北京市平谷区2005—2015年土地利用变化特征

王继斌

【摘 要】基于2005年和2015年两时相的北京市平谷区Landsat卫星影像数据，采用监督分类中的神经网络方法，对研究区进行土地利用分类，得到研究区各个分类地物的统计面积，对地物面积变化进行特征分析。

【关键词】土地利用变化；监督分类；神经网络

城市，是人类走向文明和人类群居生活的高级方式。随着经济和社会的快速发展，城市化是社会经济发展的必然结果，也是社会经济发展的有机组成部分和有力的推动器，城市化除了表现在城市人口增长，城市非农业人口比重增加以外，城市空间区域的扩展也是一个重要的衡量指标。城市化对自然地理环境、人文地理环境和生态环境系统的影响，都直接间接地在多源、多尺度、主被动遥感影像上得到了表达。因此，利用遥感影像进行土地利用信息提取，能快速地得到城市土地利用变化信息，对城市化的监测、管理和分析提供了及时有效的信息源。

一、研究区概况

研究区为北京市平谷区，位于北京市东北部，属北京市辖区，地理坐标为116°55″E～117°24″E，40°02″N～40°22″N。南面接壤与河北省三河市，北面与本市密云县相邻，西面和本顺义区共界，东南与天津市蓟县、东北与河北省兴隆县相连。

二、研究方法与数据基础

（一）数据源与预处理

文章研究区所采用的数据主要为Landsat-5 TM数据和Landsat 8 OLI数据，获取时间分别是2005年7月9日和2015年7月5日，条带号为123，行编号为32。首先对遥感影像进行辐射定标和大气校正，再用马里兰网站下载的相应遥感影像进行几何校正，最后通过研究区的行政矢量边界进行裁剪，得到研究区的遥感影像图。

（二）分类方法

获得研究区裁剪的遥感影像之后，利用ENVI5.1对研究区遥感影像进行土地利用分类，分类过程中，将地物划分为水体、建设用地、耕地、林地和其他这五类地物，所用分类方法为监督分类中的神经网络方法。人工神经网络是基于生物神经系统的分布存储、并行处理及自适应学习这些现象构造出具有一些低级智慧的人工神经网络系统。近年来，神经网络被广泛应用于遥感图像分类。不同学者分别提出或应用 BP 网络、三维 Hopfield 网络、径向基函数神经网络和小波神经网络等对遥感图像进行监督分类。

其基本分类过程为：定义训练样本、执行监督分类、评价分类结果和分类后处理。

三、精度评价与结果分析

（一）分类精度评价

执行监督分类之后，由于采用的是数学模型和先验知识进行的分类，其结果只是尽可能的接近自然性质，与实际地物还是存在偏差，所以需要对分类精度进行评估。ENVI5.1提供了多种分类结果评价方法，本次研究采用混淆矩阵的方法。使用混淆矩阵可以把分类结果的精度显示在一个混淆矩阵里（用于比较分类结果和地表真实信息）。

对分类结果进行精度评价时，混淆矩阵方法需要地表真实感兴趣区，为此在高分辨率图像上，通过目视解译选取与执行监督分类时相同数量的训练样本。以此样本代表地表真实感兴趣区执行混淆矩阵分类精度评价，计算得到2005年总体分类精度为：89.949%，Kappa 系数为0.901，2015年总体分类精度为：89.989%，Kappa 系数为0.891。研究发现，Kappa 系数与分类精度有如下关系（如表1）。

由此可知，本次分类实验的结果精度较为理想，属于很好的范围，适合研究分析研究区的土地利用分类变化。

（二）分类结果分析

对分类后的结果进行后处理（零散像元的处理→提取分类后矢量文件→统计面积），得到各个分类地物的统计面积之后，运用土地变化比重指数研究分析北京市平谷区十年间土地利用变化特征。

其中：是第i种地物类型土地变化比重指数，取值0～1，百分数；为第i类地物变化面积；S是该区域的总面积；越大，说明该类地物面积变化越大，在土地利用变化中越占主导地位。因此，根据值的大小，将其从大到小排列如下：

林地（6.747%），耕地（6.555%），水体（0.618%），建设用地（0.425%）

四、结语

根据本研究区2005-2015年各地物土地变化比重指数，可以看出本地区土地利用变化特征如下：

（1）十年间本研究区林地和耕地变化面积最大，说明在本研究區中林地和耕地面积变化占主导地位；

（2）十年间本研究区水体变化面积仅为0.618%，且为正增长；

（3）十年间本研究区建设用地变化面积只有0.425%，占的比重最小，说明在本研究区中建设用地面积变化不明显。

参考文献

[1] 王浩，胡吉平，谭衢霖.基于TM 影像的北京城乡结合部土地利用变化分析[J].测绘与空间地理信息，2012，35（02）：46-53.

[2] 毛建旭，王耀南.基于神经网络的遥感图像分类[J].测控技术，2001，20（05）：29-32.

[3] 骆剑承，周成虎，杨艳.人工神经网络遥感影像分类模型及其与知识集成方法研究[J].遥感学报，2001，5（02）：122-129.

[4] 杨昕，汤国安，邓凤东等.ERDAS 遥感数字图像处理实验教程[M].北京：科学出版社，2009.