基于遥感技术的密云县土地利用变化研究

范明强，韩延忠，丁 敏

（山东元鸿测绘科技有限公司，济南 250014）

引言

由于时代的发展，科技的进步，人类面临的环境、资源、人口、能源等问题日益加剧。随之而来，人类也不得不面对如何合理利用资源、控制人口和保护生态环境等问题的挑战。20世纪90年代后期，伴随全球变化研究进程的不断深入，土地利用/土地覆盖(Land Use/Cover Change，简称LUCC)研究开始出现，现已成为全球变化研究中的前沿问题之一。

本研究的研究重点是通过遥感和地理信息系统等先进技术手段，对研究区密云县的土地利用与变化情况进行监测与分析。另一个研究重点方向则是密云县的土地利用覆被变化的驱动力，是指影响土地利用/土地覆被发生变化的各种因素，包含自然环境因子和社会人文因子两大部分。同时，掌握土地利用覆被变化在时间和空间上的分布特点，合理调配与利用现有的土地，通过加强研究区域的生态环境建设，来保持其林业的可持续发展。

本研究运用Erdas和Envi软件对三期遥感影像进行研究，同时参照研究区一类调查数据，进行相关的土地利用类型的监督分类。

1 研究区概况

密云县地处于北京市的东北部、华北大平原北缘、燕山山脉南麓，属于山区与平原交接地带。密云县城距离北京市区 65 公里，南起北纬 40°13′7″，北至北纬 40°47′57″，南北宽约 64公里；西起东经 116°39′33″，东至东经 117°30′25″，东西长共69公里；东南至西北依次与北京市的平谷、顺义、怀柔三区县毗邻，北部和东部分别与河北省的滦平、承德、兴隆三县接壤。

2 数据源及数据处理

本研究采用密云县的三期TM影像，考虑到植被分布受季节影像，选取的影像成像时间都在6-10月份间。2009年的TM遥感影像植被色彩不鲜艳，原因是此影像为当年9月的图像，天气转冷，植物开始落叶，植被的反射率下降。2006年和2011年的TM遥感影像，都为7月的影像，整体上植物的反射率都较2009年9月植物的反射率略高。这造成了TM遥感影像上的色调存在一定的差异，密云县2006年、2009年和2011年的三期TM遥感影像如图1。

图1 密云县2006、2009及2011年三期遥感影像

本研究在采用目视解译判读时，根据判读经验，并利用Google earth等作为辅助参考，对研究区域的遥感影像进行解译。目视解译的基本步骤如下：(1)准备工作阶段：了解解译的任务与要求，找寻与此图像解译内容相关的各种图件资料和文字资料，熟悉研究区的基本概况；(2)正式进行解译阶段：参考之前对于研究区的野外实地调查报告(即密云县一类调查汇总表等)，选取有代表性的解译样区，并确定解译标志以及作好各种地物的判读标志记录；(3)确定各类别的分离度阶段：建立各类别的解译标志后，为了让分类更具有代表性，需要通过Envi软件计算各类别样本之间的分类度，只有各个分类之间的分离度都大于1.8，才能得到最佳的分类效果，若未达到，则需修改已选取的训练样本，重新选取更多的具有代表性的样本，直到满足要求。确认样本之间的分选度满足要求后，即可依据分类需求和解译样区对遥感影像进行土地利用分类。

3 遥感影像的精度评估

遥感数据分类精度主要有以下四种：生产者精度(Produces Accuracy)、用户精度(Users Accuracy)、总体精度(Overall Accuracy)和Kappa系数，公式如下：

Kappa系数是能够客观评价分类质量的多元统计方法，其公式为：

公式中的 代表Kappa系数，其中i+是指第i行的和，+i表示第i列的和， 代表检测样点总个数，代表误差矩阵的行数，ii表示第i行第i列上的值(即土地类型分类正确的个数)。Kappa系数不仅包括了土地类型中正确分类样点个数，而且显示出了土地类型错分漏分的样点个数。然而，总体精度的计算仅涉及土地分类类型中正确的分类个数(即误差矩阵中对角线上的数值)，所以Kappa系数能够更好地显示遥感影像分类精度的情况。

遥感影像分类精度的评价通常用分类图和标准数据(图件或地面实测值)进行比较，以正确分类的百分比来表示精度。理想的精度评价是实地考察各地物的类别，通过从野外获取的检验数据进行核实，但该方法比较费时费力，造成工作的烦琐，无法在严格的统计学基础上进行该项工作，同时还无法对整幅分类图检核每个像元所分的类别是否正确。经过分析利用训练样本对分类结果进行误差估计是比较简单的方法，通过选择适量的样本，利用Envi软件进行精度评价。目前普遍采用混淆矩阵来对分类精度进行评价，即以Kappa系数评价整个分类图的精度。

本研究采用随机点数(Stratified Random)，并参照密云县一类调查数据，根据各地类涉及的像元数，产生356个随机点，3年的分类精度评价见表1：

表1 土地利用变化混淆矩阵

本研究运用随机抽样(Random)的方法选取356个地面检查点，参考同期地面资料，利用目视判读的方法对TM影象的分类结果进行精度检验，得到分类混淆矩阵、总精确度和Kappa系数，分别对三期的TM影象分类结果进行精度检验，得到的结果为：2006年总体精确度为84.55%，Kappa系数为80.51%；2009年的总精确度为85.67%，Kappa系数为81.93%；2011年的总体精确度为83.15%，Kappa系数为78.25%，Kappa系数均达到最低允判精度70%的要求。

分类后处理主要是针对监督分类的结果进行一定修饰，包括合并同类较小的像元点以及再次检查。实际操作过程利用ROI工具菜单进行交互编辑，同时以分类前的原图作为参考。通过以上各修改合并减噪之后，进行分类结果的图像输出。为了以专题图的形式输出分类结果图，还要使用地理信息系统，把密云县的行政界线等相关要素进行叠加到分类结果图上，得出密云县的专题图。制作专题图时，也可以结合ArcMAP软件进行操作，将三期土地利用分类图分别导入ArcGIS9.3中进行配色，不同的地类使用不同的颜色进行显示，并生成图例、配上比例尺等操作，最终完成密云县三个年份各自的专题图制作。

图2 密云县2006、2009及2011年土地利用分类专题图

4 结论与讨论

4.1 结论

2006-2011年间，密云县土地利用发生了较大的变化。本研究从多角度分析了密云县的土地利用现状、土地利用变化过程与规律以及其的驱动力，主要得出以下结论：

从2011年密云县土地利用现状看，各土地利用类型面积大小排序为：林地＞建筑与居民用地＞耕地＞未利用土地＞水体＞草地。其中林地是密云县的主要土地利用方式，其面积为1564.63km2，占研究区总面积的70.18%；建筑与居民用地和耕地这两类的面积也较大，所占研究区的总面积分别为9.70%、7.97%；而草地在研究区所占面积则极小。

在2006-2011年内，从密云县土地利用变化的动态变化来看，未利用土地的变化率最大，在5年间减少的比例达到了35.93%，其动态度也是最高的；而在这5年间，土地利用面积变化最大的是林地，其增加面积为80.26km2。

分析得出密云县各土地类型之间的转换趋势：建筑和居民用地、未利用土地、耕地相互之间转换频繁，建筑与居民用地面积增加显著，耕地和未利用地面积急剧减少；耕地向其他用地大面积流转，而其他面积向耕地面积转变比例较小，耕地整体面积呈现弱化趋势；相反，建筑与居民用地转化为其他类型的面积小于其他类型转化为该类型的面积，整体朝着规模增加的方向发展，呈现强化状态。

4.2 讨论

在本研究基于TM的密云县土地利用变化研究的过程中，是以遥感图像数据的分类和土地动态监测等方面的内容为研究重点，在其中遇到了一些值得讨论的地方，在此处提出，以利于今后研究时注意。

(1)对遥感图像分类时要多选择不同区域的、具有典型性和代表性的训练区，以减少训练样本地方性的影响，但这很有可能导致计算机分类出现更大的误差，选的点多，存在“同谱异物”和“同物异谱”的可能性也加大，故我们必须统筹考虑，舍去一些小的和其他相似地物的点以获取分类效果较好的图。

(2)遥感影像分辨率的高低对土地利用变化动态分析的结果有直接影响，本研究采用的数据源为密云县2006年、2009年、2011年的三期TM遥感影像，其空间分辨率相对较低，所以进行密云县土地利用的遥感分类时，只针对一级地类进行分类。在以后，如找到相关高分辨率的遥感影像，可以更加精确地对每个一级地类下的二级地类进行分类和处理，以得到更准确和详尽的土地利用变化信息。

[1]史培军，陈晋.潘耀忠深圳市土地利用变化机制分析[J].地理学报，2000，55(2)：151-160.

[2]王玲，龚健雅.基于RBF神经网络的遥感影像分类算法研究[J].测绘工程，2003，12(3)：7-9.

[3]廖楚江，王长耀，陈方.基于地质统计学纹理的遥感影像分类研究进展[J].遥感信息，2006，(1)：64-68.

[4]Safavim S R，Lanclgrehr I.A survey of decision tree classifier methodology[J].IEEE Trans.Syst.Man Cybern，1991，(21)：660-674.

[5]Justin D Pala，Robert A Schowengerdt.The effect of neural-network structure on a multi-spetral land-use/land-cover classi fication[J].PERS，1997，63(5)：535-544.

[6]员永生，常庆瑞，刘炜，等.面向对象土地覆被图像组合分类方法[J].农业工程学报，2009，25(7)：108-113.封3.

[7]梁继，王建，王建华.基于光谱角分类器遥感影像的自动分类和精度分析研究[J].遥感技术与应用，2002，17(6)：299-303.