基于最大似然分類算法的土地利用變化特征分析*

李小玉 蒲 智 李全勝

（新疆農業大學計算機與信息工程學院 烏魯木齊 830052）

1 引言

城市化的飛速發展，使得各類土地的利用類型發生巨大轉變，加速經濟發展的同時，引起了一系列生態環境問題［1］，因此城市內的土地利用變化成為熱點研究問題［2］。同時遙感衛星的快速發展，影像分辨率的逐步提高，使得從中獲取的信息更加準確有效［3］，從而可以廣泛應用于長時間、多尺度的土地利用變化監測，一方面提高了信息提取的效率，另一方面節約了時間、人力和物力［4］。借助遙感技術進行土地利用變化信息提取已經成為目前研究中的一種重要技術，在能夠完成的基礎上，各類更加高效便捷的算法大量涌現，在傳統的目視解譯基礎上不僅提高了分類的精度，同時也提升了分類的速度［5］，但不同的算法在實際過程的分類精度存在一定的差異，需要結合實際研究區域確定一種最合適的分類方法。本文使用ENVI 軟件，根據研究區的實際環境和影像，采用監督分類中的最大似然分類方法進行土地利用變化信息的提取，此方法相對于其他算法計算速度較快，效率較高，從而最終得到研究區域的土地利用變化特征。

2 研究區域與數據來源

2.1 研究區概況

烏魯木齊市作為新疆維吾爾自治區的首府，位于中國西北地區，是我國向西開放的重要堡壘。它在新疆的中部區域，位于天山山脈的中斷、準噶爾盆地的南部［6］，具體地理位置為86°46′～88°59′E，42°54′～44°58′N，如圖1 所示。作為世界上離海洋最遠的城市，其地勢起伏相差較大，最高海拔5445m，最低海拔490.6m，市區平均海拔為800m，其總面積達到14216.3km2，但山區面積占其總面積的50%以上，其建成區面積達到436km2，整個市區三面環山，海洋氣流難以進入，屬于溫帶大陸性干旱氣候，氣候干燥、晝夜溫差大、降水量少。

圖1 烏魯木齊市區位圖

2.2 數據來源與處理

本文選取2000 年、2010 年和2019 年三期云量較少的Landsat系列影像，時間集中在七八月份，其具體軌道號為142/29、143/29 和143/30，遙感影像主要源于地理空間數據云平臺（http：//www.gscloud.cn/）。然后對影像進行輻射校正、大氣校正、拼接合成及剪裁處理，根據研究區域的地形特點和遙感影像的紋理特征確定分類體系，最終采用劉紀元［7］等規定的分類體系，將用地類型分為六大類，具體為草地、林地、耕地、建設用地、水域和未利用地。

3 研究方法

目前基于遙感影像的統計分析分類方法主要分為非監督分類和監督分類［8］，非監督分類又稱為聚類分析，不需要根據先驗類別選取訓練樣本，根據影像上不同地物類型的的紋理特征及光譜特征進行合并歸類，最終實現分類目的［9］。監督分類又稱訓練分類，需要對地物特征積累一定的先驗知識［10］，根據已知的先驗知識對每一類地物選取一定數量并且具有代表性的樣本，以選取的樣本作為訓練樣本，用這些訓練樣本的光譜特性及紋理特征進行訓練，獲得能夠識別各類地物的決策函數，然后將其用于未知區域影像的地物分類［11］。監督分類常用的方法包括：最大似然法、支持向量機法、馬氏距離法、最小距離法和神經網絡法［12］。其中最大似然是最具代表的統計分析方法，因此本文采用監督分類中的最大似然法對烏魯木齊市的三期數據進行分類。

3.1 分類算法

最大似然法是根據選取樣本影像的波段數據，用其作為多維正態分布來構造實際的分類函數，先對選取的樣本進行統計和計算，得到每種地物分類的相關參數，如均值、方差和協方差等，由此可以確定分類函數，然后將實際需要分類的研究區影像中的像元計算代入到已經確定好的分類函數中，根據貝葉斯公式計算在每個分類中的概率，最終實現分類的結果［13～14］。假設影像有n個波段，第i類用地類型對應的正態分布密度函數表達式為

式中：Si為第i類用地類型n個波段的協方差矩陣。

若將研究區域用地類型分為m個類別，則有m個與之對應的概率分布密度函數，進而可以計算每種類型的概率，相當于計算m個類別中的隨機變量x，當隨機變量x已知時，根據貝葉斯公式可以得出m個類別中第i類的概率，表達式為

對式（2）進行化簡，最終表達式為

式中：i的取值為1～6，因為本文中的用地類型分為6 類，μi為均值向量，在實際分類時其值是樣本波段特征的均值。

3.2 土地利用變化指數

1）土地利用類型動態變化度用來定量描述某一用地類型在一定的研究區間內的變化，其值有正有負，正值表明該用地類型在此研究區間內處于增長狀態，相反則表明該用地類型處于減少狀態，動態變化度數值的絕對值越大，表明該用地類型變化波動越大，其數學表達式為［15］

式中：S表示某一用地類型的動態度；Ma表示研究初期某一用地類型的面積，Mb為研究末期某一用地類型的面積；ta和tb表示所選時間區間的初期和末期，本文中初期與末期間隔均為10年。

2）土地利用程度綜合指數用來定量反映用地類型利用狀態的集約程度，土地利用程度的綜合指數取值范圍為100～400，其值越大表明用地活動越劇烈。根據其值可以判斷研究區內的土地利用程度處在何種發展時期，及時給出調整建議。

其數學表達式為［16］

式中：L表示研究區的土地利用程度綜合指數；n表示不同用地類型所對應的分級指數；Ai表示對應的第i級用地類型的分級指數，Ci表示對應的i級用地類型與研究區總面積的百分比。

3）土地利用轉移矩陣 通常用二維表格來表示，主要用來描述用地類型變化的方向和結構，具體包括用地類型變化的數量、來源和方向。其數學表達式為

式中：T表示每種用地類型的面積，n為不同的用地類型，i和j研究區間的初期和末期的用地類型。

4 結果分析

4.1 分類精度分析

采用最大似然分類方法之前，需要根據先驗知識和影像特征選取訓練樣本，對選取好的樣本進行可分離性驗證，可分離指數范圍在0～2 之間，其數值大于1.9，說明樣本之間可分離性好，可以用作分類訓練樣本，其數值小于1.8，說明樣本之間相同屬相較多，不適合作為分類樣本，需要對其重新選擇，其數值小于1，說明樣本之間相似度極高，需要結合實際樣本情況，考慮將兩類樣本合成一類樣本。本文實際驗證指數如表1 所示：其可分離性指數值均在大于1.8，表明樣本均合格，可以用作訓練樣本，進行分類。如表2 所示：總體的分類精度為87.93%，kappa系數為0.78，其中水域的分類精度最高，達到91.23%，林地和草地的分類精度較弱，因為草地和林地的影像紋理特征相似性較高，有些林地和草地混合在一起，基于分辨率為30m 的影像，無法準確無誤將其分類。

表1 樣本可分離指數

表2 最大似然法分類精度

4.2 土地利用結構變化分析

如圖2 和表3 所示：烏魯木齊市近20 年中用地類型以草地和未利用地為主，其中草地面積占總面積的50%左右，未利用地的面積占總面積30%左右，未利用地面積在2000 年為面積為4466.6km2、2010 年為4350.97km2、2019 年為4281.08km2，總體變化呈現出遞減趨勢。耕地的面積在2000 年、2010 年和2019 年的占比分別為9.83%、9.05%和8.24%，其面積變化也呈現遞減趨勢。林地面積波動較小，其三期占比分別為：4.60%、3.33%和3.07%。建設用地面積變化較為明顯，呈現增長趨勢，其占比從2000 年的2.51%增長到2019 年的6.07%。水域的面積占比是最少的，其三期面積數分 別 為79.51km2、138.31km2和131.05km2，在2000年～2010年有明顯的增加。

圖2 2000年～2019年烏魯木齊市土地利用分類現狀圖

表3 2000年～2019年烏魯木齊市土地利用類型面積及占有率

4.3 動態度變化分析

如表4 所示：2000 年～2010 年里，耕地、林地和未利用地的動態變化度分別為-0.79%、-2.76%和-0.26%均為負值，說明這三種用地類型面積在此期間均有所減少，草地動態變化度為0.18%，說明草地面積變化浮動較小，且面積有所增加，而水域和建設用地在這十年中面積增長較多，其地動態變化度分別為7.4%和6.12%。在2010 年～2019 年中，只有建設用地動態變化度為正值，說明只有建設用地面積在增加，其余的用地類型動態變化度均為負值表明其面積均在減少。從整體上看，在近20年中，草地、水域和建設用地面積和2000年相比都有所增長，其中增長最為明顯的是建設用地，在2000 年～2019 年中其動態變化度為14.22%，耕地、林地和未利用地和2000 年相比都有所減少，其中林地面積減少的最多。

表4 2000年～2019年烏魯木齊市土地利用動態變化度

4.4 土地利用程度變化分析

如表5 所示：從2000 年～2019 年烏魯木齊市的土地利用綜合指數分別為182.84、185.93 和189.68，一直處于增長趨勢，且波動浮動較為平緩，表明近20 年烏魯木齊市的土地一直處于開發當中，但是指數又均在合理開發區間之內，且都未逼近發開指數的上線，表明其還有一定的開發空間。

表5 2000年～2019年烏魯木齊市土地利用程度綜合指數

4.5 土地利用轉移矩陣分析

在近20 年中，建設用地的面積一直處于上升狀態，如表6和7所示：建設用地的增長主要來源于草地和耕地的轉變，草地除了轉為建設用地，還轉向了耕地和林地，在2000 年～2010 年間，草地中有239.22km2的占地轉為耕地，269.64km2的占地轉為林地。水域面積在研究區間內有所增加，也主要源于草地的轉換。減少的未利用地主要轉向了草地和耕地。政府頒布實現實行了退耕還林、還草政策在近20 年里，落實較好，因為減少的耕地用地面積主要轉向成為草地和林地。

表6 2000年～2010年烏魯木齊市土地利用轉移矩陣 （單位：km2）

表7 2010年～2019年烏魯木齊市土地利用轉移矩陣 （單位：km2）

5 結語

遙感影像的分類方法雖然大量涌現，但未得出某一具體分分類方法是最優的，研究區的地形地勢不同，導致分類算法的精度有所差異，本文采用最大似然分類法對烏魯木齊市近20 年的土地利用類型進行分類，結果表明總體的分類精度為87.93%，kappa 系數為0.78，根據所得的分類結果對土地利用變化特征進行分析，得到烏魯木齊市的用地類型以草地和未利用地為主，其次是耕地、林地和建設用地，水域面積所占比最小，并且土地利用的開發一直在進行中，但都未到達開發利用的上限，還有一定的開發空間。