基于遙感影像的武漢地區土地利用變化分析

詹皖欣

（武漢大學　資源與環境科學學院，湖北　武漢　430072）

基于遙感影像的武漢地區土地利用變化分析

詹皖欣

（武漢大學資源與環境科學學院，湖北武漢430072）

摘要：以武漢地區為研究對象，采用2006年和2013年兩期遙感影像，利用遙感技術進行目視和計算機解譯，分析了土地利用變化的空間特征.在研究區劃分出城區、水體、植被、其他（主要是裸土地）共4個土地利用類型，據此建立起2006-2013年土地利用變化轉移矩陣，并分析了研究區的土地利用變化幅度.結果表明，7年間武漢地區城區面積呈增長趨勢，水體、植被呈減少趨勢.進一步分析表明，該區土地利用變化的影響因素是多樣的，驅動力主要為城市擴張、經濟因素、宏觀政策等.

關鍵詞：土地利用；武漢地區；遙感；土地利用變化

土地利用是導致地球表層系統景觀變化的主要因素，人類通過對與土地相關的自然資源的開發和利用，對生態環境產生重要影響[1].因此研究區域的土地利用的變化具有實際意義.遙感土地利用動態監測可以反映區域土地利用動態變化的過程，監測數據呈現出明顯的時態特征[2].因此采用遙感技術對武漢市2006年至2013年主城區及近周邊范圍內土地覆蓋類型變化進行檢測.土地覆蓋類型被分為植被、水體、主城區和其他四類.利用遙感圖像處理軟件ERDAS IMAGE 9.1，基于對兩期遙感圖像進行目視解譯和計算機解譯得到土地覆蓋圖，對比兩期覆蓋圖找出地類變化范圍.

1　研究區概況

武漢，簡稱“漢”，是湖北省省會，地處中國腹地中心，江漢平原東部.世界第三大河長江及其最大支流漢水橫貫市境中央，將武漢一分為三，形成了武昌、漢口、漢陽三鎮隔江鼎立的格局.武漢介于113°41'E-115°05'E，29°58'N-31° 22'N之間，有13個轄區，其中江岸區、江漢區、硚口區、漢陽區、武昌區、洪山區、青山區7個為中心城區，東西湖區、蔡甸區、江夏區、黃陂區、新洲區、漢南區6個為新城區.武漢市的土地類型較為復雜，但主要可以分為城區、水體、植被、其他四類.近幾年武漢市發展迅速，在城市化進程加快的同時，大面積的農田、植被覆蓋區域被征用，土地利用類型變化較為顯著.

2　數據源處理

2.1數據概況

本文所用的數據是2006年和2013年的武漢市遙感影像.2006年的武漢市遙感影像是11月1日獲取，為Landsat5 TM數據，分辨率為30米，包含了1-5，7這六個波段.2013年的武漢市遙感影像為6月13號獲取，為Landsat8 OLI數據，空間分辨率也是30米，輻射分辨率為12bit.

2.2數據預處理

首先需要對原始圖像進行幾何校正，用一系列的數學模型消除或減少影像的誤差.而最為常見的幾何校正的方法就是多項式糾正法.

本文中，2013年武漢市遙感影像是已經過幾何校正的，而2006年武漢市遙感影像是變形的，因此利用ERDAS IMAGE 9.1遙感軟件以2013年武漢市遙感影像為參考影像，對2006年武漢市遙感影像進行幾何校正.對應選取了12個分布均勻具有特征的相同幾何位置的GCP，采用二次多項式糾正，控制平均誤差控制在1個象元之內，然后利用三次卷積法進行重采樣，且設置輸出的圖像分辨率為30米.最后進行裁剪獲得實驗區.

3　研究方法

3.1目視解譯

目視解譯是從遙感圖像中提取感興趣信息的主要手段之一.此處采用計算機輔助目視解譯的方法對武漢城區范圍進行解譯.關鍵是建立正確的解譯標志是為了使之能正確識別以保證目視解譯的精度.而此處城區界定為建筑物密度高的、但可以包含道路和少量植被及水體的區域.可以觀察到，在真彩色的彩色合成方式下，城區顏色主要呈現紫色，藍灰色和白色，因為城區中地物的種類比較復雜還包含其他的道路和綠色植被等，所以顏色比較混雜.城區的紋理較為混雜，形狀不規則但分布較為集中，主要集中分布在長江和漢江兩岸.

建立解譯標志后，在預處理后的2006年和2013年武漢市遙感影像上建立單精度的矢量圖層，然后使得新建矢量圖層處于可編輯狀態后目視繪制城區范圍，得到2006年和2013年武漢城區的矢量圖.再建立拓撲將矢量圖層柵格化，最后通過建模工具設置算法為將城區部分賦值為1，非城區部分賦值為0，得到城區柵格二值化圖像.

3.2計算機解譯

3.2.1植被解譯

歸一化差值植被指數是利用衛星不同波段探測數據組合而成的，能反映植物生長狀況的指數.此次進行植被解譯運用了歸一化植被指數以將其與其他地物區別開來，計算公式為：NDVI =（DNNIR -DNR)/（DNNIR + DNR).利用建模工具設置算法并運行后輸出2006年恨2013年的武漢市歸一化植被指數圖像.再采取樣本，在2006年和2013年的武漢市歸一化植被指數圖像上分別新建一個AOI圖層并圈出數量足夠多，植被足夠聚集的植物樣本，將其群組后導入到分類模板編輯器中，查看統計值.2006年和2013年的武漢市歸一化植被指數圖像中AOI樣本的平均值分別為0.312和0.291，標準差分別為0.105和0.054.由標準差和平均值的數據，根據平均值減去適當倍數的標準差的閾值確定方法，得到2006年和2013年的圖像分割閾值分別為0.1545和0.21.再利用建模工具分割閾值制作出植被指數分割圖，設置算法為被植被覆蓋的像素被賦值為1，而未被覆蓋的被設置為成背景，得到了武漢市2006年和2013年的植被指數分割圖.

3.2.2水體解譯

歸一化水體指數是基于中紅外與近紅外波段的歸一化比值指數.用遙感影像的特定波段進行歸一化差值處理，以凸顯影像中的水體信息.其公式為：NDWI =（GREEN -NIR)/（GREEN + NIR).

利用建模工具設置算法并運行后輸出2006年恨2013年的武漢市歸一化水體指數圖像.再采取樣本，在2006年和2013年的武漢市歸一化水體指數圖像上分別新建一個AOI圖層，然后在圖像上圈出數量足夠多，水體足夠集中的樣本.然后將其群組后導入到分類模板編輯器中，查看統計值，2006年的武漢市歸一化水體指數圖像中AOI樣本的平均值為0.538，標準差為0.076.2013年的植被樣本的平均值為0.126，標準差為0.04.由標準差和平均值的數據，根據一般閾值的確定方法，即平均值減去適當倍數的標準差確定，因此確定2006年和2013年的圖像分割閾值分別為0.20和0.066.用此建模工具分割閾值制作出水體指數分割圖，設置算法為被水體覆蓋的像素被賦值為1，而未被覆蓋的被設置為成背景，分別得到了武漢市2006年和2013年的水體指數分割圖.

1）監督分類

監督分類是以建立統計識別函數為理論基礎，依據典型樣本訓練方法進行分類的技術.要求訓練區的選擇要具有準確性、代表性和統計性.本文中，用最大似然法對2006年和2013年的影像進行監督分類，分類成水體、植被、城區、其他四類地物.

首先生成監督分類結果圖.先勾選訓練區，對2006年和2013年的武漢市遙感影像圖分別新建一個AOI圖層，依次勾選一定數目的水體、植被、城區和其他的地物的訓練區，并將同類地類群組后各自保存.需要注意的是對2013年的武漢市遙感影像執行操作時需把波段選擇為2-7波段后再處理；再生成圖像特征文件，根據目視估計各地類的先驗概率后將其輸入到特征文件中；然后生成監督分類結果，輸入武漢市2006和2013年的遙感影像及其特征文件，設置參數規則為最大似然法并使用先驗概率生成監督分類結果.最后進行分類精度評估.將監督分類前后的圖像相關聯后生成160個隨機點.對這160個人隨機檢驗點檢驗其類別號，對不正確的進行改正.評估的結果最終生成精度報告，并制作出混淆矩陣，精度評估混淆矩陣如表1、表2所示.

表1 2006年分類精度評估混淆矩陣

表2 2013年分類精度評估混淆矩陣

3.3解譯結果綜合

3.3.1城區

本文中對武漢城區采用了目視解譯和圖像分類兩種方法進行解譯，得到了兩種分布圖，通過比較最終確定目視解譯得到的城區結果更好.目視解譯主要依靠的是人眼的特性及人對武漢城區特征的理解和判斷，由于城區較為復雜，里面往往會摻雜其他的地物，因此人的目視解譯可以較好地判斷城區的范圍.但也存在缺點，由于人具有主觀性，解譯會很大程度上受到解譯者的心理特點的影響.而在監督分類中，由于選取了足夠多數量的先驗樣本，因此能夠較為完全地把影像中的建筑物顯現出來.但同時也帶來了一些問題，由于城區分布范圍不均勻，形狀不規則，內部的地物復雜，因此監督分類會將非城區區域的建筑物和城區內的草地綠化帶和池塘等也顯示出來，使得結果不準確.綜合了以上兩種解譯結果，最終確定城區目視解譯的結果比監督分類的結果要可靠，因此選定城區的目視解譯的結果作為城區解譯的最終結果.

3.3.2水體

本文中對水體運用了歸一化水體指數技術和圖像閾值分割技術、監督分類兩種方法進行解譯，得到了兩種解譯結果.通過對比二者，可以看出由于水體自身的特征較為明顯，與其他地物的區別很大，因此解譯結果的區別不大.但綜合兩種解譯的精度評估數據可以看出監督分類的精度更高.因此，選擇監督分類結果作為最終的水體解譯結果.

3.3.3植被

本文中，我們對植被運用了歸一化植被指數技術和圖像閾值分割技術、監督分類兩種方法進行解譯.對于歸一化植被指數解譯法，正常情況下綠色植被在近紅外波段有一反射陡坡，至1.1μm處有一峰值，在中紅外波段反射率大大下降.而本文中，由于遙感影像沒有進行輻射校正，并且當時大氣中水汽比較充足的可能因素存在，導致植被的光譜曲線在近紅外波段的值偏低，使得影像有些地方模糊失真，分辨率和對比度下降.因此NDVI指數法并不能很好地區分植被與其他地物.而對于監督分類解譯法，此法得到的植被中存在被錯分的可能性，且像元的光譜矢量與其所屬類別的均值向量之間的距離越大，則錯分的可能性越大.綜合了這兩種方法的精度評估數據，最終決定將兩種方法進行綜合，采用邏輯交運算降低誤差.

4　土地利用變化分析

在進行地物分類時，得到的地類分布圖都是二值化后的圖.因此，可以運用差值運算進行地類變化檢測，即將2013年各類地物分布圖像像元值減去2006年對應的地類分布圖的像元值，如果小于0，則表明地物減少；若為0，則地物類型的象元不變；若大于0，則13年較06年的地物增加.

據此，可分別對水體、植被、城區進行變化檢測，已知圖像分辨率為30米，所以可以通過統計減少、不變、增加的像素數量統計出地類減少、不變、增加的面積以及面積比.由此

表3武漢市地類變化統計表

可以得到武漢地區地類變化統計情況表.

分析：通過地類變化統計表可以看出，2013年與2006年相比較，主城區的面積增加了32.52%，呈現了極高的城市化水平，說明在這8年里武漢市的城區擴張非常迅速，城區面積迅速增加；而植被的面積減少了44.96%，說明在城市化進程的過程中植被被砍伐了；而水體的面積減少了9.83%，說明人類對湖泊的侵占圈占在一定程度上增加了.

5　驅動力分析

通過地類變化檢測，我們可以很明顯地看出各個地類變化的趨勢，通過對武漢市近年來發展的趨勢，以及相關政策的了解，對地類變化驅動力有了一定的分析：

（1）2013年相較于2006年武漢市主城區的大面積擴展，是武漢市高水平城市化的結果.通過城區變化檢測的結果圖可以看出城區增加和減少的區域都是在城區邊緣，因此這應該是城區向外擴張的原因，減少的部分城區應該是城區改建的原因.城市化的驅動力有政治、經濟、人文因素的綜合作用.2006到2013年是武漢市乃至全國綜合國力飛速發展的時期，實現了經濟的發展，與此同時城市化進程也加快了.政策上武漢市作為湖北省的省會，起到其他地級市的帶頭拉動作用，因此政府采取措施政策鼓勵武漢市的發展.人文上，武漢市自古以來就是荊楚大地，有著深厚的歷史文化底蘊，因此對于城區建設也受到重視.

（2）植被的面積呈現大幅度減少的趨勢，這與城市化進程有很大關系.我們可以通過土地變化檢測結果圖看出植被的增加主要在主城區外的邊緣部分，因此推測是農田的增加；而植被的減少則在整幅圖上都存在，說明隨著經濟的發展植被覆蓋率降低.植被的變化也有時間的因素，2006年的武漢市遙感影像是在11月份獲取的，而2013年的遙感影像是在6月份獲取的，而6月份的植被比11月的植被要茂盛一些.因此真實情況比此次檢測得到的植被減少量還要多.

（3）水體總體上沒有太大的變化.出現水體減少、增加的區域主要是河流、湖泊兩岸，這可能與季節有關系，11月份的水應該是平水期，而6月份接近豐水期，江里泥沙沉積、夏季降水豐富等因素都會對水的分布范圍有一定的影響.湖泊邊緣出現了水域的減少，這可能是圍湖造田或水量減少萎縮的原因，在城區外圍出現了水域的增加，經過判斷這是水田增加和新建池塘的原因.武漢市位于長江中下游段，在水資源上有地理優勢，但近年來由于對水體的管理不當，導致一些城中湖甚至是長江水質的惡化，因此武漢市應該從這得到些警示，加強對水體質量的改善.

6　結論

通過遙感技術獲取武漢市2006年和2013年的遙感影像，并分析了其土地利用變化情況.武漢市在2006到2013年土地利用變化情況為：主城區的面積增加了165.5km2，水體面積減少了31.15km2，植被面積減少了379km2.該區的土地利用變化的驅動力是受多因素的影響的，而主要因素還是城市擴張、經濟因素、宏觀政策等.在今后的發展過程中，應該更加注意兼顧多方面，走可持續發展之路和和諧之路.

——

參考文獻：

〔1〕張靖，同麗嘎，董建軍，張慶，牛建明，張雪峰.土地利用_覆蓋變化研究方法[J].內蒙古大學學報，2013-5，44（3）.

〔2〕王瑞國.遙感土地利用動態監測變化信息自動提取與實證研究[D].哈爾濱：東北農業大學，2007.

〔3〕王莉，衛海燕，鳳鵬，張寧.基于遙感影像的西安地區土地利用變化分析[J].資源開發與市場，2010（5）.

中圖分類號：F293.2

文獻標識碼：A

文章編號：1673-260X（2015）07-0046-03