土地利用/覆蓋變化信息提取實驗報告1.

實驗目的利用TM/ETM3個時相衛(wèi)星數(shù)據(jù)，應用ENVI軟件進行土地利用/覆蓋分類，在此基礎上進一步分析其動態(tài)變化特征。2.

實驗內容金華市土地利用/覆被變化信息的提取。采用決策樹分類法提取土地利用/覆被信息，它通過分析地物光譜特征和其他圖像特征，充分利用高程、坡度等地理輔助信息可以有效地提高分類精度，比較適合于江南丘陵地形破碎、地物分布復雜的地區(qū)。和傳統(tǒng)的監(jiān)督分類法相比，它可以消除園地和林地、建設用地和裸地光譜相似所帶來的影響。（1）TM影像數(shù)據(jù)的預處理。本文的遙感數(shù)據(jù)處理主要包括大氣校正、幾何校正和圖像增強，并利用行政邊界矢量圖對影像進行裁剪。（2）土地利用變化信息提取。首先對其中的一期影像(2003年)分別采用最大似然法、決策分類樹法進行分類，提取土地利用/覆被信息，并對二者的提取精度進行比較，選擇精度最高者作為最終的提取方法，進而提取1988～2003年金華市土地利用/土地覆被信息。（3）利用空間疊加獲取土地利用/覆被變化的面積轉移矩陣，進而通過面積轉移矩陣分析土地利用/土地覆被的數(shù)量變化、空間結構變化和土地利用程度。3.

實驗方案4.

數(shù)據(jù)預處理4.1

數(shù)據(jù)源本文所采用的數(shù)據(jù)包括：兩景金華市的LandsatTM和一景LandsatETM陸地衛(wèi)星影像，一景半SPOT全色影像；該地區(qū)1：50000地形圖；該地區(qū)81m*81m分辨率的數(shù)字高程模型（DEM）；1：100萬中國行政邊界矢量圖等。具體的見表4-1和4-2所示。表4-1

研究區(qū)遙感影像數(shù)據(jù)獲取時間傳感器類型數(shù)量（景）空間分辨率（m）2003年3月9日SPOT-5全色151/252003年3月26日LandsatETM+1-8波段115m（全色）30m(多光譜)1996年9月6日LandsatTM1-7波段1301988年12月5日LandsatTM1-7波段130表4-2

研究區(qū)其他資料及應用說明數(shù)據(jù)類型應用說明大比例尺地形圖最新時相的1：50000地形圖，用于進行衛(wèi)星遙感資料的幾何校正野外調查資料野外控制點的測量，土地利用/覆蓋分類訓練樣本區(qū)的調查，建立判讀標志，進行分類及信息提取精度檢驗等工作土地利用現(xiàn)狀圖對比土地利用/覆蓋動態(tài)變化及遙感影像分類精度參考

4.2

圖像預處理數(shù)據(jù)預處理部分主要包括：對遙感影像進行大氣校正、幾何糾正、以及對研究區(qū)進行邊界裁剪和圖像增強。主要工作流程如下（圖4-2）：本文中采用的方法為試分類混淆矩陣分析法和J-M距離法來對所選取的訓練樣本純度進行評價，通過對所得混淆矩陣進行分析，即可得到訓練樣本占原來各類個體總數(shù)的百分比，以確定其分類的正確率，從而也檢驗了訓練的純度。在ENVI4.2中對純化前和純化后的訓練樣本區(qū)進行了分類，并以訓練樣本自身對分類結果進行精度檢驗，得到混淆矩陣。純化前訓練樣本的訓練區(qū)分類混淆矩陣顯示：OverallAccuracy=92.0142%

，KappaCoefficient=0.9165。對訓練樣本進行純化后，訓練樣本的訓練區(qū)分類混淆矩陣顯示：OverallAccuracy=96.3045%

，KappaCoefficient=0.9500。在ENVI4.2中未純化前和純化后的訓練樣本區(qū)進行統(tǒng)計其J-M距離，結果顯示：純化前訓練樣本的J-M距離，最小的是園地和林地之間的J-M距離，只有1.3208。另外園地和耕地之間、居民點及工礦用地和未利用地之間的J-M距離也比較小，但均大于1.5。經純化以后，只有園地和林地之間的J-M距離仍然小于1.5。其他均在1.8以上。訓練樣本之間的可分性明顯增大。2)

分類精度及結果分析在對影像做了圖像預處理后，根據(jù)影像的光譜特征，選擇適當?shù)挠柧殬訁^(qū)，將土地利用分為若干不同的類別。結合研究區(qū)的實際情況，根據(jù)目視判讀選擇訓練樣本，采用最大似然分類法(MaximumLikelihoodClassification,MLC)，將金華市2003年的土地利用分為5類，即耕地、園地、林地、居民點及工礦用地、水域。

（a）1988年

（b）1996年

（c）2003年圖5-1

金華市最大似然法土地利用/土地覆被分類圖利用上面確定的方法和已有的樣本數(shù)據(jù)對研究區(qū)分類后圖像進行精度估計，得到最終最大似然法的誤差矩陣和各項統(tǒng)計指標（以2003年為例）。表5-1

最大似然法分類精度矩陣類別未分類耕地園地林地居民點及工礦用地水體未利用地總計未分類00000000耕地0658000073園地03141900036林地1119400097居民點及工礦用地0002140016水體0000010010未利用地0004801224合計16923119221012256表

5-2

最大似然法分類精度評價（％）類別參考總計分類總計正確分類數(shù)生產精度用戶精度未分類100------耕地69736594.20%89.04%園地23361460.87%38.89%林地119979478.99%96.91%居民點及工礦用地22161463.64%87.50%水體101010100.00%100.00%未利用地122412100.00%50.00%合計256256209

總精度＝209/256＝81.64％表5-1和5-2顯示了在最大似然分類中，園地和未利用地的分類精度比較低，分別為：38.89%和50.00%，這是因為園地、耕地、林地之間和未利用地和居民點及工礦用地之間的光譜特征很多比較相似（圖5-2），從而導致誤判。尤其是林地和園地錯分現(xiàn)象比較多，36個園地樣點中，有19個被誤分為林地，3個被誤分為耕地。5.2

決策樹分類1）典型地物光譜分析為了獲取研究區(qū)內各種地物類型光譜特征知識，對研究區(qū)內典型地物類型進行采樣并加以統(tǒng)計，統(tǒng)計結果見表5-3（以03年為例）。其中03年耕地按耕地l(主要為水田)和耕地2(主要為旱地)兩類采樣，水體分為水體1(河流)和水體2(水庫和坑塘水面)兩類采樣。88年圖像上由于存在大量山體陰影，因此陰影也列為單獨一類進行采樣。表5-303年典型地物樣本亮度值統(tǒng)計表地物波段耕地耕地2園地林地居民點及工礦用地水體1水體2未利用地B1

最小值4.0014.008.000.009.000.005.001.00

最大值40.0041.0029.0024.0090.0047.0035.00101.00

均值21.0624.2215.767.5628.7531.2514.2536.07

均方差4.033.582.882.855.934.294.499.45B2

最小值10.0021.0013.000.0016.000.009.008.00

最大值59.0062.0047.0032.00101.0079.0055.00118.00

均值35.8735.5724.2115.2938.3548.3819.8757.00

均方差5.544.684.063.527.388.287.7112.52B3

最小值10.0018.0011.000.0018.000.006.0013.00

最大值76.0067.0057.0032.00117.0081.0063.00138.00

均值35.2838.3623.3813.5245.3146.6415.3772.54

均方差6.676.135.793.569.199.437.9918.70B4

最小值25.0019.0022.000.0017.000.000.0017.00

最大值109.0090.0072.0067.0082.0065.0063.0095.00

均值71.2042.1246.4341.8836.7813.185.4064.83

均方差10.288.476.089.527.708.435.7510.54B5

最小值30.0011.0020.000.0024.000.004.0026.00

最大值117.00110.00102.0092.00172.0099.0095.00167.00

均值75.4347.5860.5047.7567.1814.4310.41106.08

均方差9.2617.839.7711.6212.1111.347.2118.14B7

最小值16.007.0012.000.0019.000.001.0023.00

最大值97.0089.0080.0059.00163.0075.0068.00155.00

均值47.2431.0135.7424.5160.7110.597.5286.17

均方差9.4613.238.597.1311.648.385.2616.75通過03年典型地物樣本亮度值統(tǒng)計可以得到03年典型地物樣本波譜響應曲線：圖5-2

03年典型地物樣本波譜響應曲線2）決策樹的構建對于03年圖像：由于水體和陰影的低反射率，尤其是在長波部分更明顯。因此可以利用TM4/TM3的比值來區(qū)分大部分林地。然后通過纓帽變換的亮度分量可以區(qū)分大部分耕地，剩下的耕地、園地和林地可以通過地學輔助知識如高程和坡度信息來加以區(qū)分。最后通過分析得到03年的分類決策樹：圖

4-5

03年分類決策樹依據(jù)同樣的原理，通過分析分別得到88年和96年的分類決策樹：圖5-6

96年分類決策樹圖

5-7

88年分類決策樹3）分類精度及結果分析通過決策樹分類以及分類后的合并處理最后得到三個時期的土地利用/覆被分類圖：（a）1988年

（b）1996年

（c）2003年圖

5-8

金華市決策樹分類法土地利用/土地覆蓋分類圖通過分層采樣和已有的樣本數(shù)據(jù)對研究區(qū)分類后圖像進行精度估計，得到最終決策樹的誤差矩陣和各項統(tǒng)計指標（以2003年為例）。表5-6

決策樹分類精度矩陣類別未分類耕地園地林地居民點及工礦用地水體未利用地總計未分類00000000耕地0773300083園地0111000012林地062105100114居民點及工礦用地0200211024水體1000012013未利用地000020810合計1861610823139256表

5-7

決策樹分類精度評定（％）類別參考總計分類總計正確分類數(shù)生產精度用戶精度未分類100------耕地86837789.53%92.77%園地16121168.75%91.67%林地10811410597.22%92.11%居民點及工礦用地23242191.30%87.50%水體13131292.31%92.31%未利用地910888.89%80.00%合計256256234

總精度＝209/256＝91.41％表5-6和5-7顯示了決策樹分類中，園地和未利用地的分類精度明顯有所提高，分別為：91.67%和80.00%，林地和園地錯分現(xiàn)象明顯減少，12個園地樣點中，只有1個被誤分為耕地，同樣，在10個未利用地樣點中，只有2個樣點被誤分為居民點及工礦用地。這是因為在決策樹分類過程中，充分利用了地物的各種特征信息，除了利用園地、耕地、林地之間和未利用地和居民點及工礦用地之間的光譜特征之外，還有效使用了其他的特征信息，如紋理信息，通過NDVI可以很好的初步分離耕地、園地和林地，利用纓帽變換的亮度、濕度和綠度信息可以很好的區(qū)分未利用地和居民點及工礦用地，在初步分類結果的基礎上，通過GIS輔助數(shù)據(jù)，像高程和坡度等信息，可以進一步分離混分部分，使分類精度大大提高。5.3

兩種分類精度評定及結果分析對兩種分類方法的分類結果分別進行精度評定最后得到了兩種分類方法三個時期總體分類精度：表5-8

兩種分類方法的分類精度比較年份方法最大似然法決策樹分類法總體精度Kappa系數(shù)總體精度Kappa系數(shù)1988年84.7％0.784687.89％0.82881996年76.95％0.694987.89％0.82902003年81.64％0.746191.41％0.8751從上述表格兩種方法分類結果的比較可以看出：（1）決策樹分類方法從整體上優(yōu)越于最大似然法，而且整體上比較平均，該方法在各單項地物類型的分類精度之間相差比較小，分類結果較為滿意，總精度達到了85％以上，均達到最低允許判別精度0.7的要求（LucasIFJ，1994））。（2）基于知識的決策樹分類方法是提高遙感影像土地利用/覆被自動分類精度的有效途徑之一，其關鍵在于知識的獲取與規(guī)則的創(chuàng)建，只有在對地類光譜特征、幾何特征、地類間相互關系、地類變化規(guī)律、地學分布規(guī)律等知識認真分析的基礎上建立合理的規(guī)則，通過有效地推理判斷才能得到高質量的分類結果。本研究在對金華研究區(qū)地物分布規(guī)律、地物光譜特征分析的基礎上所建立的規(guī)則用于分類取得了較好的效果，說明其規(guī)則的創(chuàng)建是合理而有效的。

6

土地利用/覆被變化分析6.1

金華市土地利用類型的數(shù)量變化根據(jù)土地利用/覆被遙感圖像分類的結果，1988年、1996年和2003年金華市各類土地利用/覆被類型的面積和比例的變化，如表4-1和4-2所示。表6-11988年-1996年金華市土地利用總量變化分析表土地利用類型1988年面積/hm2比例％1996年面積/hm2比例％面積增加/hm2變化率％耕地103476.2450.1967770.7232.87-35705.52-34.51園地2442.961.1915425.647.4812982.68531.43林地87942.3342.65102268.3549.614326.0216.29居民點及工礦用地5617.982.7212702.516.167084.53126.10水體3111.031.515589.92.722478.8779.68未利用地3586.051.742419.471.17-1166.58-32.53合計206176.59100206176.591000.000.00表6-21996年-2003年金華市土地利用總量變化分析表土地利用類型1996年面積/hm2比例％2003年面積/hm2比例％面積增加/hm2變化率％耕地67770.7232.8772926.7335.375156.017.61園地15425.647.488804.254.27-6621.39-42.92林地102268.3549.6101124.2749.05-1144.08-1.12居民點及工礦用地12702.516.1615782.677.653080.1624.25水體5589.92.725588.462.71-1.44-0.03未利用地2419.471.171950.210.95-469.26-19.40合計206176.59100206176.591000.000.006.2

金華市土地利用類型轉換變化單純看面積增加或減少，難以反映土地利用的內部結構變化。為揭示各土地利用類型的內部轉移特征，基于1988年、1996年和2003年金華市土地利用分類圖，利用ArcGIS軟件中空間分析模塊的疊加功能，分別將每兩個時期分類圖像疊加，得到土地利用面積轉移矩陣（表6-3、表6-4和表6-5）。表6-31988～1996金華市土地利用轉換矩陣（Unit：hm2）動態(tài)轉移矩陣1996年1988年合計耕地園地林地居民點及工礦用地水域未利用地1988年耕地61793.3713575.9616128.638208.452044.891720.44103476.24P/%

32.5738.7019.694.914.13100.00園地1423.71438.48421.3869.319.4470.652442.96P/%71.03

21.023.460.973.52100.00林地2287.62745.2984457.8274.77115.4764.0887942.33P/%65.6021.37

7.883.311.84100.00居民點及工礦用地651.24277.56651.243618.36321.6697.925617.98P/%32.5713.8832.56

16.094.90100.00水域131.0468.13134.46161.372580.9334.833111.03P/%24.7312.8625.3830.46

6.57100.00未利用地1483.74318.42475.2369.63501.66437.43586.05P/%47.1210.1115.0911.7415.93

100.001996年合計67770.7215425.64102268.3512701.525589.92419.47206176.59總的來說，耕地和未利用地一直在減少，耕地減少的最多，是其他用地的主要來源；居民點及工礦用地的面積呈大幅度地增加，主要來自于耕地；林地、園地、水域面積有不同程度的增加。1）耕地轉換分析耕地在前期（1988年～1996年）向各種類型均有不同程度的轉變，其中主要向園地、林地和居民點及工礦用地轉變，轉化量分別為13575.96hm2、16128.63hm2、8204.54hm2，分別占由耕地轉換為其他用地總量的32.57％、38.7.％和19.69％，在后一時期（1996年～2003年）耕地有稍微的增加，主要由林地、園地、居民點及工礦用地轉化而來，分別為8088.21hm2、8047.98hm2、3402.36hm2?？偟膩碚f，耕地面積一直在減少，從1988年到2003年，主要轉化為園地、林地和居民點及工礦用地，分別達到了6732.99hm2、15919.29hm2、11062.26hm2，占用由耕地轉為非耕地的18.14％、42.88％和29.80％。2）園地轉換分析園地的變化起伏比較大，先增加后減少。前期主要是大幅度地增加，轉出主要是變?yōu)楦睾土值?，增加的面積主要由耕地而來，達到了13575.96hm2，后期面積逐漸減少，到2003年時主要轉向了耕地和園地，分別為8088.21hm2、327402hm2，占了由園地變?yōu)榉菆@地總量的62.09％和25.13％?？傏厔菔菆@地面積在增加，由1988年的2442.96hm2到2003年的8804.25hm2，主要來自耕地和林地。3）林地轉換分析林地在兩期都轉為耕地和園地，前期轉換面積分別為2287.02hm2、745.29hm2，占同期林地轉換為其他用地類型的65.60％和21.37％；后期轉換面