利用Landsat 5 TM數據對南京土地覆蓋分類的研究

王斌飛，敖 雪，翟晴飛，蔣璐路

(1.盤錦市氣象局，遼寧盤錦 124010；2.沈陽區域氣候中心，遼寧沈陽 110016；3.遼寧省人工影響天氣辦公室，遼寧沈陽 110166；4.寧波市氣象局，浙江寧波 315012)

?

利用Landsat 5 TM數據對南京土地覆蓋分類的研究

王斌飛，敖 雪2*，翟晴飛3，蔣璐路4

(1.盤錦市氣象局，遼寧盤錦 124010；2.沈陽區域氣候中心，遼寧沈陽 110016；3.遼寧省人工影響天氣辦公室，遼寧沈陽 110166；4.寧波市氣象局，浙江寧波 315012)

為了更好地研究南京市人類活動與生態環境的相互作用，利用1988年7月5日和2006年5月4日兩個時相的Landsat 5 TM遙感數據，基于ENVI軟件平臺，用相對配準校正方法將1988年的影像校正到2006年的影像水平上，對兩期影像分別做最大似然分類，提取土地覆蓋變化信息，并輔以地面調查，對其城鎮變化進行動態監測并分析其擴展的原因。結果表明：1988～2006年南京市城鎮面積增長的速度很快，城鎮動態擴展表現為近郊城市化、遠郊近郊化和農村郊區化；新增城鎮用地主要是對耕地的侵占和對鄉村用地的合并，并且擠壓山體、林地和水體。與常規的地面測量與調查相比，利用Landsat 5 TM數據進行土地覆蓋研究不僅縮短了研究周期，而且提高了精度。

土地覆蓋；遙感；變化監測；城鎮擴展

自然營造物和人工建筑物所覆蓋的地表諸要素的綜合體被稱為土地覆蓋，是隨著遙感技術發展而出現的一個新概念，包括土壤、湖泊、濕地、沼澤、地表植被及建筑物和道路等，具有特定的時間和空間屬性。土地覆蓋常受到氣候、土壤、地理地質環境和景觀格局的影響，但隨著人口的增長和城市化的加快，人類活動變成了影響土地覆蓋的主導因子。應用遙感技術可以客觀準確地動態監測土地覆蓋變化，并能從不同尺度上分析人類活動對土地覆蓋的影響，從而研究人與自然的相互作用[1-6]。

利用遙感技術對土地覆蓋的監測，實際上就是對不同時間段的遙感影像數據進行信息提取，準確快速地監測得到各時相的土地覆蓋情況及變化信息[7]。筆者以覆蓋南京地區的30 m分辨率的Landsat 5 TM衛星數據為主要數據源，對南京地區1988～2006年的土地覆蓋變化情況進行研究。2幅影像的成像時間都在夏季，此時植被生長旺盛，有利于增加城市與各種不同地物之間在影像上的對比度。研究結果可為人地關系的分析提供依據，并為南京地區的可持續發展提供重要的輔助決策信息。

1 數據來源及處理方法

1.1 研究區概況

研究區域為南京地區，其地理坐標范圍為118°22′～ 119°14′ E、31°14′～ 32°37′ N，位于長江三角洲地區，全區總面積6 600 km2，其中市區面積4 844 km2，建成區面積752.83 km2，現轄11個區2個縣。南京四周低山盤曲，山環水繞，自然風貌獨特，水面占全市面積11.4%，水資源極為豐富，低山丘陵占全市面積64.5%，是華東低山丘陵集中的主要區域之一[8-9]。如圖1所示，長江斜穿整幅圖像，將南京地區大體分為3大部分：圖像下方為南京主城區和江寧區，上方主要為八卦洲和六合區，左側部分為浦口區。自改革開放以來，南京已成為我國經濟發展速度最快、最具發展潛力的城市之一。在經濟發展的同時，人類活動對自然環境產生了很大影響，該地區土地覆蓋變化顯著，尤以城市擴展為主。因此，該研究選擇該區域作為研究對象，對南京地區土地覆蓋分類和變化進行研究。

1.2 數據和方法說明

該研究主要采用的遙感數據為Landsat 5 TM(Thematic Mapper專題制圖儀)衛星遙感數據。Landsat是美國國家航空和航天局發射的用來獲取地球表面圖像的一種遙感平臺，以觀察陸地環境和資源為主。Landsat 5于1984年3月1日升空，裝載了MSS(Mulri Spectral Scanner多光譜掃描儀)傳感器和TM傳感器，為太陽同步地球資源衛星，軌道高度705 km，運轉傾斜角98.22°，由北向南越過赤道，繞地球一圈周期約98.9 min，每天繞行約14圈，每16天掃描同一地區，全球共有233個軌道。TM傳感器包括7個波段，波段1～3為可見光波段，波段4、5、7 為紅外波段，波段6為熱紅外波段[10-11]。該研究采用了1988年7月5日和2006年5月4日的2組Landsat 5 TM 衛星數據。

遙感圖像計算機分類分為監督分類和非監督分類2種，該研究采用監督分類和最大似然分類法對圖像進行分類[12-13]。

1.3 工作流程

該研究配準校正2個時相的數據影像，進行最大似然分類，得到土地覆蓋分類圖，再利用分類圖提取城鎮信息，進行變化檢測，土地覆蓋變化信息提取流程見圖2。其中，圖像處理是在遙感圖像專業軟件ENVI(The Environment for Visualizing Images)中進行的。

1.4 數據預處理

進行多時相動態變化監測時，需要各時相數據在空間上的良好匹配。因此，在進行土地覆蓋分類之前，先對數據進行配準精校正。

該研究以2006年的Landsat 5 TM數據為基準圖像，對1988年的Landsat 5 TM數據進行幾何配準校正。試驗中選取了30個控制點，控制點選取的是易分辨且較精細的特征點，均勻地分布在整幅圖像上，這使得目視辨別比較容易。在道路交叉點、湖泊邊緣、海岸線彎曲處、河流彎曲或分叉處、城廓邊緣等特征變化較大的地區多選一些控制點[14]。為了防止外推，在圖像邊緣部分也進行了控制點的選取。配準誤差RMS為0.482 137，控制在0.5個像元之內，滿足研究的要求。

控制點選取之后要選擇重采樣的方法。試驗中分別對最近鄰法、雙向線性內插法和三次卷積內插法進行嘗試。最近鄰法處理后的圖像亮度具有不連續性，精確度不高；三次卷積內插法計算量大，速度慢，對控制點的選取要求很高[15]；而雙線性內插法計算量和精度適中，因此最終選取該方法作為重采樣的方法。選定重采樣方法之后，通過軟件實現對圖像的配準，由于2幅圖像的區域范圍大小不同，利用ENVI將它們裁切到同樣的大小(2 000×2 000)，包含的區域范圍也相同，以便分類。對比作為基準圖像的2006年TM圖像(圖3a)和經過相對配準的1988年TM圖像(圖3b)可以看出，較亮的區域為城鎮，城鎮沿著長江分布，2006年較1988年明顯增多，水體分布也清晰可見。

2 結果與分析

2.1 土地覆蓋分類2.1.1

分類體系。土地覆蓋分類體系應綜合考慮調查比例尺的大小、精度、遙感資料可辨性、區域特點、實用性和系統性[16]。基于對研究區概況的了解，針對研究區域的自然地理特性，根據所選遙感數據的判讀分析以及試驗研究的目的，對2個時相的遙感影像進行目視判讀，確定南京地區內大致可以分為5類地物，分別是水體、林地、城鎮、農田和裸土。

2.1.2 訓練區的選擇。監督分類的關鍵在于訓練區的選取，訓練區的選擇是否準確對分類精度有著較大的影響[17]。訓練區中包括研究范圍內所有要區分的類別，通過它可獲得需要分類的地物類型的特征光譜數據，由此可建立判別函數，作為計算機自動分類的依據。訓練區的選擇具有典型性和代表性，要求所含的類型與研究區域所要區分的類別一致。要選取均質樣本，就應在各類地物面積較大的中心部分選擇，而不在各類地物混交地區和類別的邊緣選取，以保證數據具有典型性；使用的圖件要求時間和空間的一致性，從而能進行準確的分類。在實際的樣區選取操作中，經過多次選取和分類，發現盡可能多選類別，同時各類別地物訓練區選得越多，效果越好，可以減少分類誤差。如在選取水體的感興趣區時，不僅要在長江上選取，還要在玄武湖等湖水中選取。

由于缺乏相應區域的地面實際樣本，為最大程度地保持樣本的代表性，以遙感影像目視解譯為主，將已配準校正的衛星圖像顯示在系統監視器上，用光標在顯示圖像上勾出相應訓練區的范圍，然后由系統自動地分別確定每類訓練樣本的正態分布統計量。經過上面的步驟得到最終的樣區及樣點數見表1和表2。

2.1.3 分類過程。選取訓練區后，利用最大似然分類法進行監督分類，然后對分類結果進行初步分析，發現總體上而言比較理想，集中類別的地物類型特征比較明顯。

表1 2006年各類別樣區及樣點數

表2 1988年各類別樣區及樣點數

遙感監督分類的同時會產生一些面積很小的圖斑，Muchoney等[8]在對中美洲地區進行植被與土地覆蓋類制圖研究中提到利用低通濾波來去除孤立像元，可使其分類精度提高2%。該研究利用3×3窗口對分類結果進行低通濾波處理，合并非常破碎的細小地塊。在分類結果圖的基礎上添加圖名、圖例和比例尺等要素，制作成專題圖(圖4)。

2.1.4 精度評價。對遙感影像進行專題分類后需要進行分類精度評價，該研究利用混淆矩陣進行精度評價，混淆矩陣定義參見文獻[19]。由于土地覆蓋范圍廣，實地調查成本高，并且低像元分辨率使得混合像元現象比較突出，給點樣本到粗分辨率像元的尺度轉換帶來較大的不確定性，而使得宏觀土地覆蓋分類的精度驗證變成一個棘手的問題[20]。基于以上考慮，利用ENVI軟件得到一組用來做精度評價的數據，通過這組數據統計得到混淆矩陣(表3、4)。

表3 2006年分類混淆矩陣

注：總體精度為(72 671+137 184+184 907+92 263+1 143)/509 485= 95.615 8%；Kappa系數= 0.939 2。

表4 1988年分類混淆矩陣

注：總體精度為(2 922+4 078+3 519+3 207+1 335)/15 970= 94.3081%；Kappa系數= 0.927 0。

該研究通過混淆矩陣分析得到樣本區2006年總體分類精度為95.615 8%，Kappa系數為0.939 2，1988年總體分類精度為94.308 1%，Kappa系數為0.927 0。其中被正確分類的像元沿著混淆矩陣的對角線分布，它顯示出被分類到正確地表真實分類的像元數，和總像元數進行對比得到各類別精度。顯然，對于分辨率30 m的TM影像來說，這一分類精度已達到使用要求。從混淆矩陣中可以看出，分類誤差主要集中在林地、農田和裸地之間，由于林地和農田特征比較接近，而農田和裸地分布混雜，故區分精度不高，由于錯分代價比較低，對于土地覆蓋產品的用途而言影響不是很大。

2.2 南京城鎮擴展分析

基于2006、1988年2個時相的土地覆蓋分類圖提取2個時相南京的城鎮信息，結果見圖5。

根據圖5中2個時相的城鎮覆蓋信息做城鎮變化檢測，得到1988～2006年南京地區城鎮覆蓋變化(圖6)。

對圖4中南京地區土地覆蓋分類進行統計，得到該地區各類土地覆蓋類型的面積和比重。從統計結果來看，1988年研究區農田的比重最大，為68.9%，其次是城鎮建筑，為9.3%，城鎮主要集中分布在下關區、鼓樓區、玄武區、建鄴區等主城區，在八卦洲上方六合區和左側的浦口區有零星分布，這與南京1988年城鎮規劃記載相符。水體占7.92%，林地占7.26%，裸地占6.62%，對比2006年數據可以發現，1988～2006年南京水體和林地變化不大，裸地和農田明顯減少，城鎮增加顯著達到31.82%，1988年原有城鎮面積216.05 km2，到2006年城鎮面積增長了489.10 km2，達到705.15 km2，平均每年增加25.74 km2，擴展面積已超過原有城鎮面積的2倍。從圖6可以看出，從1988年開始，城鎮由主城區逐步向浦口區、六合區、江寧區、棲霞區拓展，拓展速度和規模都較大，近年來大部分學校遷往郊區，如今江寧、仙林、浦口已成為3座大學城，江北大廠工業區的新建，如揚子石化、南京化工園、南化公司、南鋼集團、華能電廠、南京熱電廠等一大批大型石油化工、鋼鐵、電力等基礎和加工工業企業拔地而起，導致南京土地緊張。從城市發展空間考慮，南京的城鎮動態擴展將表現為近郊城市化、遠郊近郊化和農村郊區化。

城鎮面積增長的速度很快，快速發展的工業化與城市化推動城鎮用地加速增長。新增城鎮用地主要是對耕地的侵占和對鄉村用地的合并，并且擠壓山體、林地和水體。長江北岸一帶發展迅速，建成了許多新的城區，長江南岸，由于沿江地區經濟貿易、工業等比較發達，故主城區沿長江向東西方向擴展，在主城的南邊也建立了新城區，主城的東邊由于大學城的影響，也有新城建成。

3 結論與討論

該研究以1988和2006年2個時相的30 m分辨率的Landsat 5 TM 遙感影像為主要數據，運用ENVI 軟件進行南京地區土地覆蓋分類和城鎮動態拓展變化的研究，與常規的地面測量與調查相比，不僅縮短了研究周期，而且提高了精度。

在研究中，采用相對配準校正的方法將2個時相的圖像配準并裁切到同樣大小范圍，然后根據TM遙感影像，確定了5種地物構成的分類系統，既能夠較好地反映研究區的地表信息，又具有較強的分類可行性。在圖像上對各種土地覆蓋類型的訓練區進行選取，運用最大似然法對數據進行初步分類后，對圖像進行平滑修正，得到最終的1988和2006年2個年份的分類專題圖，采用混淆矩陣進行了精度評價，分類精度較高。再以城鎮為例分析南京城鎮覆蓋的變化情況，得出城鎮的變化主要是由于人類活動的影響造成的，并且城鎮的實際發展也跟1988～2006年土地覆蓋變化一致，隨著城市的發展，不斷地向郊區和農村擴張。

分類結果表明，基于Landsat 5 TM遙感影像的土地覆蓋分類方法和技術在實踐中是切實可行的，使用30 m分辨率的TM數據結合ENVI軟件，能夠實現較小尺度的土地覆蓋分類，在類別識別精度、空間精度方面都具有明顯的優越性，能夠更好地描述南京地區的土地覆蓋信息，使得城鎮的宏觀動態監測變成可能，可以為城市發展與規劃提供決策信息，具有一定的應用價值。

[1] 趙英時.遙感應用分析原理與方法[M].北京：科學出版社，2003：337-345.

[2] 楊立民，朱智良.全球及區域尺度土地覆蓋土地利用遙感研究的現狀和展望[J].自然資源學報，1999，14(4)：340-344.

[3] 汪權方，李家永，陳百明.基于地表覆蓋物光譜特征的土地覆被分類系統：以鄱陽湖流域為例[J].地理學報，2006，61(4)：359-368.

[4] 何春陽，史培軍，陳晉，等.北京地區土地利用/覆蓋變化研究[J].地理研究，2001，20(6)：679-688.

[5] SELLERS P J，DICKINSON R E，RANDALL D A，et al.Modeling the exchanges of energy，water，and carbon between thecontinents and the atmosphere[J].Science，1997，275(5299)：502-509.

[6] 柳海鷹，高吉喜，李政海.土地覆蓋及土地利用遙感研究進展[J].國土資源遙感，2006，22(5)：7-12.

[7] DEFRIES R S，TOWNSHED J G R.NDVI derived land cover classification at a globe scale[J].International journal of remote sensing，1994，15(17)：3567-3586.

[8] 王卷樂，賈文臣.基于ISO元數據擴展模型的土地覆蓋遙感分類體系框架研究[J].地球信息科學，2008，10(6)：781-786.

[9] 馬紅云，宋潔，郭品文，等.基于MODIS數據的土地覆蓋資料對長三角城市群區域夏季高溫模擬的影響評估[J].氣象科學，2011，31(4)：460-465.

[10] 呂建樹，吳泉源，張祖陸，等.基于RS和GIS的濟寧市土地利用變化及生態安全研究[J].地理科學，2012，32(8)：928-935.

[11] 黃娟琴.杭州市區濕地資源遙感調查與監測研究[D].杭州：浙江大學，2005：25-27.

[12] 劉勇洪.基于MODIS數據的中國區域土地覆蓋分類研究[D].北京：中國科學院遙感應用研究所，2005：212-217.

[13] 湯國安，張友順，劉詠梅，等.遙感數字圖像處理[M].北京：科學出版社，2004：193-198.

[14] 席武俊.基于RS與GIS技術的縣域土地利用/土地覆蓋變化研究方法與實踐[D].昆明：云南師范大學，2005：21-22.

[15] MATTHEWS E.Global vegetation and land use：New high resolution data bases for limited studies[J].Journal of climatologyand applied meteorology，1983，22(3)：474-487.

[16] 劉勇洪，牛錚，徐永明，等.基于MODIS數據設計的中國土地覆蓋分類系統與應用研究[J].農業工程學報，2006，22(5)：99-104.

[17] 趙梓健.基于MODIS數據的信息提取及主要土地覆蓋變化研究：以川西地區為例[D].成都：電子科技大學，2010：1-2.

[18] MUCHONEY D，BORAK J，CHI H，et al.Application of the MODIS global supervised classification model to vegetation and land cover mapping of Central America[J].International journal of remote sensing，2000，21(6/7)：1115-1138.

[19] 邊疆.綿陽市景觀格局動態變化與預測分析[D].南京：南京林業大學，2012：36-37.

[20] 徐永明，劉勇洪，魏鳴，等.基于MODIS數據的長江三角洲地區土地覆蓋分類[J].地理學報，2007，62(6)：640-647.

Research on the Use of Landsat 5 TM Data to Classify Land Cover in Nanjing

WANG Bin-fei1，Ao Xue2*，ZHAI Qing-fei3et al

(1.Panjin Meteorological Bureau，Panjin，Liaoning 124000；2.Shenyang Regional Climate Center of Liaoning, Shenyang, Liaoning 110016；3.Liaoning Weather Modification Office, Shenyang, Liaoning 110016)

In order to better study the interaction of human activities and ecological environment in Nanjing, we used two remote sensing data on July 5th,1988 and May 4th,2006. We calibrate the image 1988 with respect to the image 2006 by the ENVI, do Maximum Likelihood Classification to both images and extracte land cover change information.supplemented by ground surveys. Its dynamic monitoring of urban change and analysis of the reasons for its expansion. The results showed that the urban area of nanjing increased fast from 1988 to 2006, urban dynamic extension of suburban urbanization and suburbanization and rural remote exurbs suburbanization.The new urban area was mainly the cultivated land occupation and the rural land consolidation, and extrusion mountain, forest land and water.Compared with the conventional ground survey and investigation, the use of Landsat 5 TM data for land cover study is not only shorten the cycle, but also improved the precision.

Land cover；Remote sensing；Change detection；Urban expansio

王斌飛(1982- )，男，遼寧盤錦人，工程師，從事雷電防御研究。*通訊作者，助理工程師，從事氣候變化和遙感研究。

2015-11-25

S 127

A

0517-6611(2015)35-353-04