河北省太行山区土地利用类型遥感解译及旅游区划研究

发布时间：2020-03-22 07:04

【摘要】： 土地利用与社会经济的发展以及生态安全密切相关。故掌握研究区近期土地利用变化时空格局及土地利用的现状，对制定土地整理工作的方向、重点，逐步建立有效的土地整理宏观调控政策体系，合理规划水土资源，提高土地利用率，改善生态环境，具有重要的现实意义。本文以河北省太行山区为研究对象，利用遥感技术对该区进行了土地利用类型调查研究，并在此基础上，对该区进行了旅游区划研究，主要结果如下：首先，将Erdas Imagine软件的图像拼接、裁剪功能运用到界定研究区的范围中，解决了研究区范围的界定问题。其主要技术在于利用该软件的Mosaic工具将遥感图像拼接在一起，再利用AOI工具在遥感图像上精确描绘出研究区的范围，进而利用Subset工具裁剪出所要研究的区域，即可得到研究区的范围。该方法具有操作简单、结果精确的优点，极大地弥补了前人在此研究上的不足。第二，在分别进行监督分类和非监督分类方法的基础上，提出了叠加分类的遥感解译方法。此分类方法主要技术是：进行叠加分类时对叠加图像进行部分重新编码，即只对监督分类与非监督分类中的典型地物进行重新编码，这样会使监督分类图与非监督分类图进行较为充分地叠加，叠加后再进行重新编码，才能保证良好的分类效果。第三，以各县为最小研究单元，利用叠加分类方法，解译得到了研究区各县8种土地利用类型分布及其面积信息。研究区总面积为31150.74km~2，其中林地3148.92km~2，占研究区总面积的10.11％；灌丛7359.65km~2，占研究区总面积的23.63％；草丛6069.30km~2，占研究区总面积的19.48％；旱地6436.70km~2，占研究区总面积的20.66％；水浇地4624.95km~2，占研究区总面积的14.85％；居民地2782.49km~2，占研究区总面积的8.93％；水体342.46km~2，占研究区总面积的1.10％；裸地386.27km~2，占研究区总面积的1.24％。该数据资料的获取研究为该区的持续经营提供了强大的数据支持。第四，利用Erdas Imagine软件对遥感解译结果进行精度评价和Kappa系数分析。结果表明，非监督分类、监督分类和叠加分类的总精度分别为0.83、0.80和0.88，解译结果均满足分类要求，但从提高分类精度的角度来讲，叠加分类方法的结果最为理想，且具有操作简单、人为影响较小、精度较高等优点。第五，综合考虑研究区旅游区划的原则，将系统聚类分析的主要指标确定为：气候、地表覆盖类型及其覆盖率、水资源丰富程度及其分布状况、人口密度等，利用该指标对研究区进行了定量区划。把研究区划分为三个旅游区，分别是：河北省太行山北部综合旅游区、河北省太行山中部森林避暑度假旅游区和河北省太行山南部赵国古文化科学考察旅游区。分别明确了各区的旅游资源特点和旅游主题，为进行后续的规划及管理研究奠定了坚实的基础。第六，归纳总结了各旅游区的主要旅游资源及其面积、资源特色和优势，，得到各旅游区的面积分别为17594.43km~2，8244.47km~2，5334.94km~2。在此基础之上，对研究区的旅游区划结果进行了单元景观格局研究，分析了各旅游区的景观差异性。结果表明，第一旅游区和第三旅游区的景观多样性指数、优势度指数、均匀度指数均呈显著性差异，而第二旅游区与第一、第三旅游区之间景观差异性并不显著，处于两区的过渡地带。证明了该旅游区划的结果是比较科学、客观的，为本地区生态经济的进一步研究提供了思路和依据。最后，旅游亚区及旅游小区的划分主要根据当地的旅游资源特色(如革命历史遗迹、民族风情、土特产品等)，结合研究区旅游资源的实际分布状况，对旅游亚区及小区进行了定性区划。将研究区划分为7个旅游亚区和19个旅游小区，并明确了旅游亚区、旅游小区的主要旅游资源及其面积、资源特色和优势等。为后续研究工作提供了基础数据资料。
【图文】：

遥感图像,非监督分类

河北省太行山区土地利用类型遥感解译及旅游区划研究图3、图4、图5分别显示了研究地区的土地利用类型分布的空间格局。利用Erdas软件对分类结果进行总体精度检验和心即a系数分析，如表3、表4所示。非监督分类、监督分类和二者叠加处理的总分类精度分别为0.83、0.80和0.88，均能够满足指导实践工作的要求，但综合分析解译结果及其他数据资料，叠加分析对该区的土地利用类型判读效果最好。如图6、图7、图8局部分类效果所示。 Thetypeoflanduse Thety如ofl助du‘e过过过母母墓葬 :::图3非监督分类结果 Fig3ResultsofunsuPervls记elassifieation图4监督分类结果 Fig4ResultsOfsuPervisedelassifieation图5皿加分类结果 FigsResultsOfoverlayelassifieation对于非监督分类，除受遥感图像本身状况影响之外，受初始分类数目的影响也较大。如果初始分类数设置比较多，就会使得分类类型难以确定:初始分类数过少，就会使得分类较粗糙，且图6非监督分类(局部) Fig.6UnsuP~sedelassification(loeal)图7监督分类(局部) Fig

遥感图像,监督分类,非监督分类

【参考文献】