ENVI土地利用变化处理与分析

遥感图像处理大作业——潍坊市高新区2015-2018年土地利用变化处理于分析地信171王海航201716102032一、研究区域概述：土地是人类赖以生存和发展的最基本的自然资源。地理学者通过对土地利用空间格局的分析，解释人类活动与地理环境的关系，包括人类活动与自然地理环境和人文地理环境的关系。近年来，土地利用对环境和生态的作用在全球环境变化研究领域受到高度重视，有关土地利用变化的研究项目越来越多，因此我选择了以家乡潍坊市高新区为作业主题的土地利用分析变化。二、数据源简介：1遥感图像下载于地理空间数据云.2影像数据范围：CORNER_UL_LAT_PRODUCT=38.5988CORNER_UL_LON_PRODUCT=117.63445CORNER_UR_LAT_PRODUCT=38.48644CORNER_UR_LON_PRODUCT=120.25137CORNER_LL_LAT_PRODUCT=36.43703CORNER_LL_LON_PRODUCT=117.61699CORNER_LR_LAT_PRODUCT=36.39674CORNER_LR_LON_PRODUCT=120.162093表2.1是本次作业所用的遥感数据：表2.1研究区域遥感数据传感器类型数据标识时间云量%Landsat8OLILC81210342015060LGN002015年03月01日3.27Landsat8OLILC81210342018084LGN002018年03月25日2.98遥感影像预处理：辐射定标：在Toolbox中，选择【RadiometricCorrection】>【RadiometricCalibration】，对文件对话框中选择多光谱数据。打开【RadiometricCalibration】面板。在【RadiometricCalibration】面板中，设置参数，【CalibrationType】：Radiance，BIL或者BIP；OutputDataType：Float；ScaleFactor：0.1。图3.1辐射定标参数设置设置输出路径和单位名，单击OK执行辐射定标。2015和2018影像重复此步骤，2015（左），2018（右）。图3.22015年辐射定标（左）图3.32018年辐射定标结果（右）格式转换：由于大气校正需要的格式必须为BIL或BIP，我们在辐射定标时输出格式为BIL，因此不需要再进行格式的转换。大气校正：图像基本信息准备：图3.32015年影像参数（左）图3.42018年影像参数（右）图像平均高程的获取：在Toolbox中，搜索【ComputeStatistics】搜索【ComputeStatistics】工具，打开窗口，勾选直方图。点击确定，在MEAN中计算影像平均高程。图3.5计算平均高程参数（左）图3.6计算平均高程结果（右）大气校正设置，设置输入输出路径，【SensorType】选择Landsat８－OLI，【FlightData】选择步骤（１）中所得到得信息，根据影像得位置与时间，把AtmosphereModel】设为Mid-LatitudeWinter，【AersolModel】设置为Urban，【AersolRetrieval】设置为2-Band（K-7），在多光谱设置中，选择Over-Land-RetrievalStandard（660：2100nm）的设置。图3.72015年辐射校正参数设置输出大气校正结果，查看大气校正结果。图3.82015年大气校正前（左）图3.92015年大气校正后（右）2015和2018影像重复此步骤。裁剪分类范围：在Toolbox搜索框中搜subset,下面会出现【SubsetDatafromROIs】,双击，在出现的框中选择你要裁剪的文件名，点击OK。图3.10ROI裁剪分类区域在出现的SpatialSubsetviaROIParameters框中选择你刚才裁剪的兴趣区域，选择保存路径，点击OK，完成裁剪。图3.112015裁剪结果（左）图3.122018ROI裁剪（右）（3）2015和2018影像重复此步骤。利用ROI绘制区域，裁剪出绘制范围。影像分类：ROI绘制样本:在图像中直接绘制ROI单击ROI工具箱中的Geometry栏，选择相应的绘制形状，直接在图像中绘制感兴趣区，采集样本，根据影像将样本分为水体、耕地、建筑物、植被、裸地、道路六类。2015-2018两年影像分别重复此步骤。图4.1ROI分类样本采集计算样本的分离性采集的质量：在ROI采集工具中，点击option->【ComputeROISeparability】，给出样本分离性评价指标，左图（2015）、右图（2018）.由于样本分离性大于1.9，接近于2，分离程度较好，因此利用该样本进行监督分类。图4.22015样本分离精度（左）图4.32018样本分离精度（右）监督分类：在工具箱里，单击【classification】->【SupervisedClassification】，可以看到各种分类器，我们使用【MaximumLikelihoodClassification】来进行监督分类。点击该工具，打开对话框，选择上一步中绘制的样本，设置输出路径。图4.4最大似然分类设置同样的操作执行两次，得到两年的分类结果：左图（2015）、右图（2018）图4.52015监督分类结果（左）图4.62018监督分类结果（右）分类后处理（1）由于最大似然分类是基于像素的分类方法，因此分类结果中孤立细小斑块较多，可以采用【Majority/MinorityAnalysis】聚类分析进行消除。在工具箱中打开对话框：选择样本,设置最小聚类像素单元为3*3，设置输出路径。图4.7Majority/MinorityAnalysis后处理对两幅影像分别进行分类后处理。得到修正后的分类结果。左图（2015）、右图（2018）.图4.82015监督分类后处理结果图4.92018监督分类后处理结果分类精度评价完成分类后，利用随机生成的检查样本计算混淆矩阵评价分类精度:点击【GenerateRandomSampleUsingGroundTruthImage】，设置每个样本产生随机检查样本的数量（设为20）。进行精度检查。图4.10分类精度评价参数图4.11进行精度评价操作，删除错误点分类结果转矢量要素（1）首先利用【RasterToVectorParameter】工具将分类结果转为evf。图4.122015分类结果转evf图4.13转换结果（2）再利用EVFLayertoShapefile转为矢量要素。图4.14evf转shp（3）对两幅影像分别进行转换。得到转换的分类结果。左图（2015）、右图（2018）。图4.142015分类要素（左）图4.152018分类要素（右）变化区域获取与变化信息分析：（1）将shp数据导入ArcGIS中，首先利用【融合】工具，将相同地物融合为一类，然后打开属性表，点击【添加字段】-添加面积字段，完成后右键字段【计算几何】，单位选择平方米，2015及2018年土地利用面积如下图。图5.12015各地类面积(m²)图5.22018各地类面积(m²)（2）将属性表导出为dbs,用Excel打开，利用图表对比分析两个年份的土地利用变化。图5.3两年土地利用变化趋势(m²)变化分析：统计各个类别在两个时相内的变化（增加或减少）面积、统计某个类别变化为另一类别的面积（如下表格）。在ENVI中打开【ChangeDetectionStatistics】，将前后两个年份的类别对应，添加，点击OK.图5.4变化分析图5.5ENVI中的土地利用转移矩阵(m²)利用ArcGIS软件，对两个年份的矢量数据进行【融合】操作，融合完成后每个类别只对应一个面积，对两个面积进行【相交分析】，用Execl打开dbf表，进行数据透视表的制作，设置行列分别为两年数据，值字段求和面积，得到两个年份的土地利用转移矩阵。图5.6数据透视表的制作表5.72015-2018前后时相土地利用转移矩阵前时相2015后时相2018单位(m²)道路耕地建筑物裸地水体植被总计道路1804410097920017674200223200125100026280038434500耕地3807004752000010932300220680015930046980061668900建筑物1844190084123008659980024597001160100241200117315000裸地4299300306621003115440060660003631500249210078305400水体14760002745002210400693002444400720006546600植被14841008460900665910044550057690042030018046800总计44126100963090001552302001147050092232003958200320317200说明：表格中A12表示前时相是植被，后时相是耕地的区域的面积，单位是平方米新增建设用地的矢量结果图如图所示(红色代表新增建设用地)。图5.8新增建设用地六、结论与心得体会此次作业进行的土地变化分析，是对我们遥感图像处理能力的一个综合考察，一方面要熟悉图像处理流程，另一方面我们要对流程中的细节要很熟悉。总的流程大致分为，图像预处理，影响分类，以及变化区域获取几个部分，其中图像预处理中又包括辐射定标（RadiometricCalibration）、大气校正（FLAASHAtmosphericCorrection）、裁剪影像等步骤。监督分类中包括ROI样本获取、分离性评价（ComputeROISeparability）、计算样本平均高程（ComputeStatistics）、最大似然分类（MaximumLikelihoodClassification）、以及后处理（Majority/MinorityAnalysis）、精度评价和格式转换（ClassificationtoVector、ClassicEVFtoShapefile）等步骤。在变化区域分析中需要制作土地利用转移矩阵（ChangeDetectionStatistics）。 过程中遇到在大气校正时始终不能成功，我们在选择了LandSat8—OLI传感器之后，一些参数会自动添加，但是还有一部分需要手动添加，如时间，平均高程，影像的地区和大致类别，还有多光谱设置，