李小玉 蒲 智 李全勝

（新疆農(nóng)業(yè)大學(xué)計算機與信息工程學(xué)院 烏魯木齊 830052）

1 引言

城市化的飛速發(fā)展，使得各類土地的利用類型發(fā)生巨大轉(zhuǎn)變，加速經(jīng)濟發(fā)展的同時，引起了一系列生態(tài)環(huán)境問題［1］，因此城市內(nèi)的土地利用變化成為熱點研究問題［2］。同時遙感衛(wèi)星的快速發(fā)展，影像分辨率的逐步提高，使得從中獲取的信息更加準(zhǔn)確有效［3］，從而可以廣泛應(yīng)用于長時間、多尺度的土地利用變化監(jiān)測，一方面提高了信息提取的效率，另一方面節(jié)約了時間、人力和物力［4］。借助遙感技術(shù)進行土地利用變化信息提取已經(jīng)成為目前研究中的一種重要技術(shù)，在能夠完成的基礎(chǔ)上，各類更加高效便捷的算法大量涌現(xiàn)，在傳統(tǒng)的目視解譯基礎(chǔ)上不僅提高了分類的精度，同時也提升了分類的速度［5］，但不同的算法在實際過程的分類精度存在一定的差異，需要結(jié)合實際研究區(qū)域確定一種最合適的分類方法。本文使用ENVI 軟件，根據(jù)研究區(qū)的實際環(huán)境和影像，采用監(jiān)督分類中的最大似然分類方法進行土地利用變化信息的提取，此方法相對于其他算法計算速度較快，效率較高，從而最終得到研究區(qū)域的土地利用變化特征。

2 研究區(qū)域與數(shù)據(jù)來源

2.1 研究區(qū)概況

烏魯木齊市作為新疆維吾爾自治區(qū)的首府，位于中國西北地區(qū)，是我國向西開放的重要堡壘。它在新疆的中部區(qū)域，位于天山山脈的中斷、準(zhǔn)噶爾盆地的南部［6］，具體地理位置為86°46′～88°59′E，42°54′～44°58′N，如圖1 所示。作為世界上離海洋最遠的城市，其地勢起伏相差較大，最高海拔5445m，最低海拔490.6m，市區(qū)平均海拔為800m，其總面積達到14216.3km2，但山區(qū)面積占其總面積的50%以上，其建成區(qū)面積達到436km2，整個市區(qū)三面環(huán)山，海洋氣流難以進入，屬于溫帶大陸性干旱氣候，氣候干燥、晝夜溫差大、降水量少。

圖1 烏魯木齊市區(qū)位圖

2.2 數(shù)據(jù)來源與處理

本文選取2000 年、2010 年和2019 年三期云量較少的Landsat系列影像，時間集中在七八月份，其具體軌道號為142/29、143/29 和143/30，遙感影像主要源于地理空間數(shù)據(jù)云平臺（http：//www.gscloud.cn/）。然后對影像進行輻射校正、大氣校正、拼接合成及剪裁處理，根據(jù)研究區(qū)域的地形特點和遙感影像的紋理特征確定分類體系，最終采用劉紀(jì)元［7］等規(guī)定的分類體系，將用地類型分為六大類，具體為草地、林地、耕地、建設(shè)用地、水域和未利用地。

3 研究方法

目前基于遙感影像的統(tǒng)計分析分類方法主要分為非監(jiān)督分類和監(jiān)督分類［8］，非監(jiān)督分類又稱為聚類分析，不需要根據(jù)先驗類別選取訓(xùn)練樣本，根據(jù)影像上不同地物類型的的紋理特征及光譜特征進行合并歸類，最終實現(xiàn)分類目的［9］。監(jiān)督分類又稱訓(xùn)練分類，需要對地物特征積累一定的先驗知識［10］，根據(jù)已知的先驗知識對每一類地物選取一定數(shù)量并且具有代表性的樣本，以選取的樣本作為訓(xùn)練樣本，用這些訓(xùn)練樣本的光譜特性及紋理特征進行訓(xùn)練，獲得能夠識別各類地物的決策函數(shù)，然后將其用于未知區(qū)域影像的地物分類［11］。監(jiān)督分類常用的方法包括：最大似然法、支持向量機法、馬氏距離法、最小距離法和神經(jīng)網(wǎng)絡(luò)法［12］。其中最大似然是最具代表的統(tǒng)計分析方法，因此本文采用監(jiān)督分類中的最大似然法對烏魯木齊市的三期數(shù)據(jù)進行分類。

3.1 分類算法

最大似然法是根據(jù)選取樣本影像的波段數(shù)據(jù)，用其作為多維正態(tài)分布來構(gòu)造實際的分類函數(shù)，先對選取的樣本進行統(tǒng)計和計算，得到每種地物分類的相關(guān)參數(shù)，如均值、方差和協(xié)方差等，由此可以確定分類函數(shù)，然后將實際需要分類的研究區(qū)影像中的像元計算代入到已經(jīng)確定好的分類函數(shù)中，根據(jù)貝葉斯公式計算在每個分類中的概率，最終實現(xiàn)分類的結(jié)果［13～14］。假設(shè)影像有n個波段，第i類用地類型對應(yīng)的正態(tài)分布密度函數(shù)表達式為

式中：Si為第i類用地類型n個波段的協(xié)方差矩陣。

若將研究區(qū)域用地類型分為m個類別，則有m個與之對應(yīng)的概率分布密度函數(shù)，進而可以計算每種類型的概率，相當(dāng)于計算m個類別中的隨機變量x，當(dāng)隨機變量x已知時，根據(jù)貝葉斯公式可以得出m個類別中第i類的概率，表達式為

對式（2）進行化簡，最終表達式為

式中：i的取值為1～6，因為本文中的用地類型分為6 類，μi為均值向量，在實際分類時其值是樣本波段特征的均值。

3.2 土地利用變化指數(shù)

1）土地利用類型動態(tài)變化度用來定量描述某一用地類型在一定的研究區(qū)間內(nèi)的變化，其值有正有負，正值表明該用地類型在此研究區(qū)間內(nèi)處于增長狀態(tài)，相反則表明該用地類型處于減少狀態(tài)，動態(tài)變化度數(shù)值的絕對值越大，表明該用地類型變化波動越大，其數(shù)學(xué)表達式為［15］

式中：S表示某一用地類型的動態(tài)度；Ma表示研究初期某一用地類型的面積，Mb為研究末期某一用地類型的面積；ta和tb表示所選時間區(qū)間的初期和末期，本文中初期與末期間隔均為10年。

2）土地利用程度綜合指數(shù)用來定量反映用地類型利用狀態(tài)的集約程度，土地利用程度的綜合指數(shù)取值范圍為100～400，其值越大表明用地活動越劇烈。根據(jù)其值可以判斷研究區(qū)內(nèi)的土地利用程度處在何種發(fā)展時期，及時給出調(diào)整建議。

其數(shù)學(xué)表達式為［16］

式中：L表示研究區(qū)的土地利用程度綜合指數(shù)；n表示不同用地類型所對應(yīng)的分級指數(shù)；Ai表示對應(yīng)的第i級用地類型的分級指數(shù)，Ci表示對應(yīng)的i級用地類型與研究區(qū)總面積的百分比。

3）土地利用轉(zhuǎn)移矩陣 通常用二維表格來表示，主要用來描述用地類型變化的方向和結(jié)構(gòu)，具體包括用地類型變化的數(shù)量、來源和方向。其數(shù)學(xué)表達式為

式中：T表示每種用地類型的面積，n為不同的用地類型，i和j研究區(qū)間的初期和末期的用地類型。

4 結(jié)果分析

4.1 分類精度分析

采用最大似然分類方法之前，需要根據(jù)先驗知識和影像特征選取訓(xùn)練樣本，對選取好的樣本進行可分離性驗證，可分離指數(shù)范圍在0～2 之間，其數(shù)值大于1.9，說明樣本之間可分離性好，可以用作分類訓(xùn)練樣本，其數(shù)值小于1.8，說明樣本之間相同屬相較多，不適合作為分類樣本，需要對其重新選擇，其數(shù)值小于1，說明樣本之間相似度極高，需要結(jié)合實際樣本情況，考慮將兩類樣本合成一類樣本。本文實際驗證指數(shù)如表1 所示：其可分離性指數(shù)值均在大于1.8，表明樣本均合格，可以用作訓(xùn)練樣本，進行分類。如表2 所示：總體的分類精度為87.93%，kappa系數(shù)為0.78，其中水域的分類精度最高，達到91.23%，林地和草地的分類精度較弱，因為草地和林地的影像紋理特征相似性較高，有些林地和草地混合在一起，基于分辨率為30m 的影像，無法準(zhǔn)確無誤將其分類。

表1 樣本可分離指數(shù)

表2 最大似然法分類精度

4.2 土地利用結(jié)構(gòu)變化分析

如圖2 和表3 所示：烏魯木齊市近20 年中用地類型以草地和未利用地為主，其中草地面積占總面積的50%左右，未利用地的面積占總面積30%左右，未利用地面積在2000 年為面積為4466.6km2、2010 年為4350.97km2、2019 年為4281.08km2，總體變化呈現(xiàn)出遞減趨勢。耕地的面積在2000 年、2010 年和2019 年的占比分別為9.83%、9.05%和8.24%，其面積變化也呈現(xiàn)遞減趨勢。林地面積波動較小，其三期占比分別為：4.60%、3.33%和3.07%。建設(shè)用地面積變化較為明顯，呈現(xiàn)增長趨勢，其占比從2000 年的2.51%增長到2019 年的6.07%。水域的面積占比是最少的，其三期面積數(shù)分 別 為79.51km2、138.31km2和131.05km2，在2000年～2010年有明顯的增加。

圖2 2000年～2019年烏魯木齊市土地利用分類現(xiàn)狀圖

表3 2000年～2019年烏魯木齊市土地利用類型面積及占有率

4.3 動態(tài)度變化分析

如表4 所示：2000 年～2010 年里，耕地、林地和未利用地的動態(tài)變化度分別為-0.79%、-2.76%和-0.26%均為負值，說明這三種用地類型面積在此期間均有所減少，草地動態(tài)變化度為0.18%，說明草地面積變化浮動較小，且面積有所增加，而水域和建設(shè)用地在這十年中面積增長較多，其地動態(tài)變化度分別為7.4%和6.12%。在2010 年～2019 年中，只有建設(shè)用地動態(tài)變化度為正值，說明只有建設(shè)用地面積在增加，其余的用地類型動態(tài)變化度均為負值表明其面積均在減少。從整體上看，在近20年中，草地、水域和建設(shè)用地面積和2000年相比都有所增長，其中增長最為明顯的是建設(shè)用地，在2000 年～2019 年中其動態(tài)變化度為14.22%，耕地、林地和未利用地和2000 年相比都有所減少，其中林地面積減少的最多。

表4 2000年～2019年烏魯木齊市土地利用動態(tài)變化度

4.4 土地利用程度變化分析

如表5 所示：從2000 年～2019 年烏魯木齊市的土地利用綜合指數(shù)分別為182.84、185.93 和189.68，一直處于增長趨勢，且波動浮動較為平緩，表明近20 年烏魯木齊市的土地一直處于開發(fā)當(dāng)中，但是指數(shù)又均在合理開發(fā)區(qū)間之內(nèi)，且都未逼近發(fā)開指數(shù)的上線，表明其還有一定的開發(fā)空間。

表5 2000年～2019年烏魯木齊市土地利用程度綜合指數(shù)

4.5 土地利用轉(zhuǎn)移矩陣分析

在近20 年中，建設(shè)用地的面積一直處于上升狀態(tài)，如表6和7所示：建設(shè)用地的增長主要來源于草地和耕地的轉(zhuǎn)變，草地除了轉(zhuǎn)為建設(shè)用地，還轉(zhuǎn)向了耕地和林地，在2000 年～2010 年間，草地中有239.22km2的占地轉(zhuǎn)為耕地，269.64km2的占地轉(zhuǎn)為林地。水域面積在研究區(qū)間內(nèi)有所增加，也主要源于草地的轉(zhuǎn)換。減少的未利用地主要轉(zhuǎn)向了草地和耕地。政府頒布實現(xiàn)實行了退耕還林、還草政策在近20 年里，落實較好，因為減少的耕地用地面積主要轉(zhuǎn)向成為草地和林地。

表6 2000年～2010年烏魯木齊市土地利用轉(zhuǎn)移矩陣 （單位：km2）

表7 2010年～2019年烏魯木齊市土地利用轉(zhuǎn)移矩陣 （單位：km2）

5 結(jié)語

遙感影像的分類方法雖然大量涌現(xiàn)，但未得出某一具體分分類方法是最優(yōu)的，研究區(qū)的地形地勢不同，導(dǎo)致分類算法的精度有所差異，本文采用最大似然分類法對烏魯木齊市近20 年的土地利用類型進行分類，結(jié)果表明總體的分類精度為87.93%，kappa 系數(shù)為0.78，根據(jù)所得的分類結(jié)果對土地利用變化特征進行分析，得到烏魯木齊市的用地類型以草地和未利用地為主，其次是耕地、林地和建設(shè)用地，水域面積所占比最小，并且土地利用的開發(fā)一直在進行中，但都未到達開發(fā)利用的上限，還有一定的開發(fā)空間。