大区域住宅用地信息特点之遥感影像获取办法概述
1绪论
1.1选题背景与研究意义
随着全球人口的增加和国民经济的发展，社会逐渐摆脱原有的以农业生产为主的情况，城镇化水平不断提高，越来越多的人涌入城市，城市随之增长和扩张。城市扩张往往牵涉到农业用地和林地。农业用地和林地常常无法抵挡城市扩张的油油势头。城市增长是工业化（社会发展）的指标，同时一般会给区域环境健康带来负面影响。从农村到城市的土地利用变化能用于监测人口、预测城市扩张情况、制定城市发展规划、监控临近的环境敏感地区及危害。可用以监测临时定居点和城中村情况，探测人口数量并估计人口密度。可用以确保城市化过程中不侵占宝贵的耕地，确保农业的基本农田，确保农业活动是进行在最合适的土地上，保证经济的发展和基础设施建设，因此，农业和城市土地利用分析很重要。
区分土地覆盖和土地利用之间的差异以及了解二者之间的相互印证信息很重要。从通过遥感技术获得的土地覆盖信息中能推断出土地利用情况，特别是有辅助数据或先验知识时，该效果更加明显。土地覆盖土地利用研究是多学科性质的，因此，此类工作是纷繁多样的，参与者也是各行业都有，从国际野生动物保护基金到政府研究人员和林业公司。政府部门要有土地覆盖现状和土地利用动态监测的迫切需要，只有这样才能更有效的管理本地区、本国的自然资源。此外，也可以促进土地管理的可持续性，如土地覆盖和土地利用信息能用于规划、监测和发展评估以及工业活动等等。长时期的土地覆盖变化监测能揭示与本地或区域气候状况的转换响应，能作为全球地面监测的基础数据。
当前进行的城镇化过程中，原有居民土地权利矛盾问题的解决，需要更准确的土地信息，需要相关的制图或专题图信息，而我国也及时的开展了两次国土大调查，现在正在进行农村集体用地确权登记。资源管理牵涉到公园、石油、木材、采矿企业公司等等，这些都与土地利用和土地覆盖相关，一般地方的资源调查或自然资源管理机构都有相关的数据。环境监测研究者、相关保护机构及相关市政部门通过监测土地覆盖变化，进行植被制图与相关税收工作。政府一般比较关注国家资源的保护，近年来也关注涉及土地的公众比较敏感的土地利用冲突。
1.2国内外研究现状与存在的问题
遥感影像居住用地信息提取，本质上讲即为遥感影像分类。由于遥感影像分类结果是社会经济和生态环境应用的基础数据，一直以来就是遥感研究的热点。对于大陆板块和全球尺度的植物研究，中分辨率数据（1m）是合适的。因为在处理大区域项目时，需要考虑的重要因素就是要较少的存储空间和较快捷的处理工作。当然，这些要求完全依赖于应用的范围。以湿地制图为例，需要一个严格的处理时间和较髙的空间分辨率。乡村和城市变化监测制图应用要求数据能满足下列条件：1）高空间分辨率，以获取细节信息；2）多光谱信息，以利于不同土地利用类别之间的细微差别。传感器获取的可见光和近红外波段的数据是进行土地利用分析的最有用的数据源。虽然很多城市特征能通过雷达或其它影像（通常由于高反射率）探测，但是拥有较高空间分辨率的近红外数据能够区分不同土地覆盖土地利用类的更细微的差别，同时也能增强识别城乡结合部土地利用过渡区域的可信度。冬季获取的光学影像能用于粗略的划分城市和非城市地区。城市地区在光滑纹理区域表现出巨大的反差。由于大气条件不同，世界各地的农村和城市划分要求也有所不同。经常阴雨的地区可能需要具有更强穿透能力的雷达数据，大气条件较好的区域可以使用航空摄影、卫星光学影像或雷达数据。由于全世界的城市和乡村在土地利用方面的做法千差万别，对于遥感数据空间细节精细程度的要求也显著不同。
通过多时相分析，遥感能提供一个城市发展的与众不同视角。乡村和城市土地利用变化制图的一个关键因素是能区分乡村土地利用（农田、牧场、森林）和城市土地利用（住宅、商业、娱乐）。遥感是一种可以进行大区域土地利用类型分类且经济、实用又可重复观测的方法。
2遥感提取居住用地基本方法
居住用地信息提取，在这里主要指基于遥感影像提取居住用地信息。遥感影像由于其自身拥有如多分辨率，覆盖面广，可重复的观测和多高光谱等技术优势，己经被广泛应用于从局部到全球尺度上的土地覆盖分类、目标识别和专题图制作等。随着遥感数据采集技术的进步，越来越多的传感器出现，比如，高光谱成像光谱仪，高分辨率传感器，极化合成孔径雷达等，进而生成越来越丰富的遥感影像数据。
遥感影像居住用地提取，本质上讲即为遥感影像分类。由于遥感影像分类结果是社会经济和生态环境应用的基础数据，一直以来就是遥感研宄的热点。领域的相关专家和学者为提高分类精度，在开发先进的分类方法和技术做出了很大的努力。然而由于种种因素（比如研宄区的景观复杂程度、采用的遥感数据、影像处理和分类方法等）均能影响遥感影像的分类结果，将遥感影像数据分类成一幅专题地图仍然是一个挑战。很多前人的研究重点关注了遥感影像分类，因此需要对遥感影像分类方法和分类技术进行总结，也就是对遥感提取居住用地的基本方法进行总结。
2.1遥感影像数据的选择
无论机载还是星载的遥感数据，具有不同的空间分辨率、辐射分辨率、光谱分辨率和时间分辨率。了解不同类型传感器数据的优缺点对于选择合适遥感影像数据用于影像分类是必不可少的。前人的一些文献对主要类型的遥感影像数据特征进行了总结。比如、与总结了不同遥感影像数据在光谱分辨率、辖射分辨率、空间分辨率和时间分辨率的特征，在极化方面的特征，在角度方面的特征。选择合适的遥感数据是能否成功进行分类、满足需求的第一个重要步骤。在选择影像时要求考虑用户需求、研宄区的尺度和特征、研究者的经验、各种影像数据的可获得性及其特征、费用、时效等。
影响遥感数据选择的另一个重要因素是大气条件。湿热热带区域频繁多云，因此难于获取髙质量的光学传感器数据。因此多种类型的雷达数据则作为一个重要的补充数据源。由于遥感数据数据源众多，因此对一项特定研宄来说就有了更多的选项来选择合适的遥感数据。而多传感器数据融合后拥有更多的影像特征，因此在大多情况下多传感器融合对研究结果有积极意义。在现有条件下，经济状况是影响遥感数据源选择的重要因素。时间因素和劳动量通过影响分类流程进而影响分类结果的精度。考虑到能够免费下载，比较容易获取，因此，重点选择云覆盖比较少的时期的。
2.2分类体系和训练样本的选择
一个合适的分类体系以及足够数量的训练样本是成功分类的先决条件。总体来说，一个分类体系的设计主要基于用户需求、选择数据的空间分辨率、与前人工作的兼容性、影像处理和分类算法的可用性以及时间紧迫性。一个分类体系应该是内容丰富、详实以及可分离：。在大多情况下，考虑多种状况条件，多采用分层分类体系。
足够数量的训练样本以及样本的代表性是影像分类的关键：等和。训练样本通常通过野外调査、高空间分辨率航空影像或卫星影像获得。不同的训练样本收集策略（比如单个象元、种子或多边形）将会影响分类的精度，尤其是高空间分辨率遥感影像的精度。当一个研宄区的景观复杂并且异构时，将很难选择有效的训练样本。由于混合象元的存在，在将中低空间分辨率影像用于分类时这个问题将更加复杂。因此选择训练样本必须考虑所用遥感数据的空间分辨率、地面数据的可获得性以及研宄区的景观复杂程度。
3多光谱遥感数据预处理...........32
3.1Landsat etm+影像去条带.......32
3.2几何校正影像的镶嵌和裁剪........34
4多光谱遥感影像分类方法........40
4.1非监督分类方法.......41
4.2监督分类方法.........43
5基于多分类器组合的北京市居住用地遥感信息提取.........58
5.1研究区概况.........58
5.2资料收集.......59
6北京市居住用地信息分析
经过遥感解译，获得北京市居住用地信息。根据北京城市总体发展规划，北京划分为首都功能核心区、中心城市功能拓展区、城市发展新区和生态涵养区。规划中北京城市城区的范围是北京五环路以内（穆晓东，刘慧平等。以北京市五环道路为界限，将北京市分为城市区域的北京五环内居住用地和村镇区域的北京五环外居住用地。本研究中，分别采用规模特征、强度特征和形态特征三种特征来分析北京市居住用地时空分布特征。
6.1北京市居住用地时空分布规模特征
为了分析居住用地规模的时空分布特征的规模特征，应用用地面积扩展数量、年平均扩展速率和用地比重分析指标。用地比重为年度居住用地用地总面积与土地总面积的百分比。下表6-1展示了北京市居住用地信息变化情况，其中红色代表居住用地信息变化情况。
7研究结论与展望
7.1研究结论
相对于光谱分析法、非监督分类和NDBI指数法而言，监督分类在研宄区整体分类精度以及提取的居住用地信息精度方面都是最好的。但运用监督分类的方法，需要选取具有代表性的训练区样本，人为主观性较强，选取后需反复检验以及优化提纯，因此需要花费较多时间。基于波谱分析的决策树分类法，尽管在本研宄中居住用地信息提取精度没有监督分类髙，但其生产精度和用户精度也分别达到了88.08和93.16%选取一定的居住用地信息检核居住用地信息提取结果，精度达到91.83%，因此本研究认为此类方法是值得推广的居住用地信息提取方法。
本研究通过结合多分类器集成的思想，采用胜者为王;算法，将多种分类器分类结果按照分类精度情况进行组合，分别得到比较准确的农村居住用地信息和城镇居住用地信息，进而得到整个北京市的居住用地信息。
从北京市居住用地时空分布的规模特征、居住用地时空分布的强度特征、居住用地时空分布的形态特征等三个方面简易对北京市30年来的居住用地信息迸行了分析，无论是五环内或者五环以外，北京市整体用地规模在不断扩大。五环内与五环内居住用地面积均在增加，居住用地斑块数整体在增加，出现减少的情况是因为若干小的斑块合并为较大的斑块。五环内的扩张强度大于五环外的扩展强度。
参考文献（略）