毕业论文网
本文是一篇关于土地利用论文范文，可作为相关选题参考,和写作参考文献。
基于RS和GIS的土地利用变化监测
高 娜,张永飞,李 杨
（安徽理工大学测绘学院,安徽 淮南 232001）
摘 要：以北京市朝阳区为例,基于ENVI软件和GIS软件的主要理论和技术方法,对该地区近9年的土地利用状况进行监测.主要介绍了遥感影像的预处理,分类后处理以及利用处理后的数据制作专题图、统计图的具体流程.基于RS和GIS的土地利用变化监测手段将土地利用变化情况表达为图表形式,客观形象地反映了研究区域在研究时间段内的土地利用变化情况,为城市规划用地、道路桥梁建设等提供了基础数据.
关键词：RS；GIS；土地利用变化；专题图；统计图
中图分类号：P237；P208.2；F301 文献标志码：A DOI：10.3969/j.issn.1674-9146.2017.08.061
土地利用是指人类对土地自然属性的利用方式和目的意图,以及使土地利用达到最优效果为目的的过程,它是一个动态变化的过程[1],影响土地利用的因素有自然因素、经济因素和社会因素.伴随着生产力水平的不断提高以及经济实力的逐步增强,人类对土地的利用和改造能力逐步提高,并积累了丰富的关于土地利用的理论知识.我国地域辽阔,地理环境十分复杂,因此,详细清楚地了解全国土地利用情况,作出合理规划,实现科学利用是一项迫在眉睫的任务.基于RS和GIS的土地利用变化监测所采用的方法是通过RS（Remote Sensing,遥感）和GIS（Geographic Information System,地理信息系统）相结合来完成土地分类并提取出土地利用的变化信息,RS技术主要着眼于空间数据的采集和分类,GIS技术的重点在于对空间数据的管理和分析.RS技术的发展促进了GIS技术的发展,GIS技术的发展又为RS技术的应用提供了有力的技术支持[2].
1 研究区域现状
研究区域位于北京市朝阳区,地理坐标为北纬39°49′～40°5′,东经116°21′～116°38′,面积约为470.8 km2.
本次收集到的遥感数据为2007年3月9日和2016年2月18日获取的TM影像.区内土地利用的类别主要有建筑用地、水域用地、绿化用地、交通用地和未利用地.研究区域所在的TM影像图见图1.
2 土地利用变化分析过程
开展土地利用分类工作依据的主要数据源为高分辨率的遥感影像以及研究区域的行政区划边界文件.首先对遥感影像进行相关的预处理,如波段组合与最优选择、几何校正、掩膜处理等,然后提取影像中的各类用地区域,并对不同的感兴趣区域进行标识,最后在ArcGIS中制作相关专题地图,在Excel中统计数据、制作统计图,使得土地利用变化情况一目了然[3].具体流程见图2.
3 遥感影像的获取和预处理
3.1 影像的获取
所需数据不仅包括研究区域的遥感影像,还包括研究区域的行政区划边界文件.遥感影像属于保密性文件,故较难获得分辨率较高的影像,本研究采用的是分辨率为30 m的Landsat4~5 TM遥感影像.为保证影像的精度,需对影像进行几何校正等相关处理,可采取分辨率更高的影像作为基准影像,进行配准[4].边界文件可从具有坐标信息的行政区划地图中获取,也可通过相关软件或网站下载获得.
3.2 影像的预处理
1）波段组合与最优选择.由于需要对影像进行目视解译,故一般不选择波段组合321,因为这种组合方式表示的是真彩色影像,由于分辨率的限制而不能清楚地观察到各类地物.各种地物的组成材质不一样,因此其反射、辐射的波长也不一样,在假彩色影像中就可以清晰地观察到不同的地物.故本研究中选择的是654波段组合的假彩色影像.总之,只要满足判读人员的视觉要求的组合波段就是优秀的组合波段.
2）掩膜处理.由于所获得的遥感影像不仅有研究区域的影像,还有其他区域的影像,因此就要将研究区域从整幅影像中裁剪出来,以便于后期观察和绘制感兴趣区域.
3）几何校正.为真实反映地表信息,要求遥感影像在一定程度上符合地图坐标系统,但由于种种原因,会使同名像点产生位移,此时影像肯定不能满足地图的投影坐标系,所以从所制成果图的实用性等方面考虑,应当对影像进行几何校正[5].
4）增强处理.在上文中阐述了进行波段组合的必要性,但波段最优组合的结果只是使整幅影像中的地物显示得较为清晰,局部地物还是不清晰,通过图像增强处理,可以最大限度地使影像变得更加清晰.故本研究中采用的是线性拉伸.
5）感兴趣区域绘制.感兴趣区域的绘制就是将不同种类的地物类型利用不同颜色的多边形区域表示出来,为后续监督分类工作作准备.在绘制感兴趣区域时应该注意：绘制的范围不宜过大,一般不超过10个像元,且在整个图幅中应该分布均匀,以便于后期监督分类处理,同时也可以使分类后处理工作不那么复杂.
4 监督分类处理
1）分类处理.感兴趣区域绘制完成后,利用ENVI软件中的“classification→supervised→maximum linkhood”,进行监督分类处理,即利用最大似然法进行分类.最大似然法分类就是按照训练样本将整幅影像中的像元分到最大概率的那一类地物中[6].但由于影像中的像元并不都像训练样本中所选取的区域像元一样颜色比较纯净,因此需要进行分类后处理工作.从分类后的结果和百度地图中的地理实体分布可以看出,分类的结果有很多是不正确的,需要人工手动判读.
2）分类后处理.从分类处理后的结果可知,分类结果差强人意,但还需对比百度地图中的实际地物位置及地物信息,以纠正感兴趣区域中错误的分类区域.
3）专题地图制作.分类后处理完成后,将感兴趣区域对应的土地用地分类文件打包好,将数据导入ArcGIS中进行叠置分析等,进而制作相关专题地图.
5 变化信息提取
土地利用变化信息的提取一般是将两个不同时段的遥感影像进行监督分类处理后,计算出土地利用转移矩阵,再根据转移矩阵中的数据制作出土地利用变化折线图,通过折线图即可清楚直观地看出不同时期各种土地的面积变化情况[1].土地利用转移矩阵见表1.
表1数据清晰地显示了2007—2016年期间各类土地面积转移的情况,如建筑用地转移为其他四项用地的面积分别为：30.335 km2,6.029 km2,1.826 km2,14.27 km2；显然,建筑用地共转移出52.46 km2.其他四项用地转移为建筑用地的面
积分别为：23.211 km2,7.434 km2,4.148 km2, 30.65 km2；共转为建筑用地面积65.433 km2.显然,建筑用地面积在此期间呈增长趋势.同理可得出其余四项土地类型的面积变化情况.
为了能更加清晰地看出两个不同时段间的各类土地转移情况,利用表1中的数据制作出北京市朝阳区2007—2016年建筑用地变化折线图,见图3,其中深色线条表示土地来源,浅色线条表示土地去向,若深色线条在浅色线条之上则表示该类土地面积在增加,反之则在减少.图3可以看出在此期间,建筑用地面积是增加的,与上述转移矩阵分析结果一致.
6 结束语
1）从两期的遥感数据解译结果可以看出,近9年来,研究区域内绿化用地、建筑用地及其他用地变化较为明显,其余类型用地面积趋于稳定,变化最为显著的是其他用地.由于研究区域内的建筑用地集中在整个区域,故从地理位置的角度不易观察出变化所在,而绿化用地大部分集中在公园等适合游玩的区域.
2）运用土地利用转移矩阵这一指标获取了土地利用总体变化数量信息和类型变化的动态信息,为区域土地利用结构调整、合理利用土地资源,从而达到区域内生态、社会、经济效益的统一提供了依据.
3）笔者只对北京市朝阳区2007—2016年9年间土地利用类型变化进行了分析,对2016年之后的变化情况有待进一步研究.
目前我国面临的林地破坏、自然资源紧缺、环境污染等问题日益严重,伴随着计算机技术、RS技术、GIS技术的快速发展,适时地进行土地利用变化分析是十分有必要的.笔者利用ENVI软件和ArcGIS软件,结合RS技术和GIS技术将土地利用变化情况表达为图表形式,客观形象地反映了研究区域在研究时间段内土地利用变化情况,为城市规划用地、道路桥梁建设等提供了基础数据[6].
土地利用论文范文结:
关于对不知道怎么写土地利用论文范文课题研究的大学硕士、相关本科毕业论文土地利用论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。