基于RS与GIS的咸宁市土地利用变化及其驱动力研究

发布时间：2021-03-21 10:07

　　土地利用及覆被变化的研究已经发展成为二十世纪最重要的研究内容之一。文章通过咸宁市2005年、2015年Landsat遥感影像图提取2个时期的土地利用/覆被信息,利用动态模型来揭示2005-2015年间的土地利用及覆被变化特征,并对其驱动力进行分析。研究结果表明:咸宁市2005年到2015年林地由539平方公里增加到760平方公里,草地由24平方公里减少到15平方公里,水域由63平方公里增加到85平方公里,建设用地由262平方公里增加到295平方公里,耕地由616平方公里减少到347平方公里。这在一定程度上反映了人地之间的矛盾关系,咸宁市土地利用/覆被变化的主要驱动力为人口的增长,经济的发展以及城市化政策的推动。 

【文章来源】：科技创新与应用. 2020,(25)

【文章页数】：4 页

【部分图文】：

研究区地图

咸宁市土地利用/覆被研究采用解译2005年、2015年这两个时期的Landsat遥感影像，并分别对其土地覆被信息进行提取，根据其光谱特性，确定采用4、3、2波段合成的假彩色影像来判别其土地覆被类型。图像预处理利用EVI软件依次进行辐射定标、大气校正、几何校正、去条带处理、波段融合、图像镶嵌、图像裁剪。进行图像预处理后能更方便地进行下一步骤的监督分类。通过查阅资料，将咸宁市的土地分为：耕地、林地、草地、水域、建设用地和其他土地这六类（图2）。相比于目视解译，计算机解译精度相对较高，而且更为快捷，方便。计算机解译分为监督分类和非监督分类，由于非监督分类随机性较大，且不能确定类的属性，因此本文采用前者。监督分类需要通过选取比较典型的样本，根据这些样本信息来对其他未知像元进行判别。支持向量机分类能够自动寻找对分类有较大区分能力的支持向量，它能将类与类之间的间隔最大化，且具有较高的精确度，因而本文采用此方法。

相比于目视解译，计算机解译精度相对较高，而且更为快捷，方便。计算机解译分为监督分类和非监督分类，由于非监督分类随机性较大，且不能确定类的属性，因此本文采用前者。监督分类需要通过选取比较典型的样本，根据这些样本信息来对其他未知像元进行判别。支持向量机分类能够自动寻找对分类有较大区分能力的支持向量，它能将类与类之间的间隔最大化，且具有较高的精确度，因而本文采用此方法。本文利用ENVI来计算分类结果的Kappa指数，并将其作为精度判别的依据，其中2005年分类后的Kappa指数为0.936,2015年分类后的Kappa指数为0.937，分类效果较好。

【参考文献】：
期刊论文
[1]中国陆地区土地利用/覆被时空格局变化及驱动力分析[J]. 胡悦琴,马燕飞,张伟科.  农学学报. 2020(04)
[2]关于遥感与GIS的土地利用动态变化研究[J]. 许可芃.  江西农业. 2018(24)
[3]Landsat-8与GF-1遥感影像土地利用数据提取比较——以咸宁市为例[J]. 周霞,刘彦文,姜宇榕,刘建.  安徽农业科学. 2017(31)
[4]土地利用/覆被变化（LUCC）研究现状与展望[J]. 周桦.  城市地理. 2017(18)
[5]基于RS和GIS的土地利用变化碳排放现状及预测分析[J]. 杨坤,胡馨,石越.  长江科学院院报. 2016(07)
[6]土地利用/覆被变化（LUCC）研究进展综述[J]. 史洪超.  安徽农业科学. 2012(26)



本文编号：3092683