文 献 综 述

一．引言：

随着空间科技的发展,各种资源环境监测卫星的发射与运行为地表动态变化的研究提供了多平台、多光谱、多时相、大范围的实时信息,遥感技术已成为当前人类研究地球资源环境的一种有力技术手段。近年来, 随着经济的快速发展, 城市化进程的不断加快, 我国城市的土地利用正发生着深刻而迅速的变化, 而我国地域辽阔, 经济发展区域差异性较大的特殊国情, 又使得城市的土地利用呈现出各自不同的空间特征。特别是我国随着西部大开发的不断深入, 经济的跨越式发展及人口的快速增长,导致该地区近年来城市土地利用发生了巨大的变化, 并直接或间接地影响着城市及其周边区域资源、环境和社会经济可持续发展。纵观近年来我国LUCC 研究现状、方法及其存在的问题, 不难发现其大多集中于大范围的区域性研究, 而针对城市(特别是西部城市) 土地利用动态变化的系统性研究相对较少。基于此, 本研究以西部中心城市重庆为例,在遥感(RS)与地理信息系统(GIS)技术的支撑下, 研究近年来在城市经济快速发展、城市日益扩张以及农业结构调整的背景下, 重庆市各类土地利用变化的特征和空间差异, 探寻城市土地利用时空变化的动态过程和变化规律。

随着城市化进程的加快，旧城老城进行改造，而新城市在不断规划和发展，城市的规模在不断扩大，城市化的浪潮席卷全球。城市化会带来城市用地结构的变化，同时城市化进程也会带来一系列的环境问题和用地拆迁等矛盾。为了整治城市化带来的一系列挑战和困难，准确把握城市建设的范围，质量，分布及其变化趋势，更好的规划城市未来的发展，需要用到遥感技术在城市动态监测中的主导作用。遥感技术在城市动态变迁中的监测作用，不仅为政府部门提供相对完整，全面，具体的城市变化信息，也为政府管理和规划提供事实依据。所以，用遥感技术进行监测，可以破解城市化进程的诸多难题，给决策者提供更多的支持。

二． 遥感图像的预处理

（1）几何纠正

遥感卫星的多光谱扫描仪每次扫描有6个光电转换器件平行工作，专题制图仪每次扫描有16个光电器件平行工作。因此，一次扫描可得到6行或16行图像数据。由于各个光电转换器件的特性差异和电路漂移，图像中各像元（像素）的灰度值不能正确反映地物反射的电磁波强度，并且图像上还会出现条纹。因此，需要对原始图像数据的像元灰度值进行校正，这种校正称为辐射校正。在多光谱扫描中，辐射校正是通过对各个敏感元件的增益和漂移进行校正来达到的。 多光谱扫描仪和专题制图仪的图像存在一系列几何畸变。

这是因为它们不是瞬间扫描而是用连续扫描的方法取得图像数据的。由于卫星的运动，扫描行并不垂直于运动轨迹方向，在扫描一幅图像的时间内地球自转一个角度而使图像扭歪。在给定视场角下，扫描行两侧的像元对应的地面面积比中间的大，地球的曲率更加大了这一误差。卫星的姿态变动和扫描速度不匀也使图像产生畸变。因此必须对图像进行几何纠正。根据已知的仪器参数及遥测的卫星轨道和姿态参数进行图像的几何纠正，称为系统纠正。需要用卫星图像制图时，系统纠正后的几何精度仍不能满足要求，则需要用地面控制点来进行图像的几何精纠正。若图像的几何误差分布是平面的、二次或三次曲面的，就可以用相应次数的多项式来纠正。经过精纠正，图像的几何精度可达到均方误差在半个像元以内。

卫星遥感图像的辐射校正和几何纠正有时称为卫星图像预处理。遥感卫星地面站通常可以向用户提供经过预处理的图像数据或图片。也有很多用户，宁愿使用原始的磁带数据而根据自己的应用要求进行处理。

（2） 图像裁切和图像增强

裁剪的目的是将研究之外的区域去除常用的是按行政区划边界或自然区划边界进行图像的分幅裁剪。它的过程可分为两步：矢量栅格化和掩膜计算。矢量栅格化是将面状矢量数据转化成二值栅格图像文件。文件像元大小与被裁减图像一致，把二值图像中的裁剪区域设置为1，区域外为0，与被裁减图像做交集运算，计算所得图像就是图像裁剪结果。

A．按ROI裁剪

根据ROI（感兴趣区域）范围大小对被裁减影像进行裁剪。

B．按文件裁剪按照指定影像文件的范围大小对被裁减影像进行裁剪。

C. 按地图裁剪根据地图的地理坐标或经纬度的范围对被裁减影像进行裁剪。

在进行遥感图像的增强处理前，应先经行预处理：几何校正和辐射校正（当然，如果拿到的图像已被预处理过了，就没有必要了）遥感图像的增强处理方法有光学增强处理和数字图像增强处理（大部分要和电脑打交道的），现在由于电脑的普及，多是用电脑处理数字图像。数字图像的处理方法有很多种，这要取决于你的目的。数字图像增强和变换：对比度增强（在erdas等数字图像处理软件中很容易就能实现的）；图像波段间的比值（包含各波段间的加减运算，可以消除地形和大气的部分影响）及各种指标提取（比如NDVI等用于植被的计算）；主成分分析（在原图像的基础上通过坐标空间的变换，消除冗余信息）；缨帽变换（多用于农业上）。

（3） 分类方法

监督分类是根据研究需要选择具有代表性的试验区,用试验区各类已知地物的光谱模式作为各类地物的识别标志来训练计算机,建立识别各类已知地物的光谱识别模式或判别函数,然后依此光谱模式对其他未知地区的像元进行光谱模式对比识别,分别归入各个已知的地物类别中,从而确定遥感图像的信息类别,实现自动分类识别。

非监督分类是在缺少已知地物光谱模式的情况下进行自动分类识别。由于同一类型地物的光谱模式相似,其像元亮度值在空间一定区域内形成点集群;不同类型地物光谱模式差别明显,其像元亮度值则在空间不同区域形成不同点集群。依照此原理,计算机直接检测遥感图像的大量未知像元,对图像像元亮度值进行统计运算。根据像元亮度值的各自然集群的空间分布特征,分布范围界线等参数定量地确定像元各自然集群的数学模式或判别函数,用来区分、识别像元的光谱类型,将像元自动分成若干种光谱类型,然后由分析人员根据某些形式的已知数据进行比较,确定各光谱类型对应的地面信息类型,实现遥感图像的自动分类识别。

监督分类、非监督分类的分类结果由于遥感影像本身的空间分辨率以及同物异谱、异物同谱现象的存在,而往往出现较多的错分、漏分情况,导致分类精度不高。针对遥感应用技术的飞速发展,P.VBalstad(1986)研究了利用神经网络进行遥感影像分类,章杨清等探讨了利用分维向量改进神经网络在遥感模式识别中的分类精度问题,M.A.Friedl(1992)和C.E.Brodley(1996)研究了大量适用于遥感影像分类的决策树结构,尤其是近年来针对高光谱数据的广泛应用。各种新理论新方法的相继涌现,对传统计算机分类方法提出了新的要求。

三． 城市变迁遥感监测方法

1.卫星影像地图居民地提取

试验区位于重庆市城区,该试验区内有耕地、水塘、水库、森林、果园、道路、河流等。在对LandsatTM图像作了辐射校正和几何校正之后,从中切取覆盖试验区的大小为512*512的子影像来作研究。

监督分类：又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识每一种类别选取一定数量的训练样本，计算机计算每种训练样区的统计或其他信息，同时用这些种子类别对判决函数进行训练，使其符合于对各种子类别分类的要求，随后用训练好的判决函数去对其他待分数据进行分类。使每个像元和训练样本作比较，按不同的规则将其划分到和其最相似的样类，以此完成对整个图像的分类。

非监督分类：在没有先验类别作为样本的条件下，根据像元间相似度大小进行计算自动判别归类，无须人为干预，分类后需确定地面类别。优点：

(1)无需对分类区有较多的了解，仅需一定的知识来解释分类出现的集群组；

(2)人为误差减少，需输入的初始参数较少；

(3)可形成范围很小但有独特光谱特征的集群，所分的类别比监督分类的类别更均质；

(4)独特的覆盖量小的类别均能够被识别。缺点：

（1）对其结果需进行大量分析及后处理，才能得到可靠分类结果；

（2）存在同物异谱及异物同谱现象，使集群组与类别的匹配难度大；

（3）不同图像间的光谱集群组无法保持其连续性，难以对比。

2.卫星影像地图信息提取

对农作物，森林，海岸带等有相对稳定的亮度值概率密度函数的地物表，通常都可以考虑使用分类处理技术提取类别信息。其关键在于如何改善分类的精度。自然这里所说的精度是指在所提供的现有遥感影像资料的基础上讨论的，至于某些地物光谱特征的不确定性以及传感器波段特性引起的精度问题是难以解决的。处理技术的精度改善通常从4个方面考虑：（1）分类前的预处理；（2）去相关选择或提高参加分类的各主分量影像的独立性；（3）使用其他资料或模型去控制或参与分类；（4）选择合适于具体地区影像条件下的分类方法。

四． 结语

通过对遥感图像的预处理可以提高遥感图像的质量，通过一系列的遥感图像处理，既掌握了遥感方面的重要理论知识又可以运用于实践，接下来将处理好的遥感图像对重庆市的城市变迁作监测，运用遥感和地理信息系统的技术为支撑，研究近年来在城市经济快速发展、城市日益扩张以及农业结构调整的背景下, 重庆市各类土地利用变化的特征和空间差异, 探寻城市土地利用时空变化的动态过程和变化规律。

参考文献:

[1]熊俊楠,韦方强,江玉红,苏鹏程,. 基于谱间特征与多种指数分析的居民地信息提取方法[J]. 测绘科学,2013,(2).

[2]汪权方,许纪承,陈媛媛,李家永,王新生,. 遥感影像空间分辨率对居民地信息提取的影响[J]. 资源科学,2012,(1).

[3]金石柱,刘志锋,. 基于TM影像的延吉市土地利用动态变化研究[J]. 地理科学,2011,(10).

[4]党碧玲,王菊翠,. 基于TM的西安地区土地利用变化预测研究[J]. 西北大学学报(自然科学版),2011,(4).

[5]吴晓旭,邹学勇,. 基于遥感与GIS的乌审旗土地利用变化研究[J]. 地理科学进展,2009,(2).

[6]钟春棋,曾从盛,柳铮铮,. 基于谱间特征与比值型指数的水体影像识别分析[J]. 地球信息科学,2008,(5).

[7]孙德勇,李云梅,乐成峰,伍蓝,. 南京市区土地覆被及生态环境遥感动态监测[J]. 地球信息科学,2008,(3).

[8]史晓霞,李京,陈云浩,曲延,. 遥感及CA模型支持下的吉隆坡及其周边地区城市扩展分析与预测[J]. 水土保持通报,2008,(2).

[9]李锦,王让会,薛英,徐晓芳,林毅,. CBERS-2/CCD影像数据在干旱区绿洲景观信息图谱中的应用与研究[J]. 干旱区资源与环境,2008,(3).

[10]张智宏,王树文,. 基于遥感技术的城市建设变迁动态监测[J]. 影像技术,2013,(5).

[11]农峰,. 基于遥感技术的城市建设变迁动态监测[J]. 科技创新导报,2013,(12).

[12]张莉,. 郑汴一体化区域城市扩展监测数据制作[J]. 河南科技,2012,(7).

[13]艾伟,庄大方,刘友兆,. 北京市城市用地百年变迁分析[J]. 地球信息科学,2008,(4).

[14]于静,程鸿,蔡文婷,. 非光谱特征的城市遥感影像判读[J]. 沈阳建筑大学学报(自然科学版),2007,(6).

[15]吴晓旭,邹学勇,. 基于3S的毛乌素沙地腹地景观格局演变及其驱动力分析以内蒙古乌审旗为例[J]. 中国沙漠,2010,(4).