基于目標分割和景觀格局特征的城市土地利用分類

李偉峰,王 軼

(1.中國科學院生態環境研究中心城市與區域生態國家重點實驗室,北京 100085;2.中國國土資源航空物探遙感中心,北京 100083)

基于目標分割和景觀格局特征的城市土地利用分類

李偉峰1,王 軼2

(1.中國科學院生態環境研究中心城市與區域生態國家重點實驗室,北京 100085;2.中國國土資源航空物探遙感中心,北京 100083)

根據相同土地利用類型景觀格局特征相似的原理,在傳統遙感分類方法的基礎上,結合景觀生態學理論,建立了土地利用分類新方法;應用 SPOT遙感圖像提取了北京市五環內的居民用地和非居民用地類型,總分類精度達到了 85.9%,Kappa系數為 71.1%。本研究結合學科交叉的優勢,為遙感技術應用和土地利用信息提取提供了新思路。

土地覆蓋 /利用;景觀格局;景觀指數;目標分割;遙感

0 引言

在城市區域,人類根據需求規劃出不同的土地利用類型,如居住用地、商業用地及工業用地等[1]。每種土地利用類型可以包括不同的土地覆蓋類型,如居民用地包含樓房、綠地、道路及水體等。目前,應用多源遙感數據能夠有效地識別地表覆蓋類型[2],而對于土地利用類型,如果單純根據光譜特征是很難直接進行識別的。因此,至今為止,土地利用信息的提取主要還是依靠目視解譯。如何發展高效、自動的土地利用信息提取方法是遙感技術及其應用的研究熱點[3]。

景觀生態學原理,即相同土地利用類型的景觀格局具有相似性的原理,為土地利用分類提供了新的思路[4]。在景觀生態學領域,已經發展了眾多“景觀指數”,這些指數能夠準確、定量地描述不同景觀要素的大小、形狀、空間聚集及離散等空間分布特征,以及整個區域多種景觀要素的相互配置特征[5-7]。通過這些指數分析,可以從不同時空尺度上描述景觀格局特征。

本文的主要目的是結合不同土地利用類型的景觀格局特征和地物光譜特征,應用高分辨率遙感圖像提取城市區域的土地利用信息。

1 研究方法

研究區位于北京市五環內建成區,面積約為670 km2。本研究共選取 4景 SPOT圖像,數據獲取時間分別是 2004年 5月 23日、6月 2日、6月12日和 10月 4日。同時,采用了 6景 QuickBird圖像(0.61 m)作為實際土地利用情況的參照數據,數據獲取時間分別為 2004年 2月 11日、4月 1日和 7月 2日。

以 1∶1萬地形圖為基準,利用二次多項式和雙線性內插法對上述影像進行了幾何糾正,糾正誤差在 1個像元內。

1.1 土地覆蓋信息的提取

根據地物光譜特征提取了城市地區主要的土地覆蓋信息,包括建設用地、綠地和水體。這里主要應用了歸一化建筑物指數 (NDB I)和歸一化植被指數(NDV I)提取建設用地和綠地信息[8-10]。

1.2 土地利用單元的劃分

根據土地利用類型的定義可知,“像元”已經不能成為表征土地利用特征的基本單元。土地利用的基本單元應該是集合許多像元的“目標”單元,每個目標單元代表特定的功能屬性。

本研究以北京市土地利用規劃圖 (1∶10萬)、道路圖 (1∶1萬)為參照,采用 QuickB ird圖像和“目標分割”方法確定了基本的土地利用單元。其中,目標分割方法是根據遙感圖像每個像元的光譜特征,同時考慮到相鄰像元的形狀特征、紋理特征和相鄰關系特征,將具有相似性質的像元集合起來構成內部相對同質的區域單元[11-15]。土地利用規劃圖和道路圖作為劃分基本土地利用單元的輔助參考。

北京五環內是各類建設用地高度密集的城市核心區,主要土地利用類型是居住用地,其次是行政、文教、商業用地,工業用地、耕地、林地及裸地等土地利用類型非常少。各類居住區聚集發展,結構、格局特征明顯,而行政、文教及商業等非居住用地發展相對零散,其用地規模和格局沒有顯著的特征。因此,本研究在現階段確定了兩種土地利用類型,即居住用地和非居住用地。共確定了 2 033個土地利用單元。其中,由于許多商業、商務用地分布在不同居住區內部或邊緣,很難獨立劃分,因此根據優勢景觀主導性原則,每個土地單元的功能類型由其優勢景觀類型決定。

1.3 景觀特征指數的選取

以從 SPOT圖像上提取的土地覆蓋信息為基礎,對居住用地和非居住用地類型分別選取了 60個土地利用樣本單元。在斑塊類型水平和景觀整體水平上共選擇了 40個景觀指數,能夠比較全面地表征土地利用格局特征[5-7]。對每個樣本單元分別計算其景觀指數,然后應用 T檢驗確定能夠顯著區分居住用地和非居住用地的景觀特征指數。

1.4 土地利用信息的提取

首先,根據選定的景觀指數,計算每個土地單元的景觀格局特征,進而獲得多個土地利用單元圖層,其數量為參加運算的景觀指數數量;然后,通過疊加這些圖層獲得綜合的景觀特征圖;最后,應用Fisher線性判別方法進行分類。具體運算工作在MultiSpec軟件模塊下完成。

Fisher判別方法的基本思想是投影,將多維問題簡化為一維問題。該方法首先通過選擇一個適當的投影軸,把所有的訓練樣本都投影到這個軸上,得到不同投影值,并使每一類內的投影值所形成的類內離差盡可能小,而不同類間的投影值所形成的類間離差盡可能大;然后,通過線性組合不同的影響因子 (自變量),進而判別土地利用類型。線性算法的具體表達式為

式中,HK代表第 K類土地利用類型的判別值;Xi代表第 i個影響因子 (i=1,2,…,p),BKi代表第 i個影響因子對第 K類土地利用的決定系數。

2 結果和分析

2.1 土地覆蓋信息提取結果

根據上述研究方法,應用 SPOT圖像提取了北京五環內的土地覆蓋信息 (圖 1)。

圖 1 利用 SPOT圖像 (左,3、4、2波段組合)提取的城市土地覆蓋 (右)Fig.1 Land cover map based on SPOT image

2.2 不同土地利用類型的景觀格局特征

居住用地和非居住用地的景觀格局指數檢驗結果表明,共 22個景觀格局指數有顯著性差異,分別是 8個建設用地斑塊的景觀特征、6個非建設用地斑塊的景觀特征以及 8個景觀水平上的格局特征(表1)。

為了更加直觀地評價居住用地和非居住用地景觀格局特征的顯著差異,分別繪制出表 1所列的 22個景觀格局指數特征分布圖 (圖 2)。

圖 2 居住用地和非居住用地內建設用地格局特征分布頻率Fig.2 Frequency distribution of landscape characteristics on built-up cover of residential and non-residential area

首先,從建設斑塊類型水平上看,居住用地內建設斑塊的平均大小 (M PS)、平均形狀指數 (M SI)、平均斑塊分維數 (M PFD)、平均核心斑塊面積 (MCA 1)和核心斑塊所占景觀面積指數 (MCA I)總體上高于對應的非居住用地;而斑塊平均最近距離 (MNN)和雙對數分維指數 (DLFD)總體上低于對應的非居住用地。這些結果表明,居住用地景觀指數變異的范圍總體上比對應的非居住用地高。

其次,從非建設斑塊類型水平上看,居住用地內非建設用地的斑塊大小標準偏差指數 (PSSD)、斑塊平均鄰近指數 (M PI)、總核心斑塊面積指數 (TCA)、核心斑塊平均面積指數 (MCA)、核心斑塊面積比例指數 (CLAND)和核心斑塊大小方差指數 (CASD)都低于對應的非居住用地。總體上和建設斑塊類型水平上呈現的特征相反,居住用地景觀指數變異的范圍明顯低于對應的非居住用地,說明居住用地內各類非建設用地比例少,格局也相對簡單。

圖 3 居住用地和非居住用地內非建設用地格局特征分布頻率Fig.3 Frequency distribution of landscape characteristics on non-built-up cover of residential and non-residential area

最后,從景觀水平上看,居住用地的平均鄰近指數 (M PI)和核心斑塊大小變異指數 (CACOV)的變化范圍明顯低于對應的非居住用地。非居住用地內平均鄰近指數 (M PI)、香農多樣性指數 (SD I)、香農均勻度指數 (SEI)、香農均度指數 (SHEI)、修正的Simp son多樣性指數 (M SID I)、Simpson均勻度指數(SIEI)和修正 Simpson均勻度指數 (M SIEI)都明顯高于對應的居住用地。

圖 4 居住用地和非居住用地內景觀水平格局特征分布頻率Fig.4 Frequency distribution of landscape characteristics on landscape level of residential and non-residential area

2.3 土地利用信息提取結果

根據景觀格局特征的分析結果,應用 Fisher線性判別方法對土地利用進行了分類。經檢驗,總分類精度達到 85.9%,Kappa系數為 71.1%(圖 5)。其中,居住用地的分類精度達到 88.3%,非居住用地的分類精度達到 84.3%。

圖 5 北京五環內土地利用分布Fig.5 Land use distribution with in the fifth ring of Beijing

3 結論

(1)應用景觀生態學原理可以定量描述不同土地利用類型的景觀格局特征,揭示其顯著性差異。因此,在傳統遙感分類技術上融入景觀格局特征,可為城市土地利用信息提取提供新的理論方法和技術手段。

(2)采用該方法,在 SPOT圖像上提取了居住用地和非居住用地類型,總分類精度達到 85.9%。

[1] 王如松.高效、和諧:城市生態調控原理與方法 [M].長沙:湖南大學出版社,1988.

[2] 馮永玖,韓 震.基于遙感的黃浦江沿岸土地利用時空演化特征分析[J].國土資源遙感,2010(2):91-96.

[3] De Jong SM,Burrough PA.A Fractal Approach to the Classification of Mediterranean Vegetation Types in Remotely Sensed Images[J].Photogrammetric Engineering and Remote Sensing,1995,61:1041-1053.

[4] Herold M,Couclelis H,Clarke K C.The Role of Spatial Metrics in Analysis and Modeling of Urban Land Use Change[J].Computers,Environment and Urban System s,2005,29:369-399.

[5] 傅伯杰.景觀生態學原理及應用[M].北京:科學出版社,2001.

[6] 鄔建國.景觀生態學——格局、過程、尺度與等級 [M].北京:高等教育出版社,2000.

[7] 鄔建國.景觀生態學——概念與理論 [J].生態學雜志,2000,19(1):42-52.

[8] Zhang Y,Odeh IO A,Han C.B i-temporal Characterization of Land Surface Temperature in Relation to Impervious Surface Area,NDVI and NDB I,U sing a Sub-pixel Image Analysis[J].International Journal of Applied Earth Observation and Geoinformation,2009,11:256-264.

[9] 孫芹芹,吳志峰,譚建軍.不同土地利用類型的城市熱環境效應研究[J].國土資源遙感,2010(4):67-70.

[10]鄭榮寶,莊劍順,張金前.廣州市土地利用與 NDV I變化的關聯分析[J].國土資源遙感,2008(2):102-108.

[11]Kartikeyan B,Sarkar A,Majumder K L.A Segmentation Approach to Classification of Remote Sensing Imagery[J].International Journal of Remote Sensing,1998,19(9):1695-1709.

[12]Zhou W Q,Huang G L,Troy A,et al.Object-based Land Cover Classification of Shaded Areas in High Spatial Resolution Imagery of Urban Areas:a Comparision Study[J].Remote Sensing of Environment,2009,113:1769-1777.

[13]Zhou W Q,Troy A,Grove M.Object-based Land Cover Classification and Change Analysis in the Baltimore Metropolitan Area U-sing Multitemporal High Resolution Remote Sensing Data[J].Sensors,2008,8:1613-1636.

[14]Zhou W Q,Troy A.An Object-oriented Approach for Analyzing and Characterizing Urban Landscape at the Parcel Level[J].International Journal of Remote Sensing,2008,29(11):3119-3135.

[15]WalterV.Object-based Classification of Remote Sensing Data for Change Detection[J].ISPRS Journal of Photorammetry&Remote sensing,2004,58:225-238.

(責任編輯:刁淑娟)

The Application of Landscape Ecological Concepts and Object Segmentation to Land Use Classification

LI Wei-feng1,WANG Yi2
(1.Sta te Key Laboratory of Urban and Regional Ecology,Research Center for Eco-environmental Sciences,Chinese Academy of Sciences,Beijing 100085,China;2.China Aero Geo logical Survey&Remote Sensing Center for Land and Resources,Beijing 100083,China)

Land use in urban areas is crucial for urban land management decision-making,environment monitoring and urban planning.According to the landscape ecology concept that the landscape patterns within the same land use type are similar,this paper presents a new land use classification approach which integrates landscape characteristics and high-spatial resolution remote sensing data.Some key landscape metrics were selected to quantify the landscape patterns of different land uses. Then,the integration of SPOT image and landscape characteristics was applied to land use classification within the 5 th Ring Road of Beijing.The overall land use classification accuracy was85.9%with Kappa parameter being 71.1%.The results show that the specific landscape patterns of different land use types would significantly contribute to improving land use classification,and could potentially be applied to other urban areas.

Land cover/use;Landscape attern;Landscape metrics;Object segmentation;Remote sensing

李偉峰 (1977-),女,博士,助理研究員,研究方向為遙感、地理信息系統在生態學中的應用。

TP 79

A

1001-070X(2011)01-0118-05

2010-10-27;

2010-10-30

中國科學院知識創新工程重大交叉項目 (編號 KZCX1-YW-14-4-1)、國家 973計劃發展項目 (編號:2008CB418104)和國家自然科學基金項目 (編號:41001348,40901265)共同資助。