基于改進型決策樹遙感分類的土地利用變化研究

馬驪馳，王金亮*，劉廣杰，高文杰

（1.云南師范大學 旅游與地理科學學院，云南 昆明 650500）

基于改進型決策樹遙感分類的土地利用變化研究

馬驪馳1，王金亮1*，劉廣杰1，高文杰1

（1.云南師范大學 旅游與地理科學學院，云南 昆明 650500）

在遙感和GIS技術支持下，以香格里拉建塘鎮為研究區，以2000年、2009年Landsat TM影像為基礎數據，運用光譜特征和地學輔助知識相結合的改進型決策樹分類方法分別對研究區2個年份的基礎數據進行土地利用信息提取和變化分析。研究結果顯示：①基于改進型決策樹遙感分類法與最大似然法相比分類精度有明顯提高；②10 a間，香格里拉建塘鎮城鎮建筑用地、裸地面積呈上升趨勢且變化最大，灌草地面積小幅增加，耕地、林地、水體、雪地冰川呈減少趨勢，土地利用變化速度和綜合程度越來越快。

改進型決策樹；遙感分類技術；土地利用變化；香格里拉縣

隨著3S技術的日新月異，借助遙感方法提取大范圍的土地利用/覆被信息成為研究土地利用變化的主要技術手段。傳統的監督分類方法對訓練樣區選取的要求較高，必須具有典型代表，否則分類結果將與實際情況相去甚遠；而且受“同物異譜”和“異物同譜”現象的影響，傳統監督分類中較容易出現大量錯分、漏分等情況。而現在普遍適用的決策樹法、神經網絡法、模糊法等新方法在土地利用/覆被的分類精度上有較大程度的提高。目前已有許多專家學者將決策樹分類方法廣泛運用到各種遙感影像的信息提取和土地利用分類中，并取得了很大的進展。史澤鵬[1]等運用J48決策樹算法提取土地利用信息；杜麗英[2]對C4.5決策樹法的構建和剪枝進行了闡釋；孫靜雯[3]等運用決策樹法進行土地利用分類并計算出土地利用變化的驅動力因子；王書玉[4]等利用分類回歸樹算法建立決策樹模型，對其分類結果進行了精度評價并證實該方法有利于分類精度的提高。本文以決策樹法為基本方法，將地學知識融入決策樹規則的建立中，對研究區遙感影像進行分類，提高分類精度，以期研究10 a間土地利用變化情況，為當地政府制定可持續發展相關政策提供依據。

1 研究區概況

香格里拉縣地處青藏高原東南緣橫斷山脈三江縱谷區東部，是三江并流區的一部分，屬于迪慶藏族自治州的管轄范圍。東與四川省稻城縣、木里縣和云南省麗江市毗鄰，南與麗江隔江相望，西與德欽縣、維西縣相連，北與四川省德榮縣、鄉城縣接壤[5-6]。全境呈柳葉狀的狹長地帶，是云南省土地面積最大的縣。山地是研究區面積最廣的地貌類型，垂直分異的山地自然景觀顯著。建塘鎮是香格里拉縣州、縣府所在地，是全縣乃至全州政治、經濟、文化中心，是“香格里拉”腹心地，平均海拔3 300 m，最低海拔2 800 m，面積為1 611 km2，四周群山環繞，中間地勢平坦，是農村和城鎮相結合的半農半牧鎮，也是茶馬古道和滇藏公路的必經重鎮。

近年來，隨著社會經濟特別是旅游業的快速發展，以及天然林保護工程和退耕還林工程的實施，研究區土地利用/土地覆蓋發生了劇烈變化，引起生態要素的變化，通過遙感技術方法開展土地利用/土地覆蓋變化研究，具有重要意義。

2 研究方法

2.1 數據選擇與預處理

在綜合考慮研究區的季節性、數據源的可使用性和研究目的后，使用的數據為2000年12月和2010年11月Landsat5TM數據、SRTM DEM數據以及香格里拉縣建塘鎮行政邊界矢量圖。數據處理平臺為ENVI4.8和ArcGIS10.1。

為了消除遙感影像受地球曲率、大氣折射等影響而產生的幾何變形和受地形因子、大氣衰減等影響而產生的輻射變形，需對研究區圖像進行幾何精校正、輻射校正以及拼接裁剪等預處理。在確定研究區分類系統的基礎上，利用TM影像光譜特征和地學輔助知識建立土地分類規則，對影像進行土地利用分類，并將其分類結果與最大似然法分類結果進行精度比較。

2.2 分類系統的建立

建立研究區分類系統是土地利用變化研究的基礎工作。在野外調查的基礎上，綜合考慮研究目的、研究區整體景觀格局以及分類系統的相對完整性，并參照2007年8月頒布的《土地利用現狀》國家標準[7]，將研究區土地利用類型分為耕地、林地、灌草地、城鎮建設用地、水體、冰川雪地以及裸地7類。

2.3 決策樹分類規則的建立

2.3.1 決策樹LUCC信息提取原理

決策樹屬于無參數分類方法，是多層次識別系統的一種組織形式。它并不是使用一種算法、一個決策規則去把多個類別一次性分開，而是采用分級的形式，將復雜的多分類問題轉化為一個個簡單的分類問題而逐步解決[8]。

本文決策樹分類是根據影像地物類別的光譜特征、NDVI值和比值型指數，參照DEM和坡度值所提取的地學輔助信息尋找一類地物不同于另一類地物的典型特征，構造二叉樹分類系統，對研究區土地利用類型進行分類，尋求比傳統監督分類方法更高的分類精度。

2.3.2 NDVI指數分類規則

NDVI是反映地表植被覆蓋情況的遙感指標之一，取值在-1～1之間，主要用于檢測植被生長狀態、植被覆蓋度以及土地覆被等方面的研究，其公式為：

（NIR-R）/（NIR+R）

式中，NIR表示近紅外波段；R表示紅光波段。在TM影像中近紅外波段即TM4波段，而紅光波段即TM3波段。

在實際分類中，以NDVI指數為0來確定的巖石、裸土類地物的判別不準確，因此本文NDVI指數僅用來區分植被與非植被。反復設定NDVI的閾值，并把所得的植被覆蓋情況與研究區土地利用圖、野外考察樣點等進行對比，尋找最接近實際情況的NDVI值作為區分植被與非植被的條件，最終選取NDVI＞0.4作為判別植被與非植被的條件。

2.3.3 光譜特征分類規則

根據研究區確立的分類系統，分別選擇一定數量的7種土地利用類型的ROI，測定各波段光譜的最大值、最小值、均值和均方差，獲取不同土地利用類型之間的光譜差異信息，從而得到不同土地利用類型的提取條件[9]。經測定比較發現，TM影像的7波段中以2、3、4、5、7波段所包含的信息量最為豐富，選取這5個波段對光譜信息進行統計分析。由于涉及到2期影像，因此在提取光譜信息時采用取均值的方法，以便獲取的信息更準確，經整理得到表1，由此繪出圖1。

表1 地類樣點亮度值統計表

圖1 典型地物波譜圖

對各類地物的DN值進行統計分析后發現，各類土地利用類型的亮度值存在以下特點：耕地：TM5＞TM3＞TM7＞TM4＞TM2；林地：TM4＞TM5＞ TM2＞TM3＞TM7；灌草地：TM5＞TM7＞TM4＞TM3＞TM2；水體：TM2＞TM3＞TM4＞TM5＞TM7；裸地：TM5＞TM3＞TM7＞TM4＞TM2；冰川：TM3＞TM2＞TM4＞TM5＞TM7和城鎮建設用地：TM3＞TM5＞TM2＞TM7＞TM4。根據7種地物類型的光譜亮度值的大小順序，可選取一些條件作為確定某類地物的決策規則閾值。將灰度值TM4＞TM5的區域提取出來，可作為區分林地與耕地和灌草地的決策條件。

2.3.4 比值型指數分類規則

在研究中有學者發現，水體、居民地具有（TM2+TM3）＞（TM4+TM5）的規律，但它們比值的差異卻比較大[10]，根據表2選取的各類地物的訓練樣區，分別計算它們的比值型指數并進行統計分析。

從表2可知，水體比值型指數（RWI）遠高于其他地類，可利用（TM2+TM3）/（TM4+TM5）≥2作為提取水體的決策條件，此外，還發現冰雪比值型指數（RISI）也相對較高，因此將1＜（TM2+TM3）/（TM4+TM5）＜2作為提取冰川雪地的決策條件。

表2 地類樣點比值型指數統計表

2.3.5 地學輔助知識分類規則

DEM數據能很直觀地反映地表起伏的輪廓形態，不同土地利用類型在空間分布上也隨海拔和坡度的變化而有所不同。把研究區DEM數據疊加到遙感影像中可以發現一些基本分布規律。耕地、城鎮建設用地、水體一般分布在海拔相對較低、坡度和緩的區域；而冰川雪地、裸地則一般分布在海拔較高、略有緩坡的區域；林地和灌草地則在整個研究區內呈大面積分布趨勢。因此，在決策樹分類過程中加入地學輔助信息，對提高影像分類精度具有重要意義。在本研究中，依據研究區景觀格局特征，采用了高程和坡度2種地學信息參與決策樹分類。

表3 高程、坡度分級標準

表4 土地利用類型與高程關系

表5 土地利用類型與坡度關系

將研究區2000年和2009年土地利用類型圖、高程圖以及坡度圖進行空間疊加分析，并結合香格里拉野外實地調查采樣點[11]，綜合考慮研究區土地利用類型空間分布特征后，將研究區按高程和坡度進行分級（表3），按不同地類的空間分布特點在決策樹分類時加入地學知識以輔助分類。在ArcGIS中對研究區土地利用現狀圖與高程圖、坡度圖分別進行空間相交分析以及頻數統計，得到土地利用類型與高程和坡度的關系表（表4、5），尋找土地利用類型空間分布特點，參與到分類中。

耕地主要集中在高程≤3 600 m范圍內，這是因為研究區具有較特殊的景觀格局，平均海拔較高，而耕地則需要較好的水熱條件，海拔越高水熱條件越差，因而耕地分布帶海拔相對較低，主要在研究區的城鎮邊緣地帶。另一方面，坡度因子對耕地的分布有較大的影響，陡坡不適宜發展種植業，從表5也可以看出耕地均分布在坡度≤25°范圍內，因此高程≤3 600 m且坡度≤25°可作為建塘鎮耕地的決策樹閾值。城鎮建設用地均分布在高程≤3 900 m且坡度≤25°范圍內，海拔較低且坡度平緩的區域適宜生產發展和人類居住，因此該條件可作為城鎮建設用地的決策樹閾值。此外，水體只分布在海拔≤3 900 m且坡度≤25°的區域，而冰川雪地則僅分布在海拔≥3 900 m的區域，以上條件均可作為參與分類的地學輔助知識。

本文通過分析典型地物光譜特征、NDVI值、比值型指數以及高程、坡度等地學信息，找到不同地物類型的決策樹閾值，然后用構建的分類器進行遙感分類，從而得到分類結果（圖2）。

圖2 改進型決策樹遙感分類技術流程圖

3 精度評價

在野外實地考察資料的基礎上，以2009年遙感影像為基本數據，選取300個真實地物采樣點，分別對改進型決策樹和最大似然法進行分類精度評價，發現基于改進型決策樹遙感分類結果在分類精度上遠優于最大似然法（表6）。因此本文采用改進型決策樹遙感分類結果對香格里拉縣建塘鎮2000年和2009年遙感影像進行分類并對10 a間土地利用變化進行探討和分析。

表6 分類精度評價表

4 土地利用變化分析

運用改進型決策樹遙感分類方法分別對研究區2000年和2009年土地利用類型進行分類，分類結果如圖3、4所示。在ArcGIS里對各類地物進行面積統計，并計算各類地物變化幅度，探討香格里拉建塘鎮2000～2009年土地利用變化情況（表7）。

2000～2009年間，香格里拉建塘鎮土地利用變化趨勢大致表現為：耕地、林地、水體、冰川雪地面積呈減少趨勢，而灌草地、城鎮建設用地和裸地面積則呈大幅上升趨勢，城市化進程加快，土地利用變化程度和綜合程度越來越快。水體與冰川雪地減少幅度最大，均超過了50%。10 a間，城鎮規模的擴大、土地利用方式和人類生活方式的改變等，都對生態環境產生了極大的負面影響，造成了氣候變暖、水土流失等一系列嚴重的后果，表現在年降雪量日益減少，雪線隨海拔不斷升高，終年積雪帶面積日漸縮小，高原湖泊面積不斷減小，濕地沼澤日漸干涸等方面。耕地面積減少了10.92%，其原因大致可歸納為2點：耕作業機械化水平的顯著改進，使耕作效率明顯提高，節省了土地空間資源；人類不合理的生產方式導致土地生產力下降、土壤結構以及養分的破壞導致土地資源可利用周期縮短，一部分耕地變得不適宜農作物生長，轉而投入其他用途的使用，從而造成耕地面積減少。林地面積小幅減少，主要原因是人類生產生活對森林植被造成了一定程度的破壞。隨著城鎮化的發展，建塘鎮城鎮建設用地面積大幅增加，增長率為122.92%。土地利用類型日益多樣化，在土地利用程度越來越大的情況下，伴隨而來的是低下的土地利用效率，不顧長遠發展的土地利用方式導致土地嚴重退化，一部分耕地、灌草地、林地等轉化為不可利用土地，因此裸地面積大幅度增加，高達88.88%。部分林地和水體沼澤植被退化，覆蓋度降低，這也是灌草地面積小幅增加的原因之一。

圖3 2000年建塘鎮土地利用類型圖

圖4 2009年建塘鎮土地利用類型圖

表7 2000～2009年土地利用變化表

5 結 語

地學輔助信息參與決策樹分類的方法對分類精度的提高有顯著的改善作用，通過改進型決策樹分類方法可得出以下結論：香格里拉建塘鎮在2000～2009年10 a間，城鎮建設用地、裸地面積呈上升趨勢且變化最大，灌草地面積小幅增加，耕地、林地、水體、冰川雪地呈減少趨勢，尤其是水體和冰川雪地減少幅度較大，土地利用變化速度和綜合程度越來越快。

為了實現當地經濟建設和生態環境的可持續發展，必須由粗放型的生產方式轉變為節約型、可持續發展的生產方式，合理利用土地資源，適當控制城鎮化規模，嚴保耕地紅線，相關部門應該制定符合可持續發展戰略的政策，大力防治水土流失，加大不可利用地的治理力度，確保當地經濟與環境建設協調發展。

[1] 史澤鵬,馬中文,馬友華,等.基于J48決策樹算法的遙感土地利用變化分析[J].遙感信息,2014,29(1):78-84

[2] 杜麗英.基于決策樹的C4.5算法[J].輕工科技,2013(10):59-60

[3] 孫靜雯,王紅旗,張欣,等.基于決策樹分類的根河市土地利用變化及驅動力分析[J].中國人口·資源與環境,2014,24(3):449-452

[4] 王玉書,于振華,于丹丹.基于決策樹方法的遙感影像分類[J].哈爾濱師范大學自然科學學報,2014,30(2):61-64

[5] WANG Jinliang, JIANG Lianfang, LI Ruilin. Land-use Change and Its Driving Forces of “Three Parallel Rivers” in Northwest Yunnan Province[J]. Yunnan Geographic Environment Research,2005,17(1):5-12

[6] 韓文萍,王金亮,可華明,等.基于GIS的遙感影像土地利用/土地覆蓋信息提取研究:以滇西北香格里拉縣為例[J].云南地理環境研究,2007,19(2):98-102

[7] GB/T 21010-2007.土地利用現狀分類[S].

[8] 陳民,王寧,段國賓,等.基于決策樹理論的土地利用分類[J].測繪與空間地理信息,2014,37(1):69-72

[9] 領梅,安慧君,賀曉輝,等.基于決策樹的涼城縣土地利用分類研究[J].內蒙古農業大學學報(自然科學版),2013,34(6):43-48

[10] 曾維軍,侯明明,楊偉.一種改進的決策樹分類方法在土地利用信息提取中的應用[J].貴州大學學報(自然科學版),2013,30(6):39-46

[11] 可華明,王金亮,韓文萍,等.香格里拉縣土地利用/土地覆蓋變化與趨勢預測研究[J].云南地理環境研究,2006, 18(6):11-15

P237

B

1672-4623（2016）07-0012-05

10.3969/j.issn.1672-4623.2016.07.004

馬驪馳，碩士研究生，研究方向為資源環境信息系統。

2015-06-03。

項目來源：國家自然科學基金資助項目（41271230、40861009）。（*為通訊作者）