遙感技術(shù)在城市土地利用動態(tài)監(jiān)測中的應(yīng)用效果分析

【關(guān)鍵詞】遙感技術(shù)；城市土地利用；動態(tài)監(jiān)測；用地變化；生態(tài)環(huán)境

引言

隨著我國城市化進程的加快，城市規(guī)模不斷擴大，城市用地結(jié)構(gòu)與功能日趨復(fù)雜。城市土地是城市的核心資源，合理利用和有效管理是實現(xiàn)城市可持續(xù)發(fā)展的關(guān)鍵。然而，隨著城市化進程的加快，土地利用發(fā)生急劇變化，表現(xiàn)為耕地被侵占、綠地減少、城鎮(zhèn)空間無序擴張。以人工調(diào)查為主的傳統(tǒng)土地利用監(jiān)測方法存在效率低、周期長、成本高、無法實現(xiàn)大范圍動態(tài)監(jiān)測等問題，已不能滿足城市土地資源精細化管理的需要。遙感技術(shù)是一種快速有效的地表信息獲取手段，它具有覆蓋范圍廣、數(shù)據(jù)獲取速度快、周期長、不受地表條件限制等優(yōu)點。通過遙感技術(shù)及時、準確地掌握城市土地利用的動態(tài)變化，為城市規(guī)劃、土地管理和生態(tài)環(huán)境保護提供科學依據(jù)，具有重要的理論和現(xiàn)實意義。因此，深入研究遙感技術(shù)在城市土地利用動態(tài)監(jiān)測中的作用是非常有意義的。

一、遙感技術(shù)概述

（一）遙感技術(shù)原理

遙感技術(shù)是利用傳感器對目標物或現(xiàn)象進行反射、發(fā)射或散射的電磁波，并轉(zhuǎn)化成圖像或數(shù)據(jù)，經(jīng)過分析處理，獲得目標物或現(xiàn)象的屬性、狀態(tài)和變化信息。該方法的基本原理是基于不同地物對電磁波的反射、輻射、散射等特性的差異。地物的電磁波特征與地物的組成、物理特性和地表結(jié)構(gòu)有著密切的關(guān)系。太陽輻射或其他電磁輻射源輻射出的電磁波作用于物體表面，物體會發(fā)生反射、吸收、透射等作用。傳感器采集地面反射、發(fā)射或散射的電磁信號，將這些信號轉(zhuǎn)化為電信號或數(shù)字信號，并記錄下來構(gòu)成遙感數(shù)據(jù)。在此基礎(chǔ)上，通過輻射修正、幾何改正、影像增強等方法，提取地物特征信息，實現(xiàn)地物的識別與分類[1]。

（二）遙感技術(shù)分類

1.按遙感平臺分類

在航天遙感領(lǐng)域，主要采用人造衛(wèi)星、航天飛機和空間站等作為遙感平臺，具有覆蓋面積大、觀測周期短、數(shù)據(jù)量大的特點。例如，Landsat系列衛(wèi)星和我國的高分系列衛(wèi)星都生成中、高分辨率的遙感影像，在城市土地利用宏觀監(jiān)測中得到廣泛的應(yīng)用；在航空遙感領(lǐng)域，飛行器和無人飛行器等具有高度靈活，分辨率高，可按需獲取數(shù)據(jù)的特點。近年來，無人機遙感得到快速發(fā)展，能夠獲取厘米級以上的高分辨率遙感影像，適合城市精細土地利用監(jiān)測；對于地面遙感，主要是利用地面車、三腳架等作為平臺，對局部地區(qū)進行高精度遙感測量與校驗。例如，地面激光雷達獲取地物三維信息，協(xié)助城市土地利用監(jiān)測等[2]。

2.按傳感器工作方式分類

一是有源遙感，傳感器主動發(fā)射電磁波，接收目標物體反射或散射回波。例如，具有全天時、全天候工作、不受天氣和光照條件限制的合成孔徑雷達，可用于城市土地利用監(jiān)測中的地形與建筑信息的獲取。二是被動式遙感，傳感器不會主動發(fā)射電磁波，而是接收被測物體自身發(fā)出或反射的電磁波。例如，利用可見光和近紅外波段的電磁波來獲取地物圖像信息的光學遙感方法。

二、遙感技術(shù)在城市土地利用動態(tài)監(jiān)測中的應(yīng)用

（一）城市土地利用變化檢測

1.基于圖像差值法的變化檢測

圖像差分法是一種基于圖像差分法的城市用地變化檢測方法。該方法首先對遙感影像進行輻射修正和幾何配準，以保證影像資料的一致性和空間定位的精確性。然后，對圖像中相應(yīng)像素的灰度值進行差分處理，得到差值圖像；在差值影像中，灰度值變化較大的區(qū)域表示土地利用發(fā)生變化。以某城市新區(qū)建設(shè)為例，對建設(shè)前和建設(shè)后的Landsat遙感影像進行差分處理，清楚地將原有耕地和綠地轉(zhuǎn)化為建設(shè)用地的面積顯示出來。但是，這種方法也有很大的局限性，圖像中的噪聲，大氣環(huán)境的不同，都會對灰度值的變化產(chǎn)生影響，從而造成誤判。如在陰天拍攝到的影像，由于輻射傳輸?shù)牟煌a(chǎn)生的灰度起伏，很容易被誤認為是土地利用的變化，從而影響探測結(jié)果的精度[3]。

2.基于分類后比較法的變化檢測

分類后比較法是基于土地利用分類，通過有監(jiān)督分類和無監(jiān)督分類。分類完成后，對各階段的分類結(jié)果進行對比分析，實現(xiàn)對土地利用變化類型和位置的精確定位。以某城市為例，應(yīng)用所建立的方法，成功地識別大量耕地轉(zhuǎn)型為工業(yè)用地、舊住宅區(qū)轉(zhuǎn)型為商業(yè)綜合體等變化，并對其時空變化特征進行細致的展示。但是，這種方法在很大程度上依賴于圖像分類的精度，如果在分類過程中出現(xiàn)錯誤或缺失，將直接影響到變化檢測的結(jié)果。此外，該方法的計算量非常大，需要較高的硬件配置和較長的處理時間。

3.基于變化向量分析法的變化檢測

改變向量分析是一種量化檢驗用地變動的手段。本項目以基于小波的光譜向量計算技術(shù)為核心，研究基于光譜向量的遙感影像空間變異向量解析技術(shù)，以解決新拆遷建筑、新增拆除建筑物等城區(qū)土地的動態(tài)演變問題。例如，在對棚戶區(qū)改造費用進行研究時，運用變異向量分析法，能夠從數(shù)量上清晰地反映出改建地點及建筑物的密度的改變。然而，由于觀測值對測量精度的要求很高，如果出現(xiàn)較大的偏差，光譜向量的運算會發(fā)生畸變，從而降低了變化探測的精度和可信度。因為其理論太過深刻，所以在實踐中需要對其有專門的認識[4]。

（二）城市土地利用分類

1.基于傳統(tǒng)分類方法的土地利用分類

傳統(tǒng)的分類方法分為有監(jiān)督分類與無監(jiān)督分類兩大類。有監(jiān)督分類方法首先從遙感影像中選取一定數(shù)量的訓練樣本，然后用這些樣本構(gòu)建分類模型來完成整個影像的分類。常用的有監(jiān)督分類方法包括極大似然分類法、支持向量機分類法等。無監(jiān)督分類方法無需訓練樣本，通過對圖像數(shù)據(jù)進行統(tǒng)計分析，將相似的像元聚為不同的類別。比如K均值聚類算法是一種常用的非監(jiān)督聚類算法。在城市用地分類領(lǐng)域，傳統(tǒng)的分類方法初步實現(xiàn)城市用地的初步分類，但對城市混合用地、微細地物等復(fù)雜地物的分類精度不高。

2.基于深度學習的土地利用分類

近年來，基于深度學習的遙感影像分類技術(shù)取得了長足發(fā)展。卷積神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最為廣泛的一種深度學習模型，能夠在不需要人工設(shè)計特征提取算法的情況下，實現(xiàn)對遙感影像特征的自動提取。通過構(gòu)造多層卷積層、池化層和完整連通層，卷積神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)對遙感影像的端到端分類。基于深度學習的高分辨率遙感影像分類方法，精確識別城市地物，如建筑、道路、綠地、水體等，與傳統(tǒng)方法相比，分類精度大幅提升。以某城市為例，采用深度學習方法對城市用地進行分類，其整體分類準確率可達92%以上[5]。

（三）城市生態(tài)環(huán)境監(jiān)測

1.植被覆蓋監(jiān)測

植被是城市生態(tài)系統(tǒng)中最重要的組成成分，其覆蓋狀況直接影響到城市的生態(tài)品質(zhì)和可居住性。遙感技術(shù)以植被指數(shù)為基礎(chǔ)，應(yīng)用最廣泛的是標準化植被指數(shù)和增強型植被指數(shù)，標準化植被指數(shù)由近紅外波段和紅外波段的反射率差計算得到。例如，利用衛(wèi)星遙感數(shù)據(jù)對某一城市進行植被覆蓋度計算，直觀地反映城市公園、綠地、郊區(qū)林地等區(qū)域的植被分布和生長狀況。增強型植被指數(shù)以植被指數(shù)為基礎(chǔ)，可考慮大氣、土壤背景等因素，對植被密度較高的地區(qū)更為適用；在實際監(jiān)測中，利用長時間序列的遙感數(shù)據(jù)，對植被覆蓋的時空變化進行分析。通過對某特大城市近10年的遙感監(jiān)測，可發(fā)現(xiàn)在實施“城市綠心”工程后城市植被指數(shù)由0.3提高到0.45，植被覆蓋率明顯提高。然而，隨著城市建設(shè)的推進，城郊接合部的植被明顯減少，植被指數(shù)降低0.1～0.15。此外，無人機高分遙感還對局部區(qū)域的植被進行了精細監(jiān)測，能夠精確識別單木健康狀態(tài)和生長變化。

2.水體環(huán)境監(jiān)測

利用衛(wèi)星遙感技術(shù)對水環(huán)境的演變進行實時監(jiān)測，并對其進行了分析。在城區(qū)水資源分區(qū)上，通過閾值分析和監(jiān)督分類等方法，根據(jù)不同類型的水資源和非水資源的光譜特性，確定不同類型的水資源。例如，由于人類活動和氣候變化等因素的影響，該區(qū)域的水位下降幅度可以達到12%。然而，水體的水質(zhì)狀況依賴于水體中不同波段的電磁輻射的分配模式，因此，本項目擬通過構(gòu)建水體葉綠素、懸浮物、透明度等參數(shù)的遙感反演方法，進而選擇一條受污染河道，利用其多光譜遙感資料構(gòu)建葉綠素a濃度的反演算法，使該模式的反演精度高于實際水體的若干個量級，從而為制定相關(guān)的污染控制措施奠定基礎(chǔ)。通過追蹤熱紅外資料，監(jiān)測湖區(qū)氣溫的變化，尋找因工業(yè)污水引起的局部水溫異常。

3.熱環(huán)境監(jiān)測

利用衛(wèi)星遙感對熱島進行研究具有重要的現(xiàn)實價值。熱紅外遙感是通過采集地表天然輻射產(chǎn)生的熱輻射，將其轉(zhuǎn)化為地表溫度，而在人群密集的區(qū)域（住宅密集區(qū)、道路等），顯示出明顯的“熱島”效應(yīng)。此項目擬選取某特大城市為研究對象，基于高分辨率衛(wèi)星影像數(shù)據(jù)，采用反演方法，獲取目標城市各區(qū)域溫度：最高47.5℃、最低28℃，二者相差10℃以上。

為深入理解熱島的空間演化規(guī)律，此項目擬利用多年來的衛(wèi)星遙感觀測資料，采用年均5%的速率對熱島強度進行空間內(nèi)插。研究發(fā)現(xiàn)，隨著時間推移，熱島影響范圍增加5%，熱島強度增加（年均增溫1℃～2℃），能夠體現(xiàn)熱島的發(fā)展特點。在此基礎(chǔ)上，結(jié)合多源衛(wèi)星影像（如植被蓋度、水體狀態(tài)等），研究熱島成因，并結(jié)合衛(wèi)星影像資料，探討其成因，并據(jù)此制定相應(yīng)對策，使衛(wèi)星影像資料更好地服務(wù)于城市發(fā)展。

三、遙感技術(shù)在城市土地利用動態(tài)監(jiān)測中的應(yīng)用效果分析

（一）監(jiān)測效率提升

相對于傳統(tǒng)的人工調(diào)查，遙感技術(shù)在城市土地利用動態(tài)監(jiān)測中的應(yīng)用有很大的提高。對于中型城市，傳統(tǒng)的人工實地調(diào)查往往耗時數(shù)月至數(shù)年才能完成，采用衛(wèi)星、無人機等遙感手段，結(jié)合快速數(shù)據(jù)處理算法，僅需幾天甚至幾個小時就能完成數(shù)據(jù)采集和初步分析。比如，應(yīng)用無人機遙感監(jiān)測某城市局部地區(qū)的土地利用變化，2～3天即可獲得數(shù)據(jù)，2～3天內(nèi)生成變化檢測結(jié)果，人工調(diào)查時間為1～2個月。同時，利用遙感技術(shù)對城市進行定期監(jiān)測，及時掌握城市土地利用的動態(tài)變化規(guī)律，可以為城市規(guī)劃與管理提供及時的信息支撐。

（二）監(jiān)測精度提升

近年來，隨著遙感技術(shù)的不斷進步，遙感數(shù)據(jù)的空間分辨率越來越高，為城市用地監(jiān)測提供了更為精細的信息。高分辨率遙感影像（如無人機獲取的厘米級分辨率影像）能清晰地展示城市中的建筑、道路、綠地等微小地物，極大地提高了土地利用分類與變化檢測的精度。在土地利用分類研究中，利用深度學習技術(shù)與高分遙感影像相結(jié)合，使城市用地分類精度達到90%以上。在變化檢測方面，它能準確地識別出小規(guī)模的土地利用變化，如新建小樓，道路拓寬等。以某城市為例，應(yīng)用高分辨率衛(wèi)星遙感影像，采用先進的變化檢測算法，對100平方米以下的變化區(qū)域進行檢測。

（三）動態(tài)監(jiān)測能力增強

利用衛(wèi)星影像的定期觀察，連續(xù)追蹤和監(jiān)控城鎮(zhèn)土地利用狀況。將各時段的資料進行比較，可以看出城市土地利用的時空變化。基于Landsat遙感數(shù)據(jù)，研究者對30年來大都市城鎮(zhèn)土地使用歷史進行了追蹤和研究，發(fā)現(xiàn)城鎮(zhèn)土地使用面積呈上升趨勢，而耕地和綠地等呈下降趨勢。此外，遙感還能對因自然災(zāi)害、違章建筑等造成的臨時用地變動情況進行實時監(jiān)測，對應(yīng)急處置、國土資源管理等具有重大意義。

（四）應(yīng)用案例分析

深圳市作為經(jīng)濟快速發(fā)展的典型城市，其土地利用發(fā)生了劇烈變化。為此，深圳市長期應(yīng)用遙感技術(shù)監(jiān)測土地利用狀況，并取得了明顯成效。在土地利用變化監(jiān)測方面，通過多期遙感影像，可以精確識別城市建設(shè)用地的擴張方向和速度，以及耕地和綠化面積的變化特征。以深圳市為例，可以采用高分辨率遙感影像，結(jié)合深度學習算法，將城市用地劃分為建筑類、道路類、綠地類、水體類和裸地類，分類準確率達93%。在生態(tài)環(huán)境監(jiān)測方面，利用植被指數(shù)的監(jiān)測結(jié)果表明，近年來隨著城市綠化工程的實施，深圳市的植被覆蓋率有一定提高。利用熱紅外遙感監(jiān)測城市熱島效應(yīng)，可為優(yōu)化城市綠地布局和緩解城市熱島效應(yīng)提供科學依據(jù)。

結(jié)語

遙感技術(shù)以其高效、精確、實時等特點，逐步發(fā)展為獲取城鎮(zhèn)土地利用狀況的重要方法。大量的、定期的、大量的數(shù)據(jù)的獲取，極大地提升了采集的效率，減少了數(shù)百天甚至數(shù)千小時手工調(diào)查的工作量，只需數(shù)天或數(shù)小時即可實現(xiàn)對數(shù)據(jù)的獲取和分析。基于深度學習的高分辨率遙感圖像識別技術(shù)能夠精確提取地表細微差別和細微的變化信息，對于城市規(guī)劃和生態(tài)環(huán)境的保護有著非常重要的意義。但當前的遙感方法仍然受到大氣干擾，地表起伏不平度較差，變化檢測容易發(fā)生錯誤或漏檢，且面臨著人才匱乏的問題。在今后的研究中，可以通過融合不同類型的遙感數(shù)據(jù)，結(jié)合智能算法，實現(xiàn)城市資源的精細化管理。

參考文獻：

[1] 張登磊，王青青，張倩，等.基于遙感技術(shù)的耕地利用潛力評估與動態(tài)監(jiān)測[J].中國資源綜合利用，2025，43（04）：121123.

[2] 潘瑩瑩，姜博，李夢珍，等.基于超效率SBM模型的東北三省城市土地利用效率時空差異及影響因素[J].水土保持研究，2024，31（01）：408416.

[3] 于澤源.遙感技術(shù)在土地利用與規(guī)劃中的應(yīng)用[J].四川建材，2025，51（03）：9092+95.

[4] 高鑫，張兆亮.土地管理中遙感技術(shù)在土地利用監(jiān)測中的應(yīng)用研究[J].中國房地產(chǎn)業(yè)，2024（23）：8689.

[5] 王良健，包浩生，彭補拙.基于遙感與GIS的區(qū)域土地利用變化的動態(tài)監(jiān)測與預(yù)測研究[J].經(jīng)濟地理，2000，20（02）：4751.