基于遥感影像的武汉地区土地利用变化分析

詹皖欣

（武汉大学 资源与环境科学学院，湖北 武汉 430072）

摘 要：以武汉地区为研究对象，采用2006年和2013年两期遥感影像，利用遥感技术进行目视和计算机解译，分析了土地利用变化的空间特征.在研究区划分出城区、水体、植被、其他（主要是裸土地）共4个土地利用类型，据此建立起2006-2013年土地利用变化转移矩阵，并分析了研究区的土地利用变化幅度.结果表明，7年间武汉地区城区面积呈增长趋势，水体、植被呈减少趋势.进一步分析表明，该区土地利用变化的影响因素是多样的，驱动力主要为城市扩张、经济因素、宏观政策等.

教育期刊网 http://www.jyqkw.com
关键词 ：土地利用；武汉地区；遥感；土地利用变化

中图分类号：F293.2文献标识码：A文章编号：1673-260X（2015）07-0046-03

土地利用是导致地球表层系统景观变化的主要因素，人类通过对与土地相关的自然资源的开发和利用，对生态环境产生重要影响[1].因此研究区域的土地利用的变化具有实际意义.遥感土地利用动态监测可以反映区域土地利用动态变化的过程，监测数据呈现出明显的时态特征[2].因此采用遥感技术对武汉市2006年至2013年主城区及近周边范围内土地覆盖类型变化进行检测.土地覆盖类型被分为植被、水体、主城区和其他四类.利用遥感图像处理软件ERDAS IMAGE 9.1，基于对两期遥感图像进行目视解译和计算机解译得到土地覆盖图，对比两期覆盖图找出地类变化范围.

1 研究区概况

武汉，简称“汉”，是湖北省省会，地处中国腹地中心，江汉平原东部.世界第三大河长江及其最大支流汉水横贯市境中央，将武汉一分为三，形成了武昌、汉口、汉阳三镇隔江鼎立的格局.武汉介于113°41´E-115°05´E，29°58´N-31°22´N之间，有13个辖区，其中江岸区、江汉区、硚口区、汉阳区、武昌区、洪山区、青山区7个为中心城区，东西湖区、蔡甸区、江夏区、黄陂区、新洲区、汉南区6个为新城区.武汉市的土地类型较为复杂，但主要可以分为城区、水体、植被、其他四类.近几年武汉市发展迅速，在城市化进程加快的同时，大面积的农田、植被覆盖区域被征用，土地利用类型变化较为显著.

2 数据源处理

2.1 数据概况

本文所用的数据是2006年和2013年的武汉市遥感影像.2006年的武汉市遥感影像是11月1日获取，为Landsat5 TM数据，分辨率为30米，包含了1-5，7这六个波段.2013年的武汉市遥感影像为6月13号获取，为Landsat8 OLI数据，空间分辨率也是30米，辐射分辨率为12bit.

2.2 数据预处理

首先需要对原始图像进行几何校正，用一系列的数学模型消除或减少影像的误差.而最为常见的几何校正的方法就是多项式纠正法.

本文中，2013年武汉市遥感影像是已经过几何校正的，而2006年武汉市遥感影像是变形的，因此利用ERDAS IMAGE 9.1遥感软件以2013年武汉市遥感影像为参考影像，对2006年武汉市遥感影像进行几何校正.对应选取了12个分布均匀具有特征的相同几何位置的GCP，采用二次多项式纠正，控制平均误差控制在1个象元之内，然后利用三次卷积法进行重采样，且设置输出的图像分辨率为30米.最后进行裁剪获得实验区.

3 研究方法

3.1 目视解译

目视解译是从遥感图像中提取感兴趣信息的主要手段之一.此处采用计算机辅助目视解译的方法对武汉城区范围进行解译.关键是建立正确的解译标志是为了使之能正确识别以保证目视解译的精度.而此处城区界定为建筑物密度高的、但可以包含道路和少量植被及水体的区域.可以观察到，在真彩色的彩色合成方式下，城区颜色主要呈现紫色，蓝灰色和白色，因为城区中地物的种类比较复杂还包含其他的道路和绿色植被等，所以颜色比较混杂.城区的纹理较为混杂，形状不规则但分布较为集中，主要集中分布在长江和汉江两岸.

建立解译标志后，在预处理后的2006年和2013年武汉市遥感影像上建立单精度的矢量图层，然后使得新建矢量图层处于可编辑状态后目视绘制城区范围，得到2006年和2013年武汉城区的矢量图.再建立拓扑将矢量图层栅格化，最后通过建模工具设置算法为将城区部分赋值为1，非城区部分赋值为0，得到城区栅格二值化图像.

3.2 计算机解译

3.2.1 植被解译

归一化差值植被指数是利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数.此次进行植被解译运用了归一化植被指数以将其与其他地物区别开来，计算公式为：NDVI =（DNNIR –DNR）/（DNNIR + DNR）.利用建模工具设置算法并运行后输出2006年恨2013年的武汉市归一化植被指数图像.再采取样本，在2006年和2013年的武汉市归一化植被指数图像上分别新建一个AOI图层并圈出数量足够多，植被足够聚集的植物样本，将其群组后导入到分类模板编辑器中，查看统计值.2006年和2013年的武汉市归一化植被指数图像中AOI样本的平均值分别为0.312和0.291，标准差分别为0.105和0.054.由标准差和平均值的数据，根据平均值减去适当倍数的标准差的阈值确定方法，得到2006年和2013年的图像分割阈值分别为0.1545和0.21.再利用建模工具分割阈值制作出植被指数分割图，设置算法为被植被覆盖的像素被赋值为1，而未被覆盖的被设置为成背景，得到了武汉市2006年和2013年的植被指数分割图.

3.2.2 水体解译

归一化水体指数是基于中红外与近红外波段的归一化比值指数.用遥感影像的特定波段进行归一化差值处理，以凸显影像中的水体信息.其公式为：NDWI =（GREEN – NIR）/（GREEN + NIR）.

利用建模工具设置算法并运行后输出2006年恨2013年的武汉市归一化水体指数图像.再采取样本，在2006年和2013年的武汉市归一化水体指数图像上分别新建一个AOI图层，然后在图像上圈出数量足够多，水体足够集中的样本.然后将其群组后导入到分类模板编辑器中，查看统计值，2006年的武汉市归一化水体指数图像中AOI样本的平均值为0.538，标准差为0.076.2013年的植被样本的平均值为0.126，标准差为0.04.由标准差和平均值的数据，根据一般阈值的确定方法，即平均值减去适当倍数的标准差确定，因此确定2006年和2013年的图像分割阈值分别为0.20和0.066.用此建模工具分割阈值制作出水体指数分割图，设置算法为被水体覆盖的像素被赋值为1，而未被覆盖的被设置为成背景，分别得到了武汉市2006年和2013年的水体指数分割图.

1）监督分类

监督分类是以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术.要求训练区的选择要具有准确性、代表性和统计性.本文中，用最大似然法对2006年和2013年的影像进行监督分类，分类成水体、植被、城区、其他四类地物.

首先生成监督分类结果图.先勾选训练区，对2006年和2013年的武汉市遥感影像图分别新建一个AOI图层，依次勾选一定数目的水体、植被、城区和其他的地物的训练区，并将同类地类群组后各自保存.需要注意的是对2013年的武汉市遥感影像执行操作时需把波段选择为2-7波段后再处理；再生成图像特征文件，根据目视估计各地类的先验概率后将其输入到特征文件中；然后生成监督分类结果，输入武汉市2006和2013年的遥感影像及其特征文件，设置参数规则为最大似然法并使用先验概率生成监督分类结果.最后进行分类精度评估.将监督分类前后的图像相关联后生成160个随机点.对这160个人随机检验点检验其类别号，对不正确的进行改正.评估的结果最终生成精度报告，并制作出混淆矩阵，精度评估混淆矩阵如表1、表2所示.

3.3 解译结果综合

3.3.1 城区

本文中对武汉城区采用了目视解译和图像分类两种方法进行解译，得到了两种分布图，通过比较最终确定目视解译得到的城区结果更好.目视解译主要依靠的是人眼的特性及人对武汉城区特征的理解和判断，由于城区较为复杂，里面往往会掺杂其他的地物，因此人的目视解译可以较好地判断城区的范围.但也存在缺点，由于人具有主观性，解译会很大程度上受到解译者的心理特点的影响.而在监督分类中，由于选取了足够多数量的先验样本，因此能够较为完全地把影像中的建筑物显现出来.但同时也带来了一些问题，由于城区分布范围不均匀，形状不规则，内部的地物复杂，因此监督分类会将非城区区域的建筑物和城区内的草地绿化带和池塘等也显示出来，使得结果不准确.综合了以上两种解译结果，最终确定城区目视解译的结果比监督分类的结果要可靠，因此选定城区的目视解译的结果作为城区解译的最终结果.

3.3.2 水体

本文中对水体运用了归一化水体指数技术和图像阈值分割技术、监督分类两种方法进行解译，得到了两种解译结果.通过对比二者，可以看出由于水体自身的特征较为明显，与其他地物的区别很大，因此解译结果的区别不大.但综合两种解译的精度评估数据可以看出监督分类的精度更高.因此，选择监督分类结果作为最终的水体解译结果.

3.3.3 植被

本文中，我们对植被运用了归一化植被指数技术和图像阈值分割技术、监督分类两种方法进行解译.对于归一化植被指数解译法，正常情况下绿色植被在近红外波段有一反射陡坡，至1.1μm处有一峰值，在中红外波段反射率大大下降.而本文中，由于遥感影像没有进行辐射校正，并且当时大气中水汽比较充足的可能因素存在，导致植被的光谱曲线在近红外波段的值偏低，使得影像有些地方模糊失真，分辨率和对比度下降.因此NDVI指数法并不能很好地区分植被与其他地物.而对于监督分类解译法，此法得到的植被中存在被错分的可能性，且像元的光谱矢量与其所属类别的均值向量之间的距离越大，则错分的可能性越大.综合了这两种方法的精度评估数据，最终决定将两种方法进行综合，采用逻辑交运算降低误差.

4 土地利用变化分析

在进行地物分类时，得到的地类分布图都是二值化后的图.因此，可以运用差值运算进行地类变化检测，即将2013年各类地物分布图像像元值减去2006年对应的地类分布图的像元值，如果小于0，则表明地物减少；若为0，则地物类型的象元不变；若大于0，则13年较06年的地物增加.

据此，可分别对水体、植被、城区进行变化检测，已知图像分辨率为30米，所以可以通过统计减少、不变、增加的像素数量统计出地类减少、不变、增加的面积以及面积比.由此可以得到武汉地区地类变化统计情况表.

分析：通过地类变化统计表可以看出，2013年与2006年相比较，主城区的面积增加了32.52%，呈现了极高的城市化水平，说明在这8年里武汉市的城区扩张非常迅速，城区面积迅速增加；而植被的面积减少了44.96%，说明在城市化进程的过程中植被被砍伐了；而水体的面积减少了9.83%，说明人类对湖泊的侵占圈占在一定程度上增加了.

5 驱动力分析

通过地类变化检测，我们可以很明显地看出各个地类变化的趋势，通过对武汉市近年来发展的趋势，以及相关政策的了解，对地类变化驱动力有了一定的分析：

（1）2013年相较于2006年武汉市主城区的大面积扩展，是武汉市高水平城市化的结果.通过城区变化检测的结果图可以看出城区增加和减少的区域都是在城区边缘，因此这应该是城区向外扩张的原因，减少的部分城区应该是城区改建的原因.城市化的驱动力有政治、经济、人文因素的综合作用.2006到2013年是武汉市乃至全国综合国力飞速发展的时期，实现了经济的发展，与此同时城市化进程也加快了.政策上武汉市作为湖北省的省会，起到其他地级市的带头拉动作用，因此政府采取措施政策鼓励武汉市的发展.人文上，武汉市自古以来就是荆楚大地，有着深厚的历史文化底蕴，因此对于城区建设也受到重视.

（2）植被的面积呈现大幅度减少的趋势，这与城市化进程有很大关系.我们可以通过土地变化检测结果图看出植被的增加主要在主城区外的边缘部分，因此推测是农田的增加；而植被的减少则在整幅图上都存在，说明随着经济的发展植被覆盖率降低.植被的变化也有时间的因素，2006年的武汉市遥感影像是在11月份获取的，而2013年的遥感影像是在6月份获取的，而6月份的植被比11月的植被要茂盛一些.因此真实情况比此次检测得到的植被减少量还要多.

（3）水体总体上没有太大的变化.出现水体减少、增加的区域主要是河流、湖泊两岸，这可能与季节有关系，11月份的水应该是平水期，而6月份接近丰水期，江里泥沙沉积、夏季降水丰富等因素都会对水的分布范围有一定的影响.湖泊边缘出现了水域的减少，这可能是围湖造田或水量减少萎缩的原因，在城区外围出现了水域的增加，经过判断这是水田增加和新建池塘的原因.武汉市位于长江中下游段，在水资源上有地理优势，但近年来由于对水体的管理不当，导致一些城中湖甚至是长江水质的恶化，因此武汉市应该从这得到些警示，加强对水体质量的改善.

6 结论

通过遥感技术获取武汉市2006年和2013年的遥感影像，并分析了其土地利用变化情况.武汉市在2006到2013年土地利用变化情况为：主城区的面积增加了165.5km2，水体面积减少了31.15km2，植被面积减少了379km2.该区的土地利用变化的驱动力是受多因素的影响的，而主要因素还是城市扩张、经济因素、宏观政策等.在今后的发展过程中，应该更加注意兼顾多方面，走可持续发展之路和和谐之路.

教育期刊网 http://www.jyqkw.com
参考文献：

（1）张靖，同丽嘎，董建军，张庆，牛建明，张雪峰.土地利用_覆盖变化研究方法[J].内蒙古大学学报，2013-5，44（3）.

（2）王瑞国.遥感土地利用动态监测变化信息自动提取与实证研究[D].哈尔滨：东北农业大学，2007.

（3）王莉，卫海燕，凤鹏，张宁.基于遥感影像的西安地区土地利用变化分析[J].资源开发与市场，2010（5）.