湖南省道县土地利用变迁研究

汤竞煌，严娅妮，聂智龙（.湖南省第三测绘院，湖南 长沙 40007；.湖南省第二测绘院，湖南 长沙 40000）



湖南省道县土地利用变迁研究

汤竞煌1*，严娅妮2，聂智龙1
（1.湖南省第三测绘院，湖南 长沙 410007；2.湖南省第二测绘院，湖南 长沙 410000）

摘 要针对高分辨率多时相遥感影像数据，通过提取不同视角的特征，表达影像内容的不同方面，在多特征融合的基础上采用支持向量机或者最大似然分类算法对多时相遥感影像进行分类，并对土地利用程度变化和土地利用动态度进行了分析。

关键词遥感；多特征；土地利用

1　引言

近十年来，随着社会的发展以及城镇化进程的推进，城市改建与扩张日益加剧。及时准确地检测城镇化过程中的土地利用变化，可以为城市规划与可持续发展提供依据。航空或者航天遥感由于具有时效性以及覆盖区域广等特点，为变化信息提取提供了丰富理想的数据来源。利用遥感影像进行变化信息检测是从不同时期的遥感数据中，定量分析和确定地表变化的特征与过程，即根据遥感图像和参考数据不同时相的观测，提取、描述感兴趣物体或现象随时间变化的特征，并定量分析、确定其变化。

本文介绍通过遥感影像专业处理软件Envi建立光谱、纹理、形状、面向对象的多特征空间，在多特征的基础上对不同时相遥感影像进行单独分类，将不同时相的分类结果进行空间叠加分析，获取变化类型与范围，实现对进度监测的目的。

2　数据与方法

2.1 数据来源

2.2 影像解译

对遥感影像进行分类处理是土地利用动态监测的基础，构建完善、准确的分类体系则是决定遥感影像分类结果准确与否的先决条件与决定性因素。通过对土地资源的不同使用方法、土地的不同覆被特征以及不同的利用途径等进行研究来对土地利用类型进行分类。我国农业区划委员于1984年发布的《土地利用现状调查技术规程》中制定了“土地利用现状分类及含义”，把全国土地分为8个一类、46个二类；2002年1月1日起开始试行的“全国土地分类（试行）”，仍分农用地、建设用地和未利用土地3个大类，下分15个二级类，71个三级类，10个四级类。结合本研究的情况与研究区特征，依据《土地利用现状调查技术规程》，现将土地利用类型划分为10个地类，即水田、旱地、园地、林地、草地、建设用地、城镇村及工矿用地、交通运输用地、水域及水利设施用地、其他用地，并建立研究区土地利用现状分类系统及TM影像的判图标志。

表1　遥感影像解译标志Table 1 Interpretation marks of land use

2.3 遥感影像的分类方法

遥感影像土地利用信息提取过程实际上是遥感影像的分类过程。常用的遥感分类方法包括人工目视解译和计算机自动分类两种。人工目视解译是根据地物的光谱、纹理、大小、位置、相关布局等空间特征，结合解译人员的经验，提取遥感影像信息的方法，其精度较高，但是费时费力，效率较低；而计算机自动分类虽然精度相对较低，但是分类效率比较高。由于遥感数据是海量数据，因此计算机自动分类是实际工作中应用最广泛的遥感信息提取方法。

遥感影像自动分类技术是指计算机通过设定好的识别理论与公式，通过不同传感器、不同分辨率的高分辨率多时相数据源的特点，采用分类后比较算法进行改造工程的变化信息提取。由于变化信息提取结果依赖于多时相遥感影像的分类结果，为了最大限度地改善影像上地物类别的判别能力，本次研究中通过提取不同视角的特征，表达影像内容的不同方面，在多特征融合的基础上采用支持向量机或者最大似然分类算法对多时相遥感影像进行分类。为了减轻高分遥感影像中光谱可变性的影响，点对点分类器（P2P）根据地物局部区域的相似性，加入距离的约束考虑到分类过程中。分类后处理用于消除小图斑以及椒盐分类噪声的影响，为了保证分类后变化信息提取的准确性，对多时相遥感影像分类结果进行质量评价。其总体技术路线图如图1所示。

图1　技术路线图Fig.1 Flow chart of studying procedure

3　高分辨率遥感影像不同视角多特征提取

高分辨率遥感影像特征信息提取主要是对影像的特征进行有效表达建模，利用多种特征信息如影像纹理信息、光谱信息等多种特征提高遥感影像分类的精度。高分遥感不同的特征可以从不同视角反应影像的内容，光谱特征突出地物的电磁波反射特性，纹理特征反应影像的结构性质，面向对象的特征反应在影像上对象的语义特性，形态学特征则突出影像上地物边缘形状信息。为解决高分辨率影像光谱信息不够丰富导致类别可分性差的问题，使用灰度共生矩阵（GLCM）提取纹理特征，使用分水岭分割算法结合融合策略，在提取对象的基础上，提取对象特征，使用形态学运算提取形态学特征，对不同视角的特征进行特征层融合，为后续分类提供基础。

3.1 纹理特征提取—灰度共生矩阵（GLCM）

高分辨率遥感影像包含丰富的光谱与纹理信息。与光谱特征关注影像像素灰度值不同，纹理作为一种区域特征，是对影像各像元之间空间分布的一种描述。由于纹理能充分利用影像信息，与其他影像特征相比，能更好地兼顾影像宏观性质与细微结构两个方面。纹理是由灰度分布在空间位置上反复出现而形成的，因而在影像空间中相隔一定距离的两像素之间会存在一定的灰度关系，即图像中灰度的空间相关特性。灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。

3.2 形态学特征提取

虽然企业本身拥有一定的资本，且政府有一定的政策资金扶持，但由于国际贸易的资金需求量大，加上区域内企业众多，企业要维持已有业务的运行，难以投入大量可周转资金，企业融资困难。另一方面，地方经济发展也是企业融资困难的一个重要原因，洪湖市主要依靠第一产业发展经济，工业发展缓慢，区域内经济基础相对较差，金融信贷机构发展不完善，金融服务体系滞后，可提供金融信贷服务的机构少，而作为农业企业，相对于其他类型企业申请贷款较为困难，因而企业难以通过银行及其他金融信贷机构筹集资本。

数学形态学由一组形态学代数算子组成，以膨胀、腐蚀为基础，在处理图像时可根据需要，由这两种运算组成各种复杂的运算，如先腐蚀再膨胀组成开运算，先膨胀再腐蚀组成闭运算；也可以由开闭运算以及图像组成各种复杂的运算，通过组合这些算子实现对图像形状、结构的分析和处理。

3.3 面向对象特征提取

高空间分辨率遥感影像具有丰富的纹理和形状信息，与中低分辨率影像相比能够获取更精细的地物信息。然而，随着影像空间分辨率的提高，影像中地物的光谱分布更复杂，不同地物的光谱相互重叠，地物信息呈现高度细节化，影像中的地物类内方差增大，不同地物类之间方差减小。这些特点使得计算机解译的方式必须要从传统的面向像元光谱处理的方式转变到以面向对象的多特征处理方式上来。面向对象的处理方式通常通过影像分割获取由空间相邻、光谱相近的多个像素所组成的对象。图像的分割处理，一方面可减小地物类内方差，另一方面可为计算机解译提供对象的纹理和形状信息，增大地物类之间的方差，进而增大地物类别的可分性，使得分类识别的精度提高。进而可以以对象为基本单元提取面向对象的特征。

4　基于融合的监督分类

由于最大似然分类器是一种基于像素的分类器，因此影像的分类结果通常会受到光谱可变性现象的影响，导致类别错分情况。在最大似然分类结果的基础上，将最大似然分类规则与点对点分类规则进行逐像素加权融合，引入空间位置信息，可以缓解光谱可变性引起的错分问题。

4.1 最大似然法分类（MLC）

在遥感影像的分类算法中，很多分类器的设计都是根据训练样本的光谱距离测度，确定特征空间中的判别边界。而最大似然法的分类规则是基于概率的。它把每个具有模式测度或特征的像元划分到很有可能出现该特征的类别中。也就是说，首先计算每个像元属于一个预先设置好的m类数据集中的每一个类的概率，然后将该像元划分到概率最大的那一类。最大似然分类法假设选取训练样区的分布为正态分布，各类别光谱曲线的分布能完全由均值向量（Mean Vector）与协方差矩阵（Covariance Matrix）来描述，采用训练样本计算这些参数之后，便可计算每一未知像元为特定类别的后验概率。最后通过最大后验概率的原则就可以得到分类结果图。

4.2 支持向量机分类（SVM）

不同于最大似然基于概率的分类方法，支持向量机是一种基于统计学习理论的机器学习算法，采用结构风险最小化原理，在最小化样本误差的同时缩小模型的泛化误差，从而提高模型的泛化能力。SVM采用统计学习理论的一种新策略：将函数集构造为一个函数子集序列，使各个子集按照VC维的大小排列；在每个子集中寻找较小经验风险，在子集间考虑经验风险和置信范围，取得实际风险的最小。SVM分类算法通过寻找在分类中起关键作用的超平面OSH（Optimal Separating Hyperplane）和支持向量，从而对类别进行划分。

5　分类后处理

完成多时相遥感影像自动分类之后，为了进一步提高分类精度，需要对分类结果进行后处理。常用的操作包括类别编辑、小图斑剔除、面合并、自动合并、线切割、面切割、属性刷、面扣洞、点编辑等。本次研究根据分类结果的实际效果，利用类别合并、筛选、聚类、最大分析等操作进行后处理。

5.1 分类后合并

由于影像覆盖地区地物复杂，同一类地物光谱差异极大。为了增加类别可分性，提高分类精度，在样本选择的时候，先将同一地物类型根据光谱类别进行细分，再对分类结果属于同一类型进行合并，大大提高了分类精度。这一步骤主要通过Envi中的combine classes实现。

5.2 分类后处理

应用监督分类或者非监督分类以及决策树分类，分类结果中不可避免地会产生一些面积很小的图斑。无论从专题制图的角度，还是从实际应用的角度，都有必要对这些小图斑进行剔除或重新分类，目前常用的方法有Majority/Minority分析、聚类处理（Clump）和过滤处理（Sieve）。

6　变化检测信息提取

在基于可靠、高精度的分类结果上，利用分类后比较法，生成详细的地类变化矢量数据，并进行统计分析。统计分析包括定量统计和定性分析，分别对各期影像进行分类，通过空间叠加分析地类变化，从而掌握研究区域的变换信息。

7　结论与讨论

图2　2010年、2015年道县土地利用现状Fig.2 Land use of Daoxian country in 2010 and 2015

基于湖南省道县2010年、2015 年土地利用数据，通过对土地利用格局的时空格局的时空变化，进而对特征、趋势和影响因素进行分析，主要的结论如下：

表2　道县土地利用统计表Table 2 Statistic of land use of Daoxian

（1）农林用地方面：农林用地面积在2010年至2015年期间减少趋势明显，其中旱地和园地一部分转换为建设用地和农村居民地，另一部分转换为交通运输用地，水田面积略有减少，林地所占比重减少趋势明显。

（2）建设用地及其他用地方面：建设用地增长较大。城镇村及工矿用地明显增多，交通运输用地略有增加，表现为对园地、草地及旱地的开发。其他用地的面积较2010年未发生改变。

（3）水系方面：水系未见明显变化。

综上所述，该区域在2010～2015年期间旱地、园地、草地和林地减少趋势明显；建设用地、城镇村及工矿用地的面积明显增加。建设用地扩张是今后的主要趋势。在确保耕地红线的前提下，建设用地会慢慢侵占其它土地（主要侵占农用地），直到相对稳定，最终形成一种新型城乡格局。

参考文献/Reference

[1]史培军，宫鹏，李晓兵，等.土地利用/覆盖变化研究的方法与实践[M].北京:科学出版社,2000 .

[2]陈军,陈晋,廖安平,等.全球30 m 地表覆盖遥感制图的总体技术[J].测绘学报,2014,43(6):551-557.

[3]李雁,赵坤,方精云,等.城市湖泊地区的土地利用变化[J].长江流域资源与环境,2004,13(3):229-233.

[4]王秀兰,包玉海.土地利用动态变化研究方法探讨[J].地理科学进展,1999,18(1):81-87.

[5]刘纪远,张增祥,庄大方,等.20 世纪90 年代中国土地利用变化的遥感时空信息研究[M].北京:科学出版社,2005 :568 .

[6]史培军,宫鹏,李晓兵,等.土地利用/覆盖变化研究的方法与实践[M].北京:科学出版社,2000 .

[7]吴世新,周可法,刘朝霞,等.新疆地区近10 年来土地利用变化时空特征与动因分析[J].干旱区地理,2005,28(1):52-58.

[8]鲁春阳,齐磊刚,桑超杰,等.土地利用变化的数学模型解析[J].资源开发与市场,2007,23(1):25-28.

[9]宋宏利,张晓楠,陈宜金.基于证据理论的多源遥感产品土地覆被分类精度优化[J].农业工程学报,2014,30(14):132-139.

Reasearch on Land Use Change in Daoxian,Hunan

Tang Jinghuang1,Yan YaNi2,Nie ZhiLong1
(1.The third institute of surveying and mapping of Hunan province,Changsha Hunan 410007;2.The second institute of surveying and mapping of Hunan province,Changsha Hunan 410000)

Abstract:For high resolution for remote sensing image data,by extracting characteristics of different Angle of view,expression of different aspects of the image content,on the basis of multiple features fusion or maximum likelihood classification based on support vector machine algorithm on multiple remote sensing image classification,and the degree of land use change and land use dynamic degree are analyzed.

Key Words:remote sensing;more features;land use

收稿日期：2016-1-25；改回日期：2016-2-27。

*第一作者简介汤竞煌，男，1979年生，高级工程师，主要从事国土和测绘地理信息技术研究工作。Email：178087793@qq.com

文章编号：1672-5603（2016）01-074-6

中图分类号：F301.1

文献标识码：A