土地利用与遥感

分类后比较方法
首先是将不同时相的图像各自进行分类，然 后对分类后的图像进行叠加分析，得到变化监测 的结果。将不同时相图像的所有波段混在一起进 行分类，分类的结果可以反映出变化类型。这种 变化检测的方法较为明显，需要比较独立生成的 分类图像，通过对两个时相的分类结果进行适当 编码，分析人员能够生成一个变化图来反映完全 的变化矩阵。这种方法可以避免对不同时相数据 的精确配准问题。总之，现有的遥感变化检测的 方法较多，这些方法分别适用于不同的实际需求 ，根据实际情况选择合适的方法可以达到较好的 检测结果。
校正后的影像
图像处理
再次裁剪： 将几何校正后的2006年的图像裁剪成和2000年的影像一般 大小。
2000年
2006年
监督分类
将2000年影像和裁剪后的2006年影像进行监督分类。 我粗略的分了六类：植被（Red）、农田（Green）、建 筑用地（Blue）、湖泊（Yellow）、裸土地（Magenta
精度评价
精度评价
• 2006年的影像：重新在影像中选取样本区（与用来做分 类的训练区不一样）。精度评价的结果（混淆矩阵、总体 精度、Kappa系数）：
变化监测
将2000年和2006年的分类结果进行比较，得到变化的图像
①Pixel count （发生变化的像素情况）：
变化监测
②Percentage（发生变化的像素百分比情况）：
利用卫星遥感技术进行 土地变化监测的研究
---以北京市为例
引言
土地利用变化检测是遥感技术的主要应用领域之一。 遥感土地利用变化检测利用同一地区两幅经过严格的几何 校正的不同时相的遥感影像，进行叠加分析，通过变化检 测算法检测变化区域。土地利用/ 土地覆盖及其变化，在 诸如环境、森林、水文、农业、地理、生态等方面的研究 中是一个关键因素。土地利用/ 土地覆盖变化，以及由其 带来的相应变化对人类环境和生态过程有着直接的影响， 自然资源的管理和相关决策也依赖于此。随着世界人口的 迅速增长，人类在越来越快地破坏着自然资源、生态系统 和环境。其结果是，人类面临严重的森林退化、荒漠化、 土壤流失、土地减产和生物多样性消失。由此可见。土地 利用/ 土地覆盖的变化检测的必要性越来越凸现出来。
遥感信息源
此次研究是利用陆地卫星Landsat TM 影像。对于辖区土地利用的监测采用的遥感 数据是2000 年和2006 年TM 数据，对北京 市2000—2006 年快速城市化过程中复杂的 土地利用变化进行了监测，并在此基础上对 该区域土地利用变化的基本特征和原因进行 了研究。
432假彩色合成
由于遥感对地观测具有实时、快速、覆盖范围广、多 光谱、周期性等特点，数十年来，科学家已经发展了不同 的遥感变化检测方法，大致可归纳为分类前比较法和分类 后比较法。这些方法有各自的特点，同时也存在各自的不 足。 土地利用/土地覆盖变化检测方法较多，分别适合不同 目的和不同精度要求，主要方法有： 1、图像差值法 2、图像比值法 3、图像回归法 4、主成分分析法 5、变化矢量分析法 6、分类后比较
研究区概况
北京是中华人民共和国的首都，是全国的政 治、经济和文化中心，是世界历史文化名城和古 都之一。北京市位于北纬39°28′ ～ 41°05′ ， 东经115°24′～117°30′。北京位于华北 平原的西北边缘，地势西北高、东南低。北京北 有军都山，西有西山，东南是向渤海倾斜的平原 。北京为典型的暖温带大陆性季风气候。全市总 面积16 386 km2，其中山区占61.4%，平原占 38.6%，全市共划16 区、2 县。2004 年底，北 京市总人口数为1162.9 万人，暂住人口约341.5 万人。
变化监测
③Area(square meters)（发生变化的面积情况）：
2000-2006年各类有一定的变化。就像素变化情况 进行分析，可知：对角线上表示2000-2006各类型未发生 变化的像素个数。2000年所选的农田的像素总数为 36067，到2006年农田变化成其他类型的像素总数为 29569，2006年农田的像素数为22775；植被的像素总 数为146265，到2006年变化成其他类型的像素总数为 88644，2006年植被的像素数为108264；建筑用地的像 素总数为167669，到2006年变化成其他类型的像素总数 为36073，2006年建筑用地的像素数为221773；水体的 像素总数为11952，到2006年变化成其他类型的像素总 数为9715，2006年水体的像素数为8178；裸土地的像素 总数为28047，到2006年变化成其他类型的像素总数为 24593，2006年裸土地的像素数为29000。虽然不是很 准确，但从中还是可以看出个类型的变化。
2000年
2006年
图像处理
将2006年的数据进行叠加 选择2006年数 据的1-5、7波段进 行叠加，去除信息 量较少的6、8波段。 叠加后的图像如右 图所示：
图像处理
坐标转换
由于2000年和叠加后 的2006年影像不在同 一坐标系中，所以需 要转换到同一个坐标 系中。将图像转到 2000年影像的坐标系 下：Clarke 1866坐标 系。
Leabharlann Baidu 变化矢量分析法
变化向量分析法(Change Vector Analysis， CVA)是在相对辐射归一化校正的基础上进行的。光谱向 量变化分析是一种特征向量空间变化检测方法。变化向量 法描述从第一时间到第二时间的光谱变化的方向和数量。 每个像元可生成一个具有变化方向和变化强度(大小)两个 特征的变化向量。变化向量的分析结果可输出变化强度( 向量强度)和变化方向码两幅图像。变化强度通过确定n维 空间中两个数据点之间的欧氏距离求得(n 为选用的波段数 )。变化方向反映了该点在每个波段的变化是正向还是负 向，根据变化向量的方向和角度来确定。每个像元的变化 方向有2的n次方 种模式。
图像回归法
此方法假定时相t1是时相t2的线性函数， 通过最小方差回归法可以做出 与 之间 的回归方程（x 是波段k，i 行，j 列的像素值） 有关的线性函数，而那些两个日期之间发生了 变化的像素将会与确定函数的预测值有显著的 差异。如果 是从回归方程计算出预测值， 差值影像可由 = 得到。通过相 减实际值和预测值，再使用阈值，就可实现变 化检测。这种方法减少了大气状况和太阳高度 角的不同带来的不利影响。
主成分分析法
该方法是对多时相数据按一般主成分分 析研究或标准主成分分析的方法进行线性 变换，得到反应各种变化的分量，这些分 量互不相关，而且按其强度及影响范围顺 序排列。通过对进行主成分变化的变化分 量进行分析就可以总结变化规律，揭示变 化原因。这种方法减少了波段之间的数据 冗余，强调了衍生成分的不同信息。但是 这种方法不能提供一个完全的类别变化信 息矩阵且需要阈值确认变化的区域。
图像处理
几何校正
首先将2006年的数据 进行初次裁剪。 2006年的图像是以 2000年的图像为基 准，裁剪出一块比 2000年影像稍微大一 些的区域，然后再进 行几何校正。
裁剪后 裁剪前
图像处理
几何校正： 以2000年为基准， 对2006年的影像 进行几何校正。 控制点如图，误 差控制在半个像 元以内。
变化监测
从1到6分别为农田,植被，建筑用地，水体，裸土地的变化情况：
建筑用地增长结果提取
建筑用地变化的结果：其中黑色代表没有变化的区域，白色 代表2006相对于2000增长的建筑用地
谢谢大家
），采用的是最大似然法。
2000年
2006年
精度评价
2000年的影像：重新在影像中选取样本区（与用来 做分类的训练区不一样）。精度评价的结果包括混淆矩阵 、总体精度、Kappa系数。 矩阵中对角线上元素为被正确分类的样本数目，非 对角线上的元素为被混分的样本数。总体精度(Overall Accuracy)：分类后类别与真实类别一致的检验点的个数 与所有检验点个数的比值。即表示所有检验点中被正确分 类的百分比例。 为了更能表现整体影像分类的误差性，可由误差矩阵 间的相互运算而产生Kappa统计值。 期望精度指由误差矩阵中，将相同的分类项目的行与列的 数值相乘，再相加后所产生的数值，除以左上到右下对角 线上的数值自乘的值，所产生的百分比数，称为期望精度 。
研究区域
北京市不仅是京津唐城市连绵带的主 要城市，也是全国的重要城市。在改革开 放政策的驱动下，随着中国加入世界贸易 组织和北京申办奥运会成功，北京市得到 较快发展，经历了一个经济和人口高速增 长的过程，出现了以城市化为主要特征的 大规模的土地利用/覆盖变化，土地利用类 型之间转化明显。因此，研究北京市及其 边缘地区土地利用/土地覆盖的动态变化具 有重要意义。
图像差值法
这种方法是将时间t1，t2获取的两幅影 像进行严格配准，然后逐像素相减，从而 得到一幅结果影像以表示在这两个时间当 中所发生的变化，通过对差值分析设定合 适的阈值即可得到地表变化的结果。这种 方法的主要特点是简单、直接、便于解释 结果，不足之处在于不能提供地物变化的 信息。
图像比值法
图像比值法是指将多时相遥感图像按波 段逐个像元相除，那么未发生变化的像元其 比值接近1，发生变化的像元则偏差较大， 根据比值设定阈值便可得到变化的区域。图 像比值法需要对多时相图像进行某种标准化 或辐射校正。作为一种变化检测方法，比值 法在一定程度上能减少影像间太阳高度角、 阴影和地形不同造成的影响。