基于TM影像的南京市土地利用变化遥感监测与评价
基于遥感的土地利用变化监测
基于遥感的土地利用变化监测一、引言土地是人类赖以生存和发展的基础资源，其利用方式的变化对于生态环境、经济发展和社会可持续性都有着深远的影响。
随着人口的增长和经济的快速发展，土地利用变化日益频繁和复杂。
为了实现科学合理的土地规划和管理，及时准确地监测土地利用变化成为了至关重要的任务。
遥感技术作为一种高效、大范围、多时相的数据获取手段，为土地利用变化监测提供了强有力的支持。
二、遥感技术在土地利用变化监测中的原理和优势遥感技术通过传感器接收来自地表物体反射或发射的电磁波信息，从而获取地表的特征和状态。
在土地利用变化监测中，通常利用不同时期的遥感影像，通过对比分析影像中地物的光谱、纹理、形状等特征的差异，来识别土地利用类型的变化。
与传统的土地调查方法相比，遥感技术具有显著的优势。
首先，遥感能够实现大面积同步观测，大大提高了监测的效率和覆盖范围。
其次，遥感可以获取多时相的数据，能够动态地反映土地利用的变化过程。
再者，遥感数据具有较高的客观性和准确性，不受人为因素的干扰。
三、遥感数据的选择与预处理在进行土地利用变化监测时，选择合适的遥感数据至关重要。
常见的遥感数据源包括卫星影像（如 Landsat、Sentinel 等）和航空影像。
卫星影像具有覆盖范围广、重访周期短的特点，适用于大区域的宏观监测；航空影像则具有较高的空间分辨率，适用于小范围的精细监测。
在获取遥感数据后，需要进行一系列的预处理工作，以提高数据的质量和可用性。
这包括几何校正，即消除影像由于传感器姿态、地形起伏等因素造成的几何变形；辐射校正，用于消除传感器本身和大气等因素对影像辐射亮度的影响；图像增强，突出影像中的有用信息，提高图像的清晰度和可辨识度。
四、土地利用分类体系与解译方法为了有效地监测土地利用变化，需要建立科学合理的土地利用分类体系。
常见的分类体系包括耕地、林地、草地、建设用地、水域等。
在对遥感影像进行解译时，可以采用目视解译和计算机自动解译两种方法。
基于PCA的变化向量分析法遥感影像变化检测
基于PCA的变化向量分析法遥感影像变化检测黄维;黄进良;王立辉;胡砚霞;韩鹏鹏【摘要】为实现对土地覆盖变化的遥感监测,研究了一种基于不同年份单时相遥感数据提取差异影像、自动确定变化阈值提取变化区域的新方法.以南通市Landsat8 0LI影像为例,对2期影像分别进行主成分分析(principal component analysis,PCA);取前3个主分量进行变化向量分析(change vector analysis,CVA),构造变化检测差异影像,并与传统PCA法和CVA法构造的差异影像进行对比;对3景差异影像分别用传统全局阈值法和局部最小错分概率法自动确定阈值,分别提取变化区域,得到6景变化区域图.利用目视解译样点进行精度评价的结果表明,改进后的基于PCA的CVA法提取的变化区域总体精度可达92.78％,Kappa系数可达0.842 6,证明使用该方法可有效地进行不同年份单时相遥感数据的变化检测.%In order to monitor the change of land cover with remote sensing technology,the authors studied a method which is based on single-temporal remote sensing image in different years for extracting differences between the images and determining the change threshold automatically to extract the change area.The research took Landsat80LI images of Nantong City as an example.Principal component analysis (PCA) was carried out respectively on two images.After the PCA transformation,the first three components were operated based on change vector analysis (CVA) to get the difference image for change detection,which was compared with the extraction results based on the traditional PCA method and CVA method.Overall minimum error probability threshold determination method and local minimum error probability method wereutilized to automatically determine the threshold of the three difference images and to get six change area images.The accuracy was evaluated by visual interpretation,and the results show that the overall accuracy of the new method can reach 92.78％,with kappa coefficient up to 0.842 6.This method is proved to be feasible and effective for extracting change area by single-temporal remote sensing image in different years.【期刊名称】《国土资源遥感》【年(卷),期】2016(028)001【总页数】6页(P22-27)【关键词】变化向量分析(CVA);主成分分析(PCA);阈值确定;变化检测【作者】黄维;黄进良;王立辉;胡砚霞;韩鹏鹏【作者单位】中国科学院测量与地球物理研究所,武汉430077;中国科学院大学,北京 100049;中国科学院测量与地球物理研究所,武汉430077;中国科学院测量与地球物理研究所,武汉430077;中国科学院测量与地球物理研究所,武汉430077;中国科学院大学,北京 100049;中国科学院测量与地球物理研究所,武汉430077;中国科学院大学,北京 100049【正文语种】中文【中图分类】TP751.1随着人类对土地资源改造的日趋频繁，土地覆盖/利用状态信息的及时更新已成为亟待解决的问题，而利用遥感数据的大面积同步观测和实效性等特点进行土地覆盖变化检测是一种有效的技术手段[1]。
基于高分辨率影像土地利用遥感动态监测与分类信息提取方法
基于高分辨率影像土地利用遥感动态监测与分类信息提取方法摘要：本文介绍了基于高分辨率影像的土地利用遥感动态监测与分类信息提取方法，利用遥感技术动态监测土地利用的本质是对图像系列时域效果进行量化，通过量化多时相遥感图像空间域、时间域、光谱域的耦合特征，来获得土地利用变化的类型、位置和数量等内容。
利用遥感技术可以快速、大范围的获得土地利用变化区域，例如建设用地、农业用地、工业用地、交通用地，水体（河道变化）等。
关键字：遥感技术土地利用影像分类动态监测图像分割1.背景随着社会经济的发展，特别是城市建设步伐的加速，城市土地利用每年都在发生明显的变化。
传统的土地利用调查需要花费大量的人力、时间和经费,难以适应土地利用的这种快速变化。
遥感以其覆盖面大、信息更新快、人为干扰因素小等优点已逐渐应用到土地利用变化遥感动态监测中。
我国遥感技术在土地资源调查和监测中的应用始于20 世纪90 年代。
国家土地管理局成立以后，在国务院统一布署下，利用了TM、SPOT等多种遥感数据源，进行目视解译、分析和计算机自动分类制图等组织完成了全国县级土地详查，这一成果为各级政府制定经济建设规划、计划，为农业、工业、水利、能源、交通等各专业部门制定规划、计划提供了可靠的数据资料、为各项土地管理工作提供准确依据，已在经济建设、农业生产和土地管理中发挥了重要作用，也为我国开展土地利用动态监测提供了完整、可靠的本底资料。
1.技术流程和关键技术1.技术流程土地利用变化遥感动态监测是一个工作量比较大的过程，对遥感数据的预处理要求较高，变化信息的发现和变化信息的提取可选择和组合的方法很多，技术含量较高。
下图为土地利用变化遥感动态监测的技术流程。
1.动态监测技术流程1.关键技术遥感动态监测主要涉及图像预处理和土地利用变化信息检测和提取两部分，其关键技术也就主要包括图像预处理方法和土地利用变化信息提取方法。
值得我们注意的是，变化检测方法和信息提取方法不能说哪个绝对的好与坏，只能是根据不同的数据源和不同的应用需求选用适合的方法。
应用ENVI软件目视解译TM影像土地利用分类
应用ENVI软件目视解译TM影像土地利用分类一、本文概述随着遥感技术的不断发展，高分辨率卫星影像的获取与处理已经成为土地利用/覆盖分类研究的重要手段。
其中，TM（Thematic Mapper）影像，作为一种经典的中分辨率遥感数据源，具有广泛的应用前景。
然而，如何有效地从TM影像中提取土地利用信息，尤其是通过目视解译的方法，一直是遥感应用领域的研究热点。
本文旨在探讨利用ENVI软件对TM影像进行目视解译的方法，并对土地利用分类的过程进行详细阐述。
文章首先介绍了TM影像的特点及其在土地利用分类中的适用性，然后重点阐述了ENVI软件在目视解译过程中的优势和应用流程。
通过实例分析，本文展示了如何利用ENVI软件对TM影像进行预处理、特征提取、分类决策以及后处理，从而实现高精度的土地利用分类。
本文的研究不仅有助于提升TM影像在土地利用分类中的应用效果，同时也为其他遥感影像的目视解译提供了有益的参考。
通过本文的阐述，读者可以更好地理解ENVI软件在遥感影像处理中的重要作用，掌握土地利用分类的基本方法和技巧，为相关领域的实践和研究提供有力支持。
二、理论基础与技术方法土地利用分类是对地球表面土地利用类型进行划分和识别的过程，它是地理信息系统（GIS）和遥感（RS）技术的重要应用领域。
TM（Thematic Mapper）影像是由美国陆地卫星（Landsat）提供的多波段扫描影像，因其具有较高的空间分辨率和丰富的光谱信息，在土地利用分类中被广泛应用。
目视解译是一种基于专家知识和经验的影像解译方法，它通过人工观察和分析影像的纹理、色彩、形状等特征，结合地物的光谱特性，实现对地物类型的识别。
目视解译在土地利用分类中具有直观、准确和灵活等优点，尤其在处理复杂地物类型和细节信息时表现出色。
在ENVI软件中，目视解译可以充分利用其强大的图像处理和分析功能，如波段组合、色彩增强、空间滤波等，提高解译的精度和效率。
同时，ENVI软件还提供了丰富的地物分类工具和模型，如监督分类、非监督分类等，可以辅助用户进行自动化的土地利用分类。
基于Landsat TM数据的建筑用地信息提取及变化分析
基于Landsat TM数据的建筑用地信息提取及变化分析曾晓明;何龙;王成雷;张虎;连懿;孙瑞祺【摘要】为了从Landsat TM数据中精确提取建筑用地信息并分析建筑用地信息随时间的变化特征,运用压缩数据维的方法,通过构建增强型建筑用地指数EIBI实现了对Landsat TM影像建筑用地的提取实验结果表明:此方法对天津市2005年和2010年Landsat TM影像的提取精度达到89.66％和91.47％.基于分类计算结果可知,与2005年相比,2010年天津市新增建筑用地面积1064.35km2,年均净增长率为11.17％.【期刊名称】《天津师范大学学报（自然科学版）》【年(卷),期】2018(038)002【总页数】6页(P57-62)【关键词】Landsat TM;建筑用地指数;天津市;建筑用地信息【作者】曾晓明;何龙;王成雷;张虎;连懿;孙瑞祺【作者单位】天津师范大学地理与环境科学学院,天津300387;天津师范大学地理与环境科学学院,天津300387;天津师范大学地理与环境科学学院,天津300387;天津师范大学地理与环境科学学院,天津300387;天津师范大学地理与环境科学学院,天津300387;天津师范大学地理与环境科学学院,天津300387【正文语种】中文【中图分类】Q469随着社会经济的快速发展，城市用地不断扩张导致的耕地资源急剧减少和土地资源利用效率大幅降低等问题越来越突出，因此，监测土地利用的动态变化提升为重要议题.近年来，研究人员通过卫星影像数据提取建筑用地信息，参照归一化植被指数(normalized difference vegetation index，NDVI) 建立了归一化建筑指数(normalized difference built-up index，NDBI)，用于提取城镇用地信息[1-4].与传统提取方法相比，该方法提取精度明显提高，但算法基于单一指数，提取结果包含部分植被和水体等其他地物信息，结果和精度不具有客观性.徐涵秋[5-7]基于压缩数据维的方法，将遥感影像压缩为修正归一化差异水体指数(modified normalized difference water index，MNDWI)、土壤调节植被指数(soiladjustedvegetationindex，SAVI)和NDBI共3个指数，并重新构建建筑用地指数(index-based built-up index，IBI)，进一步压缩数据维去除植被和水体影响，使得城镇用地信息的提取结果和提取精度均得到改善.由于裸地的光谱特征和建筑用地相似，三指数法提取的建筑用地信息中并没有将裸地信息去除.区分建筑用地信息与裸地信息一直是遥感影像地物信息提取的关键点.彭光雄等[8]、杨智翔等[9]和徐涵秋[10]进一步分析光谱特征，构造新的提取标准，综合多种指数，采取阈值分割法剔除裸地信息.在利用不透水面指数分离裸土和建筑信息的研究方面，徐涵秋[11-14]根据不透水面波谱特征，提出快速提取不透水面的新型遥感指数，取得较好的分离效果.近年来，关于城镇用地信息提取的研究多从建筑用地提取模型和方法创新角度入手，通过对比分析少量遥感影像建筑用地提取结果的精度，逐步完善提取模型和方法.但是，在模型提取的实际运用过程中，较少提取多期建筑用地信息，而传统方法提取步骤繁多，数据量大，自动化提取程度低，费时费力，不利于大尺度城市变化分析和土地利用动态变化监测等相关研究.因此，本研究从自动化快速提取多期建筑用地信息着手，基于吴志杰等[15]提出的EIBI(enhanced index-based built-up index，EIBI)模型，编程实现 EIBI建筑用地自动提取功能，并以天津市2景Landsat TM数据为例，从遥感影像的波段合成、镶嵌和裁剪开始，逐步进行指数的构建、灰度的线性拉伸和阈值的设置，最终提取EIBI建筑用地信息，实现了Landsat TM数据中建筑用地信息的快速自动提取，并对提取结果进行精度验证，分析了建筑用地信息随时间的变化特征.1 数据与方法1.1 研究区域和研究数据选取天津市为研究区.作为直辖市的天津位于环渤海湾中心，总面积1.1946×104km2，其城市形成、发展和城市用地扩张的规模在全国位于前列，具有一定的代表性和典型性.选用天津市2005年8月20日和2010年10月5日获取的2景Landsat-5 TM影像作为研究数据，这两景数据含云量较少，为研究建筑用地信息提供了丰富的数据基础.为了减少光照和大气差异带来的影响，影像需经过辐射定标和大气校正，根据地表的反射率数据提取建筑用地信息.本研究中用到的Landsat影像数据均来自美国地质调查局(USGS)官方网站(https：///).地表反射率数据使用由美国航空航天局研发的陆地卫星生态系统干扰自适应处理系统(Landsat ecosystem disturbance adaptive processing system，LEDAPS)，经过几何校正、辐射定标、大气校正和云掩膜处理得到.LEDAPS大气校正基于6S辐射传输模型，获得有效的气溶胶分布数据，开展适用于TM/ETM+数据可见光、近红外及短波红外波段反射率的反演.辅助数据是用于掩膜的天津市矢量边界数据以及Google Earth 2005年和2010年高分辨率影像数据.1.2 研究方法传统IBI[6]模型由NDBI、MNDWI和SAVI共3个指数基于压缩数据维思想构建，难以抑制裸地信息，提取结果很难区分裸地和建筑用地.在此基础上，以归一化差值裸地与建筑用地指数NDBBI(normalized difference bareness and built-up index，NDBBI)替换NDBI可以弱化裸地信息，而构建所得增强型裸土指数(enhanced bare soil index，EBSI)能够增强裸地信息.仿照IBI模型的构建方法引入EIBI指数[15]式(1)中：DNDBBI是对DNDBI的改进，在利用TM5和TM4波段构建的归一化建筑指数(NDBI)的提取结果中，仍然包含裸地信息，提取效果受到较大影响.吴志杰等[15]引入了NDBBI指数式(2)中：DNDBBI是采用TM7、TM4和TM2共3个波段构建的新指数，指建筑和裸地在第7波段有较高的反射率，而植被和水体在第4和第2波段有较高反射率.通过将第7波段反射率按倍数增大到1.5时，设置阈值0可以较好地将植被和水体剔除，并削弱裸地信息.在EIBI模型中，通过对比裸土指数(bare soil index，BSI)和MNDWI指数的图像可知，裸地的反差最大.为了增强裸地信息，将BSI和MNDWI压缩构建为一个新的指数EBSI[15]在植被信息提取方面，NDVI是最常用的方法，它基于研究区内所有土壤类型相同的前提，在面对土壤背景噪声复杂的实际环境时，结果误差较大.基于此，Huete[16]引入了SAVI指数式(4)中L=0.5.Mcfeeters[17]构建归一化水体指数(normalized difference water index，NDWI)用于提取水体，由于所提取的水体信息中含有部分建筑用地信息，导致提取精度降低，不适合城镇范围内水体的提取.通过对波段组合进行修改，以TM5波段替代原有的TM4波段，构建MNDWI指数[5]最后，对EBSI、SAVI和MNDWI这3个指数赋予不同的权重以抑制裸地信息，从而达到增强建筑用地信息的目的.实现EIBI建筑用地信息提取研究的方法流程如图1所示.图1 建筑用地信息提取流程图Fig.1 Flow chart of built-up land information extraction由图1可以看出，建筑用地信息提取的主要步骤为：①读取Landsat TM数据；②构建NDBBI、SAVI、MNDWI以及BSI这4个指数；③利用BSI和MNDWI 线性拉伸结果构建EBSI；④构建EIBI并生成影像，对影像进行灰度拉伸；⑤对EIBI灰度拉伸影像结果进行阈值设定，分割出建筑用地信息；⑥输出建筑用地提取影像；⑦对建筑用地提取结果进行精度检验.需要注意的是，在归一化数据结果区间范围内，数值动态变化范围较小，而经过0～255灰度线性拉伸所得结果的数值动态变化范围更大.因此，为了设定阈值时能够更容易地区分建筑用地信息，不能使用归一化数据结果进行计算.精度评价的主要因子包括混淆矩阵、生产者精度、使用者精度、总精度以及Kappa系数.混淆矩阵又称为误差矩阵，是用于表示分类的像元数与实际检验为该类别的像元数的比较阵列.Kappa系数大于0.75说明一致性较好，小于0.4说明一致性较差，越接近1说明一致性越好，即建筑用地信息提取结果越精确.进一步提取建筑用地信息变化趋势，需要在ArcGIS软件中采用栅格计算器将2010年与2005年建筑用地信息提取结果进行相减计算.2 结果与分析2.1 基于EIBI指数提取建筑用地信息2.1.1 建筑用地信息的提取将2景Landsat TM原始数据影像以标准假彩色4、3和2波段合成，并叠加天津市矢量行政区划图层，结果如图2所示.图2 天津市2005年和2010年TM标准假彩色影像示意图Fig.2 TM standard false color sketch images of Tianjin city in 2005 and 2010本研究中，对2005年和2010年数据分别设置阈值131和133时可以将天津市研究区建筑用地和裸地信息在EIBI模型计算结果中较好地加以区分.对建筑用地提取结果进行二值化处理，定义建筑用地的值为1，非建筑用地的值为0，结果如图3所示，其中黑色部分代表建筑用地，白色部分代表非建筑用地.图3 天津市2005年和2010年建筑用地信息提取结果示意图Fig.3 Results of built-up land information extraction of Tianjin city in 2005 and 2010对比图2和图3可以看出，天津市2010年建筑用地面积较2005年大幅度增加，在区域布局上更为紧凑，市内6区(和平区、河东区、河西区、南开区、河北区和红桥区)和滨海新区建筑用地的聚集程度以及变化程度尤为明显.其中，滨海新区由于填海造陆，以及天津港的不断建设发展，5年间天津港周围建筑用地的面积显著增加，海岸线变化尤为突出.此外，武清区和宝坻区建筑用地也有不同程度的增加. 进一步对分类结果进行像元统计，得到天津市2005年和2010年的建筑用地和非建筑用地的像元数目，并计算得到其对应面积S、总增长率rt和年均增长率ra，结果如表1所示.表1 建筑用地面积统计表Tab.1 Statistics of built-up land areaYear Built-up land Others S/km2 rt/% ra/% S/km2 rt/% ra/%2005 1 159.64 55.86 11.17 10 786.37 6.01 1.20 2010 1 807.43 10 138.57由表1可知，2010年建筑用地面积为1807.43 km2，2005年建筑用地面积为1159.64 km2，面积增加了647.79 km2，这其中包含5年间减少的建筑用地面积，其总体增长率达到55.86%，年均净增长率为11.17%.此外，非建筑用地面积占天津市总面积的比重较大，非建筑用地面积由2005年的10 786.37 km2减少至2010年的 10 138.57 km2，5年间总体减少率为6.01%，年均减少率为1.20%. 2.1.2 分类结果的验证为了验证和比较建筑用地提取精度，在遥感处理软件中，对感兴趣区域(region of interest，ROI)随机选取验证样本区，对照Google Earth影像数据并抽样选择387个验证像元用于精度检验.选择保存的ROI验证样本，通过混淆矩阵计算工具并设置相关参数，整理后得到分类结果精度评价结果，如表2所示.表2 分类结果精度评价表Tab.2 Classification accuracy evaluation resultsDbp Dop Ap/% Au/% Ao/% Kappa 2005 Built-up land pixel 124 21 86.71 85.52 89.66 0.78 Others pixel 19 223 91.39 92.15 2010 Built-up land pixel 112 15 86.15 88.19 91.47 0.81 Others pixel 18 242 94.16 93.08 Year Parameter由表2可以看出，在天津市2005年建筑用地信息所抽取的387个验证像元中，有19个漏分像元(建筑用地分为非建筑用地)，21个误分像元(非建筑用地分为建筑用地)，总精度Ao达到89.66%，Kappa系数为0.78.在天津市2010年所抽取的387个验证像元中，有18个漏分像元，15个误分像元，总精度Ao达到91.47%，Kappa系数为0.81.2.2 建筑用地变化分析将2010年和2005年建筑用地分类结果在ArcGIS软件中使用栅格计算器工具进行进一步计算，并将数据相减得到-1、0和1共3种结果.由于进行二值化时定义建筑用地值为1，非建筑用地值为0.因此，栅格计算的结果为-1表示同一区域2005年为建筑用地(值为1)在2010年变为非建筑用地(值为0)，即-1代表2010年建筑用地面积较2005年减少，1代表新增建筑用地，0代表没有变化.将栅格计算结果与水体、天津市矢量行政区划等图层叠加显示可以直观看出建筑用地的发展变化趋势，结果如图4所示.图4 建筑用地叠加显示效果图Fig.4 Built-up land overlap rendering进一步将天津市建筑用地变化结果按照行政区划进行分区统计，得到天津市16个区建筑用地变化分区统计表，结果如表3所示.表3 建筑用地变化分区统计表Tab.3 Zoning statistics table of built-up land changeDistrict S2005/km2 S10r/km2 S10g/km2 Pr/% Pg/%Hongqiao 11.22 5.07 2.29 45.18 20.40 Hedong 21.62 9.01 3.65 41.69 16.87 Nankai 21.66 9.18 3.14 42.39 14.51 Hebei 15.94 7.05 2.04 44.21 12.78 Hexi 22.20 10.20 2.74 45.93 12.33 Heping 6.96 2.72 0.63 39.12 9.01 Dongli 75.66 22.99 83.88 30.38 110.85 Binghai 327.95 120.85 346.41 36.85 105.63 Baodi 86.96 38.86 89.04 44.68 102.39 Wuqing 138.20 46.14 132.69 33.39 96.01 Jinnan 55.34 17.02 49.47 30.76 89.40 Xiqing 81.74 28.55 62.45 34.92 76.40 Beichen 73.35 19.59 51.37 26.71 70.04 Jinghai 78.20 15.19 128.22 19.43 163.97 Ninghe 56.47 15.84 46.92 28.05 83.09 Jizhou 86.02 48.30 58.81 56.15 68.36 Total 1 159.64 416.56 1 064.35 35.92 91.78表3中，宁河区和静海区于2015年撤县设区，蓟州区于2016年由蓟县改为蓟州区，其行政区域界线未做调整，本研究基于最新行政区划即16区格局.表3中，S2005为2005年建筑用地面积，S10r为2010年减少建筑用地面积，S10g为2010年新增建筑用地面积，Pr和Pg分别代表建筑用地减少和增长比率.从表3可以看出，与2005年相比，滨海新区在2010年新增建筑用地面积最多，为346.41 km2，主要集中在天津港附近，呈片状分布.武清区和静海区新增建筑用地面积分别为132.69 km2和128.22 km2，说明5年间城市快速发展趋势较为明显.结合表3和图4可以看出，在天津市市内6区(和平区、河东区、河西区、南开区、河北区和红桥区)，新增建筑用地面积较少，从总体变化趋势看，建筑用地均有不同程度的负增长，即5年间减少的建筑用地面积超过增加的建筑用地面积.由此可知，市内6区的城市发展出现了一定程度的饱和，城市发展逐渐向环城4区(东丽区、津南区、西青区和北辰区)转移，发展格局逐步改变.在建筑用地总体变化趋势上，静海区、东丽区、滨海新区和宝坻区的增长率均超过100%，其中静海区增长率达到163.97%，其建筑用地减少率为19.43%，净增长率在16个区中排名最高，为144.54%，年均增长率达到28.91%.总体来看，天津市2010年建筑用地面积较2005年减少416.56 km2，新增建筑用地面积1 064.35 km2，呈现增长趋势.3 结论本研究以Landsat TM数据为研究对象，采用压缩数据维的方法，通过构建EIBI指数，实现对建筑用地信息的提取，并根据提取结果分析2005～2010年天津市建筑用地信息的变化特征，研究结果表明：(1)本研究方法对2005年和2010年Landsat TM建筑用地信息的提取精度分别为89.66%和91.47%，提取结果精度较高；Kappa系数达到0.78和0.81，表现出较高的一致性，说明本研究方法提取可信度较高.(2)通过分析建筑用地变化，计算得到2010年较2005年新增的建筑用地面积1 064.35 km2，年均净增长率为11.17%.说明5年间，建筑用地面积增长幅度较高，反映出城市的快速发展变化和社会经济的急剧增长.在使用EIBI模型提取建筑用地信息时，阈值设定对提取结果的精确程度产生影响.本研究尚存在以下2点需要改善：(1)EIBI模型通过设置多个次级指数，放大了建筑用地和裸地信息在提取结果中的差异性，提升了区分度，从而提高了提取结果准确性，但阈值仍需依靠经验确定. (2)该模型涉及较多的次级指数和不同波段之间的计算，局限性较大，不适于波段较少的遥感影像数据.今后的研究重点为阈值的设定以及提升模型的普适性. [1]杨山.发达地区城乡聚落形态的信息提取与分形研究——以无锡市为例[J].地理学报，2000，55(6)：671-678.YANG S.On extraction and fractal of urban and rural residential spatial pattern in developed area[J].Acta Geographica Sinica，2000，55(6)：671-678(in Chinese).[2]查勇，倪绍祥，杨山.一种利用TM图像自动提取城镇用地信息的有效方法[J].遥感学报，2003，7(1)：37-40+82.ZHA Y，NI S X，YANG S.An effective approach to automatically extract urban land-use from TMimagery[J].Journal of Remote Sensing-Beijing，2003，7(1)：37-40+82(in Chinese).[3]陈志强，陈健飞.基于NDBI指数法的城镇用地影像识别分析与制图[J].地球信息科学，2006，8(2)：137-140.CHEN Z Q，CHEN J F.Investigation on extracting the space information of urban land-use from high spectrum resolution image of aster by NDBI method[J].Geo-Information Science，2006，8(2)：137-140(in Chinese).[4]姚月，朱大明，李小华.基于Landsat系列数据对建设用地变化的提取研究[J].华北科技学院学报，2016，13(5)：111-115.YAO Y，ZHU D M，LI XH.Investigation on the extraction dynamic change of land for construction by landsat data[J].Journal of North China Institute of Science and Technology，2016，13(5)：111-115(in Chinese).[5]徐涵秋.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J].遥感学报，2005，9(5)：589-595.XU H Q.A study on information extraction of water body with the modified normalized difference waterindex(MNDWI)[J].Journal of Remote Sensing，2005，9(5)：589-595(inChinese).[6]徐涵秋.基于压缩数据维的城市建筑用地遥感信息提取[J].中国图象图形学报，2005，10(2)：223-229.XU H Q.Remote sensing information extraction of urban built-up land based on a data-dimension compressiontechnique[J].Journal of Image and Graphics，2005，10(2)：223-229(in Chinese).[7]徐涵秋.基于谱间特征和归一化指数分析的城市建筑用地信息提取[J].地理研究，2005，24(2)：311-320+324.XU H Q.Fast information extraction of urban built-up land based on the analysis of spectral signature and normalized difference index[J].Geographical Research，2005，24(2)：311-320+324(in Chinese).[8]彭光雄，徐兵，沈蔚，等.TM图像的城镇用地信息提取方法研究[J].遥感技术与应用，2006，21(1)：31-36.PENG G X，XU B，SHEN W，et al.Extracting urban land-use on the TM imagery[J].Remote Sensing Technology and Application，2006，21(1)：31-36(in Chinese).[9]杨智翔，何秀凤.基于改进的NDBI指数法的遥感影像城镇用地信息自动提取[J].河海大学学报(自然科学版)，2010，38(2)：181-184.YANG Z X，HE XF.Automatic extraction of urban land-use information from remote sensing images based on improved NDBI method[J].Journal of HohaiUniversity(Natural Sciences)，2010，38(2)：181-184(in Chinese).[10]徐涵秋.福建省长汀县河田盆地区近35年来地表裸土变化的遥感时空分析[J].生态学报，2013，33(10)：2946-2953.XU H Q.Spatiotemporal dynamics of the bare soil cover Hetian Basinal area of county Changting，China，during the past 35 years[J].Acta Eco-logica Sinica，2013，33(10)：2946-2953(in Chinese).[11]徐涵秋.一种快速提取不透水面的新型遥感指数[J].武汉大学学报(信息科学版)，2008，33(11)：1150-1153，1211.XU H Q.A new remote sensing index for fastly extracting impervious surface information[J].Geomatics and Information Science of Wuhan University，2008，33(11)：1150-1153，1211(in Chinese).[12]徐涵秋.城市不透水面与相关城市生态要素关系的定量分析[J].生态学报，2009，29(5)：2456-2462.XU H Q.Quantitative analysis on the relationship of urban impervious surface with other components of the urban ecosystem[J].Acta Ecologica Sinica，2009，29(5)：2456-2462(in Chinese). [13]林思乡，徐涵秋，林中立.长汀水土流失区地表裸土动态变化及生态分析[J].福建林业科技，2015，42(3)：7-12，39.LIN S X，XU H Q，LIN Z L.Dynamics of exposed bare soil cover and ecological status in the soil loss area of changting county[J].Journal of Fujian Forestry Sci and Tech，2015，42(3)：7-12，39(in Chinese).[14]徐涵秋，杜丽萍.遥感建筑用地信息的快速提取[J].地球信息科学学报，2010，12(4)：574-579.XU H Q，DU L P.Fast extraction of built-up land information from remote sensing imagery[J].Geo-Information Science，2010，12(4)：574-579(in Chinese).[15]吴志杰，赵书河.基于TM图像的“增强的指数型建筑用地指数”研究[J].国土资源遥感，2012，93(2)：50-55.WU Z J，ZHAO S H.A study of enhanced index-based built-up index based Landsat TM imagery[J].Remote Sensing for Land&Resources，2012，93(2)：50-55(in Chinese).[16]HUETE A R.A soil-adjusted vegetation index(SAVI)[J].Remote Sensing ofEnvironment，1988，25(3)：295-309.[17]MCFEETERS S K.The use of normalized difference water index(NDWI)in the delineation of open water features[J].International Journal of Remote Sensing，1996，17(7)：1425-1432.。
基于landsatTM5卫星遥感影像的江都市生态环境监测与评价
基于landsatTM5卫星遥感影像的江都市生态环境监测与评价摘要：通过对江都市landsat tm5卫星遥感数据进行室内目视判读解析，得到2006年、2010年的土地利用类型状况，生态环境监测与评价结果显示江都市2006年、2010年的生态环境状况指数分别为63. 4和66.33，生态环境状况为良好，︱△ei︱值为2.93，2010年生态环境状况比2006年略微变好。
关键词：土地利用类型；植被覆盖；生态环境状况指数中图分类号：x835 文献标识码：alandsattm5是美国陆地卫星5号，于1984年发射。
回访周期为16天，空间分辨率为30m，单景影像的面积为180 km×180km，专题绘图仪有7个波段。
目前，lanssattm5卫星遥感影像在环境监测方面已发挥了重要作用。
利用该卫星遥感影像可用于城市热岛研究〔1-5〕、景观结构研究（6-7〕、水体理化指标的遥感反演〔8〕，植被覆盖相关监测和分析〔9-10〕等。
本文利用2006年和2010年两期tm遥感卫星影像为基础数据源，对2006年、2010年江都市土地利用覆被情况及生态环境状况进行分析，得出期间江都市土地利用现状、土地利用变化状况、生态环境状况动态变化和2006年与2010年的生态环境状况。
1监测区概况和研究方法1.1监测区概况江都市位于江苏省中部，辖区在北纬32。
17’51”～32。
48’00”，东经119。
27’03”～119。
54’23”，南濒长江，西傍扬州市广陵区、邗江区，东与泰州市接壤，北与高邮市毗连。
境内地势平坦，河湖交织，通扬运河横贯东西，京杭大运河纵贯南北，平均海拔5m左右。
总面积1332.45km2，全区总人口约107万人，其中农业人口85.2万人，占总人口的79.6%。
江都区气候属副热带湿润气候区，年平均气温14.9℃，降水量978.7mm，四季分明，无霜期较长，适宜种植多种粮食作物和经济作物。
江都在区域地质构造上位于苏北盆地高邮凹陷的南半部，地下油气资源比较丰富，是江苏省石油和天然气主要产区。
遥感技术在土地调查与动态监测中的应用
遥感技术在土地调查与动态监测中的应用摘要：于20世纪90年代开始，由于经济的快速发展，导致土地资源变得愈发紧张，我国国土资源变得越来越受到各企业高层与百姓的关注，土地调查与动态监测等相关工作陆续开展，由于人力调查与监测费时费力，人们开始把目光投放在具备绝对优势的遥感技术上。
通过遥感技术对土地进行调查与动态监测，人们可以更加详细地了解与掌握土地的实际情况，这不仅能保障土地信息数据库的准确性与及时更新性，还能较少人力、物力、财力的损耗。
为此，为解决我国土地资源的紧张化、稀缺化，我们应结合实际情况加大遥感技术对土地的调查与动态监测，解决困难。
关键词：遥感技术；土地调查；动态监测；应用引言由于全球经济一体化的复苏，在疫情过后社会生活也得到稳步回升，越来越多的人前往城镇，进而出现农村人群稀少、城镇人群拥挤的现象。
目前经济发展中最矛盾、最主要的问题是土地资源的稀缺与土地需求的增长，怎么解决这一现状已成为我国经济发展的侧重点。
针对土地资源的分配问题而言，土地调查已成为解决土地稀缺的重要前提工作，这样做不仅可以使土地能够更加科学合理地得到分配，还能够控制耕地资源，进而减缓土质疏松、沙尘、风暴等问题。
如何使土地资源能够科学合理地分配，这就需要工作人员要充分了解土地的用途，即哪种土质适合做什么。
为了能够获取土质这种准确的数据信息，这就需要我们应用到发达的科学技术，同其他技术相比，遥感技术它不但完善了其他技术所没有的功能，还有着自身绝对的优势功能，因此，遥感技术是不可替代的。
它以真实、准确、及时传递数据为前提，不仅保证了拥有覆盖范围较大的信息，还保证信息的各方面相对系统齐全。
故而，遥感技术已经在土地调查与动态监测的工作上成为工作人员的首选技术，并且为我国解决土地资源与国土资源合理分配问题提供重要支撑。
本文将从实际情况入手，对实施土地调查与土地监测的目的与意义、遥感技术在土地调查与动态监测中的应用与具体策略等相关知识进行讨论。
基于遥感数据分析城市土地利用变化
基于遥感数据分析城市土地利用变化城市土地利用变化是当前社会与环境发展中的重要问题。
随着城市化进程的加快，城市土地利用变化与城市发展之间的关系日益密切。
利用遥感数据进行城市土地利用变化分析，可以为城市规划和资源管理提供重要的参考依据。
本文将从遥感技术、城市土地利用变化、遥感数据分析城市土地利用变化等方面进行综合分析，旨在探讨基于遥感数据分析城市土地利用变化的方法与价值。
一、遥感技术及其在城市土地利用变化分析中的作用遥感技术是通过人造卫星、飞机等远距离采集地球表面信息的技术。
它具有高时空分辨率、多光谱信息等特点，可以提供丰富的数据源用于城市土地利用变化分析。
遥感技术在城市土地利用变化分析中具有以下作用：1.数据获取：遥感技术可以提供高质量、高分辨率的遥感影像，实现对城市土地利用的全面、准确、及时的获取。
2.识别分类：遥感影像可以通过图像解译、光谱分析等方法，将土地利用类型进行准确的分类和识别，从而得到土地利用的空间分布。
3.变化检测：通过对多时相的遥感影像进行比对和分析，可以快速检测出城市土地利用的变化情况，包括新增、减少、更新等。
二、城市土地利用变化的主要特征及影响因素城市土地利用变化主要表现为城市用地的扩张、耕地的减少、建设用地的增加等。
主要影响因素包括城市人口增长、经济发展、区域规划、环境保护等。
1.城市人口增长：城市土地利用变化与人口增长密切相关。
随着城市人口的不断增加，对城市用地的需求也越来越大，导致城市土地利用的变化。
2.经济发展：经济发展对城市土地利用变化起到重要推动作用。
随着城市经济的蓬勃发展，商业用地、工业用地等需求不断增加，引起土地利用的变化。
3.区域规划：城市土地利用变化受到区域规划的影响。
区域规划对城市土地的分区、分配和利用进行指导，从而影响城市土地利用的变化。
4.环境保护：环境保护对城市土地利用变化有一定的限制。
为了保护环境，限制城市建设用地的过度扩张，提倡节约用地、保护农田等措施，对城市土地利用进行调控。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第1期
类别 耕地 林地 草地 水域 建设用地 未利用地 2000 年
梅卓华等: 基于 TM 影像的南京市土地利用变化遥感监测与评价
表 2 南京市 2000~ 2007 年土地 利用转移矩阵 Table 2. Cha nge matrix of land use in Na njing fr om 2000 to 2007
摘 要: 以 2000 年和 2007 年 TM 遥感影像为数据源, 利 用 GIS 技术, 获得 了南京 市 2 个 时期的土 地利用 动态变 化。分析表 明, 从 2000~ 2007 年, 南京市耕地减少 36117. 51 公顷, 草地减少 1161. 75 公顷, 而水 域增加 了 23170. 31 公顷, 建设用 地增加 了 8272. 01 公顷, 林地增加 5750. 91 公顷, 未利用地增加了 86. 03 公 顷。2007 年, 南京市生 态环境 状况指 数为 62. 20, 属于良 好状态。人口的增长、经济的快速发展及城市规划的变 革都促进了南京市土地利用的变化。 关键词: 遥感; 土地利用; 遥感监测; 评价; 南京 中图分类号: P285. 2+ 3; S127 文献标识码: A 文章编号: 167229250( 2010) 0120063205
2000~ 2007 年是南京市经济社会高速发展的 时期, 研究探讨这一时期的土地利用动态, 对于南京 市生态环境保护和建设有重要意义。
1 研究方法
1. 1 数据源 南京市生态环境土地利用遥感监测所采用的数
据源是 2000 年 和 2007 年 的 Landsat T M 遥感 影 像, 地面分辨率为 30 米。
从土地利用结构来看, 耕地占比重最大, 占全市 土地总面积 的 51. 45% , 林 地占全 市土 地总面 积 16. 21% , 草地占全市土地总面积 1. 30% ; 建设用地 占全市土地总面积 16. 39% ; 水域占全市土地总面 积 14. 19% ; 未 利 用 土 地 占 全 市 土 地 总 面 积 01 46% 。各二级、三级土地类型占全市土地总面积 的% , 见表 1。 2. 2 土地利用动态变化
65
hm2 2007 年 337921. 83 106442. 09 8564. 03 93233. 17 107633. 41 3036. 62 656831. 15
图 1 2000~ 007 年南 京耕地面积卫星遥感影像动态 F ig. 1 TM image dynamics of cultivated land area fr om 2000 to 2007 in Nanjing
46
滩地
5
建设用地
51
城镇用地
52
农村居民用地
53
其它建设用地
6 未利用土地合计
65
裸土地
66
裸岩石砾
2007 年 ( hm2 )
337921. 83 199181. 05 138740. 78 106442. 09 64705. 82
1121. 30 23065. 20 17549. 77 8564. 03 8564. 03 93233. 17 28478. 34 17907. 17 45560. 64 1287. 02 107633. 41 41467. 35 24617. 46 41548. 60 3036. 62
耕地
320320. 84 10122. 76
540. 12 21871. 91 21109. 32
74. 39 374039. 34
林地
313. 98 95454. 18
43. 09 1047. 62 3777. 11
55. 20 100691. 18
草地
155. 43 8. 12
6636. 57 716. 80 2208. 86
( 5) 建设用地增长较快。19. 61% 的建设用地是 占用耕地而来, 3. 51% 和 2. 05% 的建设用地是占用 林地和草地。其中城镇建设用地增长最快, 其次是 其它建设用地。市区和江宁区的建设用地增长最快 (图 2)。
( 6) 未利用 地变 化不大。2000 年之 后开 始的 / 开发区热0和/ 房地产 热0 造成部分土地 闲置和浪 费, 使裸土地有所增加; 矿山禁采和复绿等措施使裸 岩的面积稍有下降。
64
地球 与 环 境
2010 年
1. 4 质量保证 为保证遥感解译的准确性, 选择了 40 个典型地
物核查点和 21 个边界点进行野外核查。核查结果 是: 典型地物核查点判读准确率为 95% ; 边界 点判 读准确率为 90% 。 1. 5 评价方法
按国家环境保护总局发布的/ 生态环境状况评 价技术规范0( 试行) H J/ T 19222006 中的方法评价:
人口、国内生产总值和各产业总产值数据来源
于南京市统计年鉴。 1. 2 图像处理
应用 Erdas Imagine9. 0 图像处理软件, 将 T M 影像 合 成 为 432 波 段 的假 彩 色 图 像, 以 2000 年 Landsat T M 图像为控制影像, 选取 20~ 25 个大地 控制点, 应用双线性插值法对图像进行几何纠正, 重 采样后, 误差在半个像元内。 1. 3 图像解译
2 土地利用动态变化分析
2. 1 土地利用现状 通过 遥 感 解 译, 得 出 南 京 市 土 地 总 面 积 为
6568. 31 平 方千 米 ( 比实 际略 小) , 其中 耕地 面 积 337921. 83 公 顷, 林 地 106442. 09 公 顷; 草 地 85641 03 公 顷; 建 设 用 地 107633. 41 公 顷; 水 域 932331 17 公顷 ; 未利用土地 3036. 62 公顷。
( 4) 水域面积明显增加。水域面积的增加主要 来源于耕地, 占 23. 46% 。增加最多的是坑塘, 这与 南京市近年来对大力发展稻田养殖密切相关, 尤以 高淳县的水域面积增加最多, 这与高淳发展螃蟹水 产养殖有关。图 1 显 示, 2000 年高淳县的 水田, 到 2007 年已绝大部分转化为坑塘了。
( 2) 林地有所增加。林地增加的主要来源是耕
地, 占 9. 51% 。但有林地、灌林 地和疏林地都略有 下降, 主 要 是 由 于 建 设 用 地 占 用 增 加 所 致 ( 占 31 55% ) ; 增加的林地面积都来源于其他林地。
( 3) 草地面积有所减少。占用草地最多的仍然 是建设用地, 为 22. 71% , 其次是水域, 为 0. 71% 。
生态环境状况指数( EI) = 0. 25 @生物丰度指数 + 0. 2 @植被覆盖指数+ 0. 2 @水网密度指数+ 0. 2 @( 100- 土地退化指数) + 0. 15 @环境质量指数
EI \ 75, 为优; 55 [ EI< 75, 为良好; 35 [ EI < 55, 为一般; 20 [ EI< 35, 为较差; EI< 20, 为差。
431. 30 2605. 32
占总面积的 比例( % )
51. 45 30. 33 21. 12 16. 21 9. 86 0. 17 3. 51 2. 67 1. 30 1. 30 14. 19 4. 34 2. 73 6. 94 0. 20 16. 39 6. 31 3. 75 6. 33 0. 46 0. 07 0. 39
0. 00 9725. 78
水域
685. 52 171. 22 724. 27 68159. 45 319. 70
2. 70 70062. 86
建设用地
16446. 06 641. 77 619. 98 1437. 39
80216. 20 0. 00
99361. 40
未利用地
0. 00 44. 04 0. 00 0. 00 2. 22 2904. 33 2950. 59
年南京市人 口上升至 617. 17 万人, 增加 72. 28 万 人。随着科技的进步, 人们对生活水平和居住条件 提出越来越高的要求, 这就促进了土地向建设用地 转化, 平均每增加 1 万人, 建设用地增加 114. 44 公
随着社会经济的快速发展, 环境污染和生态破 坏问题日益突出。传统的监测技术方法已不能满足 连续、动态、宏观监测环境污染和生态变化的需求。 遥感技术的发展, 推动了遥感技术在生态环境监测 中的应用[ 1- 4] 。土地利用和土地覆被动态则被认为 是研究环境变化的关键。刘纪远等[ 5] 运用遥感技术 对中国土地利用变化现代过程时 空特征进行了 研 究, 赵庚星等[ 6] 对黄河口耕地进行了遥感动态监测 与分析, 徐少立[ 7] 、曲凯等[ 8] 、杨存建等[ 9] , 分别对各 省份、城市的土地利用遥感动态监测做了研究。这 些研究都显示出土地利用动态在生态环境变化中起 决定性的作用。
2000~ 2007 年, 南京市 耕地减少 36117. 51 公 顷, 其 中 水 田 减 少 39517. 68 公 顷, 旱 地 增 加 34001 17 公顷; 林地面积增加了 5750. 91 公顷; 草地 减少了 1161. 75 公顷; 水域面积增加了 23170. 31 公 顷, 建设用地面积增长 8272. 01 公顷; 未利用地增加 了 86. 03 公顷。
两期( 2000 年和 2007 年) 的土地利用数据是通 过对两期的 Landsat T M 卫星 遥感影 像经目 视判 读, 采用屏幕数字化的方式提取土地利用信息而获 取得到的。在 GIS 平台支持下对解译结果进行统 计和分析, 得到不同时段的土地利用类型变化面积。 参照全国土地利用分类方法[ 10] 和国家环境保护总 局发布的/ 生态环境状况评价技术规范0( 试行) H J/ T 192- 2006, 结合南京市土地资源的利用属性和景 观特征, 土地利用采用二级分类系统: 一级分为六个 类型, 即耕地、林地、草地、水域湿地、建设用地和未 利用地; 二级 分为十五个类 型, 有水田、旱地、有林 地、灌木林地、疏林地、其它林地、高覆盖度草地、河