了空間載體[1]，隨著經(jīng)濟(jì)的發(fā)展，城市化進(jìn)程的加快，土地利用結(jié)構(gòu)變化很大的改變，遙感技術(shù)是當(dāng)前土地利用變化監(jiān)測的重要手段之一[2-3]，在土地利用遙感監(jiān)測的研究中，常采用如GF[4]、Landsat[5-6]等中高分辨率的遙感衛(wèi)星數(shù)據(jù)，黃維等運(yùn)用改進(jìn)后的主成分分析方法對(duì)南通市的土地覆蓋變化進(jìn)行分析[7]，采用影像差值和影像融合的方法，對(duì)同一地區(qū)不同時(shí)相的遙感數(shù)據(jù)進(jìn)行分類比較分析，得出相同時(shí)間的變化結(jié)果[7]，文獻(xiàn)[8]運(yùn)用遙感分類技術(shù)檢測出土地利用變化的格局變化，文獻(xiàn)[9]運(yùn)用Landsat影像有效檢測出北京市城市土地利用變化的情況。

本文以昆明市呈貢區(qū)為例，結(jié)合該地區(qū)土地利用開發(fā)現(xiàn)狀，運(yùn)用Landsat5、Landsat8影像，基于最大似然法對(duì)遙感影像進(jìn)行分類和目視解譯進(jìn)行監(jiān)督分類，對(duì)分類結(jié)果運(yùn)用Majority/Minority分析方法和混淆矩陣的方法對(duì)分類結(jié)果進(jìn)行精度評(píng)價(jià)，得出2001-2018年昆明市呈貢新區(qū)土地利用各類型比例和變化幅度，以及運(yùn)用分類后比較法對(duì)兩幅分類影像結(jié)果進(jìn)行差異性分析，分析識(shí)別出各土地類型發(fā)生的變化，為昆明市呈貢新區(qū)土地利用和擴(kuò)張做出分析和參考。

1 ?研究區(qū)概況

本文以昆明市呈貢新區(qū)作為研究區(qū)。呈貢新區(qū)位于昆明市東南部，地處東經(jīng)102°45?～102°59?、北緯24°21?～24°45?之間。北與官渡區(qū)接壤，東與宜良縣交界，南與澄江、晉寧縣毗鄰，西隔滇池與西山區(qū)相望，地勢(shì)東部高，西部低，海拔1775～1820米之間，2003年化為昆明市新城，大力開發(fā)呈貢新區(qū)建設(shè)，美麗的昆明大學(xué)城新校區(qū)坐落在呈貢新區(qū)。

2 ?數(shù)據(jù)來源和研究方法

2.1 ?數(shù)據(jù)來源

本次實(shí)驗(yàn)數(shù)據(jù)采用2001年、2006年、2010年、2015年、2018年呈貢新區(qū)遙感影像數(shù)據(jù)作為基礎(chǔ)原始數(shù)據(jù)，輔助數(shù)據(jù)為呈貢新區(qū)行政邊界矢量數(shù)據(jù)和其他統(tǒng)計(jì)數(shù)據(jù)等。

昆明市四季如春，植物發(fā)芽時(shí)間較早，故可以采用3-5月遙感影像數(shù)據(jù)，根據(jù)文章[10]郭力娜等，對(duì)影像最佳波段進(jìn)行組合[11]，Landsat5常采用321波段自然真彩色和432波段標(biāo)準(zhǔn)假彩色543波段組合加彩色進(jìn)行組合，Landsat8采用654組合假彩色和543標(biāo)準(zhǔn)假彩色進(jìn)行組合[12]，更好的區(qū)分出地物類型。

2.2 ?研究過程和方法

本文研究過程如圖1所示，首先對(duì)遙感影像進(jìn)行輻射定標(biāo)和大氣校正，根據(jù)呈貢新區(qū)行政矢量數(shù)據(jù)，對(duì)處理后的遙感圖像進(jìn)行裁剪，選取ROI樣本，采用最大似然法進(jìn)行監(jiān)督分類，并結(jié)合目視解譯對(duì)分類結(jié)果進(jìn)行修改，通過混淆矩陣對(duì)分類結(jié)果進(jìn)行評(píng)價(jià)，然后根據(jù)分類的結(jié)果在ENVI5.3中進(jìn)行變化檢測，得出變化檢測結(jié)果，通過對(duì)結(jié)果的分析，得出土地利用變化的范圍和數(shù)量。

主成分分析（PCA）可以去除波段之間的多余信息、將多波段圖像信息壓縮到比原來波段更有效的波段轉(zhuǎn)換方法，其結(jié)果如圖2所示;輻射定標(biāo)是實(shí)現(xiàn)無量綱的DN值與物理量直接的轉(zhuǎn)化，大氣校正能夠減少或消除大氣對(duì)遙感圖像的影響，得到地表真實(shí)反射信息，經(jīng)過大氣校正的圖像地物波譜反射明顯正確，例如圖3和圖4是經(jīng)過大氣校正前后的植被波譜反射情況對(duì)比。

對(duì)輻射定標(biāo)和大氣校正之后的影像進(jìn)行拼接裁剪，接下來要對(duì)影像進(jìn)行監(jiān)督分類，結(jié)合文章[13-14]首先在試驗(yàn)區(qū)定義訓(xùn)練樣本，樣本應(yīng)均勻的分布在光譜特征比較均一的區(qū)域[15]，定義ROI，定義樣本的數(shù)量大于60個(gè)，對(duì)定義好的訓(xùn)練樣本進(jìn)行計(jì)算，采用Jeffries-Matusita距離和轉(zhuǎn)換分離度的方法進(jìn)行計(jì)算，當(dāng)樣本分離度達(dá)到1.8以上時(shí)可運(yùn)用該樣本對(duì)遙感圖像進(jìn)行解譯。圖像解譯完成后，需要對(duì)影像解譯精度進(jìn)行評(píng)價(jià)，本文基于混淆矩陣[16-17]對(duì)研究區(qū)地物分類精度進(jìn)行評(píng)價(jià)，并查看Kappa系數(shù)，最后對(duì)土地利用進(jìn)行動(dòng)態(tài)監(jiān)測，常見的有光譜檢測法和分類后檢測法[18]，但由于光譜監(jiān)測法容易產(chǎn)生誤差累積，故本文采用分類后檢測的方式對(duì)土地利用變化進(jìn)行監(jiān)測[19-20]。

3 ?結(jié)果與分析

3.1 ?土地利用結(jié)果

本次實(shí)驗(yàn)采用最大似然法進(jìn)行監(jiān)督分類，最大似然法原理是假設(shè)每一個(gè)波段的每一類統(tǒng)計(jì)都呈正態(tài)分布，計(jì)算給定像元屬于某一訓(xùn)練樣本的似然度，像元最終被歸到似然度最大的一類當(dāng)中（鄧書斌）故樣本的選擇應(yīng)該盡量均勻數(shù)量夠多，通過目視解譯作為參考，解譯出呈貢新區(qū)土地利用分類結(jié)果，結(jié)果如下圖5。

對(duì)解譯結(jié)果進(jìn)行精度檢測，再次通過目視解譯，選出感興趣區(qū)域的訓(xùn)練樣本，根據(jù)訓(xùn)練樣本選取的樣本點(diǎn)，與分類的結(jié)果進(jìn)行比較，從而對(duì)分類的結(jié)果進(jìn)行評(píng)價(jià)，評(píng)價(jià)結(jié)果得知精度是99.36%，Kappa指數(shù)為0.9189，評(píng)價(jià)表如下表1所示。

3.2 ?土地利用變化分析及檢測

根據(jù)上圖5的分類結(jié)果，對(duì)分類結(jié)果進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果如下圖6所示。

分類后比較法對(duì)分類結(jié)果進(jìn)行變化檢測，變化檢測的目的，為了表示出土地類型的變更，更好的對(duì)土地類型進(jìn)行動(dòng)態(tài)監(jiān)測。結(jié)果如下表2。

數(shù)據(jù)分析：

（1）結(jié)合圖5圖6分析得出，從2006年起，房屋面積逐年增加從2006年的4.58%增加到2018年的15.37%，增加了3倍之多，，2001年到2006年期間卻呈現(xiàn)了下降趨勢(shì)，從2001年的6.12%下降到2006年的4.58%，存在這種問題的是，2003年研究區(qū)由以前的呈貢縣化成昆明市呈貢新城，2006年開始規(guī)劃為呈貢新區(qū)，進(jìn)行大規(guī)模建設(shè)，導(dǎo)致以前居民點(diǎn)集中規(guī)劃，故存在建筑面積短暫減少。

（2）結(jié)合表2和圖6分析，耕地、綠地的地物分類正確率比較低，是由于研究區(qū)屬于山區(qū)地帶，土壤為紅土，耕地作物分布比較零散，耕地和城市綠地與林地的可識(shí)別度比較相似，波譜反射率也比較相近，根據(jù)谷歌地球的輔助工具下進(jìn)行目視解譯，得出2006-2015年耕地面積變化不大。

（3）結(jié)合圖5和圖6分析，研究區(qū)從2001年到2018年期間，裸地荒地和房屋一直占據(jù)研究區(qū)主體地位的土地利用類型，兩者呈現(xiàn)負(fù)相關(guān)的關(guān)系。裸地和荒地面積逐年減少，房屋和道路面積逐年增加。水體變化不大，林地面積，由于昆明“創(chuàng)文”過程中主導(dǎo)還林政策，林地面積也逐年增加。

（4）結(jié)合圖6和表2，發(fā)現(xiàn)本次最大似然法進(jìn)行監(jiān)督分類，效果最好的是是林地，由于林地在山區(qū)都是大面積生長和綠色植物波譜特性決定，本次實(shí)驗(yàn)把耕地和城市綠地進(jìn)行分類合并到一個(gè)類別中，從圖5中發(fā)現(xiàn)，建筑和耕地綠地多數(shù)集中在呈貢新區(qū)西北部，林地面積多集中在東部，這也和呈貢新區(qū)的地理位置有關(guān)，西部靠近滇池，北部緊挨昆明市中心，人口比較集中，東部屬于山區(qū)，林地多集中于此。

4 ?結(jié)論

本次研究采對(duì)選取的2001年-2018年間Landsat-5和Landsat-8共5幅遙感影像運(yùn)用RS和GIS技術(shù)，使用ENVI中最大似然法監(jiān)督分類的方法進(jìn)行分類，首先對(duì)原始影像進(jìn)行輻射定標(biāo)和大氣校正處理，目的就是更好的糾正地物波譜屬性信息，然后選擇樣本進(jìn)行分類，并對(duì)分類結(jié)果進(jìn)行評(píng)價(jià)，從而對(duì)研究區(qū)分類結(jié)果進(jìn)行統(tǒng)計(jì)。

研究表明，呈貢新區(qū)的林地面積沒有發(fā)生大規(guī)模減少，一直維持在20%以上，森林覆蓋面積很大，主要是和呈貢新區(qū)的地形有關(guān)，呈貢新區(qū)多山地，森林保護(hù)良好。從2006年開始，建筑面積明顯增加伴隨著道路面積的增加，主要是由于政府大力開發(fā)新區(qū)政策有關(guān)，自從2006年開始，政府大力開發(fā)新區(qū)的原因，使建筑面積和道路面積明顯增多，從而隨之而來的是裸地和荒地面積的減少，二者呈現(xiàn)負(fù)相關(guān)的關(guān)系。

本文仍然存在一些問題：首先分類的細(xì)致性問題，對(duì)建設(shè)中的用地總的規(guī)劃到荒地中去，主要由于多光譜影像上波譜的分離度不高，而且在2015年之后建設(shè)面積不大，沒有進(jìn)行細(xì)致一步的分類。再次影像的分辨率不高，對(duì)地物的分類識(shí)別可能會(huì)有一定的影像。展望：對(duì)影像進(jìn)行融合使分辨率提高，或者對(duì)影像進(jìn)行分割，能夠更好提高分類精度和細(xì)致度，可能會(huì)使分類結(jié)果更好。

總結(jié)：通過對(duì)遙感影像的解譯，對(duì)研究區(qū)土地利用進(jìn)行分類，分類結(jié)果和實(shí)際做出對(duì)比，可以發(fā)現(xiàn)，呈貢新區(qū)建筑物和道路增多是從2006年開始，這年呈貢從縣規(guī)劃成昆明市新區(qū)，加大了建設(shè)力度，從而導(dǎo)致房屋建筑和道路面積的增加，位置在呈貢新區(qū)西北部，此處地勢(shì)相對(duì)平坦，以前多為農(nóng)田和荒地。而林地多集中在研究區(qū)東部，由于地勢(shì)為山地決定，水體變化不大，但也呈現(xiàn)相對(duì)減少。此次研究對(duì)呈貢新區(qū)18年的土地利用情況進(jìn)行分析，為呈貢新區(qū)土地利用變化監(jiān)測做出輔助依據(jù)。

參考文獻(xiàn)

[1] 姚堯. 湖南省土地利用轉(zhuǎn)型的時(shí)空演變特征及其與社會(huì)經(jīng)濟(jì)發(fā)展耦合協(xié)調(diào)機(jī)制研究[D]. 中國地質(zhì)大學(xué)， 2018.

[2] 張登榮， 許思瑩， 謝斌， 吳文淵， 路海峰. 近40年椒江—臺(tái)州灣灘涂圍墾土地利用變化的遙感調(diào)查[J]. 國土資源遙感， 2016， 28（01）： 101-106.

[3] Nuray Demirel， ?ebnem Düzgün， Mustafa Kemal Emil. Landuse change detection in a surface coal mine area using multi-temporal high-resolution satellite images[J]. International Journal of Mining， Reclamation and Environment， 2011， 25（4）.

[4] 丁相元， 高志海， 孫斌， 吳俊君， 薛傳平， 王燕. 基于高分一號(hào)時(shí)間序列數(shù)據(jù)的沙化土地分類[J]. 國土資源遙感， 2017， 29（03）： 196-202.

[5] 陳仙春， 趙俊三， 陳磊士， 陳國平. 基于Landsat影像的玉溪市紅塔區(qū)土地覆蓋分類及變化分析[J]. 森林工程， 2019， 35（03）： 1-8.

[6] 趙孟云. 北京市植被覆蓋動(dòng)態(tài)變化與污染氣體濃度關(guān)系分析研究[J]. 軟件， 2018， 39（11）： 197-201.

[7] 劉生龍， 張永紅. 基于遙感影像的土地利用變化檢測[J]. 測繪與空間地理信息， 2018， 41（01）： 145-148.

[8] Darío Fernández‐Bellon， Mark W. Wilson， Sandra Irwin， John O'Halloran. Effects of development of wind energy and associated changes in land use on bird densities in upland areas[J]. Conservation Biology， 2019， 33（2）.

[9] 信冠棟， 施昆， 呂曉陽. 遙感動(dòng)態(tài)監(jiān)測模型在拉市海濕地保護(hù)區(qū)土地利用中的研究[J]. 軟件， 2018， 39（4）： 170-175

[10] 曹丹陽， 霍然， 孫凌， 等. 衛(wèi)星可見光波段觀測模擬與分析系統(tǒng)設(shè)計(jì)與開發(fā)[J]. 軟件， 2018， 39（3）： 01-07

[11] 郭力娜， 李帥， 張夢(mèng)華， 牛振國， 李孟倩. 最佳波段組合的城市土地利用類型提取[J/OL]. 測繪科學(xué)： 1-9[2019-04-27].

[12] 吳倩雯， 況潤元， 張剛?cè)A， 秦建. 東江源稀土礦區(qū)土地利用變化遙感監(jiān)測研究[J]. 測繪科學(xué)， 2019， 44（03）： 51-56.

[13] 趙麗紅. 南昌市景觀格局時(shí)空變化及其驅(qū)動(dòng)力研究[D]. 江西農(nóng)業(yè)大學(xué)， 2016.

[14] 張春華， 李修楠， 吳孟泉， 秦偉山， 張?bào)? 基于Landsat 8 OLI數(shù)據(jù)與面向?qū)ο蠓诸惖睦Ｉ降貐^(qū)土地覆蓋信息提取[J]. 地理科學(xué)， 2018， 38（11）： 1904-1913.

[15] 付仲良， 陳靜. 多時(shí)相Landsat數(shù)據(jù)動(dòng)態(tài)監(jiān)測城市土地利用變化——以上海市為例[J]. 地理信息世界， 2016， 23（06）： 26-30+38.

[16] 李丹， 梅曉丹， 趙鶴， 田美玲， 翟慧， 羅雨斐， 蒙延斌. GF-1與Landsat-8影像土地利用遙感解譯對(duì)比分析[J]. 測繪工程， 2018， 27（10）： 42-45.

[17] 趙桔青， 陶福壽. 基于GIS的城鎮(zhèn)土地資源承載力評(píng)價(jià)[J]. 軟件， 2018， 39（7）： 52-56

[18] 張思佳. 基于RS/GIS的長沙市土地利用和穩(wěn)定性分析[J]. 軟件， 2018， 39（7）： 124-129

[19] 趙展， 夏旺， 閆利. 基于多源數(shù)據(jù)的土地利用變化檢測[J]. 國土資源遙感， 2018， 30（04）： 148-155.

[20] 陳艷艷， 黃義忠. 基于全排列多邊形圖示指標(biāo)法的昆明市土地集約利用評(píng)價(jià)[J]. 軟件， 2018， 39（7）： 138142.