喀斯特山区典型县域土地利用变化研究

运用土地利用动态度、土地利用转移矩阵和土地利用程度等指标,基于县域尺度研究了喀斯特山区的土地利用变化情况,分析了贵阳市1990～2010年土地利用变化主要类型、变化剧烈程度及其空间分布特征。结果表明:①贵阳市主要土地利用类型为林地、草地和耕地,1990～2010年林地和建设用地面积迅速增加,耕地和草地面积明显减小;②1990～2010年贵阳市各县域的综合土地利用动态度呈增大趋势,土地利用程度综合水平上升;③贵阳市各县域土地利用的开发幅度由大到小依次为贵阳市市辖区、清镇市、息烽县、修文县和开阳县。     

银川市三区土地利用时空变化研究

基于土地利用调查数据,利用ArcGIS软件的空间分析功能制作土地利用转移矩阵、变化图谱,计算土地利用强度等指数分析银川市三区2009-2018的土地利用时空变化特征。结果表明2009-2018年,研究区耕地减少最多,城镇村及工矿用地面积增长明显;土地利用空间变化方向呈东西-南北走向;土地利用变化模式以稳定型为主;城镇村及工矿用地和耕地的土地利用强度较大,林地和草地有下降的趋势,交通运输用地的动态度相对较高,后期动态度指数更高。该研究可为银川市三区的土地利用结构调整、土地利用规划提供一定的理论参考。     

Landsat系列影像支持下的凤阳县石英砂矿区土地利用动态监测

利用1991—2015年间Landsat系列遥感影像,基于SVM方法获取凤阳县石英砂矿区土地利用信息,并通过GIS空间分析功能研究矿区土地利用类型的时空变化特征和规律。结果表明:(1)SVM方法对Landsat系列影像分类具有较高精度,且提取效率快,省时省力。(2)25年来,凤阳县石英砂矿区土地利用方式和空间格局发生了显著变化。工矿用地面积增加速度最快,主要由草地和林地转化而来;建筑用地面积持续增加,为侵占耕地、草地和水域所得;水域总面积变化量不大,呈现先减后增的趋势;草地面积急剧减少,净减量最大,主要转化为林地、耕地和工矿用地;耕地和林地面积先增后减,但林地净增加,而耕地被废弃、闲置或被建筑用地扩张占用,流失的耕地多分布在乡镇(村庄)、河流周边。(3)工矿用地和建筑用地面积变化呈正相关增加,对植被和水域的侵占逐年增加,矿区土地系统的质量朝着变差的方向发展。     

基于GIS城镇扩展的空间格局分析

以城镇扩展为核心内容的城市土地利用/土地覆盖变化已经成为目前国内土地利用/土地覆盖变化(LUCC)研究的热点.基于某地2002年至2007年土地利用数据,提取城镇用地信息,利用全局和局部空间关联模型,分析了区域城镇扩展的空间分布特征,得出了相关研究成果.     

朝阳市土地利用/覆被变化研究

随着社会的高速发展,资源与环境问题日益显著,土地利用/覆被变化(Land Use and Land Cover Change,LUCC)的研究日益成为全球范围内的研究热点。本文基于辽宁省朝阳市6期LandsatTM影像,以ENVI 4.5和ArcGIS为图像处理平台,采用决策树分类方法,将朝阳市土地利用类型分为耕地、林地、水域、建设用地、未利用地五大类,通过对比多期朝阳市土地利用的变化情况,分析研究区土地利用/覆被动态的内在变化规律,进而综合评价朝阳市土地利用效率及各类土地利用转化情况。     

1978～2015年长株潭主城区土地利用变化分析

为探索改革开放以来长株潭城市群的土地利用变化特征,本文首先对1978、1994、2006年的卫星遥感数据采用决策树和智能分类相结合的方法分类,1990、2000、2010年的土地利用数据和2015年地理国情普查数据重分类.通过统计计算,定量分析长株潭主城区各时相的土地利用综合程度、土地利用程度变化量和变化率,通过空间叠加,定性分析长株潭主城区自改革开放以来土地利用相互转换程度及各转换类型所在区域.研究结果表明,耕地、林地和建筑用地所占比例变化较大,水域、草地、未利用地所占比例较小,土地利用一直处于发展状态,每年耕地和林地大幅度向建筑用地转换,不同时相转换区域各有差异.本文研究可为长株潭城市群土地利用规划提供参考,且有利于长株潭主城区土地利用的可持续发展和生态环境保护.     

迁西县土地利用空间变化分析

针对迁西县土地利用的分布特征和空间变化问题,该文运用面向对象的分类方法对迁西县2009、2013和2017年3期遥感影像进行土地利用分类,再运用转移矩阵、变化图谱和信息熵对研究区土地利用类型的数量、空间分布特征和系统结构有序性逐一进行分析。结果表明:2009—2017年,迁西县居民地、工矿用地和其他用地面积增加,林地、耕地、园地和水体面积减少,但是林地和耕地依然是研究区最主要的土地利用类型;林地和耕地的减少主要是由居民地和工矿用地引起的,且林地和耕地之间的互相转化最为频繁;总体来说,迁西县土地利用朝稳中向好的趋势发展。该研究可以为迁西县的土地利用结构调整、土地利用规划和土地的可持续发展提供一定的理论参考。     

三峡库区近30年土地利用时空变化特征分析

利用三峡库区1975年、1987年、1995年、2000年和2005年的遥感影像数据,提取各期土地利用图。以各期土地利用图为基础图件,利用G IS技术,分析了三峡库区各期土地利用类型的数量、空间分布及变化趋势,分析表明库区的耕地、林地和草地都在减少,库区近30年建设用地和河流水面的增加最为明显。同时引入土地利用变化的景观特征指数、土地利用变化速度、土地利用程度指数来总结三峡库区近30年来土地利用变化的主要时空变化特征。采用多种特征指数相结合的研究方法,有利于了解三峡库区土地利用变化的特征,可以进一步指导库区的土地利用规划,为库区的生态环境保护提供参考。     

南昌市土地利用变化与高程的耦合分析

以南昌市为研究区域,利用多时段土地利用遥感影像数据和DEM数据,分析研究区水平空间以及垂直方向上土地利用变化的时空分异,更全面地研究土地利用/覆盖变化情况。研究表明,南昌市土地类型分布中耕地和水域面积比重较大,土地利用的主要变化模式为耕地和水域之间的相互转化以及耕地转化为城乡工矿居民用地。高程对南昌土地利用空间分布的约束十分突出,各种土地类型在高程上的空间分布格局呈显著变化。1980~2005年南昌市不同高程土地利用动态度随时间推进提高了1.33%,土地利用类型变化最快的地方一直集中在高21.68~100.00 m之间。     

四川省江油市2004～2020年土地利用动态分析及预测

基于2004、2010、2015年Landsat-5 TM、Landset-80LI遥感影像土地利用现状解译数据,分析了江油市近11年土地利用动态变化;同时,利用元胞自动机-马尔科夫(CA-Markov)模型,模拟预测了2020年江油市土地利用空间分布格局.结果表明,2004 ～ 2015年期间,江油市耕地、草地、水域面积总体减少,建设用地和林地面积总体呈增加趋势.2015 ～2020年期间,江油市土地利用变化较快,与上一个五年相比,建设用地、耕地和草地面积将有所增加,林地面积有所减少,水域面积基本不变;建设用地从原有基础往外围耕地扩张,耕地面积则主要由林地转入.     

肥城市土地利用变化及驱动力分析

以肥城市为研究对象,利用最大似然监督分类法对肥城市1994年、2002年的landsat TM和2017年的landsat OLI遥感影像进行土地利用分类,依据土地利用动态度、土地利用转移矩阵对肥城市土地利用变化进行分析。实验表明:近23年来,肥城市土地利用变化明显,其中建设用地面积增加54.22 km^2,林草地面积增加80.87 km^2,耕地面积减少107.02 km^2、水体面积减少17.28 km^2;同时表明在经济驱动、政策引导以及人为因素的影响下肥城市土地利用程度会进一步加深。     

近20年哈尔滨市呼兰区土地利用覆盖变化及驱动分析

本文基于哈尔滨市呼兰区1998—2018年Landsat TM影像数据和社会经济数据,通过ENVI、ArcMap等软件,采用监督分类、土地利用变化模型、典型相关分析法等方法,科学系统地分析了1998—2010、2010—2018、1998—2018年3个不同时段的土地利用覆盖变化特征,并对土地利用覆盖变化驱动因素进行了分析。结果表明,哈尔滨市呼兰区20年间呈居民地和水域面积增加、耕地变化不大、林草不断减少的土地利用覆盖变化格局,且前8年的变化速度和幅度大于后12年。该区土地利用覆盖变化的影响因素包括自然环境因素、社会经济因素及人口因素。     

一种基于联合特征的地表覆盖变化自动检测方法

地表覆盖的高效变化检测在地理国情监测中具有重要意义。本文针对当前地表覆盖检测人工目视解译方法效率低，以及软件自动解译错检率、漏检率较高的特点和现状，提出了一种基于联合特征的地表覆盖类型自动变化检测方法。该方法通过对比7种不同的特征联合方案，确立了联合灰度共生矩阵、灰度直方图、光谱统计特征、对象特征的最优组合形式，并设计支持向量机高维度分类器进行分类。试验结果表明，在浙江省复杂地表覆盖分布情况下，基于分辨率优于1 m的国产高分卫星影像，该方法对房屋建筑区、建筑工地等人工构筑物类型变化检测的正确率达到85%以上，对耕地、草地等植被类型也能取得较好的检测效果。     

基于TM影像的北京城乡结合部土地利用变化分析

利用遥感分类技术能够快速获取土地利用变化信息。基于1996年和2006年两时相的北京城乡结合部地区TM卫星影像数据,采用监督分类和分类后处理方法,对研究区10年间的土地利用变化情况进行了详细分析,得到如下结论:10年间北京城南地区城乡结合部的各种土地利用类型之间相互转化,并以耕地,林地和建设用地相互转化最为显著;耕地和大范围水域面积较大幅度减少,城市居民点及工矿用地和未利用土地面积大幅度地增加,城乡结合部的范围在10年间从北向南进行了大范围地移动。     

Changing landscape in the Three Gorges Reservoir Area of Yangtze River from 1977 to 2005: Land use/land cover,vegetation cover changes estimated using multi-source satellite data

The eco-environment in the Three Gorges Reservoir Area (TGRA) in China has received much attention due to the construction of the Three Gorges Hydropower Station. Land use/land cover changes (LUCC) are a major cause of ecological environmental changes. In this paper, the spatial landscape dynamics from 1978 to 2005 in this area are monitored and recent changes are analyzed, using the Landsat TM (MSS) images of 1978, 1988, 1995, 2000 and 2005. Vegetation cover fractions for a vegetation cover analysis are retrieved from MODIS/Terra imagery from 2000 to 2006, being the period before and after the rising water level of the reservoir. Several analytical indices have been used to analyze spatial and temporal changes. Results indicate that cropland, woodland, and grassland areas reduced continuously over the past 30 years, while river and built-up area increased by 2.79% and 4.45% from 2000 to 2005, respectively. The built-up area increased at the cost of decreased cropland, woodland and grassland. The vegetation cover fraction increased slightly. We conclude that significant changes in land use/land cover have occurred in the Three Gorges Reservoir Area. The main cause is a continuous economic and urban/rural development, followed by environmental management policies after construction of the Three Gorges Dam.     

机载多光谱LiDAR数据的地物分类方法

机载多光谱LiDAR系统能够快速地获取大范围地表面上地物光谱和几何数据,并能够保证所获取的光谱与空间几何数据在空间和时间上相对完整和一致性。支持向量机（SVM）是一种基于小样本的学习方法,它避开了从归纳到演绎的传统分类过程。因此,本文提出了基于SVM多光谱LiDAR数据的地物目标分类方法。该方法首先将多个独立波段的LiDAR数据融合为单一的、包含多个波段信息的点云数据,然后将融合后的点云内插为距离影像和多光谱影像,最后利用SVM进行多光谱LiDAR数据的地物覆盖分类。通过对加拿大Optech公司的Titan机载多光谱LiDAR数据的试验证明：相对于传统的单波段LiDAR数据,多光谱LiDAR数据可以获得较好的地物分类精度;比较试验发现SVM分类方法适用于多光谱LiDAR数据的地物分类。     

Land Use/Cover Change Detection of Tiruchirapalli City, India, Using Integrated Remote Sensing and GIS Tools

The rapid growth of urban population in India is a cause of concern among country??s urban and town planners for efficient urban planning. The drastic growth of urban areas has resulted in sharp land use and land cover changes. In recent years, the significance of spatial data technologies, especially the application of remotely sensed data and geographical information systems (GIS) has been widely used. The present study investigates the urban growth of Tiruchirapalli city, Tamilnadu using IRS satellite data for the years 1989, 1992, 1995, 1998, 2001, 2004, 2007, and 2010. The eight satellite images are enhanced using convolution spatial enhancement method with Kernel (7?×?7) edge enhance function. Supervised classification method is used to classify the urban land use and land cover. The GIS is used to prepare the different layers belonging to various land uses identified from remotely sensed data. The analysis of the results show the drastic increase of built up area and reduced green cover within the city boundary limit.     

2001—2016年徐州市区土地利用类型时空演变

本文旨在定量分析徐州市区土地利用类型时空演变特征,为促进徐州市区绿色发展提供依据。以2001—2016年遥感图像为数据源,通过计算土地利用类型转移矩阵与动态度,对徐州市区土地利用类型时空演变进行分析。结果显示2001—2016年徐州市区耕地总体减少17.0663 km 2,减少面积占市区总面积的2.98%;建筑用地增加7.0104 km 2,占总面积的1.22%;水体减少26.6313 km 2,占总面积的4.65%;林地增加15.7531 km 2,占总面积的2.75%;草地增加9.5661 km 2,占总面积的1.67%;未利用地增加11.3680 km 2,占总面积的1.98%。由此可见近16年以来徐州市区土地利用类型变化显著,人类干扰不断增强,必须有针对性地管控人类活动强度。     

An Automated Approach for Land Cover Classification Based on a Fuzzy Supervised Learning Framework

This paper proposes an automatic framework for land cover classification. In majority of published work by various researchers so far, most of the methods need manually mark the label of land cover types. In the proposed framework, all the information, like land cover types and their features, is defined as prior knowledge achieved from land use maps, topographic data, texture data, vegetation’s growth cycle and field data. The land cover classification is treated as an automatically supervised learning procedure, which can be divided into automatic sample selection and fuzzy supervised classification. Once a series of features were extracted from multi-source datasets, spectral matching method is used to determine the degrees of membership of auto-selected pixels, which indicates the probability of the pixel to be distinguished as a specific land cover type. In order to make full use of this probability, a fuzzy support vector machine (SVM) classification method is used to handle samples with membership degrees. This method is applied to Landsat Thematic Mapper (TM) data of two areas located in Northern China. The automatic classification results are compared with visual interpretation. Experimental results show that the proposed method classifies the remote sensing data with a competitive and stable accuracy, and demonstrate that an objective land cover classification result is achievable by combining several advanced machine learning methods.     

Assessment of Land use/land cover Change in the North-West District of Delhi Using Remote Sensing and GIS Techniques

Land is one of the prime natural resources. A city grows not only by population but also by changes in spatial dimensions. Urban population growth and urban sprawl induced land use changes and land transformation. The land transformation is a natural process and cannot be stopped but it can be regulated. Many geographical changes at the urban periphery are associated with the transfer of land from rural to urban purpose. There is an urgent need for fast growing areas like Delhi, which can be easily done by high-resolution remote sensing data. Land use/land cover of North West of Delhi has been analyzed for the time period of 1972?C2003. The remote sensing data used in study is Aster image of 2003 with a spatial resolution of 15?m and other data of 1972 Survey of India (SOI) toposheet at the scale of 1:50,000. Supervised digital classification using maximum likelihood classifier was applied for preparing land use/land cover. A change detection model was applied in ERDAS Imagine to find out the land use/land cover during 1972 to 2003. Eight land use classes was identified but main dominated classes were built up and agricultural land. A drastic change has been recorded during 30 years of time i. e. (1972-2003). In 1972, 92.06% of the land was under agricultural practice, which reduced to 64.71% in 2003. This shows 27.35% decrease in agricultural land in three decades. On the other hand built up area was 6.31% in 1972, which increased to 34% in 2003. One of the main cause of this land use change is the population growth due to the migration in the district from small cities and rural areas of Delhi.