基于遥感影像的武汉地区土地利用变化分析

《基于遥感影像的武汉地区土地利用变化分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、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，

2、驱动力主要为城市扩张、经济因素、宏观政策等..jyqkp;acute;E-115°05acute;E，29°58acute;N-31°22acute;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

3、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Landsat5TM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Landsat8OLI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

4、像是变形的，因此利用ERDASIMAGE9.1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

5、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

6、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

7、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

8、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：ND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