馬驪馳，王金亮*，劉廣杰，高文杰

（1.云南師范大學(xué) 旅游與地理科學(xué)學(xué)院，云南 昆明 650500）

基于改進(jìn)型決策樹遙感分類的土地利用變化研究

馬驪馳1，王金亮1*，劉廣杰1，高文杰1

（1.云南師范大學(xué) 旅游與地理科學(xué)學(xué)院，云南 昆明 650500）

在遙感和GIS技術(shù)支持下，以香格里拉建塘鎮(zhèn)為研究區(qū)，以2000年、2009年Landsat TM影像為基礎(chǔ)數(shù)據(jù)，運(yùn)用光譜特征和地學(xué)輔助知識(shí)相結(jié)合的改進(jìn)型決策樹分類方法分別對(duì)研究區(qū)2個(gè)年份的基礎(chǔ)數(shù)據(jù)進(jìn)行土地利用信息提取和變化分析。研究結(jié)果顯示：①基于改進(jìn)型決策樹遙感分類法與最大似然法相比分類精度有明顯提高；②10 a間，香格里拉建塘鎮(zhèn)城鎮(zhèn)建筑用地、裸地面積呈上升趨勢且變化最大，灌草地面積小幅增加，耕地、林地、水體、雪地冰川呈減少趨勢，土地利用變化速度和綜合程度越來越快。

改進(jìn)型決策樹；遙感分類技術(shù)；土地利用變化；香格里拉縣

隨著3S技術(shù)的日新月異，借助遙感方法提取大范圍的土地利用/覆被信息成為研究土地利用變化的主要技術(shù)手段。傳統(tǒng)的監(jiān)督分類方法對(duì)訓(xùn)練樣區(qū)選取的要求較高，必須具有典型代表，否則分類結(jié)果將與實(shí)際情況相去甚遠(yuǎn)；而且受“同物異譜”和“異物同譜”現(xiàn)象的影響，傳統(tǒng)監(jiān)督分類中較容易出現(xiàn)大量錯(cuò)分、漏分等情況。而現(xiàn)在普遍適用的決策樹法、神經(jīng)網(wǎng)絡(luò)法、模糊法等新方法在土地利用/覆被的分類精度上有較大程度的提高。目前已有許多專家學(xué)者將決策樹分類方法廣泛運(yùn)用到各種遙感影像的信息提取和土地利用分類中，并取得了很大的進(jìn)展。史澤鵬[1]等運(yùn)用J48決策樹算法提取土地利用信息；杜麗英[2]對(duì)C4.5決策樹法的構(gòu)建和剪枝進(jìn)行了闡釋；孫靜雯[3]等運(yùn)用決策樹法進(jìn)行土地利用分類并計(jì)算出土地利用變化的驅(qū)動(dòng)力因子；王書玉[4]等利用分類回歸樹算法建立決策樹模型，對(duì)其分類結(jié)果進(jìn)行了精度評(píng)價(jià)并證實(shí)該方法有利于分類精度的提高。本文以決策樹法為基本方法，將地學(xué)知識(shí)融入決策樹規(guī)則的建立中，對(duì)研究區(qū)遙感影像進(jìn)行分類，提高分類精度，以期研究10 a間土地利用變化情況，為當(dāng)?shù)卣贫沙掷m(xù)發(fā)展相關(guān)政策提供依據(jù)。

1 研究區(qū)概況

香格里拉縣地處青藏高原東南緣橫斷山脈三江縱谷區(qū)東部，是三江并流區(qū)的一部分，屬于迪慶藏族自治州的管轄范圍。東與四川省稻城縣、木里縣和云南省麗江市毗鄰，南與麗江隔江相望，西與德欽縣、維西縣相連，北與四川省德榮縣、鄉(xiāng)城縣接壤[5-6]。全境呈柳葉狀的狹長地帶，是云南省土地面積最大的縣。山地是研究區(qū)面積最廣的地貌類型，垂直分異的山地自然景觀顯著。建塘鎮(zhèn)是香格里拉縣州、縣府所在地，是全縣乃至全州政治、經(jīng)濟(jì)、文化中心，是“香格里拉”腹心地，平均海拔3 300 m，最低海拔2 800 m，面積為1 611 km2，四周群山環(huán)繞，中間地勢平坦，是農(nóng)村和城鎮(zhèn)相結(jié)合的半農(nóng)半牧鎮(zhèn)，也是茶馬古道和滇藏公路的必經(jīng)重鎮(zhèn)。

近年來，隨著社會(huì)經(jīng)濟(jì)特別是旅游業(yè)的快速發(fā)展，以及天然林保護(hù)工程和退耕還林工程的實(shí)施，研究區(qū)土地利用/土地覆蓋發(fā)生了劇烈變化，引起生態(tài)要素的變化，通過遙感技術(shù)方法開展土地利用/土地覆蓋變化研究，具有重要意義。

2 研究方法

2.1 數(shù)據(jù)選擇與預(yù)處理

在綜合考慮研究區(qū)的季節(jié)性、數(shù)據(jù)源的可使用性和研究目的后，使用的數(shù)據(jù)為2000年12月和2010年11月Landsat5TM數(shù)據(jù)、SRTM DEM數(shù)據(jù)以及香格里拉縣建塘鎮(zhèn)行政邊界矢量圖。數(shù)據(jù)處理平臺(tái)為ENVI4.8和ArcGIS10.1。

為了消除遙感影像受地球曲率、大氣折射等影響而產(chǎn)生的幾何變形和受地形因子、大氣衰減等影響而產(chǎn)生的輻射變形，需對(duì)研究區(qū)圖像進(jìn)行幾何精校正、輻射校正以及拼接裁剪等預(yù)處理。在確定研究區(qū)分類系統(tǒng)的基礎(chǔ)上，利用TM影像光譜特征和地學(xué)輔助知識(shí)建立土地分類規(guī)則，對(duì)影像進(jìn)行土地利用分類，并將其分類結(jié)果與最大似然法分類結(jié)果進(jìn)行精度比較。

2.2 分類系統(tǒng)的建立

建立研究區(qū)分類系統(tǒng)是土地利用變化研究的基礎(chǔ)工作。在野外調(diào)查的基礎(chǔ)上，綜合考慮研究目的、研究區(qū)整體景觀格局以及分類系統(tǒng)的相對(duì)完整性，并參照2007年8月頒布的《土地利用現(xiàn)狀》國家標(biāo)準(zhǔn)[7]，將研究區(qū)土地利用類型分為耕地、林地、灌草地、城鎮(zhèn)建設(shè)用地、水體、冰川雪地以及裸地7類。

2.3 決策樹分類規(guī)則的建立

2.3.1 決策樹LUCC信息提取原理

決策樹屬于無參數(shù)分類方法，是多層次識(shí)別系統(tǒng)的一種組織形式。它并不是使用一種算法、一個(gè)決策規(guī)則去把多個(gè)類別一次性分開，而是采用分級(jí)的形式，將復(fù)雜的多分類問題轉(zhuǎn)化為一個(gè)個(gè)簡單的分類問題而逐步解決[8]。

本文決策樹分類是根據(jù)影像地物類別的光譜特征、NDVI值和比值型指數(shù)，參照DEM和坡度值所提取的地學(xué)輔助信息尋找一類地物不同于另一類地物的典型特征，構(gòu)造二叉樹分類系統(tǒng)，對(duì)研究區(qū)土地利用類型進(jìn)行分類，尋求比傳統(tǒng)監(jiān)督分類方法更高的分類精度。

2.3.2 NDVI指數(shù)分類規(guī)則

NDVI是反映地表植被覆蓋情況的遙感指標(biāo)之一，取值在-1～1之間，主要用于檢測植被生長狀態(tài)、植被覆蓋度以及土地覆被等方面的研究，其公式為：

（NIR-R）/（NIR+R）

式中，NIR表示近紅外波段；R表示紅光波段。在TM影像中近紅外波段即TM4波段，而紅光波段即TM3波段。

在實(shí)際分類中，以NDVI指數(shù)為0來確定的巖石、裸土類地物的判別不準(zhǔn)確，因此本文NDVI指數(shù)僅用來區(qū)分植被與非植被。反復(fù)設(shè)定NDVI的閾值，并把所得的植被覆蓋情況與研究區(qū)土地利用圖、野外考察樣點(diǎn)等進(jìn)行對(duì)比，尋找最接近實(shí)際情況的NDVI值作為區(qū)分植被與非植被的條件，最終選取NDVI＞0.4作為判別植被與非植被的條件。

2.3.3 光譜特征分類規(guī)則

根據(jù)研究區(qū)確立的分類系統(tǒng)，分別選擇一定數(shù)量的7種土地利用類型的ROI，測定各波段光譜的最大值、最小值、均值和均方差，獲取不同土地利用類型之間的光譜差異信息，從而得到不同土地利用類型的提取條件[9]。經(jīng)測定比較發(fā)現(xiàn)，TM影像的7波段中以2、3、4、5、7波段所包含的信息量最為豐富，選取這5個(gè)波段對(duì)光譜信息進(jìn)行統(tǒng)計(jì)分析。由于涉及到2期影像，因此在提取光譜信息時(shí)采用取均值的方法，以便獲取的信息更準(zhǔn)確，經(jīng)整理得到表1，由此繪出圖1。

表1 地類樣點(diǎn)亮度值統(tǒng)計(jì)表

圖1 典型地物波譜圖

對(duì)各類地物的DN值進(jìn)行統(tǒng)計(jì)分析后發(fā)現(xiàn)，各類土地利用類型的亮度值存在以下特點(diǎn)：耕地：TM5＞TM3＞TM7＞TM4＞TM2；林地：TM4＞TM5＞ TM2＞TM3＞TM7；灌草地：TM5＞TM7＞TM4＞TM3＞TM2；水體：TM2＞TM3＞TM4＞TM5＞TM7；裸地：TM5＞TM3＞TM7＞TM4＞TM2；冰川：TM3＞TM2＞TM4＞TM5＞TM7和城鎮(zhèn)建設(shè)用地：TM3＞TM5＞TM2＞TM7＞TM4。根據(jù)7種地物類型的光譜亮度值的大小順序，可選取一些條件作為確定某類地物的決策規(guī)則閾值。將灰度值TM4＞TM5的區(qū)域提取出來，可作為區(qū)分林地與耕地和灌草地的決策條件。

2.3.4 比值型指數(shù)分類規(guī)則

在研究中有學(xué)者發(fā)現(xiàn)，水體、居民地具有（TM2+TM3）＞（TM4+TM5）的規(guī)律，但它們比值的差異卻比較大[10]，根據(jù)表2選取的各類地物的訓(xùn)練樣區(qū)，分別計(jì)算它們的比值型指數(shù)并進(jìn)行統(tǒng)計(jì)分析。

從表2可知，水體比值型指數(shù)（RWI）遠(yuǎn)高于其他地類，可利用（TM2+TM3）/（TM4+TM5）≥2作為提取水體的決策條件，此外，還發(fā)現(xiàn)冰雪比值型指數(shù)（RISI）也相對(duì)較高，因此將1＜（TM2+TM3）/（TM4+TM5）＜2作為提取冰川雪地的決策條件。

表2 地類樣點(diǎn)比值型指數(shù)統(tǒng)計(jì)表

2.3.5 地學(xué)輔助知識(shí)分類規(guī)則

DEM數(shù)據(jù)能很直觀地反映地表起伏的輪廓形態(tài)，不同土地利用類型在空間分布上也隨海拔和坡度的變化而有所不同。把研究區(qū)DEM數(shù)據(jù)疊加到遙感影像中可以發(fā)現(xiàn)一些基本分布規(guī)律。耕地、城鎮(zhèn)建設(shè)用地、水體一般分布在海拔相對(duì)較低、坡度和緩的區(qū)域；而冰川雪地、裸地則一般分布在海拔較高、略有緩坡的區(qū)域；林地和灌草地則在整個(gè)研究區(qū)內(nèi)呈大面積分布趨勢。因此，在決策樹分類過程中加入地學(xué)輔助信息，對(duì)提高影像分類精度具有重要意義。在本研究中，依據(jù)研究區(qū)景觀格局特征，采用了高程和坡度2種地學(xué)信息參與決策樹分類。

表3 高程、坡度分級(jí)標(biāo)準(zhǔn)

表4 土地利用類型與高程關(guān)系

表5 土地利用類型與坡度關(guān)系

將研究區(qū)2000年和2009年土地利用類型圖、高程圖以及坡度圖進(jìn)行空間疊加分析，并結(jié)合香格里拉野外實(shí)地調(diào)查采樣點(diǎn)[11]，綜合考慮研究區(qū)土地利用類型空間分布特征后，將研究區(qū)按高程和坡度進(jìn)行分級(jí)（表3），按不同地類的空間分布特點(diǎn)在決策樹分類時(shí)加入地學(xué)知識(shí)以輔助分類。在ArcGIS中對(duì)研究區(qū)土地利用現(xiàn)狀圖與高程圖、坡度圖分別進(jìn)行空間相交分析以及頻數(shù)統(tǒng)計(jì)，得到土地利用類型與高程和坡度的關(guān)系表（表4、5），尋找土地利用類型空間分布特點(diǎn)，參與到分類中。

耕地主要集中在高程≤3 600 m范圍內(nèi)，這是因?yàn)檠芯繀^(qū)具有較特殊的景觀格局，平均海拔較高，而耕地則需要較好的水熱條件，海拔越高水熱條件越差，因而耕地分布帶海拔相對(duì)較低，主要在研究區(qū)的城鎮(zhèn)邊緣地帶。另一方面，坡度因子對(duì)耕地的分布有較大的影響，陡坡不適宜發(fā)展種植業(yè)，從表5也可以看出耕地均分布在坡度≤25°范圍內(nèi)，因此高程≤3 600 m且坡度≤25°可作為建塘鎮(zhèn)耕地的決策樹閾值。城鎮(zhèn)建設(shè)用地均分布在高程≤3 900 m且坡度≤25°范圍內(nèi)，海拔較低且坡度平緩的區(qū)域適宜生產(chǎn)發(fā)展和人類居住，因此該條件可作為城鎮(zhèn)建設(shè)用地的決策樹閾值。此外，水體只分布在海拔≤3 900 m且坡度≤25°的區(qū)域，而冰川雪地則僅分布在海拔≥3 900 m的區(qū)域，以上條件均可作為參與分類的地學(xué)輔助知識(shí)。

本文通過分析典型地物光譜特征、NDVI值、比值型指數(shù)以及高程、坡度等地學(xué)信息，找到不同地物類型的決策樹閾值，然后用構(gòu)建的分類器進(jìn)行遙感分類，從而得到分類結(jié)果（圖2）。

圖2 改進(jìn)型決策樹遙感分類技術(shù)流程圖

3 精度評(píng)價(jià)

在野外實(shí)地考察資料的基礎(chǔ)上，以2009年遙感影像為基本數(shù)據(jù)，選取300個(gè)真實(shí)地物采樣點(diǎn)，分別對(duì)改進(jìn)型決策樹和最大似然法進(jìn)行分類精度評(píng)價(jià)，發(fā)現(xiàn)基于改進(jìn)型決策樹遙感分類結(jié)果在分類精度上遠(yuǎn)優(yōu)于最大似然法（表6）。因此本文采用改進(jìn)型決策樹遙感分類結(jié)果對(duì)香格里拉縣建塘鎮(zhèn)2000年和2009年遙感影像進(jìn)行分類并對(duì)10 a間土地利用變化進(jìn)行探討和分析。

表6 分類精度評(píng)價(jià)表

4 土地利用變化分析

運(yùn)用改進(jìn)型決策樹遙感分類方法分別對(duì)研究區(qū)2000年和2009年土地利用類型進(jìn)行分類，分類結(jié)果如圖3、4所示。在ArcGIS里對(duì)各類地物進(jìn)行面積統(tǒng)計(jì)，并計(jì)算各類地物變化幅度，探討香格里拉建塘鎮(zhèn)2000～2009年土地利用變化情況（表7）。

2000～2009年間，香格里拉建塘鎮(zhèn)土地利用變化趨勢大致表現(xiàn)為：耕地、林地、水體、冰川雪地面積呈減少趨勢，而灌草地、城鎮(zhèn)建設(shè)用地和裸地面積則呈大幅上升趨勢，城市化進(jìn)程加快，土地利用變化程度和綜合程度越來越快。水體與冰川雪地減少幅度最大，均超過了50%。10 a間，城鎮(zhèn)規(guī)模的擴(kuò)大、土地利用方式和人類生活方式的改變等，都對(duì)生態(tài)環(huán)境產(chǎn)生了極大的負(fù)面影響，造成了氣候變暖、水土流失等一系列嚴(yán)重的后果，表現(xiàn)在年降雪量日益減少，雪線隨海拔不斷升高，終年積雪帶面積日漸縮小，高原湖泊面積不斷減小，濕地沼澤日漸干涸等方面。耕地面積減少了10.92%，其原因大致可歸納為2點(diǎn)：耕作業(yè)機(jī)械化水平的顯著改進(jìn)，使耕作效率明顯提高，節(jié)省了土地空間資源；人類不合理的生產(chǎn)方式導(dǎo)致土地生產(chǎn)力下降、土壤結(jié)構(gòu)以及養(yǎng)分的破壞導(dǎo)致土地資源可利用周期縮短，一部分耕地變得不適宜農(nóng)作物生長，轉(zhuǎn)而投入其他用途的使用，從而造成耕地面積減少。林地面積小幅減少，主要原因是人類生產(chǎn)生活對(duì)森林植被造成了一定程度的破壞。隨著城鎮(zhèn)化的發(fā)展，建塘鎮(zhèn)城鎮(zhèn)建設(shè)用地面積大幅增加，增長率為122.92%。土地利用類型日益多樣化，在土地利用程度越來越大的情況下，伴隨而來的是低下的土地利用效率，不顧長遠(yuǎn)發(fā)展的土地利用方式導(dǎo)致土地嚴(yán)重退化，一部分耕地、灌草地、林地等轉(zhuǎn)化為不可利用土地，因此裸地面積大幅度增加，高達(dá)88.88%。部分林地和水體沼澤植被退化，覆蓋度降低，這也是灌草地面積小幅增加的原因之一。

圖3 2000年建塘鎮(zhèn)土地利用類型圖

圖4 2009年建塘鎮(zhèn)土地利用類型圖

表7 2000～2009年土地利用變化表

5 結(jié) 語

地學(xué)輔助信息參與決策樹分類的方法對(duì)分類精度的提高有顯著的改善作用，通過改進(jìn)型決策樹分類方法可得出以下結(jié)論：香格里拉建塘鎮(zhèn)在2000～2009年10 a間，城鎮(zhèn)建設(shè)用地、裸地面積呈上升趨勢且變化最大，灌草地面積小幅增加，耕地、林地、水體、冰川雪地呈減少趨勢，尤其是水體和冰川雪地減少幅度較大，土地利用變化速度和綜合程度越來越快。

為了實(shí)現(xiàn)當(dāng)?shù)亟?jīng)濟(jì)建設(shè)和生態(tài)環(huán)境的可持續(xù)發(fā)展，必須由粗放型的生產(chǎn)方式轉(zhuǎn)變?yōu)楣?jié)約型、可持續(xù)發(fā)展的生產(chǎn)方式，合理利用土地資源，適當(dāng)控制城鎮(zhèn)化規(guī)模，嚴(yán)保耕地紅線，相關(guān)部門應(yīng)該制定符合可持續(xù)發(fā)展戰(zhàn)略的政策，大力防治水土流失，加大不可利用地的治理力度，確保當(dāng)?shù)亟?jīng)濟(jì)與環(huán)境建設(shè)協(xié)調(diào)發(fā)展。

[1] 史澤鵬,馬中文,馬友華,等.基于J48決策樹算法的遙感土地利用變化分析[J].遙感信息,2014,29(1):78-84

[2] 杜麗英.基于決策樹的C4.5算法[J].輕工科技,2013(10):59-60

[3] 孫靜雯,王紅旗,張欣,等.基于決策樹分類的根河市土地利用變化及驅(qū)動(dòng)力分析[J].中國人口·資源與環(huán)境,2014,24(3):449-452

[4] 王玉書,于振華,于丹丹.基于決策樹方法的遙感影像分類[J].哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào),2014,30(2):61-64

[5] WANG Jinliang, JIANG Lianfang, LI Ruilin. Land-use Change and Its Driving Forces of “Three Parallel Rivers” in Northwest Yunnan Province[J]. Yunnan Geographic Environment Research,2005,17(1):5-12

[6] 韓文萍,王金亮,可華明,等.基于GIS的遙感影像土地利用/土地覆蓋信息提取研究:以滇西北香格里拉縣為例[J].云南地理環(huán)境研究,2007,19(2):98-102

[7] GB/T 21010-2007.土地利用現(xiàn)狀分類[S].

[8] 陳民,王寧,段國賓,等.基于決策樹理論的土地利用分類[J].測繪與空間地理信息,2014,37(1):69-72

[9] 領(lǐng)梅,安慧君,賀曉輝,等.基于決策樹的涼城縣土地利用分類研究[J].內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,34(6):43-48

[10] 曾維軍,侯明明,楊偉.一種改進(jìn)的決策樹分類方法在土地利用信息提取中的應(yīng)用[J].貴州大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,30(6):39-46

[11] 可華明,王金亮,韓文萍,等.香格里拉縣土地利用/土地覆蓋變化與趨勢預(yù)測研究[J].云南地理環(huán)境研究,2006, 18(6):11-15

P237

B

1672-4623（2016）07-0012-05

10.3969/j.issn.1672-4623.2016.07.004

馬驪馳，碩士研究生，研究方向?yàn)橘Y源環(huán)境信息系統(tǒng)。

2015-06-03。

項(xiàng)目來源：國家自然科學(xué)基金資助項(xiàng)目（41271230、40861009）。（*為通訊作者）