基于多時相衛星影像的地表覆蓋變化監測與分析

夏偉

（南昌市自然資源和規劃局新建分局事務服務中心，江西 南昌 330100）

1 引言

隨著城市化的快速發展，城市覆蓋類型也不斷發生變化。準確掌握城市土地覆蓋信息，可以獲取特定棲息地的生物、大氣區域之間能源和碳的交換，對城市進行合理開發規劃具有重要意義[1]。作為生態環境系統的重要組成部分，研究土地覆蓋類型動態演變有助于維持生態系統的穩定性，把握土地利用的空間變化，增強應對生態環境變化的能力，可以為相關規劃提供更加科學合理的決策支撐[2-4]。

土地利用變化研究首先要獲取基礎數據，并考慮獲取的便捷性、地表覆蓋信息提取的準確性等。隨著遙感技術的日益發展，衛星遙感影像越來越多地應用于地表覆蓋分類。Landsat 系列影像具有較長時間的影像積累，以及較高的空間分辨率與廣泛的光譜范圍，適合開展土地利用類型變化監測。而利用遙感監測、空間分析等方法可從Landsat 影像中快速獲取綠地信息[5]。結合GIS 和遙感方法的地表覆蓋變化信息研究，可對新增和減少的覆蓋類型進行統計分析對比，而基于土地利用類型轉移矩陣分析變化規律，能夠反映單個圖斑的變化過程、變化類型，以及變化的空間位置分布規律，如利用景觀格局指數與空間變化分析開展的城市綠地變化對當地生態環境的影響研究，并利用轉移矩陣分析城鎮景觀演化等。陸平運用土地轉移矩陣分析土地利用變化情況，結果清晰顯示不同類型的多年變化趨勢，且針對變化類型較顯著的草地轉房屋道路等也可顯著表明[6]。馬亞鑫等基于土地利用轉移矩陣分析西安市土地利用變化趨勢，并通過計算景觀格局指數進行西安城市綠地演變及驅動力分析[7]。

基于此，本文選用新疆和田市作為研究區，采用遙感分類方法與土地利用轉移矩陣算法開展土地利用類型時空變化分析研究。

2 數據與原理

2.1 數據下載與處理

Landsat8 數據可在USGS 網站下載，下載鏈接為：https://earthexplorer.usgs.gov/，根據篩選條件設置地理位置、傳感器類型、時間、云量等，篩選后的數據可根據數據量選擇批量下載或單景下載。單景下載在搜索的影像上點右鍵直接下載，批量下載需要采用FTP 下載。

Landsat8 數據預處理主要包括輻射定標、大氣校正、全色多光譜融合步驟，最終得到像元分辨率為15米的多光譜影像（Landsat5 及之前的影像無全色波段，不能進行融合處理）。Landsat8 數據輻射定標與大氣校正，均已具有完善的處理流程，利用ENVI 軟件小插件工具可對影像開展批量快速預處理。ENVI5.3 軟件擴展工具中有批量輻射定標、大氣校正、融合功能，可對多幅影像進行批量化預處理，減少人工操作頻次。

2.2 原理與方法

研究選用監督分類方法中的平均光譜角分類算法進行和田市土地利用覆蓋分類，該算法可直接計算樣本的光譜像元，并對像元光譜進行濾波、平滑、異常值剔除等程序，得到具有廣泛應用性的光譜曲線。通過對光譜進行計算與提取，得到各地物的平均光譜曲線，如建筑用地的光譜在Landsat8 影像上，第一波段、第二波段、第三波段、第四波段均較低，但呈緩慢上升趨勢，在第五波段呈明顯反射特征，在第六波段開始下降，到第七波段下降至最低；植被的光譜在Landsat 影像上，第一波段、第二波段、第三波段、第四波段較低，但呈緩慢下降趨勢，在第五波段呈明顯反射特征，在第六波段開始下降，到第七波段下降至最低。植被光譜與建筑光譜的差異在于第四波段，這是因為第四波段為近紅外波段，對植被具有強烈的反射與吸收特性，研究選用的影像時間段為植被生長最茂盛的時節，該時節第四波段近紅外光譜對植被葉片中的葉綠素有強烈響應，可最大程度吸收反射近紅外光譜，從而在影像波段上顯示為最低數值。建筑物光譜和植被光譜曲線分別如圖1 和圖2 所示。

圖1 建筑物光譜曲線

圖2 植被光譜曲線

3 結果分析

3.1 土地利用分類

土地利用分類主要包括樣本制作和遙感分類。

（1）樣本制作

樣本制作主要基于Landsat衛星影像由人工選取。將三年的衛星影像進行疊加，采用ArcGIS 軟件對比分析，并勾畫矢量圖斑作為樣本區域，主要選取耕地、草地、灌木地、濕地、水體、人工設施、裸地共七類樣本。樣本需在三年影像中均為同一類型地物，以保證同一套樣本可以應用到三年的衛星影像解譯中。

（2）土地利用分類

采用平均光譜角分類方法對2000 年、2010 年、2020 年三年的Landsat 衛星影像進行土地利用分類，分類步驟如下：

①首先創建感興趣區域ROI，本研究基于影像分別勾畫了不同類型的樣本，將樣本帶入ENVI 軟件進行ROI 轉換。

②創建ROI 后，對ROI 進行樣本光譜計算，求得平均光譜曲線。

③打開平均光譜角算法進行分類，最終得到分類結果，分類結果分別如圖3、圖4 和圖5 所示。

圖3 2000年土地利用分類

圖4 2010年土地利用分類

圖5 2020年土地利用分類

由圖可知，2000 年與2010 年土地利用類型變化較小，僅人工設施即建設用地有所增加，耕地、草地等未發生較大變化；2010 年與2020 年則出現變化 ，其中變化較大的是人工設施，變化區域為城鎮擴張，且擴張較明顯。

利用ENVI 軟件對2000 年、2010 年、2020 年的土地利用分類成果進行柵格轉矢量，得到各地物類型的矢量成果，然后利用ArcMap 軟件進行面積計算與類型統計，最終得到如表1 所示的土地利用類型變化統計結果。由表可知，和田市2000 年土地覆蓋類型中耕地與裸地面積占比較大，其次是草地與人工設施；除去耕地，和田市其他綠地植被所占面積相對較大，尤其是草地，達到7 萬畝。2010 年和田市土地利用覆蓋類型中耕地與裸地占比相對于2000 年變化不大，綠地植被相對于2000 年變化較大的是草地、灌木地，其中草地減少34480 畝，灌木地增加23804 畝。2020 年和田市土地利用覆蓋類型中耕地與裸地相較于2010 年與2000 年均有明顯減少，其中裸地減少近8 萬畝，而人工設施增加較多，增加將近16 萬畝，草地面積相對于2010 年減少1 萬畝，灌木地減少2 萬余畝，減少區域大多變為人工設施用地，例如居民地、廠房、道路等。整體來說，2000 年至2020 年和田市土地利用覆蓋類型變化較明顯，其中人類活動引起的地表變化是主要因素。

表1 三期土地利用類型變化統計（單位：畝）

3.2 土地利用轉移矩陣分析

土地利用轉移矩陣是基于同一研究區不同時序的土地利用類型數據相互轉換變化關系計算得出的一個二維矩陣，可較好地反映不同時期同一研究區的土地利用轉變情況。土地利用轉移矩陣結合數量和空間的綜合分析，不僅可以動態分析，還可定量分析土地利用類型變化，以及分析土地利用類型的總量和空間分布變化，進而了解土地利用變化的總體趨勢和土地利用結構變化。

和田市2000 年、2010 年、2020 年土地利用類型轉移矩陣分別如表2、表3 所示。由表可知：2000 年、2010 年的耕地與裸地變化相對其他類型較多，主要因為耕地與裸地面積較大，部分地區轉變為其他類型在實際情況中是存在的。此外，由于2000 年至2010 年人類活動較少，土地利用覆蓋類型整體變化較少，未存在較明顯的地物類型轉換。

表2 2000年～2010年土地利用轉移矩陣（單位：畝）

表3 2010年～2020年土地利用轉移矩陣（單位：畝）

2010 年、2020 年土地利用類型轉移矩陣變化信息較大，主要為新增人工設施面積較多，其中耕地轉變為人工設施的面積達到15 萬畝，占比最高，主要轉變為人工設施中的居民地、廠房、道路等。

和田市GDP 增量情況如圖6 所示，結合和田市2000 年至2020 年的經濟發展政策、GDP 數值增長情況可知：和田市2020 年GDP 為406.32 億人民幣，2010年GDP 為100.59 億人民幣，2000 年GDP 為27.13 億人民幣。隨著GDP 的增加，第一產業、第二產業、第三產業也從無到有發展起來，且增長速率極快，多種產業疊加的模式，勢必造成工業設施的擴張以及耕地、草地、灌木地、濕地面積減少，即導致了如表1 至表3 所示的變化趨勢。

圖6 和田市2000年～2020年GDP增長曲線

4 結論與展望

本研究以新疆和田市為研究區，選用Landsat 衛星影像作為數據源，研究和田市2000 年、2010 年、2020 年的土地利用變化規律與趨勢，通過研究得到以下結論：

利用平均光譜角算法開展了和田市三個時間節點的土地利用類型對比分析，掌握了和田市自2000 年以來的土地利用情況。整體來說，2000 年至2020 年和田市土地利用覆蓋類型變化較明顯，其中人類活動引起的地表變化是主要因素。

結合和田市土地利用類型轉移矩陣變化信息、近年來經濟發展政策分析，造成耕地、草地、灌木地、濕地面積減少，人工設施面積增加的趨勢，是由于經濟快速增長及多種產業模式急速發展。

本研究選擇的時間節點是2000 年、2010 年、2020 年，時間跨度為10 年，對于遙感監測工作來說，時間跨度過長，會存在短期變化的漏識別現象；研究選用Landsat 影像數據，未考慮應用分辨率更高的Sentinel2 數據，在后續研究中將著重解決這些問題。