基于TM影像對土地利用動態變化的監測——以福州市為例

林耀奔 ，陳炳超 ，2

（1.廣西師范學院國土資源與測繪學院，廣西南寧530000；2.南寧市綠洲景觀園林建設工程有限責任公司，廣西南寧530000）

土地是人類的巨大財富，人類依靠土地進行繁衍生活。全球環境變化的主要原因來自人類對土地的開發利用而造成的土地利用類型的改變，這也是當前全球研究的熱點話題[1-2]。傳統的土地變化監測方法需要消耗大量的物力和人力，并且耗時、浪費資源，難以滿足當今社會經濟的需求。

大數據時代的到來使得人們對數據的掌握與分析變得更為快捷有效，同時也對人們提出了新的要求，要求采用更新更有效的技術方法來綜合運用這些數據。社會經濟的快速發展同時也造成了土地利用類型的不斷變化，遙感技術作為土地利用動態檢測的新技術，因具有人為干擾性小、操作周期短、覆蓋面積大等其他方法技術無法比擬的優勢，而被廣泛地應用與研究[3-4]。

遙感圖像可以客觀真實地反映影像的各類數據信息，是土地利用動態監測的可靠數據來源，十分有益于定性定量地分析，其多時相的特性極具現實研究意義。

1 研究區概況

福州市是沿海省份福建的省會城市，位于福建省東部閩江下游沿海地區，介于東經118°08′～120°31′，北緯 25°15′～26°39′。福州市地理位置十分重要，北鄰寧德市，南接莆田市，西面則是南平市和三明市，東臨東海，臺灣省與之隔海相望，是福建省的交通樞紐、經濟和文化中心。

隨著經濟的快速發展，福州市作為國內為數不多的最早的對外開放城市，近年來其經濟得到了迅猛的增長。城市規模的不斷擴張使得福州市的土地利用類型也發生了巨大的變化，因此，利用遙感圖像研究其土地利用變化情況對城市未來發展有著重要意義。

2 數據的獲取與處理

2.1 數據源

本研究所采用的數據源包括：福州市1989年5月4日和2009年6月6日2個時相的TM影像圖；福州市行政區劃矢量圖。獲得的研究區內遙感影像的云層覆蓋為零，質量良好。

2.2 數據處理

2.2.1 遙感影像的校正 包括幾何校正和輻射校正，以校正和消除幾何畸變和輻射失真[5]。

2.2.2 獲取圖像 在ERDAS中加載1989，2009年的TM遙感影像和福州市行政區劃矢量圖，并利用AOI裁剪的方法對遙感影像進行裁剪，得到福州市TM遙感影像，為接下來的監督分類做好準備。

2.2.3 合成彩色圖像 由于TM單波段影像不利于目視判讀，因此，根據彩色圖像合成原理，將3個波段圖像安放3個通道上，并分別對其設置成紅、藍、綠3種顏色，便可得到彩色的遙感圖像。為了便于研究區的信息提取，需選擇易于目視解譯的波段合成的彩色圖像，此次選擇波段5、波段4、波段3進行彩色合成。

2.2.4 影像數據的配準 包括遙感影像數據與不同類型其他數據的配準以及不同時相的遙感影像間的配準2個方面，這是遙感動態監測的關鍵。具體步驟是首先在1989年與另外的其中一個時相（如2009年）的遙感影像上找到6個以上的同名地物，同名地物點一般為具有較高能辨度的點，如清晰的十字路口、標志性建筑物以及規則幾何地塊的棱角等，選用的樣點分布應均勻，盡量鋪滿整個研究區范圍。隨后的小波模型則是根據這些樣點與相應的二階多項式生成的，并采用雙線性內插法作為重采樣方法，為使配準精度小于0.5個像元而對遙感影像進行不斷地配準[6]。

2.2.5 建立分類體系 根據研究區的土地利用特征以及影像成像特征，并且參照國家相關行業標準，設定研究區的土地利用分類體系為建設用地、裸地、火燒跡地、耕地、林地、水體等6種土地利用類別[7]。

2.2.6 選取訓練樣本 監督分類的關鍵是選擇合適的訓練場地，此類樣本應是光譜特征較為均一的區域，并且要有較多的光譜特征變化較大的地物點，從而能科學可靠地反映該區域的變化情況。此次操作中，每類至少選擇10個訓練樣本。利用AOI工具在1989，2009年的TM影像上選取合適的樣本建立訓練區。

2.2.7 執行監督分類 根據選取的訓練樣本，利用ERDAS提供的監督分類模塊，導入TM遙感影像和訓練樣本執行監督分類。

2.2.8 分類結果檢查糾正 在同一窗口中添加裁剪后的影像和分類后的影像，使用wipe工具進行分類結果糾正。若發現分類結果與遙感影像有明顯出入時，可以利用Raster→Tools菜單中的工具進行手動修改。

2.2.9 監督分類后處理 一般情況下，監督分類之后會產生一些小圖斑，這些圖斑必須剔除以提高遙感圖像數據分析的精準度以及出圖的美觀可靠性。

首先進行聚類統計。聚類統計（Clump）是為產生一個Clump類組輸出圖像，而對每個分類圖斑的面積進行計算以及記錄相鄰區域中最大圖斑面積的分類值等操作[8]。

然后進行去除分析。去除分析（Eliminate）就是將刪除的小圖斑合并到相鄰的最大的分類當中，適用于刪除原始分類圖像中聚類圖像的小Clump類組或是小圖斑。去除分析法的一個便捷之處就是其處理之后的Clump圖像，會將小類圖斑的相關屬性值自動恢復到處理前的原始分類編碼。

2.2.10 精度評估 為得到精度評估報告可使用Accuracy Assessment模塊對分類后的影像進行精度評估。報告顯示，1989年的分類精度結果為81.67%，2009年的分類結果精度為79.44%[9]。

3 土地利用變化動態監測

3.1 動態變化監測

利用Modeler模塊進行動態變化監測，其計算公式如下：＄n2_class_fz1989_el*10+＄n12_class_fz 2009_cl_el，并執行土地利用動態監測模型。此外，再執行 Raster→Attribute→Edit→Add area column添加面積屬性，其中，Row列數值ij的含義為1989—2009年期間，福州市i類土地轉變成j類土地，而Histogram列的數值含義為福州市i類土地轉變為j類土地的像元數[10]。

3.2 變化監測及出圖

使用ENVI5.1中的Thematic ChangeWorkflow功能，以福州市1989年土地利用類型分布圖為初始化底圖，以福州市2009年土地利用類型分布圖為第2幅圖，得到福州市1989—2009年土地利用類型變化圖，并通過ArcMap和PhotoShop工具制作成圖。分別得到3幅專題地圖（圖1，2，3）。

3.3 統計分析

利用監測得到的數據對福州市土地利用變化進行統計分析，得到土地利用轉移矩陣（表1）。

從表1可以看出，建設用地、林地、裸地三類土地類型的變化相對較大。比較建設用地類型的面積可以發現，1989年有1 424.52 km2的耕地轉為建設用地，其次是林地，有537.732 km2轉為建設用地。另外，林地還有相當一部分轉為耕地，轉移面積為885.78 km2，還有一部分林地可能因為發生森林火災或人為破壞轉為火燒跡地。同樣，裸地面積也在發生變化，其中有619.02 km2的裸地轉為林地，538.308 km2的裸地轉為耕地。對于火燒跡地這類土地類型來說，其變化主要表現為有280.152 km2的面積轉為林地，轉為其他類型的土地面積相對少。同樣，水體的變化也不大，主要是轉為裸地類型。

表1 1989，2009年福州市土地利用轉移矩陣 km2

4 結論

在土地利用類型的變化方面，福州市1989—2009年土地利用發生了較大變化：建設用地增加了1690.85 km2，增幅達76%，平均每年增加84.542 km2；裸地減少 1 084.323 km2；林地增加 4 561.88 km2；水體減少1 904.82 km2；火燒跡地增加536.436 km2；耕地減少了1 408.604 km2。

耕地面積總體來說變化較大，林地面積有所增加，建設用地面積持續較快增長，而裸地面積則大幅度減少，說明福州市的城市化進展不斷加快，但土地利用仍不大合理，亟待改進。

運用遙感圖像處理的相關技術對多時相影像進行土地利用類型的提取以及土地利用動態變化的監測是科學可行的，可以較為直觀清晰地反映當今城市在經濟迅猛發展的背景下所帶來的土地利用類型變化的動態趨勢。但是遙感影像在成像過程中容易受到大氣狀況、傳感器等諸多因素的影響，從而造成土地分類不夠精細。若采用高分辨率影像進行土地利用動態監測，一定會達到更好的效果。

［1］黃寶華，孫治軍，周利霞，等.基于TM影像的土地利用動態變化分析研究：以煙臺市六區為例[J].綠色科技，2001（9）：9-13.

［2］曹雪，柯長青.基于TM影像的南京市土地利用遙感動態監測[J].武漢大學學報：信息科學版，2006，31（11）：958-961.

［3］翁玉坤，劉排英，王鵬生.遙感技術在土地調查與動態監測中的應用綜述[J].北京測繪，2009（3）：60-62.

［4］張燦榮，伍素貞.利用遙感影像進行土地利用動態變化監測：以東莞市長安鎮為例[J].地礦測繪，2007，23（3）：17-19.

［5］姚薇，李志軍，姚珙.Landsat衛星遙感影像的大氣校正方法研究[J].大氣科學學報，2011，34（2）：251-256.

［6］張銳，姜挺，于瑤瑤.圖像重采樣對調制傳遞函數估算的影響[J].遙感學報，2012，16（3）：482-491.

［7］王人潮.試論土地分類[J].浙江大學學報：農業與生命科學版，2002，28（4）：355-361.

［8］么枕生.用于數值分類的聚類分析 [J].海洋湖沼通報，1994，2（1）：1-12.

［9］劉旭攏，何春陽，潘耀忠，等.遙感圖像分類精度的點、群樣本檢驗與評估[J].遙感學報，2006，10（3）：366-372.

［10］韓麗蓉.基于ERDAS的掩膜圖像生成方法探討 [J].國土資源遙感，2013，25（2）：81-86.