基于遥感影像的城市扩张监测方法述评.doc

[标签:标题] 2016 PAGE8 / NUMPAGES8 感谢观看本文谢谢 基于遥感影像的城市扩张监测方法述评 摘要：伴随社会经济的迅速发展和人口的快速增长，城市扩张的速度明显加快，快速获取城市的扩张变化，对城市的可持续发展规划意义重大。遥感技术能够快速、准确地获取城市用地的位置、状态、数量等信息，成为监测用地扩张的主要技术手段。该文首先介绍了城市化进程及其影响，进而分析了城市扩张监测的重要性及遥感技术监测的必要性，对国内外城市扩张遥感监测示例进行说明，重点叙述了城市扩张遥感监测的主要方法及其优缺点，最后对城市扩张监测的发展趋势进行了展望。 　　关键词：城区扩张 ?卫星遥感 ?变化监测 ?分类 　　中图分类号：TP751 ? ? ? ? ? ?文献标识码：A 文章编号：1674-098X10-0042-02 　　城市化是指人口向城市和郊区集中的过程，随着经济的发展和人口的不断增长，城市化步伐日益加快，成为中国经济社会发展的主要推动力，与此同时也使得城区用地规模迅速扩张，造成土地利用现状发生变化，对生态环境产生巨大的影响[1]。 　　及时了解城市发展信息，客观分析城市扩张及驱动力，对科学合理指导城市规划、保护有限的土地资源具有非常重要的意义。 　　近年来，随着遥感技术、空间定位技术、计算机技术等的发展，在数据采集、处理、分析、应用等方面日趋先进，可以满足对土地资源实行“快、高、新、动” 监测的要求。 　　1 国内外研究现状 　　国外研究起步较早，如R.Welch通过对TM影像假彩色合成图像进行目视解译，提取城市的建成区面积，并分析了面积与人口的关系;J.G.Masek等利用Landsat影像和MSS影像，研究了华盛顿地区的城市扩张动态变化[2]。 　　国内从80年代后期开始研究，如陈本清、徐涵秋研究了厦门市1989～2000年间城市空间扩展规律;李爱民以遥感影像为基础，借助GIS技术分析了河南郑州8年间建成区扩展的时空特征及与人口增长之间的关系[3]。陈淑兴等以山东济南市为例，采用监督分类方法提取城市5年期间的扩展情况[4]。 　　2 城市扩张遥感监测研究方法 　　2.1 遥感影像解译法 　　2.1.1目视解译 　　主要是对影像进行识别，确定影像上物体的属性、特征等信息。该方法基于解译者的先验知识和经验，判读精度较高，但具体实施相对较繁琐，效率不高。魏斌通过目视解译，提取了青岛市辖区2002、2006、2010、2013年TM影像的土地利用类型图，研究城市空间扩展变化[1]; 　　2.1.2计算机解译 　　计算机解译基于计算机系统，结合遥感影像与知识库中地物的解译经验和地物成像规律，完成对图像的分析和理解。具体方法分为监督分类、非监督分类、决策树等方法。 　　监督分类。 　　监督分类又称训练分类法，事先要有已知地物的先验知识，根据先验知识选择训练样本， 　　利用计算机统计每种训练样本，然后比较未知像元和训练样本，进而划分未知像元。具体的监督分类方法有最大似然法、最小距离法、平行六面体法、马氏距离法等。 　　非监督分类法。 　　非监督分类法是以集群为理论基础，事先没有已知类别的先验知识，根据图像本身的统计特征及地物的分布来划分地物类别，分类后的地物类别属性需经野外调查才能确定，属于边学习边分类。该方法的优点是分类依据为像元波谱间的相似程度，不需要丰富的先验知识。缺点是基于光谱容易造成错分或漏分。 　　其它分类方法。 　　决策树分类法和人工神经网络分类法，其中决策树是通过对训练样本进行学习生成决策规则，然后基于决策规则对影像数据进行分类的一种方法。基本思想是用一组变量来预测每个样本属于哪种类型的概率，通过决策树学习，对遥感数据进行进行逐级细分的分类方法。目前该方法已广泛应用于各种遥感影像信息提取和土地利用/土地覆盖分类中，同时在城市信息提取中得到的广泛应用。该方法的优点是：决策树规则结构简单、易于理解、计算效率高，可排除训练样本存在噪声使得分类精度降低的问题。 　　人工神经网络基于生物原理数学模型，通过对人脑神经系统结构与功能的模拟进行信息处理，该方法基于数学距离度量，通过对网络用某种模式进行训练来获得知识。目前基于神经网络技术的遥感图像分类方法在土地覆盖、作物分类等方面开展了大量研究，效果显著。 　　2.2 影像计算法 　　影像计算是指影像之间的数学运算，常用的有差值法和比值法，是对不同年代、相近时相的影像进行几何校正后，用新的遥感影像的某波段像元，减去或除以旧年份的影像对应波段的相应像元。 　　当地物类型未变化时，影像色调与纹理表现正常;当地物类型发生变化时，影像色调与纹理表现较为突兀不同，与周围的地物不协调，由此判断变化信息，进而评价分析。