目前, 发达国家所进行的土地利用监测几乎都是以卫星遥感为手段, 且主要集中在对遥感图像的处理、分类及信息提取上。在土地利用变化信息自动提取研究方面, Howarth和Wichware(1981)曾对不同时相的MSS、TM图像进行分类, 将分类结果对比, 探测土地覆盖的变更情况^[1]。Ridd和Liu(1998)采用缨帽变换对TM图像进行处理, 将变换后的亮度、绿度和湿度图进行对比, 提取土地覆盖变化信息^[2]。Yuan 等(1999)对多时相遥感图像采用主成分分析法辨识变化信息^[3]。在利用遥感技术进行土地利用调查和监测方面, Masek等(2000)则用MSS和TM图像及其所衍生的植被数据研究了美国首都华盛顿的城市化及相关变化, 结合社会经济统计数据建立了数值模型, 并分析了其变化的驱动因子^[4]。Fung和Siu(2000)利用SPOT图像采用传统的图像差值法和主成分分析法, 对香港地区的土地覆盖及其环境质量进行动态监测研究^[5]。

在空间信息技术不断进步的背景下, 张继贤和程烨(2002)针对我国系列土地利用基础图件更新问题, 提出了在全数字化环境下, “ 3S” 技术与已有外业调查相结合的土地利用现状图快速更新技术流程和方法, 给出了不同比例尺图件更新数据获取、变化信息快速提取、零星地类与遗漏图斑补调等有关技术问题的解决途径^[6]。孙丹峰等(2002)研究了IKONOS卫星图像在大比例尺土地利用图件更新中的应用技术, 提出基于知识的土地利用覆盖分类以及变化监测系统方法, 即: 先利用NDVI植被指数和半方差纹理特征知识进行影像大类区域分割; 再结合光谱知识对各影像区域进行详细分类, 同时利用区域生长技术与地类空间知识进行区域分类^[7]。冯秀丽等(2005)利用融合后的图像进行土地利用变更调查, 根据其精度对比结果, 建议针对不同地物、采用不同方法融合的图像进行变更调查, 以提高利用遥感图像进行土地利用变更调查的精度^[8]。上述研究对地物分类方法进行了各种探讨, 而地物所处背景的本底作用未引起足够重视, 要解决地物分类的效率及精度难题, 对地理地质背景进行划分就成为重要手段之一。

都江堰市地理位置为103° 25'~103° 47'E, 30° 44'~31° 23'N。区内最高海拔4 582 m, 最低海拔592 m, 相对高差3 990 m(图1(左))。龙门山断裂从研究区北部呈北东向穿过, 区内地势西、北部高, 东南部低。根据区内海拔变化特征及龙门山断裂的区域控制作用, 将研究区按照地貌类型大致分为平原区(Ⅰ )、低山区(Ⅱ )、中高山区(Ⅲ )和高山区(Ⅳ )4个区(图1(右))。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 都江堰市高程分级(左)与地貌分区(右)Fig.1 The elevation grades (left) and divisions of landform (right) in Dujiangyan

为了提取“ 5· 12” 地震前、后都江堰市的土地利用/覆被变化信息, 采用两期Landsat TM图像, 图像获取时间分别为2007年9月18日和2008年7月18日。4类地貌分区内的土地利用/植被覆盖图斑在震前图像上呈现出的色调、纹理及图斑大小差异较小, 图斑间相似性较大。地震之后, 图斑的差异性加大, 相似性减小。

对获取的遥感数据先进行波段选择、辐射校正、几何校正、图像拼接、图像裁剪及图像增强等预处理, 然后按不同地貌分区建立遥感解译标志, 再进行信息提取, 技术流程如图2所示。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 遥感数据处理技术流程Fig.2 The technology flow chart of remote sensing data processing

地震后引起的土地利用/覆被变化信息, 主要集中在都江堰东部的Ⅱ 区、Ⅲ 区和Ⅳ 区, 对于Ⅰ 区和西南部的Ⅱ 区变化相对较小。

Ⅰ 区地形比较平坦, 分类基本不受地形阴影影响, 加上土地利用类型相对单一, 同种地物类型纹理较均一, 各地物类型间色调差异较大, 地物类型易于提取。因此采用ISODATA方法进行非监督分类, 提取出农村居民用地、城镇建设用地、河流和水田等信息。

Ⅱ 区和Ⅲ 区属于丘陵向中山的过渡地带, 山体阴影对分类影响较大, 阴坡处各地物类型的斑块相对比较破碎, 各地物类型间色调比较相近, 地物类型不易提取。先对这两个区块图像进行增强和比值(TM5/TM7)/(TM4/TM3)、(TM5/TM4)/(TM3/TM1)处理, 然后与TM1按R\G\B 组合合成假彩色图像, 上述处理能有效地剔除阴影影响; 再作高斯变换, 植被、裸露地、农地、水系及其他覆盖程度低一些的林地信息被提取出来; 最后采用最大似然监督分类法, 提取出该区块的灌木林地、旱地、河流和水库信息。

Ⅳ 区属于中山到高山的过渡地带, 区内河流发育, 地形高差相对较大, 地类解译受地形阴影影响较大, 色调比较相近, 土地利用类型主要以有林地、灌木林和裸露地为主。该区块的震后遥感图像显示, 地物类型的斑块更加破碎, 损毁区域和无损区域之间色调差异较大, 因此对该区块采用人工交互解译的方法进行信息提取。

采用分块分类后, 对各区块信息进行拼接。本文通过设置接边缓冲区, 将所有可能参与接边的点形成接边点, 存入接边辅助层中, 将接边物体中参与接边的接边点作为处理对象; 根据接边关联阈值和属性约束条件匹配接边点, 将认为可以匹配的两点形成接边关联线段^[9]; 将接边关联线段显示出来, 检查匹配关系是否正确, 并作修改, 实现接边。该方法大大提高了接边点匹配的正确性。震前和震后的土地利用/植被覆盖解译成果如图3所示。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 都江堰市震前(左)与震后(右)土地利用图Fig.3 The land use map before (letf) and after (right) the earthquake in Dujiangyan

为与上述分块分类方法对比, 本文还采用常规的监督分类方法, 不考虑都江堰特殊的地理地质环境, 直接对全图像进行分类信息提取并对其分类精度进行了评价。主要从分类图斑个数和图斑面积两方面与基于地理地质环境提取的分类信息比较, 其中, 河渠被错分为农村居民点的有110个图斑, 面积约4.7 km²; 道路被错分成农村居民点的有717个图斑, 面积约20.6 km²; 灾毁土地被错分为旱地的有403个图斑, 面积约 42.7km²; 水田被错分为旱地的有408个图斑, 面积约29.1 km²。可见, 常规监督分类方法的分类精度总体偏低, 除因混合像元占较大比例外, 还受同物异谱和异物同谱问题对分类精度的影响。

(1)在都江堰市的北部山区(Ⅳ 区), 沿龙门山脉有大量的有林地和灌木林地受“ 5· 12” 地震影响, 植被破坏严重, 地表裸露, 灾毁的遥感影像特征明显; 在中部地区(Ⅲ 区), 受地震影响的土地利用类型主要是山地旱地和丘陵旱地, 但是破坏程度不大, 在该区域的部分河段, 由于地震引起的山体崩塌和滑坡, 导致河道淤积, 水位上升, 河水中泥沙含量增加, 使遥感影像上河水色调变亮; 在中部丘陵地带(Ⅱ 区), 受地震的影响已经大大减弱, 损毁的土地利用类型以旱地和有林地为主, 但是损毁面积较小; 在东南部平原区域(Ⅰ 区), 灾毁特征不明显, 除城市扩张等外界变化因素, 受地震影响造成的土地利用类型改变不大。

(2)据统计, 全区耕地受损面积约为1.3 km², 城镇用地受损面积约为6 km², 有林地受损面积约为56. 1 km², 灌木林地受损面积约为78.9 km²。受损区域主要分布于海拔相对较高的中高山地区。

(3)本文的分类结果与相关资料和实际调查结果相比, 灾毁范围和面积吻合度为90%, 有林地吻合度为95%, 灌木林地吻合度为90%, 城镇用地吻合度为90%, 耕地吻合度为85%, 其他建设用地吻合度为89%。可见, 因地制宜地进行“ 分块分类” 、提取土地利用类型的方法是高效的和精确的。