土地利用变化报告文档格式.docx

1、本研究所选的分类样本分离度均大于1.6，表明可分离性较好。2.1.2 监督分类根据分类的复杂程度和精度要求，本次研究选择最大似然法分类器。最大似然法分类器假设每一个波段的每一类统计都呈正态分布，计算给定像元属于某一训练样本的似然度，像元最终被归并到似然度最大的一类当中。在ENVI软件菜单中选择ClassificationSupervisedLikelihood Classification功能，对2000年和2009年的遥感影像进行土地利用分类，制作成专题地图如下：图2. 2000年、2009年土地利用分布图2.1.3 精度检验执行监督分类后，需要对分类结果进行评价。用之前选好的验证样本对分类

2、后的影像进行精度评价。使用Confusion Matrix工具可以把分类结果的精度显示在一个混淆矩阵，用于比较分类结果和地表真实信息。ENVI可以使用一幅地表真实图像或地表真实感兴趣区来计算混淆矩阵。 在ClassificationPost ClassificationConfusion MatrixUsing Ground Truth Image下完成精度评定的工作，得到下面的报表：表1 2000年和2009年土地利用精度评价表2000年土地利用精度检验类型建设用地耕地水体林地总计22757215925062511071253543630715226062588363232261232072

3、94754292331303013737总精度=89.2262% ；Kappa=0.8506 2009年土地利用精度检验16621642692095240318359740201501072122246022391254209920563949158018519436总精度=75.9962% ；Kappa=0.6610 2.2 土地利用变化分析土地覆盖主要表达的是土地表层以植被为主要覆盖物的自然类型和状态；土地利用则是人类对土地的利用方式和使用状况。因此，土地利用变化主要体现在土地利用类型变化、土地利用类型数量变化、土地资源生态背景质量变化、土地利用程度变化及土地利用变化的区域差异等方面。2.

4、2.1 土地利用转移矩阵在全球环境变化研究中，土地利用和土地覆被动态越来越被认为是一个关键而迫切的研究课题。土地利用转移矩阵可全面而又具体地分析区域土地利用变化的数量结构特征与各用地类型变化的方向，因而在土地利用变化和模拟分析中具有重要意义，并得到了广泛应用。但是目前对土地利用转移矩阵的应用主要还是集中在直接分析土地利用类型面积的变化信息上。土地利用转移矩阵来源于系统分析中对系统状态与状态转移的定量描述。如表2中的土地利用转移矩阵中行表示2000年土地利用类型，列表示2009年土地利用类型。非对角线上百分比表示2000年-2009年期间一种土地类型转换为另一种土地类型的面积占2009年该种土地

5、利用类型总面积的百分比；对角线上的百分比表示2000年-2009年期间土地利用类型保持不变的面积百分比。表2 2000-2009年土地利用转移矩阵2000-2009年土地利用转移矩阵面积（Km）2000年土地利用类型2009年土地利用类型63.3855116.968721.065720.3223221.8496百分比28.57 52.72 9.50 9.16 10070.7224423.959813.757885.4306594.185611.90 71.35 2.32 14.38 1.86635.11444.28060.652411.918115.66 42.91 35.92 5.47 14

6、.229927.77882.392543.461487.953516.18 31.58 2.72 49.41 150.2041573.821741.4966149.86671447.3822 从表中可以看出，2009年的建设用地有28.57%对比2000年保持不变，有52.72%是由耕地转换来的，有9.5%和9.16%是由水体和林地转换而来的。而耕地除了保持不变的部分，分别有11.9%、2.32%和14.38%是由建设用地、水体和林地转化而来的。对水体而言，2009年相比于2000年有42.91%是由耕地转换而来的。林地有31.58%是由耕地转换而来的，这可能与国家退耕还林的政策有关。总之，十

7、年来临潼区的土地利用转换较大。但总体上建设用地和耕地是呈增长趋势，而水体和林地等依靠土地自身再生的资源却呈减少趋势，值得有关部门和广大人民群众关注和保护。2.2.2 土地利用类型动态度土地利用动态度对比较土地利用变化区域差异和分析、预测土地利用变化趋势,具有十分重要的作用。利用土地利用动态度模型分析土地利用类型的动态变化,可以反映区域土地利用类型变化的剧烈程度。土地资源数量变化可以用土地利用动态度来表示。单一土地利用类型动态度表达的是某研究区一定时间范围内某种土地利用类型的数量变化情况，其表达式为： 式中，K为研究时段内某一土地利用类型动态度；Ua、Ub分别为研究期初及研究期末某一种土地利用类

8、型的数量；T为研究时段长，当T的时段设定为年时，K的值就是该研究区某种土地利用类型的年变化率。采用上述公式，我们对西安市临潼区的土地利用类型数量在ENVI软件中进行了统计，并对其动态度进行了计算，得到以下结果：表3 单一土地利用动态度计算单一土地利用类型动态度土地类型20002009年份间隔动态度15030082218496104.76 574101759418560.35 415464119181-7.13 1499403879535-4.13 由表3可知,土地利用的动态度有正数也有负数,但总体而言变化率并不是很大。水体和林地的动态度为负数,变化较大,表明该土地利用类型减少较快,说明水体和林

9、地开发速度较快;而建设用地和耕地则相反,其动态度均为正数,表明该土地利用类型有增加的趋势,这主要是随着城镇化进程的推进,必须占用土地以适应城镇化的发展。而耕地的增长主要表现在对自然林地的改造利用上，可能是由于城镇化的发展和人口基数的快速增加，致使耕地面积不断扩张。2.2.3土地利用程度综合指数模型土地利用程度主要反映土地利用的广度和深度，它不仅反映了土地利用中土地本身的自然属性，同时也反映了人类因素与自然环境因素的综合效应。根据刘纪远先生等提出的土地利用程度的综合分析方法。将土地利用程度按照土地自然综合体在社会因素影响下的自然平衡状态分为若干级，并赋予分级指数，从而给出了某研究区土地利用程度综

10、合指数的定量化表达：式中，Dj为某研究区域土地利用程度综合指数；Ai为研究区域内第i级土地利用分级指数；Ci为研究区域内第i级土地利用程度分级面积百分比；n为土地利用程度分级数。按照土地利用程度指数的分级标准，城乡建设，交通水利建设等建设用地的土地利用程度最高为第一级，第二级为耕地、园地以及其他农用地，第三极的是林地、牧草地和水域，土地利用程度最低的是自然保留地为第四级（见表4）。西安市临潼区内土地面积所占比例最大的是农业用地中的耕地（属于土地人为再生利用级），占土地总面积的60%左右；其次为建设用地（属于土地非再生利用级）；然后是未经开发，自然生长的林地（属于土地未利用级）；最后是水域（属于

11、土地自身再生利用级）。表明临潼区的土地资源开发较好。表4 临潼区土地利用分级土地未利用级土地自身再生利用级土地认为再生利用级土地非再生利用级分类指数13土地利用类型 根据土地利用程度综合指数模型计算的2000年和2009年的土地利用程度综合指数为下表：表5土地利用程度综合指数像元数分类等级面积比综合指数16.4127924.2230462.6864.874.531.3016.379.6091588929159068从上表中可以看出：临潼区土地利用程度整体处于一个中等偏上水平。并且2000年到2009年土地利用程度总体变化差异不大。土地利用程度是人类有意识的一种选择行为活动。土地利用程度越高，其

12、自然属性的可利用程度就越低，人类对其干扰程度就越大。通过采用土地利用程度的综合分析方法对临潼区进行研究，表明：临潼区土地利用处于发展时期，土地利用程度整体处于一个中等偏上水平，仍有很多土地资源有待进一步开发利用，土地利用程度依地形地貌特征差异分布。土地利用程度主要反映了土地系统中人类活动因素的影响程度，但这种影响程度常常受地理区位、经济政治和交通运输因素的限制。因此需要大量的数据做进一步的研究分析。2.3 马尔科夫预测2.3.1 马尔科夫预测原理马尔科夫预测过程是根据俄国数学家马尔科夫的随机过程理论提出来的，是一种具有“无后效应”的特殊随机过程。所谓的“无后效应”是指某随机过程时刻（t+1）的

13、状态S（t+1）的概率只与时刻t的状态S （t）有关，而与时刻t之前的状态概率无关。这点用于土地利用结构动态变化预测是合适的，因为在一定条件下，土地利用的动态演变具有马尔科夫过程的性质。具体而言，在通过转移矩阵生成区域土地利用变化转移概率矩阵的基础上，马尔科夫模型被用来预测特定情景下土地利用变化的未来趋势。（1）转移概率矩阵的确立是成功应用马尔科夫模型的关键，转移概率矩阵可以定量说明土地利用类型之间的相互转化状况，揭示转移速率，其土地利用/覆被类型转移概率矩阵的数学表达式为:式中:Pij土地利用/覆被类型i转化为j的转移概率。该矩阵的每一项元素需满足以下两个条件:（2）假设己知土地利用/覆被系

14、统中n=0时的,初始状态，经过n次转移后的状态为:初始状态土地利用/覆被概率矩阵经过n步转移后的概率矩阵，经过n步转移后的系统状态概率为，所以。由此可见，系统在任何时刻的状态概率是由初始状态概率和转移概率确定的。2.3.1 结果与分析将土地利用/覆被类型划分为一系列相互转化的状态，各状态在系统中所占的份额即每种土地利用类型而积占全部土地利用类型面积的百分比作为各状态的初始概率，从而构成初始状态矩阵A0。用ENVI软件中的Class Statistics工具统计临潼区2000年土地利用类型面积，计算得到各覆被类型面积百分比，形成初始状态矩阵，见表6：表6 初始状态矩阵A016.41 62.68

15、4.54 16.37 转移概率矩阵的计算:利用己求出的某时间段内的某地土地利用/覆被类型而积的转移矩阵，求出该时间段内该地土地利用/覆被类型的转移概率，即某地类转化后的各土地利用类型而积占转化前该地类的百分比。在ENVI中的Change Detection中可以计算得到转移概率矩阵如表7：表7 2000-2009年的转移概率矩阵建设用地 耕地 水体 林地 0.421720.470540.012420.094680.203740.738480.0008910.048390.507040.331140.103030.057590.135540.569760.0004530.28986利用Matla

16、b软件，以9年为一个步长，根据公式建立马尔科夫预测模型。由此可计算出今后每个阶段的土地利用/覆被类型的转移概率矩阵和各土地利用/覆被类型所占的面积比例，即可模拟出各类地物之间面积比例的转化情况。得到2018年的土地利用分布情况，如表8：表8 马尔科夫预测2018年土地利用分布情况24.23 64.861.329.59 3 心得 “纸上得来终觉浅，绝知此事要躬行”，土地利用与植被覆盖变化的研究实习结束了，经过这次系统全面的学习，让我更深刻的了解了遥感图像处理和土地利用变化监测的的操作流程，也掌握了面对常出现问题的解决方法，同时也让我对这门课程有了更确切的理解，把理论应用于实际，同时加深了对理论部分的重点理解，还提升了动手能力。当然还有很多不懂的问题需要日后的不断探索和研究，但这次实践给我打开了一扇自主学习的门，让我懂得了凡是不要怕难不要怕不会。所谓“困难像弹簧，看你强不强，你强它就弱，你弱它就强”，当我们遇到不会或者不清楚的地方，要有效利用周围的资源，网上咨询，询问老师，只要有心，就一定会有解决之法。总之，这次研究实习让我受益匪浅。