遥感在土地利用类型调查中的研究综述

摘要：遥感图像数据具有高清晰度、信息丰富、形象直观、现实性和立体感强等特点，以及视野广、可重复观测的优点，且随着科技水平的提高，使用遥感技术的成本将大大降低，其应用范围也越来越广。故该技术的迅猛发展为土地利用类型调查提供了一种全新的手段。本文从不同的方面对遥感在土地利用类型调查进行了相关研究，为合理规划未来的水土资源利用，提高土地利用率，改善生态环境提供参考依据。

关键字：土地利用、动态变化、遥感技术、动态监测

中图分类号：P285.2 文献标识码： A

0 前言

土地资源是重要的生产资料，是人们赖以生存和发展的基础。近年来，随着全球人口的不断增加,经济的不断发展，土地资源超量开发，人类生存环境受到了严重的威胁，土地利用/土地覆盖变化已经成为影响全球环境变化的一个重要原因。1993年“国际地圈与生物圈计划”(IGBP)和“全球变化人类影响和响应计划”(HDP)共同将土地利用/土地覆盖变化(LUCC)列为全球变化研究的核心计划[1]。土地利用/土地覆盖现状既反映了过去土地利用历史，又强有力地影响着未来的土地利用方向，因此及时掌握土地利用变化信息已显得非常重要。遥感技术以其快速、准确、准时、周期性短等优点在土地利用/覆盖变化的动态监测中显示出明显的优势，在国内外得到了广泛应用。综合国内外学者的研究成果，现将遥感技术在土地利用类型调查中的研究方向从以下方向进行阐述。

1遥感图像的选择

1.1最佳时相的选择

正确选择遥感图像能大大提高解译的速度和精度。其中时相是反映遥感图像特征的重要因素之一。以植被景观为例进行研究，关于植被景观遥感最佳时相的选择，张银辉等指出不同时相遥感图像的选择对分类精度具有很大的影响，因植物物种、长势及生长阶段等不同而在遥感图像上有不同的光谱表现形式[2~3]。邹尚辉[4]根据植物光谱的种间变化及物候变化和太阳高度角对植物光谱的影响，研究了湖北省及北亚热带植被分类的最佳时相选择问题，指出最佳时期主要集中在4月下旬至5月中旬和10月下旬至次年3月下旬。程弘等[5]通过对TM影像在甘肃省白龙江林区(总面积56.8’万ha)森林资源调查中的应用实践，将遥感图像识别的最佳时期定为秋季和春季。姜晓华等[6]探讨了应用两期遥感数据目视解译调查新伐区的方法，以及所用数据的最佳时相，指出调查新伐区最理想的时相是8、9月份。林辉[7]以山东、河南、江苏、安徽的平原地区为例，结合生产实践对TM图像在森林资源清查中应用的处理问题作了探讨.并指出其时相选择最好在10月中下旬及11月上旬，而山区的选择，较为理想的则是4月、5月、10月、11月。一般时相的选择应在林木生长较为旺盛的时期，但这只是一个总的原则，还要根据不同地区、不同清查需求而定。杨朝俊等[8]概述了植被调查中利用遥感技术的最佳时相的选择，分析了四川森林植被的特点及其遥感干扰信息的物候特点。根据影响遥感时相选择的平台、太阳高度角和代表光谱等因素，针对四川不同地区森林植被遥感识别的特点，按照5个区域提出了四川森林植被遥感识别的最佳时期，主要集中在10月下旬至3月下旬。以上学者分别对不同研究地点的最佳时相进行了研究，最佳时相的选择除受遥感平台、太阳高度角和代表光谱等因素影响外，受地理位置和植被的特性影响也较大。因此，最佳时相的选择具有一定的地域性和特定性。同时，也有学者将最佳时相的选择，用于对农作物的分类，也得出了相同的结论[9~10]。

1.2图像类型和比例尺的选择

目前对图像类型的选择和比例尺的研究还不太成熟，没有统一的定论。张银辉等以对土地利用与土地覆盖的研究为例，指出大区域范围研究一般采用低分辨率的大尺度图像(如:NOAA/ AVHRR 1km数据)，局部区域的土地利用调查一般采用高精度高分辨率的MSS图像、TM图像、SPOT图像或它们之间的结合等。姜晓华等除确定遥感判读的最佳时相以外，又将采伐区目视判读用图的最佳比例尺定为l:2.5万。

2解译范围在遥感图像上的定位

准确界定研究区的范围是遥感在土地利用类型提取中的首要工作。林桂兰等[11]以厦门市饮用水源中的北溪引水渠(管道)和坂头水库为例，根据饮用水源保护区划分原则，研究了基于数字化的地形图建立数字高程模型并自动生成汇水区盆地和流域范围的GIS技术、获取相关自然环境专题信息的遥感技术、以及综合利用社会和自然等多种数据源进行保护区范围界定的方法。利用GIS技术对区域界定确属一种精度较高的方法，但遥感图像的数据量一般都很大，少则几百兆，GIS软件很难处理如此大的图像数据。再者，利用GIS软件进行影像区域界定后，能被遥感判读软件如 Erdas Imagine分析的文件类型十分有限，导致图像的精度明显降低，甚至不能满足需要。

王小龙等[12]采用相似三角形原理，结合海岛多年的潮汐分析，在高分辨率遥感数据的支持下，可以比较准确地确定海岛潮间带范围，特别是对于分辨率为lm左右的IKONOS和 Quick Bird图像，提取结果保持了较高的一致性。使用该种几何方法对研究区域进行界定，虽然取得了较好的效果，但是此方法对图像资料的要求比较高、成本也较高，故也具有很大的局限性。

陆海英等[13]在ArcGIS和 Erdas Imagine软件的支持下，综合考虑建筑物的物理特性和光谱特征，以及城市扩展的规律，将遥感数据、城市建成区边界以及行政边界图叠置起来进行提取，该方法使用方便，操作简单，判读精度也比较高，是对生态旅游地范围精确界定问题的发展和完善。但特别注意的是必须使遥感影像与地形数据、行政区等矢量图层具有一致的坐标系统。

3几种土地利用类型的遥感采集技术

3.1常见的遥感解译方法

刘玉萍[14]以遥感的功能为基础，阐述了遥感目视判读在土地利用类型划分及森林生态变化监测评价研究中的应用和方法，应以常规法和遥感相结合。为森林生态系统恢复提供依据和决策支持。张飞等[15]主要是对遥感影像进行非监督分类，分类后采用合并类、上下文分析、聚类处理等，如果发现精度较低则再次进行解译，再评价，直至获得一个符合精度要求的非监督分类影像。田静毅等[16]采取监督分类和目视解译相结合的方法判读遥感影像，提取土地利用类型预解译图。在室内完成的图件往往存在错误或者难以确定的类型，需要进行野外实地调查与验证。全斌等[17]采用人机交互式解译并结合自动分类对2001年 Landsat TM影像进行解译。张玉进等[18]根据2001年野外实地考察的经验，采用最大似然分类法对上述3个时期的遥感影像进行监督分类，实际操作在软件PCI下进行，最终分类精度均在85%以上，符合研究所要求的精度.吴泉源等[19]利用多期遥感数据，采用目视解译和人机交互计算机分类技术提取 1984至2004年间龙口市海岸带土地利用信息，从土地利用总量变化、土地利用变化速度、土地利用类型之间的相互转化、土地利用类型变化的海岸区位效应等方面分析龙口市海岸带动态变化特点。梁伟等[20]据 1975年的Landsat MSS、1986年和 1997年的1月 Landsat TM影像资料，运用遥感影像计算机自动分类方法获取土地利用信息，用GIS空间分析方法以及数理统计方法全面分析了黄河中游多沙粗沙区1975~1986年和1986~1997年两个时期内各土地利用类型的变化幅度、变化速度、数量变化的区域差异、变化方向以及变化方向的区域差异等。

3.2 高分辨率图像的遥感解译方法

田建林等[21~22]利用Quick Bird影像数据进行土地利用类型调查过程中采用计算机图像预处理与人工目视判读的方法获取相对准确的土地利用类型信息。也利用高分辨率卫星遥感影像代替航空遥感影像进行土地利用现状调查。主要采用目视判读和外业调查的方法来完成遥感图像的判读。目视判读的难点是对易混淆地类和森林类型的判读，包括草地与农田、灌木丛与果园地、经济林与用材林、陡坡地与常年早地等。通过适当的前期图像处理，以建立解译标志为基础，采用综合的判读方法可将上述类型大部分判读出来。

3.3 遥感解译与其他知识相结合的方法

刘云等[23]借助TM遥感影像采用两种方法来解译北京昌平沙河区景观土地利用：其一是利用TM影像的4、5、3波段的假彩色合成来该地区的土地利用解译；其二是借助TM影像3和4波段计算的NDVI来判定土地利用，并与土地统计数据对比，结果表明第一种方法解译城郊景观的土地利用类型效果较好，而第二种方法对有植被覆盖的土地利用类型解译较好。李爱农等[24]针对我国西南地区地貌类型复杂、土地利用多元化的特征，着重研究了在大面积的土地利用调查中应用遥感图像自动分类方法来获取土地利用信息的一整套技术路线和方法；将非监督分类、监督分类以及野外调查、专家知识和特殊地区的分区分类有机地结合起来，大大提高了可操作性和分类精度。李春华等[25]以福州市琅歧岛土地覆盖/土地利用类型为例，以遥感影像解译知识为基础，使用TM、Aster的融合影像和NDVI生成的植被覆盖度影像，并结合DEM、土地利用等地理辅助数据，将DEM和NDVI因子作为待分类影像的波段加入其中，构成新的待分类影像，运用Bayes分类方法，通过循环迭代的方法消除先验概率对分类精度的影响，实例证明比运用单一的分类方法精度明显提高。张春桂等[26]应用新一代对地观测卫星EOS的MODIS数据，在地理信息系统的支持下，对2001~2005年福州地区不同地表类型的归一化植被指数年际动态变化进行计算分析，在此基础上开展福州地区土地利用/覆盖变化的监测研究，并初步分析了土地变化的驱动力。结果表明：基于MODIS的归一化植被指数对区域土地利用/覆盖的年际变化反映是敏感的，应用MODIS数据可以监测区域土地利用/覆盖变化的空间分布和面积大小。

参考文献：

[1]焉莉.基于3S技术的西部石羊河流域土地利用/土地覆盖变化研究[J].地质与资源,2003,12(3):188-192.

[2] Gralldell J.Subpixel land use classification and retrieval of forest stem volume in the boreal forest zone by employing SSMP/I data [J]. Remote sensing of Environment.1998,63:140~154.

[3]张银辉,赵庚星.土地利用/土地搜盖遥感分类方法的研究综述[J].中国农业资源与区划,2002,23(3):21~25.

[4]邹尚辉.植被资源调查中最佳时相遥感图象的选择研究[J].植物学报,1985,27(5):25~31.

[5]程弘,李福林.航天遥感技术在森林资源调查中的应用研究[J].甘肃林业科技,1995,(2):l~6.

[6]姜晓华,韩爱惠,党永峰.应用两期遥感数据目视解译的方法翻查采伐区―以大兴安岭松岭林业局为实验区[J].林业资源管理,2001,(4):60~63.

[7]林辉.林业遥感图像处理点滴[J].云南林业调查规划设计,2001,26(l):40~41.

[8] 杨朝俊,胡庭兴,梁玉喜.四川森林植被遥感识别最佳时相的选择[J].四川林业科技,2005,26(5):68~71.

[9] 李国靖,台社红.北京地区农业卫星遥感数据时相选择[J].中国农业资源与区划,2004(4):40~44.

[10]汪逢熙.棉花遥感识别的最佳时相及地面模式[A].环境监测与作物估产的遥感研究论文集[C].北京:北京大学出版社,1991:86~91.

[11]林桂兰,庄翠蓉,孙飒梅,等.水源保护区划界的遥感与GIS技术研究[J].遥感技术与应用,2002,17(2):99~103.

[12]王小龙,张杰,初佳兰.基于光学遥感的海岛潮间带和湿地信息提取―以东沙岛(礁)为例[J].海洋科学进展,2005,23(4):477~481.

[13]陆海英,杨山,张婷,等.基于遥感的城乡结合部地域范围界定研究―以无锡市为例[J].南京师大学报(自然科学版),2004,27(2):98~102.

[14]刘玉萍.RS技术在编制土地利用类型专题图件中的应用[J].内蒙古林业调查设计,2002,25(4):38~39.

[15]张飞,塔西甫拉提.特依拜,孔祥德等.干早区绿洲土地利用景观空间格局动态变化研究[J].资源科学,2006,28(6):167~174.

[16]田静毅,林年丰,王立新,等.秦皇岛市水土流失遥感调查与监测闭.安徽农业科学,2006,34(16):41~43.

[17]全斌,朱鹤健,陈松林,等.遥感技术在区域土地利用/锁被变化中的应用[J].中国土地科学,2006,20(2):39~43.

[18]张玉进,肖继东,袁春琼,等.基于卫星遥感的区域土地利用/覆盖变化研究[J].新弧气象,2004,27(3):16~19.

[19]吴泉源,侯志华,于竹洲,等.龙口市海岸带土地利用动态变化分析闭.地理研究,2006, 25(5):921~930.

[20]梁伟,杨勤科.基于Rs的黄河中游多沙粗沙区土地利用变化分析[J].水土保持研究,2006,13(5):臾卜92.

[21]田建林,雷平,石军南.QuickBird影像目视判读在土地利用类型调查中的应用研究[J].四川林刊设计,2006,(l):45~48.

[22]金文.区域土地利用/土地覆盖的遥感调查[J].上海标准化,2004,(6):54~56.

[23]刘云,赵群,寇明军,等.基于TM影像的城郊景观土地利用初步研究[J].遥感技术与应用,2005,20(6):563~568.

[24]李爱农,江小波,马泽忠,等.遥感自动分类在西南地区土地利用调查中的应用研究[J].遥感技术与应用,2003,18(5):282~286.

[25]李春华,沙晋明,基于知识的遥感影像的BAYES分类方法研究[J].水土保持研究,2006,13(6):126~ 129.

[26]张春桂,潘卫华,陈惠.应用MoDIS数据监测福州地区土地利用/搜盖变化[J].中国农业气象,2006,27(4):301~304.