文献分享✦
《Case Studies in Chemical and Environmental Engineering 》
利用遥感和GIS方法识别土地利用-土地覆盖变化：孟加拉国Mymensingh Bhaluka的案例研究
题目：Identifying the land use land cover (LULC) changes using remote sensing and GIS approach: A case study at Bhaluka in Mymensingh, Bangladesh
期 刊：Case Studies in Chemical and Environmental Engineering
1
导读
LULC是指通过农业、保护、开发、娱乐场所、野生动物栖息地和城市区域或任何其他活动使用土地，以及受气候变化过程和社会经济动态影响的特定地点的人类与环境互动的结果。LULC的识别对于评估全球、区域和地方环境变化至关重要，并成为可持续性研究的基本要素。LULC对于调查土地利用模式和帮助预测未来的可持续土地管理至关重要。通过在ArcGIS中使用Landsat 10和8图像，在过去的二十年中，已将这一变化分为五个类别。总体准确率显示87年为2.2002%，89年为6.2022%。其中最显著的变化发生在建筑面积，增加了217.1%（6.56公里），对城市化和工业化进程产生了重大影响。
2
数据与方法
研究区域：孟加拉国迈门辛格的Bhaluka Upazila
检测LULC变化方法：在本研究中，我们关注利用卫星图像检测土地利用/土地覆盖（LULC）的变化。我们采用了监督分类方法来实现这一目标，并已经建立了相应的分类方法。该方法通过特定算法对卫星图像中的像素进行监督，将感测到的LULC进行分组。我们使用训练场地作为已确定土地覆盖类型的代表性样本，并通过训练场地形成一个密钥，该密钥可以解释不同土地覆盖类型的光谱属性。在监督分类中，最大似然（ML）是一种常用的图像分类算法之一。它基于概率函数，假设每个频带中每个类别的训练数据符合正态分布。
土地利用-土地覆盖图绘制过程：
1.数据采集。收集主要和次要数据是大部分研究的基础。地面实况调查点和焦点小组讨论用于获取主要数据，而谷歌地球，LGED地图和非政府组织的数据用于收集次要数据。地面实况图和实地勘测
最能代表原始数据。
2.数据准备
2002年2月17日分辨率为30米的陆地卫星7号ETM+（增强型专题测绘仪+）图像和2017年5月27日的陆地卫星8号OLI（操作陆地成像仪）数据
3.图像预处理
预处理是卫星图像解释的重要组成部分，包括失真校正和云去除等步骤。陆地卫星7和陆地卫星8具有不同的波段数量和细节。在研究中，这些波段被合成成单个图像并分为红、绿、蓝通道，形成真彩色和假彩色合成图像。图像增强技术包括对比度增强和IHS变换，用于改善图像的视觉效果和分析。辐射校正和几何校正对于卫星图像分析也是必要的。卫星图像解释有助于检测和描述不同的土地覆盖类别，如水体、堆积区、农业、荒地和植被。在本研究中，使用了直方图均衡、去相关拉伸和伽玛校正等方法来增强土地覆盖类别的视觉解释。同时，RGB到IHS系统的转换和强度、色调和饱和度的调整也用于增强图像的感知差异。
4.图像分类
在本研究中，使用改进的分类方法对几种形式的LULC进行了分类。采用了每像素监督分类器，根据相似或相同的光谱反射率特性对卫星成像像素进行分类。对于2002年和2022年的陆地卫星图像，监督分类方法采用ArcMap 中的最大似然算法来识别土地利用土地覆盖（LULC）。分类过程主要分为三个步骤，即训练样本选择、分类和评估或准确性评估。
5.精度评估
经过图像分类后，利用ArcGIS 10.8应用程序评估了分类的准确性。通过使用分层随机抽样生成250个参考点（见图三），对2002年和2022年的图像进行了准确性评估。参考点的颜色和像素值由软件自动识别，并与分类图像中的类进行比对。通过检测斑点并手动指定类别，对图像的准确性进行了验证。误差矩阵和kappa统计数据被用于表示两张分类图像的错误情况。误差矩阵显示了用户值和生产者值之间的分类不匹配，并且可以计算遗漏和错误。准确度指标用于衡量生产者和用户的正确性。
6.变化检测
遥感和GIS的变化检测方法由于成本效益和高时间分辨率而广泛使用。利用多时相数据集相互比较来检测和区分变化区域。分类后比较方法通过对比分类图像中的相关类别来找出变化区域，获得较高的分类精度。本研究采用基于MLC算法的分类后比较方法与Landsat数据验证了Mymensingh Bhaluka的土地利用变化。通过将分类后的光栅图像转换为矢量层来进行比较分析。使用公式Ci = Li – Bi 计算了每个土地覆盖类别的变化程度，并将其表示为单独的图像。
图1 Bhaluka Upazila研究区域地图
图2 土地利用-土地覆盖图绘制过程图
图3 用于2022年假彩色多频带图像上显示的LULC图精度评估的随机点
3
结果
1.Bhaluka 2002年的LULC模式
图4显示了根据Landsat 7 ETM+创建的LULC地图布局，以及显示不同土地利用类别百分比的饼图。
图4 2002年的Bhaluka LULC模式和区域分布饼图
2.Bhaluka 2022年的LULC模式
Landsat 8 数据收集已用于创建2022年的分类
（图5）。据统计，2022年陆地面积以植被（232.89平方公里，占总面积的51.96%）和农业（121.87平方公里，总面积的27.19%）为主。堆积面积（9.58平方公里，占总面积的2.14%）、荒地（50.49平方公里，总面积的11.27%）和水体是其他土地利用类别（33.36平方公里，占总面积的7.44%）。2002年至2022年间，LULC模式发生了巨大变化。
图5 2022年的Bhaluka LULC模式和区域分布饼图
3.2002年至2022年LULC变化检测
在过去二十年中，荒地和农业用地分别减少了约29.93平方公里和25.78平方公里，水体也减少了5.28平方公里。另一方面，在过去二十年中，堆积面积和植被分别增加了6.53平方公里和54.43平方公里。不同类别土地利用面积的比较和变化图如图6所示。
图6 2002年和2022年LULC区域的比较和区域变化图
4
总结
该研究在孟加拉国的Bhaluka Upazila地区进行，该地区是新兴和快速增长的地区之一。多时相卫星图像提供了基本的空间和时间现象测量，推翻了传统地图的使用。研究发现，植被是该地区的主要土地利用，覆盖面积在2002年至2022年间增加了30.51%。农业是第二重要的土地利用，面积下降了17.5%。贫瘠土地和荒地面积也有所减少。同时，工业活动的增长导致集结区面积增加了217.1%。研究结果表明，快速的城市化和工业活动是导致土地利用变化的主要因素。政策制定者和利益相关者需要关注该地区的发展和变化。
文章信息：
Seyam, M.M.H., M.R. Haque and M.M. Rahman, Identifying the land use land cover (LULC) changes using remote sensing and GIS approach: A case study at Bhaluka in Mymensingh, Bangladesh. Case Studies in Chemical and Environmental Engineering, 2023. 7: p. 100293.
DOI:https://doi.org/10.1016/j.cscee.2022.100293
分享人：
胡森苗，2023级硕士研究生 研究方向：融合遥感技术的城市代谢研究
邮箱：2108160323013@stu.bucea.edu.cn
来源：灾害与环境遥感
转自：“测绘学术资讯”微信公众号
如有侵权，请联系本站删除！
