基于ALOS数据的城市景观格局信息提取研究_以北京市海淀区为例

基于AL OS 数据的城市景观格局信息提取研究

———以北京市海淀区为例

易文斌

①,②

,蒋卫国

②,③

,国巧真

①,②

,李京

②,③

(①北京师范大学资源学院,北京100875;②地表过程与资源生态国家重点实验室(北京师范大学),北京100875;

③民政部教育部减灾与应急管理研究院,北京100875)

摘要:在城市景观规划与城市生态环境演变研究中,理解与把握城市景观格局信息至关重要。本文以海淀区

2006年ALOS 卫星为研究数据,运用面向对象的影像分类方法获取景观类型分布,选取景观分维数、破碎度、分

离度等景观指数来定量描述海淀区的景观格局。研究表明海淀区景观多样性指数较低,景观类型面积所占比例差异大,人为作用影响显著。居民地及工矿用地景观和耕地景观构成海淀区的景观基质,道路交通景观构成廊道景观,林地景观相对较稳定,而水域景观和草地景观受人为干扰严重,需要加强管理与规划。

关键词:ALOS 数据;面向对象分类;景观格局;海淀区

中图分类号:TP79 文献标识码:A 文章编号:1000-3177(2008)98-0033-06

收稿日期:2007-11-12

修订日期:2008-

02-29

基金项目:上海市城市化生态过程和生态恢复重点实验室开放课题基金项目“生态安全条件下的城市化过程中景观格局优化模拟

研究”和国家自然科学基金(项目批准号:40701172;40771136)联合资助。

作者简介:易文斌(1984～),男,湖北省云梦县人,博士研究生,研究方向为资源环境遥感。 E 2m ail :wenbinrs @https://www.360docs.net/doc/424512959.html, 通讯作者:E 2m ail :jwg @https://www.360docs.net/doc/424512959.html,

1　引　言

城市景观是地表景观动态变化最快的类型之一,因此城市景观格局研究成为目前最受瞩目的景观格局研究领域。在分析景观格局时,景观类型分布图是分析的基础空间数据,而遥感技术可快速获取大量空间数据、大范围地提取地表覆盖信息,是景观格局分析获得基础数据的主要手段。李卫锋等人利用MSS 影像与TM 影像获取了深圳市多个时期的不同景观类型分布图并分析了深圳市景观格局的变化驱动力[1]。岳文泽等人也利用SPO T 影像获取基本的景观类型空间分布图,分析了不同尺度下城市景观综合指数的空间变异特征[2]。随着遥感技术的发展,ASTER 、I KONOS 和QuickBird 影像也被用来提取城市景观分布信息和分析景观格局[3～5]。ALOS 卫星是2006年发射的陆地资源卫星,其分辨率高、性能好、价格低,在城市景观研究中具有强大的优势。同时景观指数能够浓缩景观格局信息,反映景观结构组成和空间配置某些方面特征的简单定量指标,是景观生态学最常用的定量化研究方法[6]。本文利用ALOS 卫星数据并采用面向对象的遥感影像分类方法获取海淀区的城市土地利

用与土地覆盖分布图,然后计算合适的景观指数来分析海淀区的城市景观格局,可为海淀区城市景观生态规划与生态设计提供一定的科学依据。

2　实验区简介

实验区是位于北京城区和近郊区西部和西北部

的海淀区(如图2),具体地理位置为北纬39°53′～40°09′,东经116°03′～116°23′。海淀区总面积为431.29km 2,约占北京市总面积的2.53%[7]。该地区地势西高东低,西部为海拔100m 以上的山地,约占总面积的15%,东部和南部为海拔50m 左右的平原,约占总面积的85%。随着经济与工业化的不断加剧、城市化现象的日益加快,城市景观结构改变较为显著,将引发一系列的生态环境问题。故提取并分析该地区的景观格局信息,对于海淀区的可持续发展城市规划具有重要意义。

3　研究数据与预处理

3.1　研究数据简介

ALOS 卫星是日本于2006年1月24日发射的目前世界上先进的地球观测卫星,其重访时间为2天,重复周期为46天,可广泛应用于测绘、区域环境

3

3

观测、灾害观测等领域。ALOS 卫星有三个传感器,分别为全色遥感立体测绘仪(PRISM )、可见光与近红外辐射计(AVN IR 22)和相控阵型L 波段合成孔径雷达(PAL SA R )。其中AVN IR 22多光谱影像的星下点空间分辨率为10m ,高于TM 、SPO T 24等多光谱传感器的空间分辨率,主要用于陆地和沿海地区观测,为区域环境监测提供土地覆盖图和土地利用分类图。对AVN IR 22多光谱影像进行影像处理可获取精细的城市景观类型分布图,可为城市景观格局分析提供较好的基础空间数据。本文利用2006年11月29日ALOS 卫星的AVN IR 22多光谱影像来分析海淀区的景观格局现状。AVN IR 22传感器观测波谱范围如表1所示。

表1　ALOS 卫星AVN IR 22传感器观测光谱范围

通道波长范围/nm

波段1420～500Blue 波段2520～600Green 波段3610～690Red 波段4

760～890

Inf rared

3.2　景观类型划分

城市景观类型划分是遥感影像分类、景观格局分析等工作的基础。在不同应用中,景观的理解不同,。根据城市景观的特征并结合各类不同景观类型的经济和生态功能,可将海淀区域内景观类型划分如下:(1)居民地及工矿用地景观,主要指城乡居民点、独立居民点及

居民点以外的工矿、商业区等;(2)水域景观,主要指

河流、湖泊等各种水体;(3)林地景观,主要指山区和城区的高大乔木、灌木等构成的绿地;(4)草地景观,主要指城市内草本植物构成的绿地;(5)道路交通景观,主要指铁路、各级公路及相关附属设施等;(6)耕地景观,主要指种植农作物的土地景观;(7)未利用地景观,本文特指研究区内祼露山地和城市未开发用地。

3.3　景观类型分布图获取

景观类型分布图通常是通过解译遥感影像获取的。常用的遥感影像解译方法是基于像元的监督法分类和非监督法分类。这类解译方法仅能利用基本像元的光谱特性进行分类,且分类结果容易产生椒盐噪声[

7]。椒盐噪声在景观类型分布图上表现为较多的破碎斑块,对景观指数的计算将引起较大的误差而影响景观格局分析。本文采用面向对象的分类方法对ALOS 影像进行分类处理。该方法主要是对影像进行分割,将同质像元构成的对象视为分类的最小单位,并在分类过程中充分考虑对象的空间特征和光谱特征,可有效地克服像元层次分类的不足[8]。面向对象的分类主要流程为多尺度分割、最优尺度选择、获取对象特征信息并组合、影像分类等[9]。其中影像分割可基本消除椒盐噪声的影响,从而反映不同地物的真实空间聚集分布状况,有利于景观格局信息的提取。本文采用的面向对象影像分类流程如图1所示。

图1　面向对象影像分类流程图

通过多次实验并设置合适的分割参数与尺度参数,最终得到的研究区景观类型分布如图3所示。对分类结果进行精度检验,可知利用面向对象分类方法获取的景观类型分布图分类精度为89.14%,Kappa 系数为0.8606。故景观类型分布图的分类精度较高,较好地反映了各景观类型的实际分布状况,可用于分析海淀区的景观格局。

4　景观信息提取

4.1　海淀区景观结构概况

由海淀区景观类型分布图(图3)可知:海淀区

北部和西南部地区有较多的耕地,主要呈现种植粮食作物、经济作物的耕地景观类型;东南部地区是居民点及工矿用地景观类型;西部及西北部地区是大面积的山体林地,呈现出具有涵养水源和防风固沙

4

3

功能的林地景观类型。结合表2可知目前居民点及工矿用地景观和交通用地景观已占全市土地面积的45.26%,城市化水平很高。同时,海淀区人口不断增加,耕地逐年减少,人均耕地占有量将不断下降。

查询相关统计资料可知2006年海淀区户籍人口为198.9万人,人均耕地面积仅为0.1亩左右,低于北

京市人均耕地面积0.22亩[10],也远低于2006年全国人均耕地面积1.38亩,区域内人地矛盾很严重

。

图2　海淀区地理位置示意图 图3　海淀区景观类型分布图

表2　海淀区景观类型统计表

景观类型编号

面积

(km 2)

面积比例(%)

斑块个数

斑块个数比例(%)

居民点及工矿用地

1163.2537.8587633.02水 体29.21 2.1430711.57林 地380.5318.6733212.51草 地49.85 2.2834312.93道路交通531.977.412328.74耕 地6132.2130.6534913.15未利用地7

4.280.992148.07合 计

431.29

100

2653

100

4.2　景观指数选取

结合海淀区的景观分布特征,本文选择了五种景观指数来描述不同斑块级别的景观特征,具体构成的景观指数体系如图4所示:

图4　海淀区景观指数体系图

各种景观指数在不同尺度上反映了景观格局的

分布特征,其具体的数学表达式及含义如下:

(1)斑块数量

斑块数量直接反映了某类景观的多少,同时结合该类景观的总面积大小,可计算出该类景观的平

均面积大小,并可反映其影响生物、养分贮量及物种组成能力[11]。

(2)景观分维数

景观分维数是用来反映在一定的观测尺度上斑块和景观格局的复杂程度。其通常利用斑块面

5

3

积———周长法来测定,具体定义为[12]:

对于单正方长斑块,常数k等于4,则:P=4×A D/2

且D=2log(P/4)

log(A)

其中,D表示分维数,P为斑

块平均周长,A为斑块平均面积。D值的理论范围为1.0～2.0。

(3)景观破碎度

景观破碎度反映的是单位面积上斑块个数的多少,它在一定范围内反映了人为活动对景观的干扰程度。该指数也可理解为景观被分割破碎的程度,其计算公式为[13]:

C

i

=N i/A i

其中C

i 为景观i的景观破碎度,A

i

为海淀区

景观i的总面积,N

i

为景观i的斑块数。

(4)景观分离度

景观分离度用来分析景观要素的空间分布特征,其中分离度越大,表示斑块越离散。该指数描述了不同斑块个体空间分布的离散程度,其计算公式如下所示[14]:

N

i

=D i/S i

式中,N

i为景观i的分离度,D i是景观i的距离指数,其中D

i

=0.5×(n/A)0.5,n为景观i的斑

块数,A为海淀区总面积。S

i是景观i的面积指数,

S

i

=A

i

/A,A i为景观i的面积。

(5)景观多样性指数

景观多样性指数反映了景观类型的多少和景观类型所占比例,揭示了景观中不同景观类型分布的均匀化和复杂化的程度。根据信息论原理,香农景观多样性指数如下公式所示[5]:

H=6m i=1P i×ln P i

其中,H为多样性指数,P

i

为景观i所占面积的比例,m为景观种类的数量。在分析景观指数多样性时也需引入景观最大多样性指数,其定义为研究区内各类型景观所占比例相等时景观拥有的最大多样性指数。

4.3　景观指数计算

本文景观指数是利用Arc GIS地统计分析模块与Fragstat s景观指数统计软件计算得到的。其中整体景观多样性指数值为1.4506,景观最大多样性指数值为1.9459,其他指数值如表3所示。

表3　景观指数计算结果

景观指数景观类型 斑块数量

斑块总面积

(km2)

景观分维数景观破碎度景观分离度

居民点及工矿用地876163.25 1.27820.05370.1883水 体3079.21 1.65020.3334 1.9757林 地33280.53 1.42820.04120.2350草 地3439.85 1.49930.3482 1.9522道路交通23231.97 1.56990.07260.4947耕 地349132.21 1.35980.02640.1467未利用地214 4.28 1.29020.5003 3.5512

4.4　景观空间格局分析

近年来,海淀区的基础设施、交通条件等因素不断改善,加速了区域内的土地利用景观的城镇化,而且海淀区人口增长迅速,对资源、环境带来压力,耕地一直呈减少的趋势,再加上建设用地占用、退耕还林、农业结构调整等,致使人均耕地不断减少,当然也会引起其他用地发生相应变化,从而影响城市景观格局。本文从以下5个方面对景观空间格局进行分析。

4.4.1斑块的数量与大小

结合图3和图5可知,海淀区内居民点及工矿用地景观斑块数量最多,平均斑块面积大,居民点相对集中,城市化水平较高;林地景观斑块数较居民点及工矿用地景观少,但其平均斑块面积较大,集中分布于海淀区西部和西北部的山区;耕地景观斑块总面积较大,仅次于居民点及工矿用地景观的面积,且平均斑块面积最大,分布较集中;交通用地景观的平均斑块面积大于草地、水体和未利用地,而其他三种景观的斑块数量适中,但平均斑块面积较小。总体而言,海淀区2006年居民点及工矿用地景观和耕地景观斑块面积占全区总面积的68.5%,构成了海淀区景观的基质,而水域景观、道路交通景观构成了海

63

淀区的廊道景观,与其他的各类景观相互联系,共同构成海淀区的景观结构

。

图5　景观斑块数和平均斑块面积 图6　景观分离度、破碎度和分维数

(注:1表示居民点及工矿用地景观、2表示水域景观、3表示林地景观、4表示草地景观、

5表示道路交通景观、6表示耕地景观、7表示未利用地景观)

4.4.2景观分维数分析

由图6可知,研究区内各景观类型分维数值均超过1.2,说明该区域各类斑块形状复杂,斑块间的相似相对较低,城市化将进一步发展。海淀区域内水域景观的分维数值是所有景观中最大的,其次是道路交通景观。水域景观和道路交通景观是海淀区内的廊道景观,与其他的各类斑块相互联系,边界很容易为其他景观类型切割成不规则的齿状,边界很曲折,分维数就表现较高。水域景观和道路交通景观是海淀区内最复杂的两种景观格局,而居民点及工矿用地景观多聚集成片,城市化水平高,故分维数相对较小。

4.4.3景观破碎度分析

分析对比不同景观类型的景观破碎度可知(图6),研究区水域景观、草地景观和未利用地景观破碎

度明显高于其他四种景观类型。其中未利用地景观斑块中较多数量属于裸露岩石,受人类的影响较小,但形状相对多样、不规则,故破碎度较高。水域景观主要是海淀区内的自然河流、湖泊和城区护城河,而草地景观主要是城市区域内的高尔夫球场及居民地、商业区域内的绿化带地区,均受人为干扰较强,呈现破碎的分布。因此在城市景观规划方面应加强水域景观与草地景观的管理与规划,防止景观完整性进一步降低。

4.4.4景观分离度分析

结合表3与图6可知海淀区内各景观的分离程度差异较大。其中分离度最大的是未利用地景观,其次是水域景观与草地景观,耕地景观的分离度最小。未利用地景观中存在较多数量的裸露岩石,其分布较分散而且面积较小故分离度较高。水域景观和草地景观受人为作用的影响较大,在整个空间上呈现孤立的散点状,被其他类型斑块所隔离,同种类

型斑块个体之间没有联系,故分离度值较大。居民点及工矿用地景观、林地景观、耕地景观和道路交通景观面积较大,分布较集中,故分离度值较小。

4.4.5景观多样性指数分析

一般而言,人口集中、人类活动强烈的地区,自然景观受到改造的程度大,景观类型丰富,多样性程度较高。香农多样性指数是最常见的多样性指数之一,它的大小反映景观类型的多少和各景观类型所占比例的变化。通常随着香农多样性指数值的增大,景观结构组成的复杂性也趋于增加。经计算可知,海淀区香农多样性指数值为1.4506,仅为最大多样性指数值1.9459的74.5%,故海淀区各种景观类型所占比例差异大,景观要素类型不丰富。该地区居民点及工矿用地景观和耕地景观占支配地位,景观复杂程度不够,受人为因素影响较严重。

5　结束语

本文利用ALOS 卫星影像并采用面向对象分类方法获取了2006年海淀区精细的景观类型分布图,由此分析得到的景观格局与实际景观现状相符,故ALOS 卫星影像用于城市景观格局研究具有较大的优势。依据本文景观分析结果可知:2006年海淀区呈现显著的城市景观,其中居民点及工矿用地景观和耕地景观构成景观基质,道路交通景观构成了海淀区的廊道景观。区域内水域景观和草地景观受人为干扰较强,整体破碎度较高;未利用地景观较多属于裸露岩石,自然分布较破碎;林地景观斑块数较少且平均斑块面积较大,景观分布现状较好。在海淀区未来的城市景观规划与管理过程中,需加强水域景观与草地景观的保护,防止其斑块总面积进一步的减少而造成景观破碎度的不断增大。同时也需保持其他景观类型较好的土地利用方式和利用现

7

3

状,控制海淀区城镇化发展的速度,防止居民点及工矿用地景观和交通用地景观面积的快速增长,减少其他景观类型对耕地景观的侵占,避免人地矛盾进一步激化,最终确保海淀区的景观结构和谐,生态环境健全。

参考文献

1　李卫锋,王仰麟,彭建,等.深圳市景观格局演变及其驱动因素分析[J].应用生态学报,2004,15(8):1403～1410.

2　岳文泽,徐建华,徐丽华,等.不同尺度下城市景观综合指数的空间变异特征研究[J].应用生态学报,2005,16(11):2053～2059.

3　陈志强,杨伟,曹蕾.福州市植被信息提取及其景观格局空间变化[J].福建地理,2006,21(2):95～97.

4　龚建周,张鹏,杨景荣,等.IKONOS数据在植被景观制图和景观空间格局分析中的应用———以丘陵沟壑区准格尔五分地沟小流域为例[J].干旱区资源与环境,2004,18(2):130～135.

5　孙娟,蓝崇钰,夏汉平,等.基于QuickBird卫星影像的贵港市城市景观格局分析[J].生态学杂志,2006,25(1):50～54.

6　邬建国.景观生态学—格局、过程、尺度与等级[M].北京:高等教育出版社,2000.13～94.

7　余晓敏,邱全毅,何宇华,等.基于多尺度分割和多特征组合的土地覆盖分类[A].国土资源遥感技术发展文集[C].吉林:吉林大学出版社,2006.94～101.

8　陈云浩,冯通,史培军,等.基于面向对象和规则的遥感影像分类研究[J].武汉大学学报(信息科学版),2006,31(4):316～320.

9　Benz U C,Peter H,Gregor W,et al.Multi2resolution,object2oriented f uzzy analysis of remote sensing data for GIS2ready information[A].ISPRS Journal of Photogrammetry&Remote Sensing[C].2004(58):239～258.

10　北京统计局,国家统计局北京调查总队.北京统计年鉴———2007[M].北京:中国统计出版社,2007.61～187.

11　肖笃宁,李秀珍,高峻,等.景观生态学[M].北京:科学出版社,2006.31～60.

12　王景伟,王海泽.景观指数在景观格局描述中的应用———以鞍山大麦科湿地自然保护区为例[J].水土保持研究,2006,13

(2):230～233.

13　于德永,郝占庆,姜萍,等.长白山典型林区森林资源景观格局变化分析[J].应用生态学报,2004,15(10):1809～1814.

14　于德永,王艳艳,郝占庆,等.吉林省露水河地区森林景观格局变化[J].资源科学,2005,27(4):147～153.

A R esearch on Extracting U rban Landscape Pattern Inform ation

from ALOS S atellite Im age

———A C ase Study in H aidian District,Beijing

YI Wen2bin①,②,J IAN G Wei2guo②,③,GUO Qiao2zhen①,②,L I Jing②,③

(①College of Resources Science and Technology,B ei j ing N ormal Universit y,B ei j ing100875;

②S tate Key L aboratory of Earth S urf ace Processes and Resource Ecolog y,B ei j ing N ormal Universit y,B ei j ing100875;

③A cadem y of Disaster Reduction and Emergency M anagement,M inist ry of Civil A f f ai r&

M inist ry of Education,B ei j ing100875)

Abstract:It is very important to understand and grasp the urban landscape pattern information in urban landscape planning and the research in evolution of the urban ecological environment.In the paper,the ALOS image of Haidian District acquired in 2006is selected as the source data and the object2oriented image classification method is used to get the distribution map of landscape types.The landscape pattern of the study area is described quantitatively by selecting the f ractal index,fragmentation index,segmentation index and other indices.The results reveal that the landscape diversity index is low and the difference of the landscape area percent is great,and the human effects are prominent in Haidian District.The residents and mining lands landscape and cultivated lands landscape make up of the landscape substrates of Haidian District.The corridors landscape of Haidian District is consisted by the road landscape and the forest landscape is stable,but the landscapes of water and grass suf2 fer f rom human disturbance seriously which need to be managed and planned effectively.

K ey w ords:ALOS satellite image data;object2orient classification;landscape pattern;Haidian district 83