于 龍，周宇峰，丁麗霞，鄒紅玉

（1.浙江農(nóng)林大學(xué) 浙江省森林生態(tài)系統(tǒng)碳循環(huán)與固碳減排重點(diǎn)實(shí)驗(yàn)室，浙江 臨安 311300；2.浙江農(nóng)林大學(xué) 天目學(xué)院，浙江 諸暨 311800）

土地是社會(huì)經(jīng)濟(jì)活動(dòng)的載體。國民經(jīng)濟(jì)各部門的活動(dòng)都要落實(shí)到土地上，土地利用的廣度、深度及合理程度客觀地反映了經(jīng)濟(jì)各部門的合理程度[1]。20世紀(jì)以來，隨著人口激增及可利用土地資源的減少，人地矛盾日益突出。土地利用動(dòng)態(tài)監(jiān)測(cè)有利于確定土地利用是否合理。利用遙感手段進(jìn)行土地利用動(dòng)態(tài)監(jiān)測(cè)具有快速、及時(shí)、準(zhǔn)確等優(yōu)點(diǎn)而被廣泛的運(yùn)用[2]。遙感圖像的分類是土地利用動(dòng)態(tài)監(jiān)測(cè)分類后比較法的基礎(chǔ)[3]，主要是對(duì)遙感圖像上的地物進(jìn)行屬性上的判讀，提取地物相關(guān)信息。遙感圖像分類的準(zhǔn)確性直接影響土地利用動(dòng)態(tài)監(jiān)測(cè)的準(zhǔn)確性。然而，在實(shí)際的分類過程中，由于實(shí)際情況的復(fù)雜性，光照、地形、氣候氣象等因素所導(dǎo)致的混合像元狀況的存在，及同譜異物、同物異譜現(xiàn)象存在，從而導(dǎo)致錯(cuò)分、漏分現(xiàn)象的出現(xiàn)，大大降低了監(jiān)督分類的分類精度[4]。1993年Kruse等[5]提出了光譜角填圖算法（spectral angle mapping），該方法通過將像元值及參考光譜投影到N維向量空間中，通過計(jì)算影像波譜與參考光譜間的夾角 （光譜角）來對(duì)影像像元進(jìn)行分類。光譜角越小，兩者的地物特性就越相似，從而是同種地物的可能性就越高。Kruse等認(rèn)為，光照度的改變只會(huì)影響地物像元在向量空間中的 “長度”，而不會(huì)影響其 “方向”，所以該方法對(duì)未知的增益系數(shù)不敏感，可以剔除光照和地形的影響，從而提高地物識(shí)別能力。波譜角分類方法在實(shí)際應(yīng)用中，對(duì)波譜比較接近的農(nóng)田和林區(qū)，分類結(jié)果較好[5－7]。本研究利用波譜角填圖方法對(duì)3期遙感影像處理，獲取浙江省臨安市市區(qū)土地利用的時(shí)空變化信息，為評(píng)價(jià)臨安市市區(qū)土地利用的變化動(dòng)態(tài)提供依據(jù)。本研究的區(qū)域處于山地地區(qū)，受地形影響較大，林地及耕地面積較大且交錯(cuò)分布，光譜角填圖方法能較好地解決這些因素在分類過程造成的精度低問題。

1 研究區(qū)概況

浙江省臨安市市區(qū)位于 29°56′～30°23′N，118°51′～119°52′E 。境內(nèi)地勢(shì)自西北向東南傾斜，地貌以中低山丘陵為主，其下轄5個(gè)街道（錦南街道、錦北街道、玲瓏街道、錦城街道、青山湖街道），是臨安市經(jīng)濟(jì)發(fā)展的熱點(diǎn)地區(qū)，也是土地利用變化較快的區(qū)域，具有代表意義。

2 數(shù)據(jù)及預(yù)處理

2.1 數(shù)據(jù)來源

本研究采用的數(shù)據(jù)來自于國際科學(xué)數(shù)據(jù)服務(wù)平臺(tái)（http∶//datamirror.csdb.cn/admin/dataLandsatMain.jsp）（表 1）。

2.2 遙感影像輻射校正

利用光譜角分類方法需要利用準(zhǔn)確的地物波譜，因此對(duì)上述3期遙感數(shù)據(jù)分別采用ENVI軟件的FLAASH大氣校正模型進(jìn)行絕對(duì)輻射校正，獲得表觀反射率數(shù)據(jù)。圖1是1994年大氣校正前后遙感影像水體、建筑及植被的同一像素點(diǎn)波譜曲線對(duì)比。由圖像可以看出校正后的遙感影像光譜曲線得到明顯的改善。

表1 數(shù)據(jù)說明Table1 Data declaration

圖1 大氣校正前后對(duì)比Figure 1 Comparison of spectrum before and after FLAASH

2.3 遙感影像幾何配準(zhǔn)

利用ENVI 4.8軟件對(duì)3期圖像數(shù)據(jù)幾何配準(zhǔn)，將2002年的增強(qiáng)型專題繪圖儀（ETM+）影像作為基準(zhǔn)影像，分別對(duì)1994年及2010年的影像進(jìn)行坐標(biāo)匹配（表2）。校正模型采用二次多項(xiàng)式模型，選取30個(gè)控制點(diǎn)，重采樣方式采用雙線性內(nèi)插法。控制點(diǎn)殘差值均在0.2個(gè)像元內(nèi)，符合土地利用動(dòng)態(tài)監(jiān)測(cè)的要求[8]。

表2 遙感影像幾何配準(zhǔn)Table2 Geometric correction of remote sensing image

2.4 研究區(qū)域裁切

利用ENVI軟件將臨安市市區(qū)矢量邊界文件轉(zhuǎn)換成感興趣區(qū)域，對(duì)原始圖像裁切后，得到3期市區(qū)遙感圖像（圖2）。

圖2 研究區(qū)3期TM543圖像Figure2 TM543 image in study area

3 圖像分類

3.1 分類系統(tǒng)確立

結(jié)合全國土地分類標(biāo)準(zhǔn)及對(duì)遙感圖像本身特征目視解譯判讀，將研究區(qū)定義為3個(gè)大類5個(gè)小類[9]。由于研究區(qū)內(nèi)園地極少，沒有牧草地，故農(nóng)用地的二級(jí)類僅保留耕地及林地。建設(shè)用地的二級(jí)類中的各類地物在專題繪圖儀（TM）光譜上相似性較高，區(qū)分困難，故此類不作細(xì)分（表3）。

表3 土地利用分類系統(tǒng)Table3 System of land use classfication

3.2 波譜角填圖法分類

首先對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行最小噪聲分離變換，對(duì)數(shù)據(jù)去噪去相關(guān)處理，在此基礎(chǔ)上利用像元純凈指數(shù)及二維散點(diǎn)圖在數(shù)據(jù)的光譜特征空間中尋找端元，將尋找到的端元作為參考光譜對(duì)原始圖像波譜角填圖分類。

3.2.1 最小噪聲分離變換（minimum noise fraction，MNF） 最小噪聲分離變換（MNF）是由Boardman和Kruse等在1994年運(yùn)用于確定影像內(nèi)在維數(shù)，去除噪聲[10]。其本質(zhì)上是2次的主成分變換，第1次變換基于估計(jì)噪聲的協(xié)方差矩陣，分離數(shù)據(jù)中的噪聲，第2次對(duì)白化的噪聲進(jìn)行標(biāo)準(zhǔn)主成分變換。利用ENVI軟件的MNF變換功能，對(duì)3期遙感影像MNF變換，變換后的MNF數(shù)據(jù)各波段之間的相關(guān)性及內(nèi)部噪聲都得到去除，大部分信息集中在前幾個(gè)波段。

3.2.2 端元獲取及地物參考光譜曲線獲取 目前，端元獲取的途徑主要有2種；一種是從野外實(shí)測(cè)光譜建立光譜庫獲取，另外一種是從遙感影像中直接獲取[11]。第1種方法理論上較精確，但是由于受大氣、地形及傳感器等多種因素影響，遙感影像的光譜即使經(jīng)過各種的處理，仍和實(shí)測(cè)光譜有較大區(qū)別，從而導(dǎo)致影像解譯的精度不高。第2種方法較簡單、工作量小，精度也符合要求。本研究的端元獲取途徑為從圖像上直接獲取。一般比較常見的圖上端元獲取方法有2種：一種是在MNF變換圖像上計(jì)算像元純凈指數(shù)（PPI）后，在N維特征空間中獲取端元；另一種通過MNF變換后的散點(diǎn)圖在光譜特征空間尋找端元。①PPI端元選擇。以2010年TM數(shù)據(jù)端元選擇為例簡述PPI選擇過程。2010年MNF數(shù)據(jù)87.02%的信息都集中在前4個(gè)波段，因此，以前4個(gè)波段進(jìn)行像元純凈指數(shù)（PPI）計(jì)算。在ENVI軟件PPI選擇工具中設(shè)置迭代次數(shù)為1.5萬次，閾值為2.5。PPI迭代計(jì)算后，純凈像元的個(gè)數(shù)基本處于穩(wěn)定狀態(tài)，基本選擇出全部的潛在端元。把PPI值大于30的像元輸出到MNF變換后的圖像光譜特征空間中，利用ENVI的N維可視化工具選擇端元并輸出端元波譜曲線。利用端元波譜曲線及目視解譯相結(jié)合的方法可以確定端元類別。運(yùn)用獲得的端元對(duì)原始影像進(jìn)行分類，得到分類結(jié)果。在分類后處理過程中發(fā)現(xiàn)，本研究區(qū)運(yùn)用PPI方法選擇的端元在分類過程中精度不高，尤其是耕地，其與林地及建設(shè)用地錯(cuò)分嚴(yán)重。這主要是由于地物光譜的變異性所造成的。同物異譜及同譜異物現(xiàn)象嚴(yán)重影響了分類精度。另外，在實(shí)際的端元選擇過程中，建筑（圖3，圖4）所對(duì)應(yīng)的純凈像元數(shù)目較少，在ENVI可視化工具中難于選擇，端元要盡量選擇在那些在可視化工具中凸面幾何體的幾何頂點(diǎn)處聚在一起的像元。有些在第一、二、三主成分光譜特征值相近的地物會(huì)在顯示上聚在一起。這樣地物就難于區(qū)分，選擇時(shí)主觀性較大，從而造成端元波譜的輸出不準(zhǔn)確。單純的用PPI方法選擇端元，難于選擇出正確的端元，所以本研究通過散點(diǎn)圖方法來補(bǔ)充選擇端元。②子區(qū)域散點(diǎn)圖端元選擇。為解決端元變異性問題，通過目視解譯將圖像劃分為若干小的子區(qū)域，子區(qū)域范圍的標(biāo)準(zhǔn)是盡量使每個(gè)子區(qū)域內(nèi)存在的地物類型不大于3種，這樣便能較容易在光譜特征空間像元形成的三角形角點(diǎn)上選取端元。這樣同一種地物也會(huì)有較多種端元，然后利用這些端元對(duì)原始圖像進(jìn)行分類，再將相同地物的小類進(jìn)行合并，最終得到最后的分類結(jié)果。MNF影像的前3個(gè)波段任意2個(gè)波段進(jìn)行組合并在二維散點(diǎn)圖上顯示后提取端元，圖5為原始影像MNF變換后不同區(qū)域同一種上的二維散點(diǎn)圖，近似呈現(xiàn)三角形，三角形的頂點(diǎn)為地物端元，4幅圖對(duì)應(yīng)圖像的不同區(qū)域。圖6為圖5所獲各種端元的平均光譜曲線，從圖中可以看出即使同一種地物的光譜曲線在同一圖像的不同區(qū)域也有一定的差異，表現(xiàn)出地物光譜的空間變異性。

圖3 N維可視化工具選取端元Figure3 N-dimensional visualization tool to select endmember

圖4 PPI方法所獲端元波譜曲線Figure4 Curve of endmeber with PPI

圖5 2010年TM子區(qū)域二維散點(diǎn)圖選取端元Figure5 Endmember selection with 2-D scatter

圖6 散點(diǎn)圖補(bǔ)充端元波譜曲線Figure6 Supplementary endmember specture with scatter chart

3.3 分類結(jié)果評(píng)價(jià)

利用ERDAS軟件的精度評(píng)價(jià)功能，隨機(jī)生成256個(gè)樣點(diǎn)，結(jié)合目視判讀對(duì)分類結(jié)果開展精度評(píng)價(jià)，結(jié)果見表4。各土地利用類型的分類精度普遍較高，但未利用土地的分類精度較低，主要是因?yàn)槠涔庾V特征與建設(shè)用地及裸地相似，導(dǎo)致錯(cuò)分漏分現(xiàn)象。

圖7 波譜角方法示意圖Figure7 Sketch map of SAM

圖8 3期臨安市市區(qū)土地利用分類圖Figure8 Landuse classificatin of Jincheng in Lin’an City

4 結(jié)果分析

4.1 土地利用結(jié)構(gòu)分析

土地利用結(jié)構(gòu)的定義為在一定區(qū)域內(nèi)，各種土地利用類型和（或）土地覆被之間在數(shù)量上的比例關(guān)系，以各種土地利用類型和（或）土地覆被占該區(qū)域土地總面積的比重表示。土地利用結(jié)構(gòu)能夠在很大程度上反映出一個(gè)區(qū)域的經(jīng)濟(jì)狀況。合理的調(diào)整土地利用結(jié)構(gòu)，布局用地，能夠?yàn)榻?jīng)濟(jì)和社會(huì)的發(fā)展提供良好的用地條件。

表4 分類精度驗(yàn)證Table4 classification accuracy

由表5可知：1994至2010年的16 a間，臨安市市區(qū)各土地利用類型面積雖有變化，但土地結(jié)構(gòu)中林地一直占主要地位，耕地次之，再次是建設(shè)用地。

4.2 土地利用動(dòng)態(tài)變化特征

利用ARCGIS 9.3的柵格計(jì)算器得到臨安市市區(qū)的土地利用轉(zhuǎn)移矩陣，行表示土地利用的起始狀態(tài)，列表示土地利用的終止?fàn)顟B(tài)。面積轉(zhuǎn)換及面積轉(zhuǎn)換率表示初始類別轉(zhuǎn)換為該列類別的面積及占該列初始類別的百分比。面積差表示2個(gè)時(shí)相該用地類別的面積差，變化面積與初始時(shí)相面積的百分比。

從表5及表6可知，臨安市市區(qū)林地面積占整個(gè)用地類型的比例最大，均達(dá)到了70%以上，且變化的面積總量也最大，在1994－2002年主要轉(zhuǎn)化為耕地及建設(shè)用地，在2002－2010年間，主要轉(zhuǎn)化為建設(shè)用地，而有一部分耕地重新轉(zhuǎn)為林地，從而使林地面積有所提升。耕地面積占各用地類型的面積比例變化較大，數(shù)量變化幅度也較大。在1994－2002年耕地面積大量增加，主要來源為林地。但它也有一部分轉(zhuǎn)為建設(shè)用地。在2002－2010年間，耕地面積迅速減少，轉(zhuǎn)為林地及建設(shè)用地。建設(shè)用地面積一直處于增加狀態(tài)，且占總用地的面積的比例上升較快。在1994－2010年這16 a間，由于林地及耕地的轉(zhuǎn)入，面積增加了3倍多。未利用土地及其他土地面積占整個(gè)地區(qū)的面積比例較小。

表5 1994-2002臨安市市區(qū)土地利用轉(zhuǎn)移矩陣Table5 Matrix of Jincheng landuse transformation （1994－2002） of Lin’an City

5 討論與結(jié)論

臨安是山地城市，適合耕種及居住的平原面積較少。1994－2002年間，臨安市市區(qū)雖然未充分發(fā)展，但已具備了發(fā)展的潛力。隨著人口的增長，對(duì)居住及耕種的需求逐漸加大，這時(shí)平原上林地的砍伐開墾就成為了解決人地沖突的辦法之一，所以這段時(shí)間表現(xiàn)為林地的減少、耕地及建設(shè)用地的增加。另一方面，未利用土地也逐漸被充分利用，進(jìn)行耕種及作為建設(shè)用地使用。隨著人口的增長，經(jīng)濟(jì)的發(fā)展，無論是居住還是工業(yè)等都需要足夠的建設(shè)用地。但受自然條件的影響，臨安市市區(qū)內(nèi)的平原地區(qū)面積有限，人地矛盾逐漸凸顯，可利用的平原用地不足，所以在2002－2010年，耕地迅速轉(zhuǎn)化為建設(shè)用地，城市的擴(kuò)展必然要取代周邊的農(nóng)田。由于臨安市國家森林城市建設(shè)項(xiàng)目的全面啟動(dòng)，林地面積在2002－2010年不但沒有減少，反而還有所增加。

本研究利用波譜角制圖方法對(duì)1994年、2002年、2010年等3個(gè)時(shí)相的遙感數(shù)據(jù)進(jìn)行土地利用分類，得到了臨安市市區(qū)16 a的土地利用變化信息。臨安市市區(qū)土地利用方式以林地用地為主，林地的面積比例分別為1994年86.45%，2002年71.2%，2010年79.88%。建設(shè)用地面積不斷增加，1994－2002年增加1635.84 hm2，2002－2010年增加2554.65 hm2，增長率分別為92.97%及75.24%。臨安市市區(qū)范圍內(nèi)林業(yè)用地處于主導(dǎo)地位，奠定了臨安建設(shè)生態(tài)市的基礎(chǔ)。臨安市市區(qū)受自然條件尤其是地形的限制，土地利用潛力不大，而隨著人口的增長和經(jīng)濟(jì)的快速發(fā)展，臨安市正處于人地矛盾的凸顯時(shí)期，如何有效地利用土地，解決有限的可利用土地與社會(huì)、經(jīng)濟(jì)發(fā)展和人口增長間的矛盾，成為臨安市進(jìn)一步發(fā)展的首要問題。

[1]汪衛(wèi)民，趙大暉.論土地資源的永續(xù)利用[J].資源開發(fā)與市場(chǎng)，1998，14（1）∶26－29.WANG Weimin，ZHAO Dahui.On the sustainnable utilization of land resources [J].Resour Devel&Market，1998，14（1）∶26 － 29.

[2]彭望碌，余先川，周濤.遙感數(shù)字圖像處理[M].北京∶電子工業(yè)出版社，2003.

[3]沙志剛.數(shù)字遙感技術(shù)在土地利用動(dòng)態(tài)監(jiān)測(cè)中的應(yīng)用概述[J].國土資源遙感，1999（2）∶7－11.SHA Zhigang.The digital remote sensing techniques applied to land use change monitoring [J].Rem Fens Land&Resour，1999（2）∶7 － 11.

[4]承繼成，郭華東，史文中.遙感數(shù)據(jù)的不確定性問題[M].北京：科學(xué)出版社，2004.

[5]KRUSE F A，LEFKOFF A B，BOARDMAN J W，et al.The spectral image processing system （SIPS）：interactive visualization and analysis of imaging spectrometer data [J].Remote Sens Environ，1993，44（2）∶145 － 163.

[6]浦瑞良，宮鵬.高光譜遙感及其應(yīng)用[M].北京：高等敎育出版社，2000.

[7]梁繼，王建，王建華，等.基于光譜角分類器遙感影像的自動(dòng)分類和精度分析研究[J].遙感技術(shù)與應(yīng)用，2002，17（6）∶299 － 303.LIANG Ji，WANG Jian，WANG Jianhua，et al.Study on automatic classification and accuracy analysis of remote sensing image based on SAM [J].Rem Sens Technol Appl，2002，17（6）∶299 － 303.

[8]DAI X，KHORRAM S.The effects of image misregistration on the accuracy of remotely sensed change detection[J].Geosci Rem Sens，1998，36（5）∶1566 － 1577.

[9]中華人民共和國國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局，中國國家標(biāo)準(zhǔn)化管理委員會(huì).GB/T 21010－2007土地利用現(xiàn)狀分類標(biāo)準(zhǔn)[S].北京：中國標(biāo)準(zhǔn)出版社，2007.

[10]LI L，USTIN S L，LAY M.Application of multiple endmember spectral mixture analysis（MESMA）to AVIRIS imageryforcoastalsaltmarshmapping∶acasestudyinChinaCamp，CA，USA [J].IntJ RemoteSens，2005，26 （23）：5193 －5207.

[11]李素，李文正，周建軍，等.遙感影像混合像元分解中的端元選擇方法綜述[J].地理與地理信息科學(xué)，2007，23（5）：35 － 42.LI Su，LI Wenzheng，ZHOU Jianjun，et al.A review on endmember selection methods in the course of mixed pixel decomposition of remote sensing images [J].Geogr Geo-Inf Sci，2007，23（5）∶35 － 42.