遙感技術在濱海新區土地利用研究中的應用

張博文，李秀梅，劉憲斌，李月洋

（天津科技大學 天津市 300457）

土地資源是人們賴以生存和發展的基礎。隨著天津濱海新區被國家“十一五”規劃納入全國總體發展戰略布局，眾多政府機構、研究部門、社會團體及學者都不斷加強對該區土地利用的研究工作。

遙感以其速度快、精度高、范圍廣等特點在土地利用監測中具有無可比擬的優越性。國外學者早有研究[1，2]，自20世紀90年代后期開始，我國學者史培軍[3]、朱會義[4]等借助遙感技術進行土地應用調查。近年來，針對濱海新區的研究也逐步展開[5，6]，但多集中在未劃分行政區域之前，研究范圍缺少針對性。本研究借助濱海新區地圖規范濱海新區研究范圍，對近10年來該地區的土地利用變化進行統計和分析，為濱海新區的規劃提供科學依據。

1 研究范圍、方法及數據來源

1.1 研究區概況

天津濱海新區位于華北平原北部、海河流域下游，天津市中心城區東側，瀕臨渤海。北與河北省豐南縣為鄰，南與河北省黃驊市為界。地理坐標為 38°40′N～39°00′N，117°20′E～118°00′E，包括塘沽區、漢沽區、大港區3個行政區和天津經濟技術開發區、天津港保稅區、天津港區以及東麗區、津南區的部分區域。地貌屬于濱海沖積平原，西北高，東南低，海拔1～3 m，地面坡度小于1/10 000。近年來憑借其區位、交通、資源、工業、體制優勢成為繼深圳特區和上海浦東之后的第3個國家重點發展的經濟特區。

1.2 數據來源

本研究采用2000年、2005年、2010年的Landsat衛星（TM/ETM） 影像作為主要數據源。影像包含7個波段，空間分辨率為30 m，除此以外，研究中使用濱海新區1∶10萬地形圖、Google Earth影像及濱海行政區劃圖和收集到的其他相關的文字圖像等資料作為輔助數據，并根據現場勘測數據和1∶5萬地形圖進行精度分析。

1.3 研究方法

在ENVI和ArcGIS軟件環境下完成影像處理及分類工作。首先對原始數據進行影像處理操作，進行了幾何校正、數據增強、邊界裁剪和波段組合等預處理工作。根據傳統的監督分類方法進行初步劃分，然后根據領域知識和規則，建立基于知識的決策樹，對有明顯特征的地物進行信息提取，最后通過人工目視解譯進一步完善結果，得出最終分類數據。在此基礎上，統計分析了3期影像各土地類型的面積及變化情況。

2 數據處理

2.1 數據預處理

影像的增強處理有利于提高影像質量和突出特征信息。研究中使用的Landsat TM影像總體質量較高，但局部區域由于云霧影像對比度較差，因此進行了直方圖均衡化、影像融合和去薄云等處理工作。

研究使用1∶5萬地形圖作為基準地圖，分別對3期的遙感影像進行幾何校正。借助ArcGIS軟件將配準完成的1∶10萬地形圖進行矢量化，得到濱海新區邊界矢量圖，并利用ENVI軟件對原始遙感影像進行裁剪（圖1）。

圖1 濱海新區裁剪范圍

不同地物在各個波段上有光譜差異，因此影像波段的組合對于地物的區分尤為重要，主要依據被解譯地物的光譜特征及影像信息量大小進行。TM/ETM影像的中紅外波段（TM7） 處于水的強吸收帶，水體呈黑色，可明顯區別于其他地物；近紅外波段（TM4） 對綠色植物最敏感，可突出潮灘植被，利于水域判別，同時可用于陸地植被提取。依據相關性最小信息量最大的原則，本研究選取742波段進行組合，并配合標準假彩色合成方案432波段進行植被解譯。

2.2 土地利用分類系統

土地利用的分類體系是對其進行研究的首要前提，既影響研究結果的表達，也決定研究數據的應用領域。為適用于特定研究目的與尺度，各國學者從不同角度構建了眾多的土地分類系統，但迄今仍沒有一個為國際社會廣泛認可和具有普適性的“萬能”土地分類系統[7]。鑒于此，本研究綜合比較分析以上分類系統，本著實用、簡潔的原則，在國土資源部2001年頒布的《全國土地分類（試行）》標準的基礎上，根據濱海新區的土地利用和植被物候特點，制定出適合天津濱海新區的土地利用分類系統（表1），包括建筑用地、沼澤、海洋、淡水域、灘涂、鹽田、植被以及未利用地8個大類。

表1 天津濱海新區土地利用分類系統

2.3 基于知識的決策二叉樹信息提取

傳統的監督分類方法只是利用像元的光譜特征作為樣本類別的特征來識別非樣本像元的歸屬類別，而影像中普遍存在“同物異譜，同譜異物”的現象。因此，應針對地物類型其他方面的特征（如空間特征、紋理特征等）展開進一步研究，并有效利用。

基于知識的決策二叉樹信息提取方法具有簡單、明確、直觀的分類結構，把復雜問題劃分為一個個相對簡單的問題，避免一次提取多類的困難[8]。近幾年，一些學者將此方法應用于提高全球土地分類精度[9]。

由于濱海新區包括較大面積的海洋、湖泊、河流等水體部分，首先使用修正的歸一化差異水體指數（MNDWI）[10]作為第一步決策條件，將影像分為水體和非水體區域，在非水體區域內利用歸一化植被指數（NDVI）[11]提取植被，以明顯區分其他地物。公式如下：

其中G、MIR、NIR、R分別表示TM/ETM的2波段、5波段、4波段、3波段。

圖2 水體及植被的提取結果（黑色部分）

依據灰度共生矩陣[12]計算出非水體區域內建筑用地與未利用地的紋理特征輸出值，并進行提取。而灘涂、河流等線性地物具有明顯的條帶狀空間特征，可根據計算斑塊的長寬比[13]突出該特征。按照此分類思想，根據現有的專家知識系統將分類區域層層細化（圖3），實現各種地物的分類。

圖3 基于知識的決策樹提取流程

2.4 分類后處理及目視解譯

依據決策二叉樹進行的信息提取，結果中會產生一些面積很小的圖斑。研究出于專題制圖及實際應用的角度考慮，使用聚類統計、過濾分析等方法對這些圖斑進行剔除。

由于影像分辨率及計算機識別能力等多方面因素的限制，自動分類存在一定的局限性。因此還需對影像通過目視解譯的方法進行修正，解譯者的經驗和對該區域的了解程度對最終解譯出影像的準確性起關鍵作用。因此，應研究借鑒地形圖、Google Earth影像及相應時期的區域土地類型資料，保證影像解譯的準確性。

2000—2010年影像分類結果如圖4。

2.5 精度評價

遙感影像分類精度的高低是決定分類結果是否可信的一種度量，也是進行土地利用/土地覆被分析的基礎。分類精度評價是土地利用/土地覆被分類圖像中的像元與已知分類的參考圖像進行比較，以確定分類過程的準確程度。

研究采用分層隨機抽樣的方法[14]，隨機選取了50個采樣點，以驗證分類數據的精度。結果表明：檢驗所得的平均精度在90%以上，符合研究要求。

圖4 濱海新區2000年、2005年、2010年3期的土地利用分類數據

3 結果與分析

通過分析研究區各土地利用類型不同時期的面積及其變化情況，可了解土地利用結構的變化及變化總態勢。利用上述數據，對濱海新區的土地利用分類數據進行統計分析，得出表2及圖5的結果。

結果表明：

（1）10年間，該地區土地的大力開發利用使植被面積減少了238.86 km2。

表2 濱海新區10年間各類型土地利用/土地覆蓋面積變化（單位：km2）

（2） 建筑用地面積的總增加量高達335.11km2，其中2005—2010年為282.98 km2，幅度明顯高于前5年。從圖中明顯看出此類型增長多見于城鎮的擴張，并推測主要由“十一五”規劃的落實及“十大戰役”發展戰略的推廣所致。

（3） 未利用地面積增長量202.42 km2，主要集中在沿海地區、圍海新生陸地和西北部，而海洋面積的消減量達139.55 km2，該研究結果充分體現填海造陸工程的實施。

（4）鹽田、淡水域與沼澤都有不同程度的減小，分別達86.26 km2、5.335 km2與24.09 km2。

（5）灘涂的減少量為42.26 km2，但其面積基數較小，為69.85 km2，減少比例達60.50%。反映出臨港、南港工業區的填海工程對天然地物類型的嚴重破壞。

4 結論與展望

通過遙感影像提取土地利用類型的方法較多，傳統的監督分類等方法普遍受“同物異譜，同譜異物”現象的制約，本研究以基于知識的決策樹信息提取方法進行計算機分類，再通過目視解譯得出分類結果。

天津濱海新區的土地利用情況在10年間有較為明顯的變化。較有代表性的類型有：建筑用地、未利用地面積增長量分別為335.11 km2和202.42 km2，植被與海洋的面積消減分別達238.86 km2和139.54 km2，灘涂的面積減少比例達60.50%。隨多項政策和工程實施，2005—2010年間的面積變化幅度明顯大于2000—2005年。

在獲得較高精度的分類結果基礎上，可建立數學模型對該結果展開進一步的分析討論，并結合相關學科研究土地利用變化的驅動因子與作用效果，提出合理化建議。

[1]Anderson J R.Toward more effective method of obtaining land uses data in geographic research[J].The Professional Geographer，1961（13）：15-18.

[2]Belcher D J.A photo-analysis key for the determination of ground conditions[J].Cornell University Acta，1951（6）：94-97.

[3]史培軍，陳晉，潘耀忠.深圳市土地利用變化機制分析[J].地理學報，2000，55（2）：151-160.

[4]朱會義，李秀彬，何書金，等.環渤海地區土地利用的時空變化分析[J].地理學報，2001，56（3）：253-260.

[5]孟偉慶，李洪遠，郝翠，等.近30年天津濱海新區濕地景觀格局遙感監測分析[J].地球信息科學學報，2010，12（3）：436-443.

[6]徐大勇，張濤，孫貽超，等.基于NDVI的天津市濱海新區植被覆蓋度變化及預測研究[J].生態經濟，2010，12：45-50.

[7]張景華，封志明，姜魯光.土地利用/土地覆被分類系統研究進展[J].資源科學，2011，33（6）：1195-1203.

[8]王建，董光榮，李文君，等.利用遙感信息決策樹方法分層提取荒漠化土地類型的研究探討[J].中國沙漠，2000，20（3）：243-247.

[9]Hansen M C，De fries R S，Townsend J R G，et al.Global Land Cover Classification at 1 km Spatial Resolution Using a Classification Tree Approach[J].International Journal of Remote Sensing，2000，21（6）：1331-1364.

[10]徐涵秋.利用改進的歸一化差異水體指數（MNDWI）提取水體信息的研究[J].遙感學報，2005，9（5）：589-595.

[11]李曉兵，史培軍.基于NOAA/AVHRR數據的中國主要植被類型 NDVI變化規律研究[J].植物學報，1999，41（3）：314-324.

[12]馮建輝，楊玉靜.基于灰度共生矩陣提取紋理特征圖像的研究[J].北京測繪，2007，3：19-22.

[13]陳云浩，馮通，史培軍，等.基于面向對象和規則的遙感影像分類研究[J].武漢大學學報，2006，31（4）：316-320.

[14]梁進社，張 華.土地利用變化遙感監測精度評價系統——以隨機抽樣為基礎的方法[J].地理研究，2004，23（1）：29-37.