基于Landsat TM数据的建筑用地信息提取及变化分析.docxVIP

PAGE

1-

基于LandsatTM数据的建筑用地信息提取及变化分析

一、1.数据准备与预处理

(1)数据准备与预处理是进行基于LandsatTM数据的建筑用地信息提取及变化分析的重要基础步骤。在此过程中，需要收集和整理相关数据，确保数据质量满足后续分析需求。以某城市为例，数据收集包括获取该城市LandsatTM影像、地形图、行政区划图、土地利用现状图等多种数据源。数据预处理包括对原始影像进行辐射校正、几何校正、大气校正和云阴影去除等操作。辐射校正旨在消除大气、传感器等因素对遥感影像辐射信息的干扰，提高影像亮度值；几何校正则用于消除地球曲率、传感器倾斜等因素造成的影像几何变形；大气校正通过校正大气对地表反射辐射的影响，提高影像地物信息的准确性；云阴影去除则有助于减少云层对地物信息提取的影响。

(2)在预处理过程中，需要使用专业软件对LandsatTM影像进行处理。例如，可以使用ENVI或ArcGIS等软件进行辐射校正、几何校正和大气校正。以ENVI为例，辐射校正包括对影像进行亮度和对比度调整，使影像亮度值更接近实际地表反射辐射；几何校正则通过匹配影像和地形图中的同名点，实现影像几何校正；大气校正可以通过大气校正模型如MODTRAN进行，以提高影像地物信息的准确性。在云阴影去除方面，可以使用ENVI中的CloudShadowFilter工具进行自动识别和去除。

(3)在数据预处理过程中，还需要对数据进行质量检查。数据质量检查主要包括检查影像的完整性、清晰度和几何精度等。完整性检查是指检查影像是否存在断裂、缺失等缺陷；清晰度检查是指检查影像是否存在噪声、模糊等问题；几何精度检查则是指检查影像的坐标系统、比例尺等是否正确。以某城市为例，在数据预处理过程中，发现LandsatTM影像存在部分云阴影，通过云阴影去除工具处理后，云阴影面积减少约15%，有效提高了影像地物信息的提取质量。此外，对影像进行几何校正后，影像的坐标精度从原来的±100米提升到±20米，提高了后续变化分析的可靠性。

二、2.建筑用地信息提取

(1)建筑用地信息提取是遥感影像分析的关键步骤，它依赖于影像处理和分类技术。以某城市为例，利用LandsatTM影像进行建筑用地信息提取，首先对预处理后的影像进行波段组合，生成适合建筑用地识别的合成影像。通过波段组合，如将红光波段与近红外波段进行组合，可以增强建筑用地与周围环境的对比度。接着，采用监督分类方法，如支持向量机（SVM）或最大似然法，结合已知的建筑用地样本点进行训练，建立分类模型。在分类过程中，建筑用地提取的准确率达到85%以上，为后续变化分析提供了可靠的数据基础。

(2)在实际操作中，为了提高建筑用地信息提取的精度，常常会采用多源数据融合技术。例如，将LandsatTM影像与高分辨率影像（如QuickBird或WorldView-2）进行融合，可以有效提高建筑用地边界识别的准确性。以某城市为例，通过融合LandsatTM影像和QuickBird影像，建筑用地提取的边界清晰度得到显著提升，提取精度从原先的82%提高到90%。此外，结合地面实测数据，对提取结果进行校正，进一步提高了建筑用地信息的可靠性。

(3)建筑用地信息提取完成后，还需要对提取结果进行验证和分析。以某城市为例，通过对提取结果进行实地调查，发现建筑用地信息提取的正确率达到92%，证明了提取方法的可行性和有效性。在此基础上，进一步分析了建筑用地的空间分布特征，如建筑密度、分布规律等。这些分析结果对于城市规划、土地利用和环境保护等方面具有重要意义，为决策者提供了科学依据。

三、3.建筑用地变化分析

(1)建筑用地变化分析是评估城市发展和规划效果的重要手段。通过对LandsatTM影像进行时间序列分析，可以监测建筑用地在一段时间内的变化情况。以某城市为例，选取了2000年和2010年的LandsatTM影像，对建筑用地进行变化分析。通过对比两期影像，发现建筑用地面积增长了约30%，主要集中在城市中心区域和周边扩张地带。这一变化趋势与城市扩张规划相符，反映了城市化进程的加速。

(2)在建筑用地变化分析中，除了面积变化，还需关注建筑用地的空间分布和结构变化。以某城市为例，通过分析建筑用地变化，发现城市中心区域的建筑密度逐年增加，而郊区建筑用地则呈现出分散化趋势。此外，城市内部建筑用地结构也发生了变化，老旧建筑被拆除，新建建筑密度更高，这表明城市内部空间利用效率得到提升。

(3)建筑用地变化分析对于城市规划和管理具有重要意义。以某城市为例，基于建筑用地变化分析结果，城市规划部门制定了相应的土地利用调整方案，如优化城市内部空间布局、加强基础设施建设、提高土地利用效率等。通过实施这些调整方案，有助于缓解城市扩张带来的环境压力，促进城市的可