基于TM影像的榆次区土地利用分类研究
来源:用户上传
作者: 陆红
摘要：本研究以TM影像数据为基础数据，通过对TM影像的几何精校正、彩色增强、TM影像的叠加等处理，对处理后的影像进行矢量化和人工解译，获得详细土地类别的布局信息，并分析研究区域土地利用类型之间的转化情况和分布状况。
关键词：土地利用分类；监督分类；地类信息提取
1. TM影像在土地利用分类中的应用
1.1 TM影像的主要应用范围
TM影像在土地利用分类的研究中，主要应用于水体、裸地、园地、草地、建设用地、耕地和林地等地类信息的提取上，并根据不同波段识别不同的地物类型以及多波段的地物类型判别[1]。
1.2从TM影像上提取土地类型信息
1.2.1 水体判读
在近红外波段的影像上，由于水体对近红外的强烈吸收，水体为黑色。湖、河、海以其外部形态，很容易区别。蓝波段对水体有较大的透射能力，因此该波段的色调可反映水深和浅水区的水下地形。同时，利用ERDAS计算出归一化差异水体指数（NDWI），观察研究区内水体的阈值，并提出水体。
1.2.2 植被的判读
植被的判读一般用多波段合成的图像，如标准假彩色合成图像。利用ERDAS计算出归一化植被指数（NDVI），观察研究区各类地物的阈值，发现绿色信息与其他非绿色信息的阈值具有较大差异。1<=NDVI<=1，负值表示地面覆盖为云、水、雪等；0表示有岩石或裸土等；正值表示有植被覆盖，且随覆盖度增大而增大。
1.2.3 土壤判读
不同土壤类型之间的光谱差异不明显，直接判读困难。一般用间接判读法，根据其上生长的植被类型、地区的气候条件等分析，推断出土壤的类型。例如，利用ERDAS计算归一化建筑指数NDBI[NDBI=（TM5-TM4）/（TM5+TM4）]可以将非植被地物中的裸地明显地区分开来。
2. 研究的数据源获取及技术流程
2.1研究区概况
榆次区位于山西省中部的晋中盆地，太行山西麓。东与寿阳县交界，西同清徐毗邻，南与太谷县接壤，西北与太原市相连。全区面积1328km2，是晋中市委、政府所在地。地处东经112°34’-113°8’，北纬37°23’-37°54’，为典型的暖温带半湿润大陆性季风气候，年均气温9.8℃，降雨量418-483mm，年日照时数2662小时，无霜期158天。
2.2数据源获取
研究所采用的数据源为LandsatTM数据，包含7个波段，除第6波段空间分辨率为120m外，其余6个波段均为30m。本研究选用分辨率为30m的影像即可，研究采用的非遥感数据则是榆次区的行政图。
2.3技术流程
遥感图像分类是将图像的所有像元按其性质分为若干类别（class）的技术过程。对TM影像及使用TM影像不同波段叠加融合后的影像进行监督分类，经过聚类和去除分析后得出新的分类结果，并基于新的分类结果进行专题信息的提取。
3.数据的处理及分析
3.1系统的确定
研究采用的土地利用分类系统，参照全国第二次土地调查的分类系统结合研究的实际要求，将土地利用类型归结为4个一级分类，即建设用地、耕地、林地（包括林地和草地）、其他用地[2].
3.2图像预处理
对遥感数据的预处理主要是对研究区内的TM遥感影像数据进行导入（Import）、几何纠正（Geometric correction）、配准（Image Matching）和剪裁（Subset Image）等处理工作[3]。由于研究主要进行土地利用类型的提取，在TM影像经几何纠正和裁剪后，采用经典的5、4、3波段进行假彩色合成，形成基础分类影像。
3.3监督分类
3.3.1执行监督分类
监督分类的关键在于选择研究区的地物特征的样本质量，以及能满足建立分类判别函数的感兴趣区的样本的数量。根据研究所选取的4类土地利用分类系统，对每一种地物选取一定的样本，测定各地类的光谱值，进行最大值、最小值、均值和方差统计。综合运用阈值法，可将主要目标地物自动提取出来。
3.3.2分类后影像的处理
监督分类中训练样本中所定义的类别，易出现误分和漏分的情况[4]。本文研究区域监督分类的结果显示，贯穿居民点的河流与居民点所显示的颜色一样，对此，需对建设用地和河流进行专题信息提取。
各光谱差异为：TM1居民地与河流菜地不易分开；TM2居民地与河流菜地不易分；TM3乡村与菜地不易分；TM4农田与道路不易分，乡镇，道路，河滩不易分；TM5县城与农田不易分；TM6村庄与河流不易分。所以，在遥感的类型提取上，一般采用ERDAS中的MODEL对这两种地类进行提取，公式为：TM5+TM6+TM7-TM1-TM2-TM4。
3.3.3聚类再分类
运用ERDAS软件对研究区进行土地利用分类试验，错分漏分的情况很严重，精度很低，因此对分类结果进行聚类再分类处理，使得小图斑合并进周围的大图斑中，也可理解为小图斑所代表的地类正在向大图斑地类转化。
4.地类信息的提取
4.1建设用地变化信息的提取
在各类地物中，利用NDBI（归一化建筑指数）[NDBI=（TM5-TM4）/（TM5+TM4）]可以很容易的提取出影像中的建设用地；但在非植被地物中，由于建设用地和裸地具有相似的光谱特征，只运用NDBI很难将建设用地与裸地区分开来。因此，在运用NDBI的基础上，结合NDVI（归一化植被指数），选取相应的阈值就可以将建设用地与裸地区别开来。
4.2耕地变化信息的提取
根据NDVI值，观察研究区各类地物的阈值，发现绿色信息与其他非绿色信息的阈值具有较大差异。而农田和林地则具有相似的阈值，所以仅根据NDVI值很难将农田和林地区分开来。由于榆次地区的农田大多分布在平原地区，因此，选取区域内的坡度数据，就可以分离农田与林地。
4.3林地变化信息的提取
对DEM图进行坡度分析以及NDVI值的计算，可以得出研究区域在一定坡度的林地信息；而对于平原上的林地信息的提取，则可通过地物的光谱差异进行简单的区分。以榆次区为例，TM534影像中的林地大多分布在河流附近；其中，以潇河附近最为明显。
4.4其他用地变化信息的提取
根据本研究确定的分类系统，其他地类为除去以上三大地类以外的地类。由于经济条件的迅速发展，城市化必然也会扩展，在占用耕地的同时，为保证基本的耕地数量，其他用地就不可避免地成了被转换的，因而其他用地的变化较其他三大类用地的变化量最大。
5.结束语
遥感影像中专题信息进行自动提取是目前获取地球表面信息的主要途径之一。本文设计的数据处理方案从最后的结果看，实现了发现变化区域的目标以及未来变化的趋势，这表明利用现有的遥感影像处理软件能基本完成对遥感数据的处理，并找到土地利用变化的信息，为土地利用执法检查提供有力的技术保证。
参考文献
[1]赵英时等.遥感应用分析原理与方法.北京：科学出版社，2003.
[2]涂怀进，帅美新，余建杰.基于Rs技术的鄱阳湖区土地利用分类研究.江西测绘，2009，（2）：52―54.
[3]王佳，熊妮娜，董斌，等.基于RS的近20年北京市土地利用景观格局变化分析[J].北京林业大学学报，2008，30：83―88.
[4]余建杰.基于TM遥感影像的鄱阳湖湿地分类研究. 江西农业学报，2007，19（12）：93―94
转载注明来源:https://www.xzbu.com/1/view-6832951.htm
