公務(wù)員期刊網(wǎng) 論文中心 正文

面向?qū)ο蠓诸?lèi)礦區(qū)土地利用變化探究

前言:想要寫(xiě)出一篇引人入勝的文章?我們特意為您整理了面向?qū)ο蠓诸?lèi)礦區(qū)土地利用變化探究范文,希望能給你帶來(lái)靈感和參考,敬請(qǐng)閱讀。

面向?qū)ο蠓诸?lèi)礦區(qū)土地利用變化探究

摘要:采礦活動(dòng)會(huì)引起礦區(qū)地表覆被的變化,而礦區(qū)土地利用已被認(rèn)為是影響生態(tài)環(huán)境的重要因素之一。本文主要是利用高分遙感影像對(duì)礦區(qū)進(jìn)行土地利用分類(lèi)以及變化研究。首先,對(duì)兩期鶴崗礦區(qū)北京二號(hào)衛(wèi)星影像進(jìn)行數(shù)據(jù)處理;其次,利用面向?qū)ο?/a>分類(lèi)和最大似然法兩種分類(lèi)方法做對(duì)比;第三,通過(guò)對(duì)分類(lèi)結(jié)果進(jìn)行統(tǒng)計(jì)、分析,得到最適合礦區(qū)土地利用分類(lèi)的方法,并最終獲取鶴崗礦區(qū)土地利用變化。研究結(jié)果可用于礦區(qū)生產(chǎn)管理,也可作為礦區(qū)土地利用規(guī)劃的理論基礎(chǔ)。

關(guān)鍵詞:礦區(qū);高分影像;土地利用分類(lèi)

煤炭工業(yè)作為我國(guó)的基礎(chǔ)產(chǎn)業(yè)之一,在國(guó)民經(jīng)濟(jì)與社會(huì)發(fā)展中的地位和作用不言而喻[1]。但煤炭的開(kāi)采對(duì)人類(lèi)賴(lài)以生存的土地資源造成了極其嚴(yán)重的破壞,對(duì)礦區(qū)土地利用進(jìn)行合理規(guī)劃與綜合整治已勢(shì)在必行,采用先進(jìn)的技術(shù)手段來(lái)發(fā)現(xiàn)與分析礦區(qū)土地利用變化信息并得出用地變化規(guī)律,對(duì)土地利用與城鄉(xiāng)合理規(guī)劃以及礦區(qū)的可持續(xù)發(fā)展有著重要的現(xiàn)實(shí)意義[2]。由于礦區(qū)地物具有高度復(fù)雜性和快速變化的特點(diǎn),目前對(duì)于礦區(qū)地物進(jìn)行時(shí)序變化和動(dòng)態(tài)檢測(cè)的研究匱乏。劉楊運(yùn)用RS和GIS技術(shù)對(duì)研究區(qū)內(nèi)幾個(gè)大型礦區(qū)的土地利用變化情況進(jìn)行了分析,有效地了解礦區(qū)的態(tài)勢(shì)以及其發(fā)展動(dòng)向[3]。朱權(quán)采用最大似然法對(duì)礦區(qū)土地進(jìn)行分類(lèi),為該地土地恢復(fù)提供了有力依據(jù)[4]。本文通過(guò)分析基于面向?qū)ο蠛妥畲笏迫环▋煞N分類(lèi)方法對(duì)礦區(qū)進(jìn)行分類(lèi),以期得到精度最高的分類(lèi)方法,為礦區(qū)土地利用變化規(guī)劃提供理論基礎(chǔ)。研究礦區(qū)的土地利用變化,有助于更加快速、精確、有效地獲取礦區(qū)土地利用覆被的變化信息,從而對(duì)土地利用變化信息進(jìn)行分析,明確其動(dòng)態(tài)變化過(guò)程以便有效的調(diào)整人類(lèi)社會(huì)經(jīng)濟(jì)活動(dòng),促使土地利用更為合理,有利于礦區(qū)的長(zhǎng)久發(fā)展,為土地發(fā)展服務(wù)[5]。

1研究區(qū)概況及研究方法

1.1研究區(qū)概況

本文以鶴崗興安煤礦為研究區(qū),研究區(qū)已經(jīng)出現(xiàn)影響安全和正常使用的變形破壞,對(duì)煤層上部的建筑、水體、道路產(chǎn)生嚴(yán)重的破壞作用,礦區(qū)塌陷面積逐漸增大,地表變形破壞,房屋倒塌,農(nóng)田破壞,同時(shí)也對(duì)人民生命財(cái)產(chǎn)安全造成嚴(yán)重的危害,經(jīng)濟(jì)損失慘重[6]。

1.2數(shù)據(jù)來(lái)源

本文選取北京二號(hào)衛(wèi)星鶴崗市興安煤礦2018年9月和2020年8月的遙感影像作為實(shí)驗(yàn)數(shù)據(jù),北京二號(hào)衛(wèi)星影像全色分辨率為0.8m,多光譜分辨率為3.2m,包含藍(lán)、綠、紅、全色、近紅外五個(gè)波段。

1.3研究方法

參照國(guó)家標(biāo)準(zhǔn)《土地利用現(xiàn)狀分類(lèi)》(GB/T21010—2017)分類(lèi)標(biāo)準(zhǔn),并結(jié)合北京二號(hào)遙感影像和研究區(qū)的特征,將研究區(qū)的土地利用類(lèi)型分為采煤用地、道路、耕地、建設(shè)用地、林地、水體6類(lèi)。研究方法流程圖如圖1所示。1.3.1影像分割。預(yù)處理后通過(guò)分析文獻(xiàn)中的參數(shù)設(shè)置,對(duì)本研究區(qū)的遙感影像進(jìn)行分割尺度選擇,設(shè)置為120時(shí),地物分割不夠完整,設(shè)置為210時(shí),地物分割對(duì)象比較粗糙,存在一個(gè)對(duì)象包含另一個(gè)對(duì)象的現(xiàn)象,經(jīng)過(guò)多次試驗(yàn),當(dāng)分割尺度設(shè)置為160,形狀權(quán)重0.2,緊湊度0.5,分割效果較好。不同分割尺度的試驗(yàn)結(jié)果如圖2所示。1.3.2特征提取與分類(lèi)。①光譜特征。各類(lèi)地物的光譜特征之間相差較大,其中水體呈青色,可通過(guò)歸一化水指數(shù)(NDWI)來(lái)進(jìn)行提取,通過(guò)統(tǒng)計(jì)發(fā)現(xiàn),水體的NDWI值一般大于0.05,非水體是負(fù)數(shù);不同地物之間的歸一化植被指數(shù)(NDVI)值也相差較大,通過(guò)實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)分析發(fā)現(xiàn),耕地的NDVI區(qū)間范圍為0.11~0.35,林地為0.21~0.50,然后在eCognition中將以上參數(shù)添加到分類(lèi)特征條件中。下列為NDWI和NDVI的計(jì)算公式:NDWI=(P(Green))-P(NIR)(P(Green))+P(NIR)(1)NDVI=(P(NIR))-P()Red(P(NIR))+P()Red(2)②紋理特征。影像紋理值指灰度值在空間上的變化,是一種獨(dú)立于顏色反映地物同質(zhì)性的特征[7]。由于灰度共生矩陣的數(shù)據(jù)量較大,一般不直接作為區(qū)分紋理的特征,而是基于它構(gòu)建的一些統(tǒng)計(jì)量作為紋理分類(lèi)特征。幾種常用的統(tǒng)計(jì)量為角二階矩、熵、對(duì)比度、反差分矩陣、相關(guān)性等,如用來(lái)度量圖像的灰度級(jí)在行或列方向上的相似程度,因此值的大小反映了局部灰度相關(guān)性,值越大,相關(guān)性也越大[8]。依據(jù)這些統(tǒng)計(jì)量,在eCognition中添加條件特征,為后續(xù)分類(lèi)提供參照。③形狀特征。除綜合上述光譜特征和紋理特征用于分類(lèi)外,地物的形狀特征也是分類(lèi)的重要依據(jù)。通過(guò)對(duì)研究區(qū)影像分析,發(fā)現(xiàn)研究區(qū)內(nèi)房屋為長(zhǎng)方形狀,水體為橢圓形狀,道路為長(zhǎng)條狀。在eCognition中添加shapein⁃dext條件特征,然后研究區(qū)的道路就會(huì)高亮為條狀。本文以光譜特征、紋理特征和形狀特征作為主要分類(lèi)依據(jù)。通過(guò)多次試驗(yàn)與驗(yàn)證,最終選取以下評(píng)價(jià)指標(biāo)體系,研究區(qū)地物類(lèi)別與特征如表1所示。

1.4最大似然法

將2020年8月的北京二號(hào)衛(wèi)星影像經(jīng)過(guò)預(yù)處理后,用最大似然法進(jìn)行礦區(qū)土地利用分類(lèi),并選取采煤用地、水體、建設(shè)用地、林地、耕地、道路等6類(lèi)地物作為分類(lèi)樣本,樣本選取盡量平均,最后通過(guò)ENVI操作完成整個(gè)研究區(qū)的分類(lèi)。

2實(shí)驗(yàn)及結(jié)果分析

2.1eCognition分類(lèi)結(jié)果及分析

2.1.1精度評(píng)定。①點(diǎn)樣本選取。實(shí)驗(yàn)選取139個(gè)驗(yàn)證樣本點(diǎn),其中,14個(gè)建設(shè)用地樣本點(diǎn),24個(gè)采煤用地樣本點(diǎn),46個(gè)耕地樣本點(diǎn),12個(gè)道路樣本點(diǎn),2個(gè)水體樣本點(diǎn),41個(gè)林地樣本點(diǎn)。②精度評(píng)價(jià)。利用驗(yàn)證樣本,統(tǒng)計(jì)分類(lèi)正確和錯(cuò)誤的數(shù)量,構(gòu)建精度檢驗(yàn)混淆矩陣,得到解譯精度為87.77%,Kappa系數(shù)為0.8375,見(jiàn)表2。

2.2最大似然法分類(lèi)結(jié)果及分析

利用精度評(píng)價(jià)分析法構(gòu)建精度檢驗(yàn)混淆矩陣,得到最大似然法解譯精度為78.76%,Kappa系數(shù)為0.7173,結(jié)果見(jiàn)表3。通過(guò)對(duì)以上兩種分類(lèi)結(jié)果分析,即面向?qū)ο蟮姆诸?lèi)方法的總體精度為87.77%,最大似然法的分類(lèi)精度為78.76%,發(fā)現(xiàn)基于面向?qū)ο蟮姆诸?lèi)方法分類(lèi)精度明顯高于最大似然法分類(lèi)精度,分類(lèi)效果較為理想。Kappa系數(shù)是用于檢驗(yàn)分類(lèi)一致性的指標(biāo),也可以用于分類(lèi)效果的衡量,基于面向?qū)ο蟮姆诸?lèi)結(jié)果Kappa系數(shù)為0.8375,系數(shù)值在0.81~1,表示分類(lèi)結(jié)果幾乎完全一致,最大似然法分類(lèi)結(jié)果Kappa系數(shù)0.7173,系數(shù)值在0.61~0.80,表明分類(lèi)結(jié)果具有高度的一致性。由此可知,基于eCognition的面向?qū)ο蟮姆诸?lèi)方法具有明顯的精度優(yōu)勢(shì)。

3動(dòng)態(tài)檢測(cè)實(shí)驗(yàn)

3.1變化結(jié)果與分析

通過(guò)對(duì)兩幅原始圖分析可知,發(fā)現(xiàn)該區(qū)域自2018—2020年土地利用整體變化不大,呈建筑群增多,采煤用地減少的變化趨勢(shì)。為得到鶴崗礦區(qū)近兩年土地利用變化的具體趨勢(shì),基于對(duì)2020年8月份北京二號(hào)衛(wèi)星影像的處理與分析,用相同的方法對(duì)2018年9月份的衛(wèi)星影像進(jìn)行處理,最終得到圖3(a),將圖3(a)和圖3(b)進(jìn)行比較,可以得到該村的土地利用變化情況。由上表可知,2018—2020年,該研究區(qū)土地利用類(lèi)型發(fā)生了變化,因?yàn)樵摰貐^(qū)煤礦開(kāi)采已到后續(xù)階段,所以采煤用地所占比例減少,這和通過(guò)目視解譯得出的結(jié)論是一致的,此外,由于時(shí)代的發(fā)展,建設(shè)用地與道路相應(yīng)增加,為人民的生活提供了便利。從研究結(jié)論可以看出林地增多、耕地減少,這符合我國(guó)目前提出的“退耕還林”的重要政策。

4結(jié)語(yǔ)

本文通過(guò)對(duì)鶴崗礦區(qū)分類(lèi),對(duì)比了不同的分類(lèi)方法,證明基于eCognition的面向?qū)ο蠓椒ǚ诸?lèi)結(jié)果精度明顯高于基于像素的最大似然法,這是因?yàn)榛趀Cognition的面向?qū)ο蠓诸?lèi)方法除依據(jù)ROI的地物特征外,還綜合考慮地物的光譜特征、形狀特征和紋理特征。實(shí)驗(yàn)結(jié)果表明,鶴崗礦區(qū)土地利用類(lèi)型的面積發(fā)生了變化,主要是礦區(qū)向其他類(lèi)別的轉(zhuǎn)移,主要轉(zhuǎn)移對(duì)象為林地,其中建設(shè)用地、道路的面積是處在增加的過(guò)程,揭示了礦區(qū)土地利用結(jié)果的遷移狀況向著生態(tài)環(huán)境的恢復(fù)治理工作推進(jìn),研究結(jié)果可為礦區(qū)的可持續(xù)發(fā)展提供理論依據(jù)。

作者:楊書(shū)平 邵杰 趙威成 單位:黑龍江科技大學(xué) 華潤(rùn)燃?xì)忄嵵莨こ探ㄔO(shè)有限公司