遥感图像自动识别监测平原地区农村居民点用地变化

更新时间:2023-08-20 16:43:01 阅读量: 高等教育 文档下载

说明:文章内容仅供预览,部分内容可能不全。下载后的文档,内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的,是否完整无缺。

遥感图像自动识别监测平原地区农村居民点用地变化

 

第17卷第5期2008年9月长江流域资源与环境

ResourcesandEnvironmentintheYangtzeBasinVol.17No.5

 

Sept.2008

文章编号:100428227(2008)0520740206

遥感图像自动识别监测平原地区

农村居民点用地变化

蒋旭东1,2,王 鹏3,马众模1,2

(1.安徽省农业区划研究所;安徽合肥230001;2.农业部资源遥感与数字农业重点开放实验室,北京100081;

3.中国科学技术大学信息处理中心,安徽合肥230027)

摘 要:以安徽淮北平原地区为研究区,充分利用1993年时相1∶5万土地利用背景空间数据库信息和地理信息系统(GIS)技术,对2003年遥感图像研究采用基于主分量和形态学分析的区域聚类分类方法,自动识别提取农村居民点用地,对安徽淮北平原地区及各市1993和2003分析了动态度和相对变化率。方法利用了土地利用背景空间数据的先验知识,,使识别结果更加可靠和准确,经检验精度达到90%以上,~年,安徽淮北平原地区农村居民点用地面积呈现增加趋势,共增加面积33183%,扩展速度较快,各市农村居民点用地扩展程度不一,区域差异明显。

关键词:遥感;自动识别;;文献标识码:A

(IGBP)和  在““全球环

()的推动下,土地利用/土地覆盖变化(LandUseandLandCoverChange,简称LUCC)已成为全球变化研究的核心和热点[1~5]。

助遥感自动分类[11]①,在背景数据提示和支持下,对遥感TM、ETM数据采用基于主分量和形态学分析的区域聚类分类方法自动识别提取平原地区农村居民点用地,并对其变化和区域差异进行分析。

农村居民点用地在居民点及工矿用地面积中占较大比例(以安徽省为例占86%,据1996年土地详查资料),农村居民点的扩展直接占用大量耕地,因此利用遥感技术及时、准确地获取农村居民点空间分布信息及其变化情况,为政府制定耕地保护政策和土地规划管理提供依据,以及为建立社会主义新农村提供基础用地资料服务具有重要意义。基于屏幕数字化的遥感图像人机交互解译法存在耗时长、效率低的缺点,地物遥感自动识别技术则具有自动化、高效率的优势。国内学者对包括居民地在内的地物遥感信息自动识别及土地利用与覆盖变化自动检测进行了一些研究[6~10]。本文充分利用GIS技术和已建成的背景矢量数据先验知识(如土地利用属性、空间位置分布规律、形态特征区分规则等深层知识)辅

收稿日期::2007208206;修回日期:2007211208

1 研究区概况与数据准备

1.1 研究区概况

研究区域是安徽省境内的淮北平原地区,行政

单位共涉及到6个地级市,23个县及市辖区,土地总面积3194万km2,土地利用现状以耕地为主,土地利用开发历史悠久,土地资源利用率和垦殖率高,但土地集约利用程度较低。淮北平原属暖温带半湿润季风气候区,年平均降水700~900mm,地势由西北向东南倾斜,自然坡降一般为1/5000~1/12000,地面平缓[12]。农村居民点主要是由房屋、房间空地、道路、村内零星树木及村周围较连片的树木组成,房屋主要为楼房和平房,居民地

基金项目:农业部资源遥感与数字农业重点开放实验室2006年开放基金项目(2006206)资助.

作者简介:蒋旭东(1968~ ),男,安徽省桐城人,硕士,高级工程师,主要从事资源环境遥感、地理信息系统应用方面研究.

E2mail:ahgisjxd@

①邸凯昌.从空间数据库发现知识用于遥感图像分类.北京:中国地理信息系统协会1999年年会论文集,1999.211~220.

遥感图像自动识别监测平原地区农村居民点用地变化

 第5期        蒋旭东等:遥感图像自动识别监测平原地区农村居民点用地变化741

四周一般为农田,部分居民地周围有水塘。在空间遥感影像上农村居民地的像元多为混合像元,其遥感信息是由房屋、房间空地、道路、零星树木及水塘等对电磁波的反射和辐射等混合而成。平原区农村居民点一般具有集中分布、数量多、面积相对较大、形状较为规整以及与周围农田有较好的区分度等特点,影像上较山区、丘陵等地区易于识别。1.2 数据准备

(1)土地利用背景空间数据。采用安徽省“九五”科技攻关项目建成的覆盖全省1∶5万土地利用现状数据库的背景空间数据。数据时相为1993年,土地利用类型共分为8个一级类和42个二级类。应用GIS技术,提取农村居民点用地(地类号为52)图层,将该图层空间数据作为遥感图像自动识别的背景数据。

(2)遥感数据及图像预处理。选用美国陆地资源卫星Landsat5和Landsat7的2003年9~10月份遥感TM、ETM图像7景,即121/36、37,36、37、38,123/37、38。选择5、4度、亮度调整、,()()(B)PCA变换法”,将较高空间分辨率(15m×15m)的Landsat7ETM+(第8波段)遥感数

民点明显清晰的假彩色遥感图像。按覆盖该区域

1∶5万每一幅国家标准地形图图幅为单位,对图像进行几何校正和剪切,控制点选择10~20个为宜。几何精校正采用最小二乘法二次多项式校正模型,像元重采样采用双线型插值法。校正后的几何精度均控制在015个像元。

2 农村居民点用地信息自动提取

2.1 方法2.1.1 算法流程图

通过对土地利用背景空间数据挖掘,可以提供区域目标(农村居民点)的以下深层知识:①土地利用属性(52)信息,为“;②背景建立光谱类别和;52地类的空,反映区域地类,解决分类中遇到的同谱异物。针对淮北平原农村居民点分布特点和其影像特征,利用提取的1993年农村居民点用地(地类号为52)图层的背景数据信息,对农村居民点用地研究采用基于主分量和形态学分析的区域自适应聚类方法进行分类识别提取,其算法流程图如下(图1)

:

据与R5G4B3合成图像相融合,得到分辨率提高、居

图1 基于主分量和形态学的区域聚类分类算法流程图

Fig.1 RegionalClusteringAlgorithmwithTMImageBasedonPrincipleComponentAnalysisandMorphology

2.1.2 基于主分量的能量区域分割

(1)引入主分量分析中的能量多分辨率和能量

区域概念作为面状区域的度量特征[13,14]。利用KL变换对TM数据的7个波段做主分量分析,按能量大小递减顺序,记7个主分量依次为PC1,PC2……,PC7,PC1提供最详细的细节,其能量最高,但内部细节差异较大,PC2、PC3在面状区域内部能量

最为接近,细节差异较小,和外部区域有明显区别。

(2)在面状区域中选取一个具有典型光谱特征的种子点,设坐标为(x,y),然后,在全局搜索与种子点特征相似的种子区域。相似特征的选取可以选用三波段假彩色合成后的HSV空间数据。得到种子区域后,搜索各个种子点的连通区域。由式1全局搜索与种子点特征相似的种子区域。

遥感图像自动识别监测平原地区农村居民点用地变化

742         长江流域资源与环境                  第17卷 

Si={(x,y)0HueDistance(H(x,y),H(xs,ys))<th,|S(x,y) S(xs,ys)|/(S(xs,ys))<ts,

2.1.4 基于区域的自适应聚类

|V(x,y) V(xs,ys)|/(V(xs,ys))<tv}(1)

经过能量区域分割形态学处理的面状区域可作

为指导聚类的先验数据输入,然后通过对TM数据分析和精细特征提取,进行图像的区域自适应聚类,以获得更高的分类精度。区域聚类采用K2mean聚类算法,具体步骤如下:

(1)初始聚类结构 ①设定类别数目,设定待分类数目为4,其中第1类是主特征类别,是区域中需要保留的聚类结果,其余为次特征类别,需加以甄别和消去;②载入特征数据,选用5、4、3波段合成假彩色数据,将其由RGB空间变换到HSV空间,其中,色度H对村庄分割最为有利;③自适应分类确定K2mean聚类结构中主特征类别的初始中心,选用色度H,取其分布峰值、V的分量均值、;。

 对各独立的分割区以全局聚类结构为初始结构,动态调整聚类中心。初始化当前区域聚类结构;对当前独立区域进行聚类、调整区域聚类结构;重复聚类过程,直到区域中心稳定,得到聚类结果。

(3)聚类后处理 ①对每个分割区域保留主特征类别,甄别和删除次特征类别;②以主特征类别为基准,在当前分割区域的基础上依据连通性向外扩展搜索是否有遗漏区域;③消除当前区域内部碎片。2.1.5 自动识别结果及后处理

采用上述方法对淮北平原的农村居民点用地按1∶5万标准国家地形图图幅为单位进行自动识别,获得单图幅自动识别结果(如图2);利用ArcGIS

其中,HueDistance(H(x,y),H(xs,ys))表示色调H(x,y)和H(xs,ys)之间的距离,th,ts,tv是种子区域的选取阈值。这些阈值可以根据实际情况选取,一般选取符合视觉特征的一个较小值。连通的种子区域通过式2的操作得到。

S={(x,y)|Huedistance(H(x,y),H(xsi,ysi))<t,Connected((x,y),(xsi,ysi))=True,(xsi,ysi)∈Si}

(2)

其中,Connected((x,y),(xsi,ysi))表示点(x,

y)和(xsi,ysi)之间的连通性,t可选比th稍大值。

(3)基于主分量的能量区域搜索,以连通种子区

域S为基础,在面状特性最明显的主分量上搜索能量区域。搜索过程由式(3)表示:

Sexpand={(x,y)||PCi(x,y) PC(xs,ys)tp,Connected(x,y),(xsi,ysi),(xsi,ysi)3)

其中,PCii,知,,对于包含很多植被、房屋、,其内部细节差异较大,不适合作为特征数据。在第二和第三分量的能量分辨上,这些块状区域在内部呈现比较好的统一性,并和外部区域有明显的区别,可以作为面状区域分割的特征数据。第四到第七主分量,由于信息量比较少,也不适合作为分割的特征数据。因此,本文选取PC2、PC3主分量作为面状区域分割的特征数据。2.1.3 形态学处理

经过主分量上的区域搜索,得到一个面积较真实区域大、形状相似的粗略面状区域分割结果,融入背景空间数据信息和先验专家知识,引入形态学的分析和滤波处理[16]。其基本操作主要有:①噪声滤波,设立面积门限,剔除干扰噪声;②形状规整,采用圆盘模板,使用形态学中的开和闭操作去除线状连通物和伪连通;③形状滤波,引入形态滤波指数,形状因子F=A/D2,A为连通区域点数,D为连通区域半径;紧凑度C=P2/A,P为连通区域周长;嵌入指数Ei=Pi/P,Pi为小块嵌入面状区域的长度,P是小块的周长,Ei大于一定值的时候,小块则被面状区域合并。经过形态操作、区域分割结果更接近真实形状。

软件对自动识别结果3.img文件,经Imagegrid命

令和Gridpoly命令操作,将3.img栅格转化为Grid,Grid转化为Arc/info的Coverage文件,对矢量图形进行拓扑编辑和generalize平滑等处理,形成每一图幅的农村居民点地类的矢量图层;拼接所有农村居民点矢量图层,进行矢量编辑、按行政单元裁剪等处理,形成安徽省淮北平原6个市的农村居民点空间数据。2.2 精度评价

采用最常用的基于误差矩阵(ErrorMatrix)的精度评价方法对上述基于主分量和形态学分析的区域聚类农村居民点用地自动识别结果进行精度评价。误差矩阵是一个N行×N列矩阵(N为分类数),矩阵的行代表分类点,列代表参照点,主对角线

遥感图像自动识别监测平原地区农村居民点用地变化

 第5期        蒋旭东等:遥感图像自动识别监测平原地区农村居民点用地变化743

图2 基于主分量和形态学分析的区域聚类农村居民点用地识别结果

Fig.2 ResultofRegionalClusteringofRuralHousingLandwiththeTMImageBasedon

PrincipleComponentAnalysisandMorphologyinDangshanCounty

(安徽淮北平原砀山县农村居民点用地,)

上的点为分类完全正确的点。收集并利用2002年的砀山县航空像片对农村居民点进行野外实地调绘,其结果作为农村居民点用地参照点,居民点和非农村居民点)N为2(即2)。在误,:

nn

P=

∑N∑N

r

i

i=1

其中:Ni表示经实地航片调绘检验的农村居民点用地像元数;Nr表示自动分类识别提取正确的农村居民点用地像元数。在安徽省“九五”科技攻关项目研制的遥感数字图像处理与分析系统中,利用上述公式和“分类结果评估功能”对农村居民点自动识别提取结果进行评估(图3),计算结果,一致点数为298599点,不一致点数为29635点,精度为90197%。因此,基于主分量和形态学分析的区域聚

图3 农村居民点用地自动分类结果评估

Fig.3 PrecisionAssessingofAutomaticDistinguishingofRuralHousingLand

类分类方法和识别精度基本满足农村居民点用地遥

感动态监测需要。

类型的数量变化情况,其数学表达式为:

(L(i,T)-L(i,T))Ki=×100%(4)

(T2-T1)L(i,T1)

式中:T1、T2分别为监测初期和期末时间;L(i,T1)、L(i,T2)为第i种土地利用类型在监测初期和监测期末的面积,当T1、T2设定为年时,Ki则为区域内第i种土地利用类型在监测期间的年均变化率。

利用ArcGIS软件,以市级为单位统计淮北平原地区农村居民点用地1993年和自动识别后2003年的面积数据,并求算面积变化值和土地利用动态度,结果如表1所示。

从表1中可以看出,从1993到2003年,安徽淮北平原地区农村居民点用地面积共增加了33179195hm2,年均动态度为0183%,反映农村居

3 淮北平原农村居民点用地变化

3.1 农村居民点用地变化及动态度

土地利用动态度可以定量描述区域土地利用动态变化速度,对比较土地利用变化的区域差异和预测未来土地利用变化趋势都具有积极作用[16]。本文引入单一土地利用动态度来度量土地利用变化,

它可以表达区域范围一定监测时段内某种土地利用

遥感图像自动识别监测平原地区农村居民点用地变化

744         长江流域资源与环境                  第17卷 

民点扩展速度较快;各市的农村居民点用地面积均

呈现增加趋势,动态度一般大于0150%。

表1 安徽淮北平原农村居民点用地面积及动态度

Tab.1 AreaandTrendsDegreeofRuralHousingLandinAnhuiHuaibeiPlain

行政单位阜阳市亳州市宿州市淮南市淮北市蚌埠市淮北平原地区

1993年面积2003年面积10年变化值年均动态度

(%)(hm2)(hm2)(hm2)134877.3990300.4789721.1715155.8222889.0548864.26401808.16

147939.6992241.17101890.7317160.3824330.0451426.10434988.11

13062.301940.7012169.562004.561440.992561.8433179.95

0.970.211.361.320.630.520.83

图4 安徽淮北平原农村居民点用地相对变化率

Fig.4 RelativeRateofRuralHousingLandChange

严格的耕地保护、“占补平衡”等土地管理政策,地面积,,,,农村居民;农村人均居住用地面积偏,农村居民点用地相对变化率就大。根据安徽省1993年和2003年的统计资料,阜阳市、亳州市、宿州市、淮南市、淮北市及蚌埠市的农业人口平均年递增人数分别为6129万、2158万、2196万、0174万、0198万、2103万人/年,1993年农村人均居住用地面积分别为183131、201129、191183、143111、200143、204120m2/人。可以看出,阜阳

3.2 农村居民点用地变化区域差异分析

淮北平原地区农村居民点用地变化区域差异可采用相对变化率来度量,区域某一特定土地利用类

型相对变化率可采用如下公式[17]表示:

(5)R=

Ka×|Cb-Ca|式中:Ka、Kbab对变化率并作图4。从图中可以看出,安徽淮北平原地区各市农村居民点用地变化区域差异比较明显,以淮北平原代表全区,其相对变化率为1,其它各市与之相比较,阜阳市、宿州市、淮南市农村居民点用地变化较全区变化大,相对变化率在111到1165之间,其中宿州市的农村居民点用地变化最大,相对变化率为1164。亳州市、淮北市和蚌埠市农村居民点用地变化较全区变化小,相对变化率在012~018,亳州市的相对变化率最小为0125。

在气候、地貌及植被等自然条件相似的淮北平原地区,农村居民点用地增加及变化的差异主要受农业人口平均年递增数、农村人均居住面积以及经济发展和土地管理政策等人文驱动因子综合影响。随着农村社会经济的快速发展和农业人口数的增加,农村拆旧房盖新房成为农民致富后的首要任务

,10年间农村居民点用地呈现了较快的递增趋势,其变化大小与农业人口平均年递增人数呈正相关关系,农业人口平均年递增人数越多则农村居民点用地变化越大;与农村人均居住用地面积呈负相关关系。农村居民点用地的扩展表现为老村庄扩大和新建居民点,自上个世纪80年代以来我国相继实行了

市、宿州市的农业人口平均年递增人数要明显高于其他市,淮北市、淮南市的农业人口平均年递增人数较小;淮南市的农村人均居住用地面积最小,为143111m2/人,蚌埠市的人均居住用地面积最大,为204120m2/人,其次为亳州市,为201129m2/人。受

上述因素的综合影响,因此,形成了淮北平原地区的农村民点用地变化差异,且阜阳市、宿州市、淮南市的农村居民点用地相对变化率要大于其他市。

4 结论

(1)基于主分量和形态学分析的区域聚类分类方

法充分利用了研究区已建成的1∶5万土地利用背景空间数据信息和先验知识,在GIS辅助下,自动识别提取安徽淮北平原地区农村居民点用地信息的精度可达90%以上,能及时、较准确监测平原地区分布广、数量多的农村居民点用地变化,大大提高了效率,为加强土地管理和社会主义新农村建设服务。

(2)1993年~2003年,安徽淮北平原地区及各市

遥感图像自动识别监测平原地区农村居民点用地变化

 第5期        蒋旭东等:遥感图像自动识别监测平原地区农村居民点用地变化745

农村居民点用地面积均呈现增加趋势,全区共增加面积33179195hm2,年均动态度为0183%,反映农村居民点扩展速度较快;区内各市农村居民点用地面积变化区域差异比较明显,阜阳市、宿州市、淮南市的农村居民点用地相对变化率要大于其他三市。

(3)引起各市农村居民点用地增加及变化差异的主要原因是农业人口平均年递增人数、农村人均居住用地面积以及农村经济快速发展和土地管理政策等人文驱动因子的综合影响。

参考文献:

[1] 李秀彬.全球环境变化研究的核心领域———土地利用/土地覆

被变化的国际研究动向[J].地理学报,1996,51(6):553~558.[2] Land2useandland2coverchangescience/researchplan[R].IG2

BPreport,1996(35),HDPReport,1996.8.

[3] WalkerBH,SteffenWL.Thenatureofglobalchange[A].In:

WalkerBH,etal.Theterrestrialbiosphereandglobalchange[C].Cambridge:CambridgeUniversityPress,1999.[4] LambinEF,BauliesX,BockstaelN,nd2useandland2

coverchange(LUCC)implementationstrategy(IGBP48,IHDPReport10)[R].IGBPSecretariat,The2ishAcademyofSciences,1999.[5] 史培军,陈 晋,潘耀忠.].理学报,2000,55(2)[6] 杨存建,周成虎.TM影象的居民地信息提取方法研究[J].遥

感学报,2000,4(2):146~150.[7] 赵庚星,窦益湘,田文新,等.卫星遥感影像中耕地信息的自动

提取方法研究[J].地理科学,2001,21(3):224~229.[8] 周 斌,杨柏林.运用多时相直接分类法对土地利用遥感动态

监测的研究[J].自然资源学报,2001,16(3):263~267.[9] 安 如,赵 萍,王慧麟,等.遥感影象中居民地信息的自动提

取与制图[J].地理科学,2005,25(1):74~80.[10] 张继贤,杨贵军.单一时相遥感数据土地利用与覆盖变化自动

检测方法[J].遥感学报,2005,9(3):294~299.

[11] 朱洪磊,毛赞猷.GIS辅助下的基于知识的遥感影像分类方法

研究———以土地覆盖/土地利用类型为例[J].测绘学报,1997,26(4):328~336.

[12] 中国自然资源丛书编撰委员会.中国自然资源丛书(安徽卷)

[M].北京:中国环境科学出版社,1995.393~406.

[13] SergiR,SolaimanBMouchotMC,ndsat2TMimage

classificationusingprincipalcomponentsanalysisandneuralnetworks[A].GeoscienceandRemoteSensingSymposium,1995.IGARSS’95.Quantitativesensingforscienceandapplications,international[1927~1929.

[14] BrennanV,ingprincipalcompo2

nent[JonAcous2ticsand,6:3474~3477.

[15].—数学形态学方法与应用[M].北

41~86.

[16包玉海.土地利用动态变化研究方法探讨[J].地理科

学进展,1999,18(1):81~87.

[17] 刘纪远.中国资源环境遥感宏观调查与动态研究[M].北京:

科技出版社,1996.63~115.

THEDYNAMICSOFRURALHOUSINGLAND

CHANGEBYAUTOMATICDISTINGUISHINGOFREMOTESENSING

IMAGEINHUAIBEIPLAINOFANHUIPROVINCE

JIANGXu2dong1,2,WANGPeng

3

,MAZhong2mo

1,2

(1.InstituteofAgriculturalNaturalResourcesandRegionalPlanningofAnhuiProvince,Hefei230001,

China;2.KeyLaboratoryofResourcesRemoteSensing&DigitalAgriculture,MinistryofAgriculture,Beijing100081,China;

rmationProcessingCenter,UniversityofScienceandTechnologyofChina,Hefei230027,China)

Abstract:TheHuaibeiPlainisinnorthofAnhuiProvince,thereare6citiesand23counties,andtheareais39400km2.ByusingGIStechniqueandthebackgrounddataof1∶50000land2usespatialdatabaseof19932yearphase,thispaperdrewautomaticallytheruralhousinglandof20032yearphasebyadoptingre2gionalclusteringwithTMimagebasedonprinciplecomponentanalysisandmorphologyinHuaibeiPlain.Asaresultofintegratingtheprinciplecomponentanalysiswithmorphologicalanalysisandchoosingsomekindsofmorphologicalfiltersandoperation,weobtainedabetterresultofautomaticdistinguishing.Theprecisionofthismethodwasabove90%.Thetrendsdegreeandtherelativerateofruralhousinglandchangewerecalculatedandanalyzed.Theresultshowedthat:(1)theareaofruralhousinglandincreased33179195hm2from1993to2003;(2)theaveragevalueofthetrenddegreewas0183%everyyear;(3)thespeedoftheruralhousinglandexpansionbecamehigher;(4)theexpansionextentofruralhousinglandhadapparentregionaldifference.

Keywords:remotesensing;automaticdistinguishing;ruralhousingland;dynamicmonitoring;Huaibei

Plain;AnhuiProvince

本文来源:https://www.bwwdw.com/article/wu3j.html

Top