黃廣華+陳青云

摘要：基于遙感數(shù)據(jù)，提取NDVI和MNDWI，利用決策樹(shù)自動(dòng)閾值分類等方法研究了長(zhǎng)汀縣2001～2013年間的土地利用類型變化，結(jié)果表明：自2001～2013年，長(zhǎng)汀縣林地整體大約增加了345km2，約占福建省總面積的11.1%；裸地面積大約減少了403km2，約占福建省總面積的13%，是2001年裸地面積的58.2%；道路面積增加了24.3km2，是2001年的1.1倍多；居民用地增加了約7km2，是2001年的117%。

關(guān)鍵詞：土地利用；自動(dòng)閾值決策樹(shù)；動(dòng)態(tài)監(jiān)測(cè)；長(zhǎng)汀縣

中圖分類號(hào)：N945.11

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1674-9944（2016）22-0129-05

1引言

土地是人類賴以生存和發(fā)展的物質(zhì)基礎(chǔ)，是寶貴的不可再生的自然資源，也是可持續(xù)利用的生產(chǎn)資料。土地的利用與變化，不僅直接影響社會(huì)經(jīng)濟(jì)的可持續(xù)發(fā)展，而且還影響到全球環(huán)境的變化。土地利用動(dòng)態(tài)變化逐漸成為研究熱門和前沿問(wèn)題。有研究表明：在將來(lái)的數(shù)十年間，由土地利用與土地覆被變化所帶來(lái)的全球影響，要等于甚至大于潛在氣候變化所帶來(lái)的影響[1]。利用遙感影像對(duì)長(zhǎng)汀縣的土地利用覆蓋變化進(jìn)行動(dòng)態(tài)監(jiān)測(cè)，探討土地利用格局空間演變機(jī)制及其生態(tài)環(huán)境效應(yīng)，為當(dāng)?shù)卣块T制定生態(tài)安全條件下的土地利用規(guī)劃提供科學(xué)依據(jù)，對(duì)于區(qū)域全面、協(xié)調(diào)與可持續(xù)發(fā)展具有重要的現(xiàn)實(shí)意義[2]。

2數(shù)據(jù)處理

本次研究所使用的主要資料為從美國(guó)航空航天局（USGS）網(wǎng)站下載的2001年10月、2005年3月、2009年10月和2013年10月4個(gè)時(shí)間的Landsat/TM影像數(shù)據(jù)，空間分辨率都為30m×30m，前3個(gè)時(shí)間的影像光譜為7個(gè)波段的多光譜數(shù)據(jù)。2013年的影像數(shù)據(jù)為L(zhǎng)andsat8采集，含有11個(gè)波段，遙感信息更加豐富，但其波長(zhǎng)范圍更窄，各個(gè)波段的位置也有所變化。此次用于研究的四幅影像比較清晰，云量基本為0%，影像成像質(zhì)量較好，確保研究數(shù)據(jù)的準(zhǔn)確性。研究平臺(tái)以ENVI5.0及Arcgis10.0為主，其他輔助資料及平臺(tái)有并結(jié)合長(zhǎng)汀縣數(shù)字高程（DEM）圖、行政區(qū)域圖、谷歌地球等。

2.1數(shù)據(jù)預(yù)處理

由于下載的影像為單波段的tif影像，需要對(duì)影像進(jìn)行影像合成，運(yùn)用ENVI5.0的BasicTools模塊中的LayerStack工具將各個(gè)時(shí)單波段影像合成多光譜影像。

輻射矯正：目的是消除大氣（水蒸氣、氧氣、二氧化碳、甲烷和臭氧等）和光照等因素對(duì)地物反射的影響，使得影像真實(shí)反映對(duì)太陽(yáng)光的輻射情況，以獲取地物真實(shí)反射率數(shù)據(jù)，準(zhǔn)確地獲取研究區(qū)的土地利用信息，減小地物識(shí)別誤差，從而使得土地利用類型分類更加準(zhǔn)確可靠。先做輻射定標(biāo)，然后再做大氣校正，且采用直方圖法大氣校正對(duì)影像進(jìn)行輻射校正。首先對(duì)影像進(jìn)行一次直方圖均衡，然后以2001年的影像為參照影像，分別對(duì)另外三期影像與2001年影像進(jìn)行直方圖匹配，最終使得四幅影像的輻射特征基本一致[3]。

幾何糾正：為了消除由于非系統(tǒng)性因素（傳感器姿態(tài)、高度、地球曲率、地形等因素）造成影像發(fā)生的畸變，以提高研究結(jié)果的準(zhǔn)確性，在ENVI5.0中，以長(zhǎng)汀縣已通過(guò)幾何精校正的影像作為參考圖像，均勻的選取多個(gè)地面相同控制點(diǎn)，采用最近鄰法（nearestneighbor）對(duì)四幅遙感影像進(jìn)行幾何精校正，且控制糾正誤差小于0.5個(gè)像元[4～8]。

2.2數(shù)據(jù)處理與分析

2.2.1NDVI空間分布

在多光譜遙感影像中，利用近紅外波段的反射值減去紅光波段的反射值，再比上它們兩者之和，即可得到歸一化植被指數(shù)（NDVI）。即：

NDVI=（NIR-R）/（NIR+R）

其中，NIR為近紅外波段的反射值；R為紅光波段的反射值。

研究使用的數(shù)據(jù)中，2001年、2005年及2009年的Landsat/TM影像直接使用第四波段與第三波段之差比上兩者之和即可得到長(zhǎng)汀當(dāng)年的NDVI值，即：

NDVI（2001、2005、2009）=（Band4-Band3）/（Band4+Band3）

2013年10月的影像為L(zhǎng)andsat8拍攝，與之早期的Landsat衛(wèi)星相比，相同光譜成的影像位于不同的波段位置，計(jì)算NDVI時(shí)，其第五波段為近紅外波段（NIR），第四波段為紅外波段（RED），計(jì)算公式為：

NDVI2013=（Band5-Band4）/（Band5+Band4）

通過(guò)上述方法分別計(jì)算得到長(zhǎng)汀縣2001年、2005年、2009年及2013年的NDVI值空間分布圖，統(tǒng)計(jì)NDVI的最大值、最小值、加權(quán)平均值和標(biāo)準(zhǔn)差，統(tǒng)計(jì)結(jié)果見(jiàn)表1。

結(jié)合NDVI值空間分布圖表得出結(jié)論：自2001～2013年期間，長(zhǎng)汀縣整體植被覆蓋度持續(xù)增加，從四個(gè)時(shí)期的NDVI空間分布圖明顯看出，NDVI值高的區(qū)域越來(lái)越多，即植被覆蓋度越來(lái)越高；而黑色部分（NDVI值低，說(shuō)明是植被稀少或者無(wú)植被覆蓋的裸地）在逐漸減少，說(shuō)明長(zhǎng)汀縣植被覆蓋率也在增長(zhǎng)，生態(tài)環(huán)境狀況在持續(xù)好轉(zhuǎn)。這也是自2000年以來(lái)，福建省將長(zhǎng)汀水土流失綜合治理列入民辦實(shí)事項(xiàng)目后[9]，每年投入大量資金及人力物力，經(jīng)過(guò)連續(xù)十幾年的綜合治理所取得的成果。

2.2.2土地利用類型分類

根據(jù)2010年全國(guó)土地利用調(diào)查與制圖，同時(shí)考慮30m分辨率的遙感影像的特征和分類難易程度以及近年來(lái)土地利用結(jié)構(gòu)變化，將長(zhǎng)汀的土地利用類型按土地用途劃分為林地（Forest）、居民地（Residential）、水域（Water）、裸地（Unusedland）、耕地（Arableland）和道路（Road）這六大類別。從而使土地類型分類能夠在整體上體現(xiàn)長(zhǎng)汀縣的土地利用結(jié)構(gòu)，同時(shí)又使得遙感分類具有更強(qiáng)的可操作性。

2.2.3自動(dòng)閾值決策樹(shù)分類

分類算法的目的是根據(jù)現(xiàn)有或提供的類別參數(shù)的取值，預(yù)測(cè)并判斷其它部分的數(shù)據(jù)類別與參數(shù)的取值，并希望這種預(yù)測(cè)盡可能準(zhǔn)確?；趯＜抑R(shí)的決策樹(shù)分類就是典型代表，其分類規(guī)則易于理解，分類過(guò)程符合人的認(rèn)知過(guò)程，而且其最大的特點(diǎn)是可以充分利用多源數(shù)據(jù)。雖然決策樹(shù)分類比較適合高空間分辨率的遙感影像，但是當(dāng)遙感數(shù)據(jù)特征空間分布很復(fù)雜，用決策樹(shù)分類法能夠獲得較理想的分類結(jié)果[10]。

研究利用當(dāng)年的遙感影像疊加上NDVI（歸一化植被指數(shù)）圖層和MNDWI（ModifiedNDWI，改進(jìn)的歸一化差異水體指數(shù)）[11，12]圖層，疊加后的影像先人工對(duì)訓(xùn)練樣區(qū)進(jìn)行采樣，計(jì)算機(jī)根據(jù)訓(xùn)練區(qū)樣本自動(dòng)生成一個(gè)決策樹(shù)，計(jì)算機(jī)對(duì)樣本訓(xùn)練區(qū)執(zhí)行決策樹(shù)后即完成遙感影像的分類。

3土地利用類型動(dòng)態(tài)變化分析

3.1土地利用圖及空間格局分析

分別對(duì)2001年、2005年、2009年和2013年4個(gè)時(shí)期的影像采用決策樹(shù)自動(dòng)閾值分類的方法，并對(duì)計(jì)算機(jī)生成的自動(dòng)閾值決策樹(shù)進(jìn)行細(xì)節(jié)改進(jìn)，特別是結(jié)合DEM，使之盡量充分利用好多源數(shù)據(jù)的優(yōu)勢(shì)，完善決策樹(shù)，并對(duì)自動(dòng)閾值決策樹(shù)分類后的圖像進(jìn)行分類后處理及分類精度評(píng)價(jià)，最終完成對(duì)4個(gè)時(shí)期的遙感影像進(jìn)行土地利用類型分類的處理工作，得到的分類結(jié)果如圖1所示。

通過(guò)對(duì)長(zhǎng)汀縣4個(gè)時(shí)期的土地利用類型分類影像觀察可知，長(zhǎng)汀地區(qū)的土地類型以林地為主；耕地主要集中于中部地區(qū)；裸地的空間分布較為零散，居民地主要位于靠近水域與道路的區(qū)域，其中以中部地區(qū)較為集中，呈現(xiàn)S形的分布，而在東部和西部地區(qū)，居民地分布較為稀疏。

通過(guò)對(duì)比4個(gè)時(shí)期的土地利用分類圖，可以明顯的發(fā)現(xiàn)4個(gè)時(shí)期的林地覆蓋面積總體在增加，這與利用NDVI值推測(cè)出來(lái)的結(jié)果基本吻合；圖中黃色部分的面積基本上在減少，這意味著長(zhǎng)汀地區(qū)的裸地面積在逐漸減少，水土流失治理工作取得了實(shí)效。通過(guò)對(duì)比分類結(jié)果圖，還可以發(fā)現(xiàn)黃色部分較為穩(wěn)定的是西部及東北部，這說(shuō)明長(zhǎng)汀縣西部區(qū)域和東北部區(qū)域的裸地未能有效的得到治理。結(jié)合長(zhǎng)汀DEM數(shù)據(jù)，可以發(fā)現(xiàn)這些區(qū)域多數(shù)集中于地勢(shì)較高且坡度較大的山區(qū)，可以推測(cè)這些地方的水土流失工作比較困難，綜合治理工作還需要進(jìn)一步完善，需要找到切實(shí)有效的治理方法。

根據(jù)長(zhǎng)汀土地利用類型分布圖對(duì)比結(jié)合DEM數(shù)據(jù)可知，隨著長(zhǎng)汀縣地勢(shì)大致呈現(xiàn)東、西、北三面高，中、南部低，自北向南傾斜的地勢(shì)，地勢(shì)較低的地區(qū)，受人類的社會(huì)經(jīng)濟(jì)活動(dòng)較為明顯，而對(duì)這些地區(qū)的土地利用類型分類比較困難，例如耕地，道路及居民地，而又由于影像分辨率不高，這些地類集中的區(qū)域難免出現(xiàn)錯(cuò)分和漏分的現(xiàn)象，不可避免影響地類空間分布。由于裸地與耕地在影像上的差別不是很明顯，導(dǎo)致分類效果不一定理想，可能對(duì)于同一地區(qū)而言，在不同的年份可能被劃分為不同的土地利用類型。這是由于影像的分辨率過(guò)低有關(guān)，成像時(shí)間差異，各個(gè)季節(jié)同一地物反射的光譜信息不盡相同，因此以自動(dòng)閾值的決策樹(shù)分類所得到的地物分類結(jié)果也就會(huì)有所差異，從而不可避免的產(chǎn)生這類誤差，通過(guò)分類后及時(shí)修正，使得分類結(jié)果盡量接近實(shí)際情況。

3.2土地利用類型面積變化及分析

利用自動(dòng)閾值決策樹(shù)分類及經(jīng)過(guò)分類后處理，通過(guò)分類精度評(píng)價(jià)之后，在完成對(duì)長(zhǎng)汀地區(qū)4個(gè)時(shí)期的土地利用變化分類的基礎(chǔ)上，分別統(tǒng)計(jì)這4個(gè)時(shí)期長(zhǎng)汀縣的各個(gè)土地利用類型的面積（表2）。

對(duì)比統(tǒng)計(jì)數(shù)據(jù)可知，長(zhǎng)汀縣在2001～2013年間的林地面積、道路面積與居民地面積在統(tǒng)計(jì)年之間逐漸增加，裸地面積大幅度減少，水域與耕地面積基本保持不變。2001～2005年期間：林地面積大約增加了103km2，所占比重大約增加了3.3%；裸地面積大約減少了103km2，林地增加的面積大致等于裸地減少的面積；道路則增加了9km2左右。在2005～2009年期間：林地面積大約增加了152km2，所占比重增加了將近4.9%；裸地面積大約減少了178km2；道路則增加了近16km2。在2009～2013年期間：林地面積大約增加了89.5km2，所占比重增加了將近2.9%；裸地面積大約減少了125km2。

整體算來(lái)，自2001～2013年，長(zhǎng)汀林地整體大約增加了345km2，約占福建省總面積的11.1%；裸地面積大約減少了403km2，約占福建省總面積的13%，是2001年裸地面積的58.2%；道路面積增加了24.3km2，是2001年的219%；居民用地增加了約7km2，是2001年的117%。而水域面積未發(fā)生顯著性的變化。

3.3遙感分類精度評(píng)價(jià)

從自動(dòng)閾值決策樹(shù)分類到分類成果影像的生成，分類精度評(píng)價(jià)是最重要的環(huán)節(jié)[14～17]。分類精度若不符合研究要求，達(dá)不到研究的標(biāo)準(zhǔn)，則需要重新執(zhí)行原來(lái)的操作步驟，直到分類精度符合研究要求。此次研究需要對(duì)決策樹(shù)自動(dòng)閾值分類的最終結(jié)果一一進(jìn)行精度評(píng)價(jià)，以判斷分類結(jié)果的精確性，這樣也才可以得出有效的分類統(tǒng)計(jì)結(jié)果。研究采用ENVI軟件自帶的精度評(píng)價(jià)方法，對(duì)研究的土地利用類型分類進(jìn)行分類精度評(píng)價(jià)。此次驗(yàn)證通過(guò)用基于混淆矩陣的精度評(píng)價(jià)方法對(duì)分類結(jié)果進(jìn)行評(píng)價(jià)，算出總體分類精度和Kappa指數(shù)值。即將分類結(jié)果影像與另一標(biāo)準(zhǔn)樣本的roi進(jìn)行疊加對(duì)比分析，進(jìn)行分類精度評(píng)價(jià)。標(biāo)準(zhǔn)樣本的選取過(guò)程中應(yīng)選擇典型的興趣區(qū)，盡量避免選過(guò)的訓(xùn)練樣區(qū)，并借助于其他輔助工具（如googleearth等）以提高樣該區(qū)的典型度。

長(zhǎng)汀縣土地利用分類結(jié)果的評(píng)價(jià)精度情況如表3所示，總體精度都較高，符合該次研究的要求，故分類結(jié)果比較可信，準(zhǔn)確度較大。

4結(jié)論與討論

研究利用了NDVI、MNDWI決策樹(shù)自動(dòng)閾值分類等方法來(lái)研究長(zhǎng)汀縣2001～2013年間的土地利用類型變化，并對(duì)其進(jìn)行分類及討論研究，得出長(zhǎng)汀縣在這12年之間的林地、居民地、水域、裸地、耕地和道路這六大土地利用類型的變化情況的結(jié)論與推測(cè)，并對(duì)分類精度進(jìn)行了驗(yàn)證。研究結(jié)果如下。

（1）研究數(shù)據(jù)與處理的步驟先輻射校正，再幾何校正的原因是：幾何校正需要重采樣，校正后影像像素值與原來(lái)像素值會(huì)產(chǎn)生變化，可能是丟失原有信息，而且如果接著再做輻射校正的操作，結(jié)果也不精確。而改作先做輻射校正，后幾何精校正，則不會(huì)對(duì)結(jié)果產(chǎn)生影響。輻射矯正是直接對(duì)原始圖像進(jìn)行像素值的糾正，沒(méi)有任何的幾何畸變。接下來(lái)再做幾何校正是為了和其他的坐標(biāo)系或者其他圖像或gis數(shù)據(jù)配準(zhǔn)。而用nearestneighbor方法重采樣的原因是可以盡量避免改變影像像素值。

（2）有時(shí)自動(dòng)閾值決策樹(shù)分類的結(jié)果比較低，很可能是疊加的輔助數(shù)據(jù)過(guò)多，造成信息的干擾，例如：纓帽變換中的綠度、亮度、濕度有可能就和NDVI會(huì)互相干擾。同時(shí)，在此次的試驗(yàn)中，NDVI和MNDWI指數(shù)都沒(méi)有經(jīng)過(guò)閾值試驗(yàn)，沒(méi)有選出最符合實(shí)際情況的指數(shù)圖層，這有時(shí)候可能會(huì)造成決策樹(shù)分類精度偏低。因此對(duì)自動(dòng)閾值決策樹(shù)分類時(shí)，選擇的多源數(shù)據(jù)并非多多益善，而是需要恰到好處。

（3）在對(duì)2013年的遙感影像做NDVI計(jì)算時(shí)，其第五個(gè)波段為近紅外波段（NIR），第四波段為紅外波段（RED），利用計(jì)算公式NDVI2013=（Band5-Band4）/（Band5+Band4）算出來(lái)的結(jié)果會(huì)與2013年以前的ETM+數(shù)據(jù)及TM數(shù)據(jù)計(jì)算的結(jié)果會(huì)相差很大，其原因在于Landsat8影像的近紅外波段和紅外波段都比ETM+和TM影像的近紅外與紅光波段的波段范圍更窄，所以導(dǎo)致最終的計(jì)算結(jié)果相差較大。

參考文獻(xiàn)：

[1]劉碩.國(guó)際土地利用與土地覆被變化對(duì)生態(tài)環(huán)境影響的研究[J].世界林業(yè)研究，2002，15（6）：38～45.

[2]文琦，劉彥隨.生態(tài)脆弱區(qū)土地利用格局演變及其生態(tài)響應(yīng)[J].地域研究與開(kāi)，2010，29（2）：104～109.

[3]陳增文.基于NDVI的生態(tài)環(huán)境變化分析：以福建省龍巖市長(zhǎng)汀縣為例[J].化學(xué)工程與裝備，2012，6（6）：204～207.

[4]張若琳，萬(wàn)力，張發(fā)旺，等.土地利用遙感分類方法研究進(jìn)展[J].南水北調(diào)與水利科技，2006，4（2）：39～42.

[5]吳全，裴志遠(yuǎn)，張松嶺，等.中小比例尺土地利用變化遙感調(diào)查技術(shù)與方法[M].北京：中國(guó)農(nóng)業(yè)出版社，2010，100～115.

[6]廖克，陳夕芳，吳健生，等.高分辨率衛(wèi)星遙感圖像在土地利用變化動(dòng)態(tài)監(jiān)測(cè)中的應(yīng)用[J].測(cè)繪科學(xué)，2006，31（6）：11～15.

[7]林輝，李際平，莫登奎.QuickBird衛(wèi)星圖像信息識(shí)別[J].中國(guó)圖像圖形學(xué)報(bào)，2005，10（10）：1504～1510.

[8]李全，王海燕，李霖.基于最大似然分類算法的土地覆蓋分類精度控制研究[J].國(guó)土資源科技管理，2005，22（4）：42～45.

[9]王維明，陳明華，林敬蘭，等.長(zhǎng)汀縣水土流失動(dòng)態(tài)變化及防治對(duì)策研究[J].水土保持通報(bào)，2005，25（4）：73～77.

[10]FriedlMA，BrodleyCE，StrahlerAH，etal.MaximizingLandCoverClassificationAccuraciesProducedbyDecisionTreesatContinentaltoGlobalScales[J].IEEETransactionsonGeoscienceandRemoteSensing，1999，37（2）：969～977.

[11]McFEETERSSK.TheuseoftheNormalizedDifferenceWaterIndex（NDWI）inthedelineationofopenwaterfeatures[J].InternationalJournalofRemoteSensing，1996，17（7）：1425.1432.

[12]徐涵秋.利用改進(jìn)的歸一化差異水體指數(shù)（MNDWI）提取水體信息的研究[J].遙感學(xué)報(bào)，2005，9（5）：589～595.

[13]周佳.基于中巴衛(wèi)星影像的土地利用分類精度評(píng)價(jià)[J].測(cè)繪科學(xué)，2007，32（6）：27～29.

[14]冉有華，李文君，陳賢章.TM圖像土地利用分類精度驗(yàn)證與評(píng)估[J].遙感技術(shù)與應(yīng)用，2003，18（2）：81～86.

[15]冉有華，李新，盧玲.四種常用的全球1km土地覆蓋數(shù)據(jù)中國(guó)區(qū)域的精度評(píng)價(jià)[J].冰川凍土，2009，31（3）：490～500.

[16]孫曉霞，張繼賢.土地利用動(dòng)態(tài)遙感監(jiān)測(cè)的誤差分析[J].測(cè)繪科學(xué)，2003，28（4）：45～47.