基于遙感影像的土地利用特征提取與城鄉梯度差異分析
——以河北省涿州市為例

湯懷志 湯 敏 關明文 張美聰 王子彤

(1. 中國農業大學 土地科學與技術學院，北京 100193；2. 北京佰信藍圖科技有限公司，北京 102208；3. 運城學院 經濟管理系，山西 運城 044099)

自20世紀90年代以來，遙感影像在自然資源調查監測、國土空間規劃等領域中的應用日益廣泛[1]。運用遙感技術快速獲取地表覆被狀況，可為自然資源管理和科學決策提供數據基礎[1-2]，不同衛星影像、不同分類方法、不同研究手段針對不同研究區域的土地利用分類一直是遙感領域的研究熱點[2-4]，并在技術手段上趨于成熟[5]。其中：在數據來源方面，Sentinel影像數據由于時空分辨率高、可以免費獲取等原因，在土地利用分類[6-8]、耕地[9]、綠地[10]、園地[11]、農作物信息提取[12]等方面快速發展；在研究方法方面，以面向對象為基本理念的基于對象特征的分類方法逐步成熟[5-6,11,13]，決策樹分類[12-14]、模糊函數[2-3,15]等方法得到普遍應用，不斷提高了土地利用分類精度。通過土地利用分類能體現出不同土地利用方式和結構差異。已有研究表明城市土地利用和鄉村土地利用具有明顯的空間格局差異和不同的空間集聚特征，城鄉過渡帶、城市邊緣區等因土地利用快速變化、人地關系更為復雜而成為城鄉統籌研究的重點方向[16]。通過城市中心到鄉村腹地的梯度帶或圈層的土地利用差異分析，能夠更好反映區位條件、人類活動與土地利用系統的動態交互關系[17]，但現有研究主要采用以行政區劃或區域為對象、以土地利用調查和經濟社會統計資料為數據基礎的比較分析，在數據的現勢性和空間單元的精細化程度方面均不足以反映城鄉土地利用變化復雜性。為實現精細刻畫城鄉過渡帶范圍及其土地利用特征的研究目的，本研究利用遙感影像現勢性強、覆蓋面廣的特點，選取京津冀協同發展國家戰略區域范圍內的河北省涿州市為研究對象，采用面向對象的遙感影像模糊決策樹分類方法，以期獲取涿州市城鄉梯度下的土地利用結構性變化和集聚特征變化特征，為涿州市自然資源管理決策和國土空間優化提供決策建議和基礎依據。

1 研究區概況

河北省涿州市位于華北平原西北部、北京市西南部，地處京津冀城市群核心地帶，經緯度范圍為東經115°44′～116°15′、北緯39°21′～39°36′。全市總面積742.5 km2，城區面積約為31.0 km2，全市戶籍總人口70.15萬人。

涿州市地質結構屬太行山山洪沖擊扇，地形平整，土質肥沃，具有豐厚的自然資源，地勢由西北向東南傾斜，海拔20～70 m，整體變化較小，十分有利于農業生產。境內共有6 條河流，分別屬于海河流域的大慶水系和永定水系，但除了降雨異常的年份外，河流常年沒有水。

根據2014年度土地利用變更調查數據，全市土地總面積75 129.55 hm2，其中農用地53 046.30 hm2，占土地總面積的70.61%；建設用地18 616.91 hm2，占土地總面積的24.78%；其他土地3 466.34 hm2，占土地總面積的4.61%。

2 材料與方法

2.1 數據來源

由于涿州市土地利用類型以農用地為主，耕作制度為1年2熟，主要種植夏玉米和冬小麥。每年冬小麥播種時間為10月左右，6月中旬成熟后收割；夏玉米播種時間為6月底，10月前收割。為較好的區分耕地、林地與草地等遙感影像解譯中容易混淆的土地利用類型并盡可能保證數據的現勢性，本研究時相選擇在作物生長發育時期，同時與林地、草地具有較為明顯的差異，最終選定衛星影像獲取時間為2019年7月22日。

衛星影像數據采用Sentinel-2數據，使用該數據的主要原因是與同系列光學影像衛星數據及其他公開遙感影響數據相比，Sentinel-2衛星數據波段較多，空間和時間分辨均較高，常用的紅色、藍色、綠色及近紅外波段的分辨率達到10 m，同一區域的影像能夠實現5 d一景，能夠提供較好的時空分辨率影像數據，同時Sentinel-2 號衛星影響數據可以免費獲取(表1)。

本研究從歐洲航天局網站(https:∥scihub.copernicus.eu/)下載L2A 級別數據，已經經過了輻射定標和大氣校正處理。由于Sentinel-2 衛星影像是光學影像，所以不能避免云的影響，選擇了云層覆蓋度<5%的數據以盡可能避免云層對數據質量的影響，同時對云層覆蓋區域采用相近時期的參考影像進行補充和替換，以保證結果的連續性[18-19]。

其他數據還包括涿州市行政區劃數據、土地利用變更調查資料以及Google earth 衛星地圖等。

表1 Sentinel-2 MSI數據的波段說明Table 1 Band descriptions of Sentinel-2 MSI data

2.2 數據預處理及使用工具

為獲取高質量的影像底圖，采用衛星圖像處理系統SNAP軟件對下載的Sentinel-2 影像數據進行預處理，具體流程如下：選取藍色波段(Band 2-Blue)、綠色波段(Band 3-Green)、紅色波段(Band 4-Red)、近紅外波段(Band 8-NTR)、短波紅外波段(Band 12-SWIR)等5個波段進行重采樣、波段融合、圖像鑲嵌，并利用涿州市行政區劃的矢量邊界數據進行裁剪，得到空間分辨率為10 m的涿州市影像數據，并轉存為 GeoTIFF 格式，導入 eCognition 軟件中進行分析處理。

采用 eCognition 軟件進行土地利用分類提取，其基本原理是基于面向對象方法進行影像分類和信息提取[20]。與傳統基于像元的分類方法比較，其主要特點在于分類時綜合利用了影像的光譜信息以及對象的形狀、紋理等空間幾何信息，因此可以不局限于像元，能夠利用對象為基本單位進行圖像分析與處理，不僅能夠快速、高效地生產地理空間信息，還能夠有利于挖掘獲取更為豐富的區域土地利用特征[21]。其基本圖像處理流程包括影像分割、特征提取、對象分類：分割是對整個影像進行尺度空間構建；特征提取是以基于分割后的對象屬性提取合適特征；分類是依據特征和分類算法賦予對象語義信息。

2.3 土地利用分類

涿州市土地利用以農用地為主，農用地中又以耕地為主，林地、草地面積相對較少。因此，本研究主要對耕地、林草地、水體、城鄉居民點、交通用地和其他土地共6 類土地利用類型(表2)進行分類提取。不同類型的典型影像見圖1。由圖1可見：涿州市耕地分布一般呈綠色，分布集中連片，形狀規則、紋理清晰，以道路、田坎、河流為邊界；林草地與耕地相比，對象形狀特征和光譜特征的差異明顯，呈深綠色或黃綠色，紋理均勻，邊界較為清晰；水體主要為坑塘、河流、溝渠，以面狀或連續線性分布為主，呈均勻分布的黑色；城鄉居民點主要為建筑物、廣場、內部道路等，可觀察到屋頂，以不規則的面狀分布為主，呈混雜的白色、紫色、藍色，邊界較為清晰；道路用地形狀規則，呈白色或紫色的線性分布；其他土地以裸地或工礦用地為主，沒有明顯的分布規律，一般呈白色或淡紫色不規則面狀分布。

表2 土地利用分類及其特征選擇Table 2 Land use classification and its feature selection

(a)耕地 Cultivated land； (b)林草地 Forestland & Grassland； (c)水體 Water； (d)城鄉居民點 Residential land； (e)交通用地 Transportation land； (f)其他土地 Other land圖1 涿州市不同土地利用類型的典型遙感影像Fig.1 Typical remote sensing images of different land use types in Zhuozhou City

2.4 面向對象的遙感影像多尺度分割

分割是面向對象分類軟件eCognition里面進行影像分類處理的第一步工作，其目的是按照一定的規則將柵格圖像劃分為若干對象，劃分后的對象即為處理的最小對象。對于面向對象的分類方法而言，成功的影像分割是必要的前提[4,7]，作為基礎分割單元對數據分類結果質量起到決定性作用。

本研究采用多尺度分割方法，主要涉及分割尺度、波段權重、均質性因子等參數[7,16-17]。分割尺度決定了對象多邊形的面積大小，最優分割尺度的確定直接關系地物類型的邊界是否清晰以及對象內是否均質，過小會導致對象破碎不利于分類，過大則造成邊界模糊，無法有效識別不同土地利用類型。波段權重是影響分割精度的重要因素之一，根據不同的光譜波段對分割結果的影響程度設置不同的權重。均質性因子包括光譜與形狀因子，在尺度和形狀參數一定的情況下，緊致度值越小分割的形狀顯得越碎。經多次研究試驗比較，本研究選取了多尺度分割最優參數，將遙感影像的藍、綠、紅、近紅四個波段權重值均設為1。考慮到耕地的形態表征更為接近矩形，形狀因子影響相對較大，因此相關參數選擇為：分割尺度(Scale)60，形狀(Shape)0.4，緊致度(Compactness)0.5。

2.5 分割后對象特征提取

分割后對象包括200多種特征，可以分為光譜信息、形狀特征、紋理結構、領域關系、層次結構等不同類別。經過試驗測試，本研究主要通過光譜信息和形狀特征進行識別。

2.5.1分割后對象的光譜特征

光譜是遙感影像識別的最重要的基礎特征，本研究主要采取了平均值、亮度均值指標以及NDVI、NDWI、NDSI等遙感指數。

1)歸一化植被指數(NDVI)主要用于植被和非植被的提取，不同地物的NDVI值差別較大，其計算公式為：

式中：μNIR為近紅外波段均值，nm；μR為紅色波段均值，nm。

2)歸一化水體指數(NDWI)主要用于水體的提取，水體色調單一、多呈藍黑色，與非水體差別明顯，其計算公式為：

式中：μNIR為近紅外波段均值；μG為綠色波段均值，nm。

3)歸一化土壤指數(NDSI)主要用于裸地和建筑物的提取，由于涿州市裸地的地物覆蓋物較少，呈現較高的反射率，因此可以用NDSI進行區分，其計算公式為：

式中：μR為近紅外波段均值；μG為綠色波段均值，nm。

4)亮度(Brightness)主要用于輔助不同地物識別，與其他光譜特征共同使用，能夠更為精準、精細的進行分類。計算公式如下：

式中：nL為波段個數；φi為影像斑塊的i波段值。

2.5.2分割后對象的形狀特征

由于光譜特征的不確定性，且分辨率越高，同類地物的異質性提升、類內方差變大、類間方差變小，不利于自動化判讀。相對而言，形狀特征更為穩定，有利于快速有效地分辨不同幾何形態的地物，提高分類精度。

1)長寬比。

長寬比即對象最小外接矩形的長度與寬度比例。采用長寬比指數與光譜特征相結合的方式能從高分辨率遙感影像中很好的提取線性地物，例如河流和道路等，對形狀規則的建筑物、水庫等也有很好的效果。其計算公式為：

r=l/w

式中：r為長寬比；l為長度，m；w為寬度，m。

2)密度。

密度d可以表示為影像對象面積除以對象半徑。使用密度來描述影像對象的緊致程度。在像素柵格的圖形中理想的緊致形狀是一個正方形。一個影像對象的形狀越接近正方形，它的密度就越高，對于識別形狀較為規整的農田效果較為明顯。其計算公式為：

式中：n為構成影像對象的像素數量；半徑采用協方差矩陣來近似計算。

(a)歸一化植被指數 NDVI index； (b)歸一化水體指數 NDWI index； (c)歸一化土壤指數 NDSI index； (d)亮度 Brightness； (e)長寬比 Length-width ratio； (f)密度 Density圖2 涿州市遙感影像的光譜特征和形狀特征提取Fig.2 Spectral feature and shape feature extraction of remote sensing image in Zhuozhou City

圖3 基于模糊決策樹的分類過程與主要規則Fig.3 Classification process and main rules based on fuzzy decision tree

3 結果與分析

3.1 涿州市土地利用分類結果

本研究采用的模糊決策樹方法，其算法流程與精確決策樹構建過程相似，主要差別在于對每個屬性值進行了模糊化并對應不同的模糊隸屬關系，通過模糊隸屬度函數計算的出現頻率，對對象的模糊熵計算來賦予其類型。本研究基于分割對象的光譜特征和形狀特征，經過反復實驗和實地驗證，按照類層次結構建立了分類體系及其地物特征，選取相應的分類指標并制定了隸屬函數分類規則(表2、圖3)，分類結果如圖4所示。結果表明：涿州市土地利用以耕地為主，匯總統計面積為45 319.37 hm2，占土地總面積的60.32%；其次是城鄉居民點用地，面積為17 132.81 hm2，占22.8%；林草地、交通用地、水體的面積較少，分別占5.26%、2.7%、0.6%；此外還有一定面積的其他土地，以灘涂、工礦用地為主，占土地總面積的8.32%。與2014年涿州市土地利用變更調查結果比較，本研究結果的農用地(含耕地和林草地)面積更小，占土地總面積的比例相差5.03%；建設用地面積更大，占土地總面積的比例相差0.72%。主要原因是近年來涿州市經濟社會發展需要和城市建設占用大量農用地。

圖4 涿州市土地利用分類結果與城鄉梯度樣點Fig.4 Land use classification results and urban and rural gradient sample points in Zhuozhou City

面向對象信息的提取分類結果往往都會存在一定的誤差，進行精度檢測非常必要，檢驗該技術是否有效可行，同時進行精度評價也能完善操作細節，使分類結果更具說服性。本研究通過實地調查結合Google Earth選取了126個樣本點，對分類精度進行了評價。精度評價結果顯示此次涿州市土地利用分類結果的總體精度為93.7%，Kappa系數為89.2%，分類結果較好，方法可行。

3.2 涿州市土地利用的城鄉梯度差異分析

根據涿州市土地利用分類結果，本研究運用ArcGIS軟件對涿州市城市中心1～10 km的土地利用特征和空間差異進行了分析，利用GIS緩沖和疊加功能，獲取每個樣點400 m半徑的土地利用類型及其面積(圖5)。

由圖5可見，涿州市城鄉土地利用結構具有顯著差異。城市內部土地以建設用地為主，距城市中心2～3 km的土地利用類型明顯復雜多樣，是城鄉過渡帶集中分布區。本研究根據城市邊緣(紅色線段)和村莊集聚(藍色線段)特征將不同方向劃分為城市、城鄉過渡帶、鄉村腹地3段，可見涿州市城市發展主要集中在東和東北方向，鄉村腹地主要分布在東南和南部。

為進一步刻畫不同方向上的土地利用特征，本研究對不同地類的面積分布以熱力圖形式進行了分析，結果如圖6所示。圖中橫軸表示距城市中心距離，縱軸表示不同方向，同一地類中的顏色深淺表示了面積大小，同時用柱狀圖從方向或距離2 個維度對其面積比例進行了分類匯總。從城鄉梯度差異來看，距離城市中心3 km以內的土地以建設用地為主導類型，城鄉居民點用地呈現出明顯的集聚規律，除了涿州市區集中分布以外，距離城市中心5 km、8～9 km均呈現一定的村莊集中分布特征；4～10 km 以農用地為主導類型并以耕地為主；林草地在3 km接近城市邊緣處有集中分布，之后面積較小，但隨著與城市中心距離的提升面積也逐步提高；交通道路主要集中在3 km以內；水體主要分布在距離城市中心8 km外，但由于總體面積較小，沒有呈現明顯的分布規律；其他土地的分布則與城鄉梯度沒有明顯相關性。

從不同的發展方向來看，涿州市城鎮建設用地分布主要集中在東、東北和西南方向，是涿州市發展的主導方向；交通道路用地也體現出相似的特征，主要集中分布在東北方向；而耕地與城鎮、道路等建設用地的分布特征正好相反，在東、東北、西南方向分布最少，主要集中分布在東南、南、西等方向；林地主要分布在與城市8～10 km的北部，包括北、西北和東北方向；水體主要分布在城市西部的8～10 km處，與拒馬河流經此處相關；其他土地主要集中在東、西兩個方向上，通過遙感影像判別發現西邊主要是河流灘涂等裸地，東邊主要是工業廠房以及正在建設的工地等。

圖5 基于樣本點的涿州市城鄉土地利用差異Fig.5 Land use differences between urban and rural areas in Zhuozhou City based on sample points

(a)耕地 Cultivated land； (b)林草地 Forestland & Grassland； (c)水體 Water；(d)城鄉居民點 Residential land； (e)交通用地 Transportation land； (f)其他土地 Other land圖6 涿州市不同方向及不同距離各類土地利用分布特征Fig.6 Distribution characteristics of land use in different directions and distances in Zhuozhou City

4 討論與結論

4.1 討論

1)本研究基于模糊決策樹方法，采用Sentinel-2數據對涿州市土地利用進行了分類，實現了對遙感影像不同地物信息的分類提取，總體分類精度達到93.7%，Kappa系數為0.892。與相關研究比較，在總體分類精度方面與其他區域、不同方法的分類精度結果相似[2]或更高[3,12]，Kappa系數也取得了較好的結果，表明本研究結果的準確性和可靠性效果更優，分析認為主要原因在于：①研究對象涿州市國土面積較小，土地利用類型較為單一，不同類型土地的光譜特征和形狀特征較為明顯，有利于建立層次簡單、效果較好的分類規則；②研究采用面向對象方法能夠挖掘提取不同對象的形狀特征，提高了分類模型效率；③與其他分類方法如隨機森林、卷積神經網絡等方法相比，研究采用的模糊決策樹方法具有明確的優化方向，能夠快速調整確定合適的模型參數。總的來看，對于自然條件相似、范圍相對固定的研究區域，應用模糊決策樹方法能夠快速獲得魯棒性和精度較高的分類模型，能夠明顯提高遙感信息提取效率。

2)在分類過程中發現，由于涿州市地勢平坦，農用地利用類型以耕地為主，面積小且分布零星的林草地很難進行有效區分；其次，其他土地中主要以無地表覆蓋物的裸地為主，具體包括灘涂、正在施工的工地、零星分布的廠礦等，雖然在利用性質上完全不同，在特征上則較為相似。為實現精細分類，利用多時相的遙感影像數據，并結合經驗對不同性質土地的分布或選址的空間關系是改進分類算法、提高分類精度的研究方向。

4.2 結論

1)涿州市主導土地利用類型為耕地與城鄉居民點用地，兩者在不同梯度、不同區位分布上的差異十分明顯，具有明顯的空間分布規律。城鄉居民點用地主要分布在東、東北和西南，在距離城市中心 3 km 以內、5 km、8～9 km呈現跳躍式的集聚特征；耕地分布規律與城鄉居民點分布相反，呈連綿形態集中分布在距離城市中心4～7 km的東南、南、西方向。該結果反映了涿州市不同方向的土地利用結構變化，精細刻畫了城鄉過渡帶的范圍和特征，涿州市在國土空間優化布局和城市發展方向選擇上應充分考慮現有耕地格局和城鄉居民點用地分布沖突，合理布設土地綜合整治重點區域，塑造空間結構合理、服務設施完備的社區單元。

2)從分類結果來看，涿州市居民點在空間上分布并不夠集聚，不利于提高建設用地利用效率；雖然多條河流流經涿州市境內，但水體面積較小，同時林草地比例相對較低。建議涿州市加強土地資源管控，提高建設用地集約利用強度，同時提高水體、林草地等生態空間比例，提高區域生態產品供給能力。