高分辨率卫星遥感影像在土地利用变化动态监测(2)

遥感影像 土地利用 动态监测

编制。!"年代后期又一次进行了北京市土地利用调查与制图。第二次土地利用调查与制图，按照《土地利用现状调查技术规程》规定，按土地用途划分耕地、园地、林地、牧草地、居民点及工矿用地、交通用地、水域、其他用地等#个一级类型，按利用方式划分$%个二级类型。我们参考两次土地利用调查与制图所采用的土地利用分类系统，同时考虑&’和&()’分辨率的彩色影像的识别功能和改革开放以来土地利用结构的变化，并结合昌平区土地利用分布状况和变化特点，将北京市昌平区的土地利用类型按土地用途划分为耕地、园地、林地、牧草地、水域、城乡建设用地、工矿用地、交通用地、特殊用地、未利用土地等*"个一级类型，按利用方式划分$"个二级类型。对土地利用类型作了一些调整：一级类型中将工矿用地、特殊用地较高的光谱和空间分辨率；改善了图像特征识别的精度和分类精度，增强多重数据分析和环境动态监测能力；改善了遥感信息提取的现势性和可靠性，有效地提高了资料使用率。

主的视，级方多,基单独列出；对城乡建设用地做了较详细划分，区分了“城镇居住与商业用地”、“教育与科研用地”、“农村居民地”等类型，新增了“新型住宅区与别墅小区”、“在建+待建用地”；在交通用地中增加了“高速公路”类型；在特殊用地中增加了“旅游与休闲用地”（包括旅游景点、高尔夫球场、度假村等）、“自然保护区与森林公园”等。从而使土地利用类型的划分更具有实用性和时代特征。

!"卫星遥感影像的纠正、融合及监督分类

所采购的各个不同时期的俄罗斯,-./!&和法国,-01)遥感影像数据均为原始数据，都需要进行几何与投影纠正和一定的影像增强处理。而且北京市昌平区的每个时期的数据，都由两景（有的还是不同季节）拼接，因此增加了纠正处理的工作量和难度。纠正处理与拼接之后，还要分别将&’或&()’的全色影像数据同)’和*"’的多波段影像数据进行融合，以便获取&’或&()’的彩色影像，有利于目视直观分析判读和监督分类。本研究的数据处理在遥感图像处理软件2345,#(6、-7.#("，地理信息系统软件589!.:;<以及589=>?@的支持下共同完成。!#$"遥感图像处理

!#$#$"数据预处理：包括消除条纹和噪声影像，波段配准，

几何纠正，辐射校正，校正到高斯!

克吕格坐标系AA本次试验利用了42B数据，采用共线方程纠正法来纠正。具体做法是：利用*：)万地形图，在589C.,中生成42B，在42B中选取*#"个点作为控制点，#"个点作为误差检查点，其中一半左右的点分布在山区。我们以这些点纠正的残差大小来判别纠正的精度和效果。这三个年份的

影像纠正的结果如下（表*）

：表$"$%&’年、$%%&年和())*年的遥感

影像纠正残差表（单位：像元）

*!#%年

*!!#年

&""$年

（,-./!&&’影像）（,-./!&&’影像）（,-01!)&()’影像）控制点残差检查点残差控制点残差检查点残差控制点残差检查点残差4D

4E

4D

4E

4D

4E

4D

4E

4D

4E

4D

4E

山区&(F*(#*(!*(%&(#&(F&(*&(F*(**(F"(!*("平原"(6"(!"(6)"(##*(&*(F*(**(F"(F"($"(&"(F

从以上结果可以明显看出：利用共线方程纠正法对高

分辨率的影像进行纠正精度较高；山区的纠正精度比平原

低；,-01!

)的分辨率虽然低于,-./!&，但,-01!)的纠正误差明显低于,-./!&影像，可能与,-./!&影像来源于光学底片扫描有关。!#$#("图像处理

*）图像融合

融合后的影像同单一信息源相比，清晰度得到提高，

最大限度地利用了多种资料的不同特性，使图像同时具有

万方数据和变

强

!