【正文】 剪圖像所在區(qū)域的 Shapefile矢量文件，投影參數不變，選擇導入 Memory。 圖 11 感興趣區(qū)的提純 分類結果 本研究采用分類后比較法來獲取變化信息。 （ 4）在 ROI Tool 對話框中，單擊 New Region 按鈕，新建一個訓練樣本種類，重復（ 2）（ 3）步驟，最終得到如圖 10 所示的結果。 （ 2）在 ROI Tool 對話框中，在 ROI Name 字段輸入樣本的名稱，回車確認樣本的名稱，在 Color 字段中，單擊右鍵選擇一種顏色。 6 其他 用地 白色、灰白色，邊界清晰，形狀不規(guī)則。 3 草地 淡青 色，結構均一，面狀、條帶狀，邊界清晰 4 水域 黑藍或淡藍色，片狀或者帶狀，邊界清晰。利用表 4 的影像特征，選擇樣本區(qū)。 通過比較最后采用最大似然法，最大似然法假定每個波段每一類統(tǒng)計呈均勻分布，并計算給定像元屬于一特定類別的可能性，這種方法使每個像元被歸到可能性最大的那一類中，精確度較高。 馬氏距離 計算輸入圖像到個訓練樣本的馬氏距離（一種有效的計算兩個未知 樣本集的相似度的方法），最終統(tǒng)計馬氏距離最小的。 表 3 各分類方法說明 六種監(jiān)督分類說明 分類器 說明 平行六面體 根據訓練樣本的亮度值形成一個 n 維的平行六面體數據空間，其他像元的光譜值如果落在平行六面體任何一個訓練樣本所對應的區(qū)域，就被劃分其相應的類別中，平行六面體的尺度是由標準差閾值所確定的，而該標準差閾值是根據所選擇類的 均值求出。使用的數學方法有多級切割分類法、決策樹分類法、最小距離分類法、最大似然分類法 [12]。由于研究區(qū)地表破碎，靠非監(jiān)督分類很難得到所需的類型，且耗費時間多，因此本文先采用非監(jiān)督分類，然后再在非監(jiān)督分類的基礎上采用監(jiān)督分類，主要是采用監(jiān)督分類。 這些是非監(jiān)督分類較少使用的原因。它與監(jiān)督分類的區(qū)別在于監(jiān)督分類首先給定類別而非監(jiān)督分類由圖像數據的統(tǒng)計特征來決定。非監(jiān)督分類一般要經過以下幾個步驟：初始分類、專題判別、分類合并、色彩確定、分類后處理、色彩重定義、柵格矢量轉換、統(tǒng)計分析。使用該方法時，原始圖像的所有波段都參于分類運算，分類結果往往是各類像元數大體等比例。 遙感圖像的監(jiān)督分類 定義感興趣區(qū)及分類 計算機分類是指根據地物光譜特性，采用監(jiān)督分類 (supervised classification)或非監(jiān)督分類 (unsupervised classification)方法對遙感圖像進行土地利用類型解譯。反射率高者光量大，色彩鮮明，反之色彩暗淡。地物的反射光譜不同，其影像重現的色彩也不一樣。 遙感影像判讀必須掌握以下幾個規(guī)律： (1)地物的各光譜特征與影像色彩的關系。遙感影像預判的目的是為了了解研究區(qū)概況、地貌類型、土地利用類型、主要地類及其分布規(guī)律 [9]。 ② 本課題研究重點在于研究區(qū)的耕地、林地、草地、水域、建設用地 、其他用地 之間的空間變化情況，把研究區(qū)土地利用類型劃分為以下 6大類（如表 2）。利用形狀、大小、陰影、色調、顏色、紋理、位置、圖案和布局，結合波段組成、分辨率、獲取的時相、季相、重疊區(qū)和數據所處氣候帶和地貌類型區(qū)、周圍數據等解譯情況，做出正確和合理的判斷，建立數據解譯標志，提取基礎地理信息數據。圖像分類總的目的是將圖像中每個象元根據其在不同波段的光譜亮度、空間結構特征 或者其他信息，按照某種規(guī)則或算法劃分為不同的類別 [10]。過程如下，利用主菜單中的 Transform 工具中的 Image Sharpening 選擇 HSV 命令，進行波段融合（如圖 8）。 圖 6 豐臺區(qū)矢量邊界 圖 7 剪裁結果 10 研究區(qū)影像的 增強 圖像增強是為了提高圖像的視覺效果 ， 提高圖像的可判讀性， 讓分析者能夠更容易地識別圖像內容，以便于提取更有用的定量化信息，為了提高影像的解譯分類精度，增強地物特征，在遙感影像解譯前可以進行一些影 像增強處理，如空間增強、輻射增強、光譜增強、傅立葉變換等在土地利用／覆被變化研究中，可以將多光譜的 TM、 ETM 數據同 SPOT 等高分辨率的數據融合到一起，使融合后的遙感影像既具有較高的空間分辨率，又具有多光譜特征，從而達到影像增強的目的。 8 表 1 ETM 各波段參數及其應用 波段 波長（ um） 分辨率 (m) 主要 應用 1 藍色 30 用于水體穿透，土壤植被分辨 2 綠色 30 用于植被分辨 3 紅色 30 用于觀測道路 /裸露土壤 /植被種類效果很好 4 近紅外 30 用于估算生物數量 5 短波 紅外 30 用于分辨道路 /裸露土壤 /水 6 熱紅外 60 感應發(fā)出熱輻射的目標 7 短波 紅外 30 對于巖石 /礦物的分辨很有用，也可用于識別植被覆蓋和濕潤土壤 8 全色 15 用于增強分辨率、提供分辨能力 圖像去條帶處理 和圖像 剪裁 因為遙感影像都是不同波段的，所以我首先進行的是波段的組合 ， Basic tool工具中的 Layer Stacking（如圖 3） 圖 3 波段組合過程 圖 4 波段組合的結果 因為影像在采集過程中會出現噪聲和氣體產生的影響，影響會出現條帶，因此在處理過程中要進行去條帶處理，利用 ENVI 工具中的 Basic tool 工具中的 9 Landsat Gapfill 命令 (如圖 5)，把條帶除去，使影像更加清晰，去條帶前后對比圖（如圖 5）。因此，利用較少的波段來進行有效分析，才能提高信息提取的效率。因此在影像融合前需要進行最佳波段的選擇組合和色彩合成，以最大程度地利用個波段的信息量，輔助影像的判讀與分析。 由于影像不同波段反映的地物信息不同，在利用 ETM 影像數據進行地物信息提取時，我們希望有更多的光譜波段 ， 更多的輔助數據以及由此生成的各種專題影像，來增強對信息的提取。 LANDSAT 7 衛(wèi)星于 99 年發(fā)射，裝備有 Enhanced Thematic Mapper Plus(ETM+)設備， ETM+被動感應地表反射的太陽輻射和散發(fā)的熱輻射，有 8 個波段的感應器，覆蓋了從紅外到可見光的不同波長范圍。 LANDSAT 是美國陸地探測衛(wèi)星系統(tǒng)。 最佳波段的選擇 遙感影像是特定地理環(huán)境中某一區(qū)域的電磁波反射、輻射信息的記錄，以不同空間、時間、波譜、輻射分辨率提供電磁波譜不同波段的數據。全年共檢查各類文化場所 1140 家，處理舉報案件 259 件。年末全區(qū)有公共圖書館 2 個，總藏數 31 萬冊，接待各類讀者 萬人次。 人口結構 全區(qū)常住人口中，男性為 萬人，占常住人口的 %；女性為 萬 7 人，占常住人口的 %；全區(qū)常住人口中， 014 歲的人口為 萬人，占常住人口的 %； 1564 歲的人口為 萬人，占常住人口的 %； 65 歲及以上的人口為 萬人，占常住人口的 %；全區(qū)常住人口中，漢族人口為 萬人，占常住人口的 %；各少數民族人口為 萬人，占常住人口的 %。 豐臺區(qū)特菜、花卉遐邇聞名，經貿各業(yè)發(fā)展迅速。 目前為亞洲最的大比例微縮景觀 ——世界公園 ， 占地 600畝的北京世界風情園 也 與游人見面。 旅游資源 豐臺區(qū) 旅 游 資源豐富，自然區(qū)劃上為暖溫帶半濕潤地區(qū)半旱生落葉闊葉林與森林草原褐土地帶。），西北靠山，東南距渤海 150 公里。全區(qū)最高點也是最西端的 馬鞍山 ，海拔 654 米，最低點為東南部的分鐘寺，海拔 35 米。）南北最寬 14 公里，總面積 306 平方公里，其中平原面積約224 平方公里。）相距 35 公里，最南端點為賀照云村南界（北緯 394639。 土地利覆蓋變化分析 計算各指標參數 統(tǒng)計各土地利用類型的基本數據 圖像剪切與增強 遙感圖像處理 色彩匹配 圖像的幾何糾正 計算機解譯與監(jiān)督分類 基于 ETM的土地信息提 取 6 圖 2 豐臺區(qū)區(qū)位圖 地勢地貌 豐臺區(qū)區(qū)境最西端點馬鞍山（東經 116439。總面積約 305 平方千米 ， 2021 年底 常住人口 萬人，其中 外來人口 萬人 ，而 2021 年總人口為 萬。 （ 6）對土地利用變化進行未來變化發(fā)展的趨勢與結果的預測，以便于制定相應的對策 主要技術路線 根據研究內容，本文的技術路線 ， 如 下 圖 5 圖 1 技術路線圖 2 研究區(qū)概況與研究方法 研究區(qū)域概況 地理位置 豐臺區(qū)位于 北京 市西南，為北京 4 個近郊區(qū)之一 （如圖 2） 。 （ 4）對研究豐臺區(qū)土地利用變化的總體特征、動態(tài)變化、土地利用程度進行了分析。 （ 2）分析土地利用變化的驅動機制，討論了遙感和地理信息系統(tǒng)技術在該領域的應用情況。其內容包括土地利用及變化的類型 (定性 )、數量 (定量 )、空間位置或區(qū)域 (定位 )以及與土地利用相關的環(huán)境要素變化等。 (2)土地利用變化的動態(tài)監(jiān)測：是利用遙感數據存在周期性、大尺度的特征將其應用于土地利用變化監(jiān)測中，其中包括對影響土地利用變化的各自然、社會與經濟條件變化及土地利用變化本身的監(jiān)測。 遙感技術應用在深度和廣度上的擴充以及社會經濟效益的充分發(fā)揮上，提供了良好的技術環(huán)境與支持，使各種遙感動態(tài)應用，如災害監(jiān)測評估、資源環(huán)境動 4 態(tài)調查與分析、城市與區(qū)域動態(tài)規(guī)劃管理以及全球環(huán)境變化監(jiān)測等成為可能，同時也為遙感數據分類精度的提高以及各種先進數據分析處理技術的發(fā)展提供了有力的支持 [7]。廣義而言，遙感指不與目標物直接接觸，憑借目標物發(fā)出的某些信息來識別目標物特征的探測技術。 遙感技術在土地利用 /覆蓋變化研究中的應用 遙感 是 “ 遙遠的感知 ” 的意思， 由 美國人 Evelyn L 我國有世界上最悠久的土地利用歷史和最豐富的土地類型，在全球土地利用 /土地覆蓋變化研究中的地位獨一無二。透徹理解與有效模擬這種復雜的相互作用關系是對未來土地利用與土地覆蓋變化進行科學預測的基本前提。但是，這些原理怎樣能夠在一定的時間內、某個特定的區(qū)域空間有效地結合與應用是一個值得 深入探討的問題。 這些分散的理論需要系統(tǒng)的歸納與總結，形成綜合的人地關系相互作用理論體系。到目前為止，盡管某些特殊的人地關系或者人地相互作用過程在土地利用理論體系中得到了一定的研究，如農戶經濟學、農民行為學、土地配置、技術革新、土壤肥力、與土地資源管理緊密相關的政治體制等。理論的作用在于對已有試驗結果的解釋和對新的結果的預測。如在全球范圍內如何實現土地利用與土地覆蓋分類指標的統(tǒng)一、數據的標準化與分析方法的規(guī)范化；類型研究與過程分析的結合；各個國家與地區(qū)如何相互協(xié)調構筑土地利用與土地覆蓋變化案例研究的全球戰(zhàn)略框架；遙感、 GIS 技術與數理統(tǒng)計、傳統(tǒng)的社會經濟研究手段的相互結合等。我國土地覆蓋變化研究的項目和成果主要表現在觀測與信息獲取技術系統(tǒng)的建立、土地覆蓋變化動態(tài)信息的宏觀統(tǒng)計分析方面。 土地利用 /土地覆蓋變化研究的展望 入二十世紀九十年代，為適應 全球氣候變化以及環(huán)境資源、人口、發(fā)展等研究的迫切需要，人類第一次利用衛(wèi)星數據研制開發(fā)了具有統(tǒng)一分類方法、具有統(tǒng)一數據處理規(guī)范、具有統(tǒng)計精度評價結果的全球 1KM空間分辨率土地覆蓋數據庫，這段時期開始土地覆蓋遙感研究的新方法不斷涌現并且得以發(fā)展 [5]。其研究的根本目標是實 現土地資源的有效管理與可持續(xù)利用 ,這不僅是解決資源與環(huán)境問題的根本立足點 ,也是經濟增長與區(qū)域可持續(xù)發(fā)展過程的重要前提 [4]。同時，土地利用覆蓋變化對區(qū)域和經濟環(huán)境變化又起著十分重要的作用，因而對土地利用覆蓋變化的研究可以總結過去土地利用的特點，預測未來土地利用的狀況，對改進土地利用結構和布局具有理論意義和實踐意義。 土地利用 /覆蓋變化 是區(qū)域變化的重要組成部分，是短時期內人類活動對自然環(huán)境改造的顯著表現形式，土地利用及其覆蓋變化是社會經濟發(fā)展過程的反映，它既受自然因素的制約，又受社會、經濟、技術等因素的強烈影響。 研究意義 在城市土地利用變化信息準確提取的前提下 ， 遙感技術是一種城市土地利用動態(tài)監(jiān)測的有效方法 ， 可以為城區(qū)擴展提供多時相、大范圍的土地利用信息。而在數據產品方面 ， Landsat－ 7 與 Landsat－ 5 的最主要差別有：增加了分辨率為 15 米的全色波段（ PAN 波段）；波段 6 的數據分低增益和高增益數據，分辨率從 120 米提高到 60 米。通過不同時相的遙感圖像 ， 可以快捷地獲得土地利用變化的類型、數量和位置 [3]。作為一門先進的科學技術 ， 遙感可為城市土地利用的動態(tài)變化研究提供多時相、大范圍的實時信息。 因此，全球變化的土地利用問題也成為人們研究的熱 點之一。 隨著世界人口的急劇膨脹和社會經濟的快速發(fā)展，特別是城市建設步伐的加速，城市土地利用的廣度和深度不斷加強，帶