遥感动态监测实验（以福州为例）

遥感图像处理实验报告

一、 遥感图像分类和动态监测实验报告
1.实习目的
对福州市主城区 对福州市主城区 对福州市主城区 2014 、2018 年Landsat8 andsat8 andsat8-OLI OLI的遥感图像进行土地利用 的遥感图像进行土地利用 的遥感图像进行土地利用 的遥感图像进行土地利用 的遥感图像进行土地利用 的遥感图像进行土地利用 分类 ，对分类结果进行修正和精度评价，并对各类土地利用类型的面积进行统计。基于计算机分类结果，生成土地利用动态变化专题图，分析主要的土地利用动态变化类型，变化的原因等。
2. 实验区域及数据
2.1 实验区概况
福州，别称榕城，简称“榕”，隶属于福建省，位于福建省东部、闽江下游及沿海地区，是福建省省会，福建省的政治、文化、交通中心，海峡西岸经济区中心城市之一。
福州位于欧亚大陆东南边缘，地处中国东南沿海、福建省中东部的闽江口，与*省隔海相望。西邻南平、三明，北接宁德市，南接莆田市，东濒东海，居于亚太经济圈中国东南的黄金海岸。全市陆地总面积11968 平方公里，其中市区面积1786 平方公里，建成区面积260 平方公里。本次就福州市主城区进行实验。
2.2 数据源
本次实验所用的原始数据是从地理空间数据云免费下载的Landsat8-OLI 数据，具体参数如表1所示：
表1.下载的两幅影像参数数据

福州市主城区遥感初始影像具体如图2-1所示（其中影像已经根据福州市主城区的行政规划边界做好裁剪）
图2-1.福州市主城区2014、2018年Landsat8oli影像图

3. 土地利用分类
3.1 分类方法
我们先对影像进行预处理与解译，主要是影像裁剪，解译的目的是为了确定目标地类。有时图像不能很好地区分，这时可以装换波段组合，容易区分地物，如我们可以用764 波段组合去提取城市建设用地，用654 波段组合去提取植被等。我们采取的是监督分类中的支持向量机方法。支持向量机分类（SVM）是一种建立在统计学习理论基础上的基础学习方法。SVM 可以自动寻找那些对分类有较大区分能力的支持向量，由此构造出分类器，可以将类与类之间的间隔最大化，因而有较好的推广性和较高的分类准确率。监督分类的关键是训练样本与训练场地的选择，其选择的质量关系到分类能否取得良好的效果，所以在选择训练样本时要从分考虑研究区地物的光谱特征和分布区域特征，倘若此时能再配合野外调查就更能确保所选取的训练样本有较好的的代表性。由于我们经验有限，对地物的识别能力不足，我们就严格按照老师给的一些样本进行选取。同时，训练样本的数目至少能够满足建立分类用判别函数的要求，以克服各种偶然因素的影响，且均匀选取，本文选取的数量都达到10 个以上。对于分布较广的地类，可适当多选择一些样区，并保证在影像范围内分布均匀，样区内象元比较均匀，与解译标志尽量接近，尽量不选择模棱两可的区域且保证样区的纯净。
3.2 各地类解译标志建立
在进行样本选取时，首先要对地类建立解译标志，开始分类时建立的解译标志可以根据影像特征细化到亚类，因为不同的地类在影像上呈现出来的效果会有一定的差异，细分亚类进行选取能够有效地提升选择的精确度。以及我们通过不同的光谱特征将地物细分尽量保证样区的数量都在10 以上，选择的样区要较纯净，分布要相对均匀，以对后续的分类结果有较好的保证。

3.3 分类结果
由于没有高空间分辨率的遥感影像作为验证影像，只能在原始的影像上选取验证样本，保证验证样本与分类样本没有重叠，同时保证验证样本类别的明确性，能够准确地进行判读。
图3-2 2018精度评价

图3-3 2014年精度评价

从两个图分析 可知， 可知， 201 4年总体分类精度为 96.9512 6.9512 %，kappakappakappa 系数为 系数为 0.9 573573 ，分类效果较好。 201201 8年分类效果不如 年分类效果不如 201 4年好，但总体分类精度也达 年好，但总体分类精度也达 年好，但总体分类精度也达 96.4 6.4539 %，kappakappakappa 系数为 0.9 500 。总的来说， 。总的来说， 。总的来说， 201 4年和 201 2018年监督分类结果精度很高，满足要求。 年监督分类结果精度很高，满足要求。 年监督分类结果精度很高，满足要求。 年监督分类结果精度很高，满足要求。

从表中我们可以读出，这三年福州主城区的建筑用地面积有所增加，林地、裸地这些地类有了明显的减少。相比，林地、裸地的面积减少量，水体的面积变化并不是很大。总的来说，这可能与进一步的城市化有关，所以整个分类及计算的结果、面积变化的趋势还是挺合理的。利用 ArcGISArcGIS ArcGISArcGISArcGIS软件，制作 201 4年和 201 8年福州 市土地利用专题图，得到如下所 市土地利用专题图，得到如下所 市土地利用专题图，得到如下所 示图 ，具体可详见下面专题图（图3-4、3-5）所示这些变化。

图3-4 福州市主城区2014年土地利用分类结果

图3-5 福州市主城区2018年土地利用分类结果
4. 土地利用动态监测
图4-1 各类像元总数统计

将各类地物所占面积整理成表，如下表所示，可以看出，福州市所占面积最大的地物是林地，林地面积减少21.71475平方千米；居民地和水体面积增加的比较明显分别增加了38.81475平方千米和16.33725平方千米，有18.733715平方千米的裸地转化为其他地物，其中主要转化为居民地。
图4-2 各类地物所占面积

从各类地物所占百分比图，我们可以看出水体面积有增加共了 从各类地物所占百分比图，我们可以看出水体面积有增加共了 从各类地物所占百分比图，我们可以看出水体面积有增加共了 从各类地物所占百分比图，我们可以看出水体面积有增加共了 从各类地物所占百分比图，我们可以看出水体面积有增加共了 从各类地物所占百分比图，我们可以看出水体面积有增加共了 从各类地物所占百分比图，我们可以看出水体面积有增加共了 2. 597 %，居民地面积增加的最多是 居民地面积增加的最多是 居民地面积增加的最多是 14.6934.693 4.693%，裸地面积 裸地面积 减少最 多14.8914.891 4.8914.891%，林地面积 相对有所减少 ，减少了 ，减少了 4.304 %。

图4-3各类地物百分比

图4-4 福州市主城区土地变化专题图（2014-2018）
5 结论
通过以上实验和分析，我的分类结果还是比较合理的，整体的变化趋势也是经得起实际验证
的。分类的结果从精度上来看，两幅影像的整体精度达到95%以上，Kappa 系数也都在0.95 以上。所以，分类后的影像与原始影像相差不大。整体分类结果是以建设用地及有林地为主，裸地交叉其中，而易于区分的水体主要在建设城区和有林地的山体上。从变化监测的结果统计及动态变化监测图可以分析到，从2014 年到2018年，福州市主城区的建
设用地在扩大，其中主要是裸地变为建设用地以及林地变为建设用地，这可能源于福州市城镇化的扩张，福州市在高速地发展，所以导致了这种主要的现象。其次，有林地变为裸地、裸地变为有林地也是两种主要的监测变化类型。这两者的现象主要产生在福州市主城区的有林地山体区域，根据福州市的实际情况。这是因为福州地区阳光充沛、降水充足，易于林木的生长。对有林地的管理性的采伐导致了有林地变为裸地，而基于福州地区优良的气候环境，树木的生长速度很快，这就又衍生成了裸地很快又变为有林地的现象。综上所述，此次实验的结果还是具有一定的精确度和使用价值的，是经得起实际的现状考验的。如果能够结合更高分辨率的影像以及实际调研考察，我相信实验的结果会更加的准确及科学。