李清照声声慢原文基于Landsat系列数据对建设用地变化的提取研究
姚月;朱大明;李小华
【摘 要】选取京津冀某地作为实验区,利用Landsat系列数据,采用人机交互的方法,基于ArcGIS平台对实验区2005年至2015年各年遥感影像,进行建设用地的解译工作.利用中低分辨率卫星数据进行建设用地的人机交互解译,能够满足建设用地面积统计分析的需要,但是投入的人力和时间较多.通过对该试验区近10年的新增建设用地面积及个数的统计与分析,得出实验区的建设用地增长率与该地区的整体规划相符合;在京津冀一体化相关政策的影响下,使得实验区未来的发展规划更加合理.
【期刊名称】《华北科技学院学报》
【年(卷),期】2016(013)005
【总页数】5页(P111-115)
【关键词】Landsat;建设用地;遥感解译;京津冀一体化
【作 者】姚月;朱大明;李小华
【作者单位】昆明理工大学,云南昆明650093;河北普冠地理信息技术有限公司,河北三河065201;昆明理工大学,云南昆明650093;华北地质勘查局综合普查大队,河北三河065201
【正文语种】中 文
【中图分类】P237
随着城镇化进程步伐的加快，我国城镇的建设用地面积逐年扩张。由于遥感影像[3]覆盖范围大，能够及时、客观、周期性地获取地表信息。因此可以利用卫星影像进行建设用地增加进行监测，提取建设用地变化及空间分布信息[4]。文章结合Landsat系列数据对京津冀某实验区进行了近十一年(2005～2015年)的建设用地面积及个数的统计与分析。经统计分析实验区的建设用地增长率符合该地区的总体规划要求。通过运用遥感卫星影像对该地区的监测，为京津冀一体化的发展规划提供参考数据，为政府的决策提供相关的科学依据，将对城市可持续发展具有重要的意义。
文章采用的是2005年至2015年Landsat系列卫星影像数据，影像的景号及成像时间如表1所
示。
头发自然卷怎么办Landsat7ETM+影像数据具有8个波段，band1-band5及band7是空间分辨率为30m的波段，band6的空间分辨率为60m，band8是全色波段，空间分辨率为15m[5]。Landsat8OLI成像仪包括9个短波谱段其成像宽幅为185x185km。全色波段地面分辨率为15m，其它谱段地面分辨率为30m。OLI成像仪在保留ETM+短波谱段的基础上，又新增了2个新波段分别为波段1观测海岸带气溶胶和波段9观测卷云[6]。
希腊神话太阳神根据Landsat系列数据的特点及实验区的具体情况制定技术流程图，详细见图1所示。
绝妙的近义词2003年5月31日，由于Landsat7ETM+的机载扫描行校正器ScanLines Corrector突然发生故障，因此2003-5-31日之后Landsat7的所有数据都是异常的，需要采用SLC-off模型校正[7]。针对Landsat ETM SLC-off条带丢失的遥感影像，利用缝隙填充的方式进行差值，弥补缺失的数据部分。首先设置影像条带处的无效值为0值，然后利用Mask Function进行掩膜运算，对于0值的区域，利用邻域统计算法去除这些无效值。文章所用的Landsat7数据均用Landsat ETM SLC-off条带修复模型，进行了去条带处理。
针对建设用地的纹理及色调特点，对于Landsat7数据采用321真彩色波段组合方案，Landsat8数据采用432自然真彩色波段组合方案。针对两种数据的波段特点及不同组合方案进行了介绍，详细见表2。
物理学习方法影像融合是将影像数据按照一定的算法或规则进行处理,获得具有更丰富的空间、光谱和时间信息的处理过程。
文章经过多种融合结果对比分析，效果更接近自然真彩色的方法是利用ENVI进行Gram-Schimdt Spectral Sharpening融合方法[8]。基于Gram-Schimdt算法的图像融合方法既能使融合影像保真度较好，计算又简单。采用GS光谱锐化方法(Gram-Schimdt Spectral Sharpening)的融合图像与原图相比均值差异较小，GS变换融合方法能在提高空间信息的同时又保证高保真的光谱信息，而且变换同一地物的波谱曲线形状没有发生明显变化[9]。
影像裁切是为了提高作业效率，缩小提取建设用地的范围，降低成本。本次研究利用实验区范围边界外扩1km，对镶嵌后DOM进行裁切处理，形成该实验区的正射影像图。
建设用地的提取从NDVI中得到启发，在TM4与TM5两波段之间，除了城镇灰度值变大，其
他地类值均变小。因此在其研究成果的基础上提出了NDBI(归一化建筑指数)：NDBI=(TM5- TM4)/(TM5+TM4)，影像上NDBI值大于0的位置即建设用地。为了使自动解译的建设用地的值在-1和1之间，将上述NDBI公式改写为NDBI=fix((float(TM5)- TM4)/(TM5+TM4)*10000)。图2为运用ENVI软件对实验区2015年1月10日Landsat 8 OLI_TIRS数据进行NDBI自动提取结果，右图中白色为建设用地。
六月雪怎么养Landsat系列数据分辨率为15 m，基于ENVI软件的对该数据进行的建设用地，可以用来进行建设用地识别，考虑到准确性不建议进行建设用地面积的统计工作。由于分辨率较低的影像受混合像元的影响较大，影响统计结果的参考价值，对于中低分辨率的影像统计建设用地面积不建议运用自动解译方法提取，若有高分辨率影像可以尝试，对比分析后再投入大批量的生产项目中。
建设用地类别参照国家土地利用现状分类标准(GB/T21010-2007)。建设用地是指建造建筑物、构筑物等的土地，是指城乡住宅和公共设施用地，工矿用地，能源、交通、水利及通信等基础设施用地，旅游用地以及军事用地等。土地利用类型包括居住用地、商业用地、工业用地、教育用地、娱乐用地、林业用地及农业用地[10]。
传统的基于单个像元光谱信息提取方法主要有监督分类、非监督分类、决策树信息提取方法等。宏观地物信息的提取主要包括建设用地、林草地、耕地、水体、道路等研究对象信息提取。基本像元的特征识别分析，不能充分考虑影像中地物的空间分布、纹理以及形状等的特征信息[11]。本次研究采用人工交互式解译的方式进行实验区的建设用地变化统计分析工作。
王小志首先以2005年03月11日该实验区的Landsat7遥感影像为基准，对该实验区进行建设用地现状信息提取。然后运用2005年提取的建设用地图斑作为已有建设用地，叠加在2006年该实验区正射影像图，借助ArcGIS[12]平台，通过卷帘的方式进行2006年新增建设用地的提取工作。同样进行2007～2015年该实验区的年度新增建设用地图斑提取工作。其中2013～2015年遥感影像是Landsat8卫星数据产品。
由于影像分辨率为15 m，受到混合像元、影像清晰度以及解译人员对地类的判读能力等多方面因素影响，经过多次检查后，最终得出交互式解译年度新增建设用地面积统计数据。
结合2005年对实验区进行的建设用地现状提取面积统计，以及交互式解译年度新增建设用地面积统计的数据，对2006年至2015年该实验区年度新增建设用地面积增长率统计如图4
日本教师所示：
实验区近10年(2006～2015年)新增建设用地个数如表3所示。
通过上述数据统计分析，该试验区分别在2007年、2013年和2015年出现明显的建设用地面积迅速增长的趋势。
结合相关资料显示，该地区建设用地增加的主要原因有：(1)受到周边城市流动人口的影响，导致居住人口增加；(2)受到当地房价的影响，随着相关政策的颁布、房价波动从而影响人们的消费观念；(3)受到交通情况的影响，随着实验区与京、津两城市的交通条件的改善，人们会选择距人口密集区较远的地区居住。
(1)运用中低分辨率卫星数据进行建设用地自动解译精度不能满足建设用地面积统计分析的需要，人机交互能够满足精度要求但是投入的人力和时间较大。因此有待开发能够满足统计分析需求的遥感影像自动解译软件。
(2)通过对实验区近十年建设用地面积及个数的统计与分析，实验区的建设用地增长率与该地区的整体规划相符合。在京津冀一体化相关政策的影响下，实验区未来的发展会更加合
理。
