鲁班乐标为建筑行业人士带来基于RS与GIS的重庆土地覆盖变化分析及相关内容，根据解译的土地利用类型,对空间上相连,具有相同地类的图斑进行融合,得到融合后的图斑层,即可获得各个年份的重庆市主城区矢量数据。

与传统技术相比,遥感和GIS相结合的手段,可以快速、准确、及时地获得大面积的土地利用/覆盖变化(LUCC)乃至生态环境状况等方面的实时信息,及时地反映土地利用的最新变化,在土地利用动态监测中发挥了巨大的优势。

1 研究区域概况

研究区域包括重庆主城区及其周边部分郊区,其行政区域主要包括:渝中区、沙坪坝区全部,北碚区、渝北区、江北区、南岸区、巴南区、大渡口区、九龙坡的主城区部分,面积为1612.80km2。区内以山地、丘陵为主,平地较少,山地有缙云山、歌乐山—中梁山、南山,主要干流为长江、嘉陵江,市区坐落在这两江交汇处,四面环山,江水回绕,城市傍水依山,层叠而上,区内人口密集,工农业发达,经济活动频繁,是重庆市政治、文化、经济的中心地区。

2 数据获取和处理

2.1 数据获取

本研究分别采用1993年5月份TM5影像、2001年5月份的TM7影像及2006年7月份中巴资源卫星CBERS影像为基本数据源。这3期遥感影像的空间分辨率分别为:28.5,15和19.5m。TM5和TM7影响具有7个波段,本研究选取7,4,3这3个波段进行组合,而且利用TM7的全色波段pan对2001年的影像进行了分辨率融合,使其空间分辨率达到15m。 中巴资源卫星CBERS影像具有4个波段,选取2,4,3波段进行组合,并分别赋予红、蓝、绿3种颜色进行组合。参考数据有重庆1∶50000地形图和1∶200000重庆土地利用现状图。

运用遥感图像处理软件Erdas Imagine8.7,基于遥感影像的几何校正,边界裁定,辐射校正等数据预处理,综合运用非监督分类和监督分类、聚类分析、过滤分析、去除分析等方法,最终完成重庆市主城区的遥感影像解译与分类,最后利用ArcGIS 9.0对分类后的数据进行编辑、修改,同时对3期的数据分2个时间段进行空间叠加分析,从而生成2个时段的土地利用/土地覆盖转换巨阵。

2.2 数据处理

2.2.1 遥感数据处理

从遥感影像到可以进行分析的数据是一个比较复杂的过程(如图1),每一个步骤都将影响到数据的精度,从而影响到分析的结果。遥感影像有其自身的成像规律,不可避免地存在随机或系统性的变形误差,同时,图像还存在同物异谱和异物同谱的现象,以及受季相变化引起的光谱不一致的影响,解译之前,进行了投影与坐标系统转换,研究区切割、光谱地形复原、几何精纠正、假彩色合成等处理。中国科学院卫星遥感地面站所提供的数据产品的基本格式是BSQ格式,每个波段的数据单独存储为一个二进制的图像灰度文件与一个头文件。头文件中存在着多遥感图像进行说明解释的多种信息。利用头文件中提供的4个角点的坐标数据,可将原来的遥感影像数据由阵列坐标转换成具有真正空间位置意义的高斯坐标系统,即完成图像数据格式变换与坐标转。 卫星遥感数据都是系统级纠正处理的产品,还存在较大的几何误差,所以必须进行几何精纠正处理。利用1∶5万比例尺地形图提取沟谷线和山脊线,作为几何精纠正的控制地图层,保证能采集到足够的纠正控制点,使几何误差控制在一个像元之内。 在1∶5万比例尺的地形图上采集重庆主城区的研究区域界线。利用缓冲区(buffer)分析方法,以保证几何精纠后研究区域的图像数据不缺损,能够完全包括整个主城区范围。

2.2.2 分类

在此研究过程中,应用非监督分类和监督分类相结合的方式,利用非监督分类获取初步的解译标志,再利用修改处理后的解译标志对处理好的遥感影像进行监督分类。利用监督分类获取9类土地利用类型,接着对分类结果进行聚类分析、过滤分析、去除分析,然后再对得到结果进行重新编码(编码结果如表1所示)。在完成编码后,就把解译的栅格图转换为可以编辑的矢量图。在Erdas软件里面可以经过栅格转矢量操作,生成矢量图层,然后再经过clean矢量图层和build矢量图层建立图层各要素之间的拓扑关系。所得到的数据为Arcinfo格式,最后把数据导入到Arcmap中进行编辑,因为所得到的数据量太大,需要经过Arcmap工具中的去除操作过程(eliminate)把矢量图层中面积小于500m2的图版和其它相邻的同种类型的图版合并掉。在经过合并处理后,数据量可以减少30%左右,从而似的编辑操作变的方便。

2.2.3 解译数据编辑修改

以Arcmap9.0为解译处理环境,打开自动勾绘的矢量数据和集成的环境梯度数据,建立各地类的解译标志;直接从ERDAS软件里面解译出来的数据和实际情况有一定的差距,需要再次结合原来的遥感影像和土地利用现状图进行对照,然后把一些有明显错误的图版的属性进行修改,经过反复几遍的对照和修改,再根据矢量图斑属性库中各遥感定量因子、地物类色彩代码、环境梯度数据,利用批选择方式,批量解译图斑的地物属性将其写入矢量属性库中,并用生态分布知识验证此解译结果,修改批选择条件。根据解译的土地利用类型,对空间上相连,具有相同地类的图斑进行融合,得到融合后的图斑层,即可获得各个年份的重庆市主城区矢量数据。

3 土地利用/土地覆盖变化状况

3.1 重庆主城区土地利用数量变化

经过对重庆主城区的遥感影像解译结果进行分析(见附图5),可以发现,1993年研究区域的城市建设用地面积只有94.33km2,占区域面积的5.85%;耕地447.75km2,占区域面积的27.76%;林地面积936.31km2,占区域面积的58.06%。重庆市主城区的城市建设用地面积在1993—2001年期间净增加了78.69km2,耕地净增加515.67km2,林地减少614.96km2,未利用地增加20.77km2,水域减少了0.17km2;而在2001—2006年,主城区的城市建设用地面积增加了156.05km2,是前一个阶段城市建设用地净增加面积的2倍,耕地净减少了536.90km2,比1993年的原有耕地面积还要多;林地净增加了451.91km2,将近1993年林地面积的1/2。

3.2 重庆主城区用地转换分析 由于自然的演变和社会发展,土地利用/土地覆盖在各类土地利用类型之间进行相互的转换。所以,单从面积的增加和减少对土地利用/土地覆盖进行研究还不够,需要从土地类型转换变化和内部结构做出进一步分析。利用Arcmap的空间叠加分析的功能,做出1993—2001和2001—2006这2个时期重庆主城区土地利用转换矩阵(表1—2)。

3.2.1 城市建设用地转换分析

城市建设用地主要由林地和耕地转换而来,前期的转换量分别为40.78km2和46.94km2,分别占转入量的42.77%和49.23%;后期的转换量分别为14.97km2和152.80km2分别占转入总量的8.32%和84.89%。根据以上数据可知城市建设用地的迅速增加主要是因为占用大量的耕地得以实现的,其次是林地。从而使得城市用地在1993年到2006年连续增长,前后两期增加面积分别达172.89km2和180.01km2。

3.2.2 未利用地转换分析

在前期,未利用地主要向耕地转换,其次是林地和城市建设用地,转换量分别为47.49,5.29和3.60km2,占转出量的81.99%,9.14%和6.22%;后期的未利用地转换方向和前期相同,转向耕地、林地和城市建设用地的面积分别为41.32,37.81和8.84km2,占转出总量的9.13%,39.06%和42.69%。前期未利用地的形成主要由耕地和林地发展而来,面积分别为52.81km2和21.40km2,分别占转入量的67.15%和27.2%;后期转向未利用地的主要为耕地,其次是城市建设用地和林地,面积分别为8.37,1.92和1.38km2,分别占转入总量的69.58%,15.99%和11.52%。

3.2.3 林地转换分析

在2个时期内,林地都表现出主要向耕地、城市建设用地和未利用地转化的趋势。前期,林地向耕地、城市建设用地和未利用地转换的面积分别为582.36,40.7和21.40km2,分别占林地转换总量的89.68%,6.28%和3.29%;在后期,这一数值分别为40.40,14.97和1.38km2,分别占林地转换总量的69.89%,25.89%和2.39%。在2个时期的转换过程中,林地向耕地转换的增加幅度最大。在其它用地向林地转换的类型中:主要是耕地和未利用地。前期耕地占林地转入总量的80.47%,未利用地占15.39%;后期耕地占89.35%,未利用地占7.42%。可以看出林地和其它用地类型之间是相互转换的,但总的前期林地的总量是减少的,而后期是增加的。

以上是鲁班乐标为你收集整理的关于“基于RS与GIS的重庆土地覆盖变化分析”等建筑相关的知识，更多内容可以登入鲁班乐标进行查询。