1、基于Landsat遥感影像的东昌府区建成区扩展监测摘要随着我国经济发展和城镇化进程的推进,涌现出了一系列城市病。城市建成区的信息,可以反映一个城市发展的概况,准确提取分析城市建成区信息是解决这些城市问题的关键。本文以聊城市东昌府区2003,2018年2期Landsat 遥感影像数据为基础,采用监督分类和叠加分析技术对其进行了城市扩展监测。研究结果表明:2003年到2018年东昌府区建成区面积增加了387.96km2,年增长率为25.86 km2/a,为东昌府区城市扩展监测和发展规划提供了数据支持。关键词: Landsat遥感影像;东昌府区;监督分类;建成区扩展;AbstractWith the
2、 economic development and advancement of Chinas urbanization process, a series of problems keep emerging. The range of urban built-up information can reflect the general situation of a citys development, and the accurate extraction and analysis of urban built-up information is the key to the study o
3、f solving those city problems. The research based on Dong Chang Fu district of Liao Cheng Landsat remote sensing image data in 2003 and 2018, using the supervised classification and overlay analysis technology of image to monitor urban expansion. The results show that the built-up area of Dong Chang
4、 Fu district increased by 387.96 km2 from 2003 to 2018, with an annual growth rate of 25.86 km2/a, which provides data support for urban development planning in Dong Chang Fu district.Keywords: Landsat remote sensing image; Dong Chang Fu district; supervised classification; Expansion of built-up are
5、as1引言在行政意义上,城市建成区是指市政区范围内经过征用的土地并实际建设发展起来的非农业的生产建设地段,包括市区集中连片的部分以及分散在近郊区与城市有着密切联系、具有基本完善的市政公用设施的城市建设用地(如水泥道路、机场、污水处理厂、通信电台)。在此概念的基础上,随着我国经济改革发展,城市化进程带来的城市人口暴增、城市用地迅速扩张、交通拥堵、垃圾成山等城市病也随之而来。而城市建成区的信息,可以体现一个城市发展的情况,这就需要对城市建成区进行扩展监测,来提取建成区信息以了解城市扩张概况并分析原因,从而为未来城市经济发展、城市规划、土地资源管理等提供数据支持。在有数据支持的基础上对城市建设规模进
6、行正确调控将优化城市化格局和提高城市化效率。因为航天技术的精进,传感器本身的误差减小、分辨率提高,高分辨率卫星遥感影像在城市扩展研究中发挥着举足轻重的作用。对于城市扩展的监测,目前多选用高分辨率的卫星遥感影像作为研究的数据基础,如 Landsat TM、Landsat ETM+、SPOT 和Quick Bird等;地理信息系统具有强大的数据处理和空间分析功能,二者结合并通过GIS不同时期遥感图像的叠加分析,可以反映城市空间结构的变化,并且具有高精度、高效、低费用等特点。因此,利用监督分类和叠加分析等空间信息技术进行城市建成区扩展监测和动态模拟分析是研究城市扩展的重要技术手段。1.1研究区概况东
7、昌府区位于山东省西部、聊城市中部,居鲁西平原,黄河在境内蜿蜒百余里,其所在市与冀、豫两省交界,区位独特,自然条件适宜。借助XX地图可知,其地理位置在东经1151411606、北纬36163642之间,总面积1443 Km2;东昌府区傍水而生,依水而兴,水域足足占去城区面积的三分之一,主要河流有徒骇河、马颊河、京杭大运河,同时拥有我国江北最大的人工城市淡水湖泊东昌湖;东昌府区属于暖温带季风气候区,气候适宜,光照充足,夏季雨热同期,全年光照时数在2463-2741小时之间,平均气温13.3,年平均降水量约610mm,无霜期201天以上 ;截止到2018年,全区常住人口132.05万,现辖11个镇、
8、10个街道、11个乡,即:古楼街道、柳园街道、新区街道、湖西街道、东城街道、闫寺街道、 北城街道、道口铺街道、凤凰街道、蒋官屯街道、侯营镇、沙镇、堂邑镇 、梁水镇、郑家镇、斗虎屯镇、 张炉集镇 、于集镇、许营镇、朱老庄镇、顾官屯镇、 韩集乡、 广平乡 ;东昌府区为市辖区,较全市其他县来说耕地面积较少,但因其得天独厚的自然因素,农作物产量仍居全国前列;东昌府区位于济南都市圈上,贯穿中国南北的京九铁路和济聊高速公路在东昌府区交汇,因此东昌府区是聊城市与重要城市连接的重要枢纽。图1东昌府区2018年假彩色合成遥感影像1.2数据来源本文采用的影像数据为美国陆地卫星(Landsat)系列卫星图像,由美国
9、航天局(NASA)和美国地质调查局(USGS)共同发射管理;自1972年起,Landsat系列卫星陆续发射,至今已发射8颗卫星,轨道高度705 Km, 随着航天技术的进步,卫星传感器的时空分辨率逐渐提高,其中Landsat7和Landsat8的分辨率最高可达15m,其前6个波段范围从蓝、绿、红、到红外,回归周期为16天,由于设置多光谱观察、对地观测范围很大、数据收集快,并具有宏观和直观性;陆地卫星主要用于获取遥感影像数据,其应用目的为调查生物资源、矿产资源、海洋资源,监测资源使用情况,观察并预测植物生长状况、评估农作物产量,考察和预报自然灾害和环境污染, 对全球变化情况进行相关研究 。它在我国
10、国民经济中发挥了强有力的作用。本次研究利用的数据分别为东昌府区2003年Landsat7的ETM+影像、2018年Landsat8的OLI影像,以及东昌府区土地利用专题地图作为辅助资料。其传感器波段见下表 : 表1 ETM+传感器各波段波段波长范围(微米)波段性质10.45-0.52蓝色20.52-0.60绿色30.63-0.69红色40.76-0.90近红外51.55-1.75短波红外610.40-12.50热红外 表2 OLI传感器各波段波段波长范围(微米)波段性质 10.43-0.45蓝色20.45-0.51蓝色30.53-0.59绿色40.64-0.67红色50.85-0.88近红外6
11、157-1.65中红外 1.3技术路线 图2 技术路线2数据预处理传感器获取遥感影像时由于大气的辐射、散射、吸收,造成太阳辐射能量的减弱并使像元灰度值发生变化,从而导致影像数据达不到应用要求。卫星的飞行高度、速度、姿态的差异以及地球自转等原因造成图像几何位置的畸变。遥感图像预处理工作的目的就是减小这些因素造成的遥感影像数据误差。影像数据预处理是遥感影像应用的第一步,也是极其重要的一步,主要包括辐射校正、大气校正、裁剪、几何校正。2.1辐射定标辐射定标的原理是将记录的原始DN(Digital Number)值转换为大气外层表面反射率(或称为辐射亮度值),从而来消除传感器本身产生的误差,确定传感器
12、入口处的准确辐射值;辐射定标一般有两种方式:一种是利用计算公式计算辐射亮度和反射率;一种是利用定标工具进行定标,获取辐亮度或反射率。本次研究所使用的影像数据来自于地理空间数据云,具有较原始性,加上第二种方法的简便性,因此将两期影像的多光谱波段均利用ENVI5.3中的radiometric calibration工具进行辐射定标,其中output interleave设置为BIL格式,scale factor设置为0.1,即可得到辐射定标后的图像。2.2大气校正大气校正的目的是消除或减小大气散射、吸收、反射引起的误差。大气校正中最常用的模型为FLAASH(Fast Line-of-sight A
13、tmospheric Analysis of Spectral Hypercubes)。FLAASH光谱范围内平面朗伯体或近似平面朗伯体,在传感器处接受的像元光谱辐射亮度为 :式中,L为像元接收到的总光谱辐射亮度;为像素表面反射率;e为像素周围的平均表面反射率;S为大气球面反照率;A、B为取决于大气条件和几何条件的两个系数;L 为大气后向散射辐射率(大气程辐射)。第一个括号整体代表太阳辐射经大气入射到地表后,直接反射进入传感器的辐射亮度;第二个括号整体为经大气散射后进入传感器的辐射亮度;第三个括号整体为大气程辐射率。为确保分类的精确,本次研究对辐射定标后的影像数据进行大气校正,运用到的遥感技术
14、为ENVI5.3中的FLAASH工具,将辐射亮度或者地面反射率转换为地表实际反射率。2.3裁剪为使各个时期遥感影像的信息具有可比性,需要进行遥感影像的裁剪。其目的是除去研究区之外的区域,常用的是以行政区划边界或自然区划边界为矢量特征数据进行遥感影像的掩膜提取。由于原始数据范围较大,而本文研究区域仅为东昌府区,不能保证数据的准确性。因此,以东昌府区行政矢量图为基础,对大气校正后的影像采用Arcmap10.5中的不规则掩膜提取技术进行裁剪,从而得到东昌府区遥感影像数据。2.4几何校正图像的几何变形一般分为两大类:系统性和非系统性。所以相应的几何校正分为几何粗校正和几何精校正。系统性有规律可循,相对
15、应的几何粗校正工作由卫星接收站完成。非系统性几何变形是不规律的,可以是传感器本身的高度、姿态等不稳定,也可以是地球曲率及空气折射的变化以及地形的变化等,从数学上说,消除非系统性几何变形的几何精校正就是通过选取一组地面控制点,建立原始的畸变图像空间与校正图像空间的坐标变换关系。几何精校正工作由影像数据应用者进行,其变换模型包括仿射变换(RST)、多项式变换、局部三角网等。常用的变换模型为多项式变换,利用多项式变换进行卫星影像校正时,地面控制点要尽可能均匀分布在遥感影像中,并要求边缘和四角均必须有地面控制点分布,对n次多项式来说,满足要求的最基本的地面控制点数量为(n+l)(n+2)/2 。本文使
16、用的Landsat7、Landsat8卫星影像来源于不同的传感器,且其成像的时间不一致,因此需要对其进行几何精校正,使同一区域的影像能够较准确的叠加到一起。东昌府区的典型的平原地区,地势平坦,由地形起伏造成的图像几何畸变较小,因此采用4次多项式校正的方法进行图像配准(几何精校正),每幅影像选取36个控制点确保校正的精确度。3建成区信息提取建成区信息的提取可采用分类的方法。传统的分类方法包括监督分类和非监督分类,二者的区别在于是否有大量的人工训练样本点。监督分类常用于对研究区域比较了解的情况,需要进行人工选取大量训练样本点。监督分类这个方法主要包括以下步骤:人工选取大量样本点、对训练样本进行精度
17、检验、按照训练样本选择合适的分类器进行分类、分类结果评价、处理分类后的结果、统计分类特征,将分类结果可视化。3.1训练样本的建立及评价本文对两期影像数据利用训练样本选取感兴趣区(Region of Interest,ROI),根据影像波谱特性,把影像分为建成水体、植被、建成区,并通过感兴趣区的可分离性矩阵来判断波谱可分离性。当ENVI中用于衡量可分离性的Jeffries-Matusita和Transformed Divergence两个参数值大于1.90时,说明所选的ROI之间分离性较好,如果参数值偏低,应该编辑ROI或选择新的ROI来提高它们之间的可分离性。训练区类别的可分离性矩阵见下表:表
18、3 2003年训练区类别可分离性矩阵植被水体建成区植被1.992.001.992.00水体1.992.001.931.99建成区1.992.001.931.99 表4 2018年训练区类别可分离性矩阵植被水体建成区植被1.99 2.001.99 2.00水体1.99 2.001.97 1.99建成区1.99 2.001.971.993.2分类器根据分类的复杂度、精度需求选择分类器,监督分类的分类器主要包括平行六面体、最大似然,最小距离、马氏距离、波谱角(SAM) 。其中最大似然是一种普遍使用的遥感图像监督分类的分类器。最大似然法基于贝叶斯准则,服从高斯正态分布,在统计学的基本思想上,通过比较每
19、个像元对于各个类别的后验概率的大小来确定像元所属类别。此算法有严密的理论和清晰的参数解释说服能力,易与先验知识融合满足一些比较简单的分类要求,操作简便易实施。其分类公式和分布曲线分别为 :D=ln(ai)-0.5ln(|Covi|)-0.5(X-Mi)T (X-Mi) 公式中,D、i、X 分别表示加权距离、某一特征类型和像元的测量矢量,Mi、Covi、ai分别表示类别i的样本均值、协方差矩阵和待分像元属于类别i的概率。图4 最大似然法基本原理本次研究利用最大似然分类器进行分类。3.3分类结果及精度评价3.3.1分类结果由上述方法得到的2期分类结果如下: 图5 2003年遥感影像分类结果图 图6
20、 2018年遥感影像分类结果图3.3.2分类精度评价对遥感图像进行分类后,需要对分类结果的精度进行检验,若分类结果与实际地物分类相差较多,需进行实地考察来提高分类精度。分类精度的检验常选用建立混淆矩阵的方法,可检测不同地物互相混分的情况,比如建成区和水体的混分。其中,Kappa 系数的大小可以说明不同地物的分类结果与真实地物空间分布的一致性。当Kappa系数小于0.4时,说明一致性程度不够理想;当 Kappa系数在0.4-0.7之间时,说明两者一致性良好;当 Kappa系数大0.75时,说明两者具有很高的一致性。各时期分类精度见下表5。表5 各时期遥感影像分类精度检验表年份Overall Ac
21、curacyKappa Coefficient200390.12%0.87201886.5%0.85 表6 2003年 Ground Truth (Pixels) Class水体植被建成区TotalUnclassified0000水体Red21021016227植被Yellow1151001511建成区Blue00889889Total21115119052627表7 2018年Ground Truth (Pixels)Class水体植被建成区TotalUnclassified0000水体Red69608704植被Maroon0111401114建成区Cyan6210951103Total70
22、2111611032921由表5、6、7可知,2期遥感影像的分类结果与真实地物空间分布的一致性很好,为本文建成区扩展监测打下了坚实的基础。4建成区扩展监测与分析城市建成区的扩展过程中因为城市建设用地的增加而使建成区扩大,并导致其周边其他土地利用类型的变化,发现这些变化,面积以及空间差异等是城市建成区扩展遥感监测的主要内容。为将监测结果更好的可视化,将监督分类结果加载到ArcMap中,分别将其根据东昌府区行政矢量图进行掩膜提取;利用重分类(reclass)工具将满足建成区的类别设置为1,其他类别均为0。4.1扩展监测本文利用叠加分析的方法进行建成区扩展监测可视化。叠加分析是地理信息系统(GIS)
23、中常用的提取空间隐含信息的方法之一,叠加结果综合了原来两个或多个层面要素所具有的属性,同时叠加分析新的空间关系和新的属性关系; GIS中普通将叠加分析分为矢量数据叠加分析和栅格数据叠加分析。矢量数据的叠加分析功能强大,包括相交、联合、更新等,是GIS分析应用的主要技术手段。以 2003 年和 2018 年分类结果图为栅格数据基础,利用 ArcGIS 的转换工具将分类后的栅格图像转换为矢量图像,然后对矢量数据进行融合,而后采用叠加分析下的union(联合)模块进行叠加分析,以此将两期图像的属性并列在同一图层下,最终在新生成的属性表中新建一个字段,通过字段计算器对两个字段的内容进行比较 。建成区变
24、化在属性表中有很好的表现,且处理过程在数据库属性表的环境下完成,所以利用 ArcGIS的制图工具,可将建成区空间变化情况以图形方式输出,保证结果的更好可视化,如图7。通过叠加分析成功的将建成区变化从数字变化延伸到具体的可视化空间变化。 图7 叠加分析结果图4.2监测分析根据2003年和2018年不同传感器的两期卫星影像对研究区的遥感监测分析,东昌府区建成区面积增加了387.96km2,其扩展速度是呈现倍数增长;根据图7叠加分析的结果可知:15年来,东昌府区其主要扩张趋势表现星状向四周辐射并完成内部填充和沿道路河流条带状分布。随着我国改革开放发展,聊城市经济建设也进入了快速发展期,东昌府区新建设
25、了一批开发区和工业区,新建的开发区和工业区主要分布在城区新扩展的面积上;同时由于交通对贸易的影响,也使建成区沿河流和道路分布;由于济南都市圈的兴起,也促进位于都市圈上的东昌府区向东北方向扩展。城市的空间扩展是衡量城市化水平的一个重要指标,通过监督分类和叠加分析技术的结合,我们对研究区15年来的建成区扩展速度和趋势有了深刻的掌握,为研究区的发展规划提供了一定的参考依据。5结论本文利用监督分类的方法对东昌府区2期Landsat多光谱遥感影像进行分类,其分类精度分别为99.36%、99.18%,达到了分类精度标准,足以满足扩展监测的数据基础,进而利用栅格数据叠加分析的方法进行建成区扩展监测,得到以下结论:(1)15年间,东昌府区建成区面积增加387.96km2,年增长率为25.86 km2/a,呈倍数增长;(2)东昌府区建成区以星状、沿河流和道路以条状扩展。其中,东昌府区城扩展速度最快,内部填充最迅速;各乡镇扩展速度相对较慢,但其建成区面积仍呈不断增长趋势。(3)由对东昌府区15年来的监测结果可知:在经济改革发展的需求下,东昌府区建成区将继续扩展,市中区主要向南外环发展,各乡镇建成区更加规整,工业园集中在郊区,城市绿化面积增加,其城市空间格局将更加合理化。参考文献
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1