城市景观类型与格局识别.pptxVIP

城市景观类型与格局识别

——以北京市海淀区为例

2023年12月5日

研究区概况

1

研究方法

2

实验结果

3

分析与讨论

4

城市边界动态变化复现

5

目录

Contents

第一部分研究区概况

01

研究区——北京市海淀区

北京市海淀区，位于北京城区西部和西北部，东与西城区、朝阳区相邻，南与丰台区毗连，西与石景山区、门头沟区交界，北与昌平区接壤。面积为430.77km2，区域面积大约占全市面积的2.35%。区境介于北纬39°53′-40°09′，东经116°03′-116°23′之间。

海淀区地势西高东低，在西部有海拔在100米以上的山林地，面积占总面积的15%；东南部为平原，面积约占总面积的85%。

在地貌、气候、土壤等多种条件复合影响下，区内植被垂直规律分布。海拔800米及以上的地区主要生长有刺玫等野生植物；海拔300-800米的地区，主要是松柏、山杨等人工栽培的林木；海拔70-300米之间，主要是人为栽中的果树及松柏树等等；平原主要是耕地种植，以蔬菜，水稻为主。

数据收集与处理——数据收集

•数据源：Landsat8遥感影像

•数据下载：地理空间数据云/search

本次选择北京市海淀区2014年、2019年的两景影像。

下载完成，解压后得到11个波段的数据

数据收集与处理——数据处理（合成）

Band2

Band3

Band4

真彩色影像（分辨率30m）

波段合成

可将高分辨率全色栅格数据与低分辨率多波段栅格数据进行合并，以创建高分辨率的多段栅格数据。

Band8

全色波段（分辨率15m）

分辨率15m的真彩色影像

影像质量更高，图像更清晰

创建全色锐化的栅格数据集

数据收集与处理——数据处理（裁剪）

下载海淀区边界-登录阿里云数据可视化平台DataV.GeoAtlas地理小工具系列()，

下载格式为.json。

-将.json文件转为.shp文件。

-导入海淀区边界，对整个北京市的

影像进行裁剪。

下载海淀区边界

格式转换

裁剪

输出结果

第二部分研究方法

02

监督分类——样本勾画

对海淀区进行土地利用分析，分为林地、耕地、草地、建设用地、水体、道路、人工地表七类。

监督分类

交互式监督分类

最大似然分类

监督分类

随机树分离器

最大似然分离器

支持向量机分离器

分类

众数滤波

分类后处理

创建精度评估点

多值提取至点

字段计算器

计算混淆矩阵

Kappa系数

操作流程：

根据相邻像元数据值的众数替换栅格中的像元。

使用漏分误差和错分误差计算混淆矩阵，然后派生出分类地图与参考数据之间的一致性kappa指数和整体精度。

创建用于分类后精度评估的随机采样点。

0.00很差

0.00~0.20差

0.20~0.40一般

0.40~0.60好

0.60~0.80很好

0.80~1.00极好

第三部分实验结果

03

分类结果

通过精度评价，我们选择使用随机树分类器的输出结果进行后续分析。

通过对两期影像分别进行最大似然、随机树以及支持向量机三种分类方式分类后，得出以下结果：

精度评价——Kappa系数

分类方法

2014年

2019年

随机树

0.3193

0.3917

最大似然

0.0700

0.3428

支持向量机

0.2905

0.3637

第四部分分析与讨论

04

分析与讨论——转移矩阵

栅格转矢量

融合

相交

计算变化面积

excel处理

表转excel

操作流程：

转移矩阵

转移矩阵

2014-2019年期间，各地类之间相互转化情况较为明显，其中按照变化率排列如下：草地(70.86%)＞人工地表(68.65%)＞道路(57.20%)＞耕地(51.02%)＞水域(50.99%)＞建设用地(39.62%)＞林地(26.20%)。

按照变化面积排前五名的如下：由建筑用地转变为道路，转变面积约22.08km2；由道路用地转变为建筑用地，转变面积约19.95km2；由建筑用地转变为人工地表，转变面积约16.61km2；由人工地表转变为建筑用地，转变面积约14.24km2；由草地转变为耕地，转变面积约14.14km2。

结果分析：

分析与讨论——变化轨迹

波段运算（“2014.tif”