基于多时相TMETM+数据昆明市呈贡区城市扩张及其驱动力分析.docVIP

基于多时相TMETM+数据昆明市呈贡区城市扩张及其驱动力分析 　　摘要：本文利用呈贡1992年、2000年和2010年TM/ETM+影像数据，用监督分类和目视判读结合方法提取城市用地信息；运用GIS方法定量分析呈贡区城市扩张的时空特性；最后，运用统计资料，分析呈贡区城市扩张的驱动力。研究结果表明，呈贡的建成区面积在持续扩张，尤其2000～2010年，呈贡规划新区内扩张最为显著；通过对城区扩张驱动力进行分析，认为政府规划决策是影响呈贡区城市扩张最重要的驱动力因素。 　　关键词：TM/ETM+ 呈贡 遥感信息提取 城市扩张 驱动力 　　中图分类号：TP79 文献标识码：A 文章编号：1007-9416（2013）01-0176-02 　　1 引言 　　城市化是当今最重要的社会经济现象之一。如何有效获取城市用地信息，动态地监测城市扩张过程，分析城市扩张的驱动力机制，对科学合理地指导城市规划、控制城市用地规模，保护有限的耕地和生态环境都具有十分重要的意义。 　　20世纪90年代以来，RS和GIS等空间信息技术的快速发展，为小尺度、定量土地利用格局演变分析提供了有效的技术支撑。在利用不同时相影像数据获取城区信息，揭示城市扩张动态变化及其驱动机制方面，国内外学者进行了许多有益探索。如R.Welch用TM假彩色合成图像解译提取了城市建成区面积，并进一步分析了建成区面积与人口之间的关系[1]；Gao Sldllcom利用SPOT影像对澳克兰南部建城区做了系统的土地利用分类，从而揭示了建成区面积增加对城郊的土地利用的影响[2]。我国在城市区域扩张的研究方面也取得了诸多成果，例如胡德勇等基于多时相Landsat数据研究长沙市城市扩张及其驱动力因子，并认为人口的迅速增加是城市扩张的最主要驱动力[3]；杨存建、周成虎等通过谱间结构阈值法基于TM数据提取了居民地信息[4]；查勇利用NDBI指数对无锡市的城镇用地进行了提取[5]。 　　2 数据来源与研究方法 　　2.1 研究区和数据源 　　2011年5月，根据国务院批复，对呈贡撤县设区。呈贡位于昆明市东南部，县辖3镇、4乡，地处东经102°45′～102°59′、北纬24°21′～24°45′。属低纬度高原季风气候，年平均气温14.7℃，年均降雨量800mm。地势东高西低，多丘陵地带，??面积461km2。境内东界为长江水系和珠江水系分水岭地带，径流面积429km2，年均径流量1.02km3。 　　研究中收集到1992年、2000年和2010年3个时相的Landsat卫星数据，辅助数据包括1：25万地形图、1：5万行政区划图和社会、经济方面的统计年鉴。 　　表1 数据源 　　2.2 研究方法 　　2.2.1 遥感影像数据预处理 　　对TM/ETM+影像进行预处理，包括大气校正、几何校正和增强处理。几何校正数据采用对地观测中心获取的Level4级影像进行几何校正，校正RMSE小于0.5；增强处理采用主成分分析方法，消除波段冗余信息。 　　2.2.2 城市建成区信息提取 　　采用监督分类法提取城市建成区信息，并利用高分辨率Goole Earth影像进行目视判读对比分析，剔除由“异物同普”现象产生的误分类像元。 　　2.2.3 城市扩张驱动力分析 　　利用收集的相关资料，探索呈贡区城市建成区扩张的驱动力。 　　图1 研究总体思路 图2 监督分类原理 　　3 城市建成区遥感信息提取 　　3.1 建成区遥感信息提取 　　由于城市用地和裸地光谱特征相似，用NDBI自动提取方法误差较大，在此次研究中适用性较差。本文利用监督分类中的最大似然法提取建成区信息，并将提取结果对比GoogleEarth高分辨率影像，去除不合理的分类结果。 　　3.1.1 监督分类 　　根据已知类别的光谱特征，求出各类在特征空间的分布，然后利用判别函数进行分类。主要步骤如下：（1）根据不同地物光谱特征预先给定训练样本，求出各类特征矢量分布的判别函数g1～gc（c为类别数）；（2）对待分类的特征矢量X=（x1，x2，…，xn）计算各判别函数的值g1（X）～gc（X）；3）在g1（X）～gc（X）中选择最大值，把X划分到这一类。 　　3.1.2 最大似然法判别函数 　　最大似然法（Maximum Likelihood）建立在贝叶斯准则基础上，分类错误概率最小的一种非线性判别函数。其规则如下： 　　gi（x）=p（wi/x） （1） 　　假设：训练区光谱特征服从正太分布，计算每个像元属于每一类的概率gi（x），该像元归为最大的这一类。根据贝叶斯公式： 　　gi（x）=p（wi/x）=p（x/wi） p（wi） p（x） （2） 　　其中，p（x/wi）为x属于wi的概率，表示在wi这一类