中国农业大学学报 2021，26(4) :157-166 h ttp://zgnydxxb.ijournals Journal of China Agricultural University DOI：10. 11841/j.issn. 1007-4333. 2021. 04. 14
基于遥感影像的土地利用特征提取与城乡梯度差异分析
—以河北省涿州市为例
汤怀志1汤敏2关明文3张美聪1王子彤1
(1.中国农业大学土地科学与技术学院，北京100193;
2.北京佰信蓝图科技有限公司，北京102208;
3.运城学院经济管理系，山西运城044099)
摘要为快速获取区域土地利用特征和精细刻画城乡土地利用差异，以河北省涿州市为研究对象，基于Sentinel-2影像数据，采取面向对象方法进行影像分割，利用隶属度函数与决策树方法相结合的非监督分类算法对涿州市土地利用进行分类，并选取了不同方向的城乡梯度样带进行了土地利用特征分析。结果表明，应用模糊决策树方法的涿州市土地利用分类结果总体精度为93. 7%,K a p p a系数0. 892，分类精度较高。分析上述结果发现：涿州市土地利用类型以耕地与城乡居民点用地为主，林地、草地、水体等
自然生态空间比例较低，土地利用的城乡梯度特征明显；耕地集中分布在距离城市中心4〜7 k m的东南、南、西方向；城乡居民点整体分布分散，在距离城市中心3 k m以内、5 k m、8〜9 k m呈现明显的集聚特征。建议涿州市依据预期人口规模和集聚特征优化建设用地布局，提高建设用地集约利用强度，同时提高林地、草地、水体等生态空间比例。
关键词 土地利用，面向对象分类，隶属度函数，决策树分类，遥感影像
中图分类号F301.21 文章编号1007-4333(2021)04-0157-10 文献标志码A
Diversity analysis of urban and rural land use based on
Sentinel-2 remote sensing image：
A case study of Zhuozhou City in Hebei Province
TANG Huaizhi1，TANG Min2，GUAN Minwen3，ZHANG Meicong1，WANG Zitong1
(1. College of Land Science and Technology, China Agricultural University, Beijing 100193, China；
2. Beijing Baixinlantu Science and Technology Co. Ltd. , Beijing 102208, China；
3. School of Economics and Management, Yuncheng College, Yuncheng 044099, China)
Abstract In order to quickly get the regional land use characteristics and describe the urban and rural land use differences, this study adopts object-oriented method for image segmentation, and USES unsupervised classification algorithm combining membership function and decision tree methods to classify the land use of Zhuozhou City based on Sentinel-2 image data, and selects the different directions of urban-rural gradient belt to analysis the characteristics of land use. The results show that the overall accuracy of the classification method is 93. 7% , the Kappa coefficient is
0.892, and the classification accuracy is relatively high. Based on the classification results, it is found that Zhuozhou?
s land use types are mainly farmland and urban and rural residential land, while the proportions of natural ecological space such as forest land, grassland and water body are relatively low. The spatial distribution shows an obvious urban-rural gradient characteristics. The cultivated land is concentrated in the southeast, south and west directions 4-7km away from the city center. The overall distribution of urban and rural residential areas is scattered, with certain clustering characteristics within 3, 5, and 8 -9 km from the city center. It is suggested Zhuozhou should
收稿日期：2020-09-04
基金项目：国家自然科学基金项目（41701201)
第一作者：汤怀志，讲师，主要从事耕地资源保护与土地科技创新研究，£-1113丨1：丁31^只2@。311.6〇111.(：11
158中国农业大学学报2021年第26卷
optimize the layout of construction land according to the expected population size and land use agglomeration characteristics, improve the intensity of intensive utilization of construction land, and increase the proportion of ecological space such as forest land, grassland and water body.
Keywords land use；object-oriented classification；subjection function；decision tree classifier；Sentinel-2 remote sensing image
自20世纪90年代以来，遥感影像在自然资源 调查监测、国土空间规划等领域中的应用日益广 泛[,]。运用遥感技术快速获取地表覆被状况，可为 自然资源管理和科学决策提供数据基础[〃]，不同卫 星影像、不同分类方法、不同研究手段针对不同研究 区域的土地利用分类一直是遥感领域的研究热点[24]，并在技术手段上趋于成熟[5]。其中：在数据 来源方面，Sentinel影像数据由于时空分辨率高、可
以免费获取等原因，在土地利用分类[6_8]、耕地[9]、绿 地[1°]、园地[11]、农作物信息提取等方面快速发展；在研究方法方面，以面向对象为基本理念的基于 对象特征的分类方法逐步成熟[56’11>13]，决策树分 类[1214]、模糊函数[23’15]等方法得到普遍应用，不断 提高了土地利用分类精度。通过土地利用分类能体 现出不同土地利用方式和结构差异。已有研究表明 城市土地利用和乡村土地利用具有明显的空间格局 差异和不同的空间集聚特征，城乡过渡带、城市边缘 区等因土地利用快速变化、人地关系更为复杂而成 为城乡统筹研究的重点方向D6]。通过城市中心到 乡村腹地的梯度带或圈层的土地利用差异分析，能够更好反映区位条件、人类活动与土地利用系统的 动态交互关系[17]，但现有研究主要采用以行政区划 或区域为对象、以土地利用调查和经济社会统计资 料为数据基础的比较分析，在数据的现势性和空间 单元的精细化程度方面均不足以反映城乡土地利用 变化复杂性。为实现精细刻画城乡过渡带范围及其 土地利用特征的研究目的，本研究利用遥感影像现 势性强、覆盖面广的特点，选取京津冀协同发展国家 战略区域范围内的河北省涿州市为研究对象，采用 面向对象的遥感影像模糊决策树分类方法，以期获 取涿州市城乡梯度下的土地利用结构性变化和集聚 特征变化特征，为涿州市自然资源管理决策和国土 空间优化提供决策建议和基础依据。
1 研究区概况
subjection河北省涿州市位于华北平原西北部、北京市西 南部，地处京津冀城市核心地带，经纬度范围为东经 115°44'~116°15'、北纬 39°21'~39°36'。全市总 面积742. 5 km2，城区面积约为31. 0 km2，全市户籍
总人口 70. 15万人。
涿州市地质结构属太行山山洪冲击扇，地形平 整，土质肥沃，具有丰厚的自然资源，地势由西北向 东南倾斜，海拔20〜70 m，整体变化较小，十分有利 于农业生产。境内共有6条河流，分别属于海河流 域的大庆水系和永定水系，但除了降雨异常的年份 外，河流常年没有水。
根据2014年度土地利用变更调查数据，全市土 地总面积75 129. 55 hm2，其中农用地53 046. 30 hm2，占土地总面积的70. 61%；建设用地18 616. 91 hm2，占土地总面积的24. 78%；其他土地3 466. 34 hm2，占土地总面积的4.61%。
2材料与方法
2.1数据来源
由于涿州市土地利用类型以农用地为主，耕作 制度为1年2熟，主要种植夏玉米和冬小麦。每年 冬小麦播种时间为10月左右，6月中旬成熟后收 割；夏玉米播种时间为6月底，10月前收割。为较 好的区分耕地、林地与草地等遥感影像解译中容易 混淆的土地利用类型并尽可能保证数据的现势性，本研究时相选择在作物生长发育时期，同时与林地、草地具有较为明显的差异，最终选定卫星影像获取 时间为2019年7月22日。
卫星影像数据采用Sentinel-2数据，使用该数 据的主要原因是与同系列光学影像卫星数据及其他 公开遥感影响数据相比，Seminel-2卫星数据波段 较多，空间和时间分辨均较高，常用的红、蓝、绿 及近红外波段的分辨率达到10 m，同一区域的影 像能够实现5 d —景，能够提供较好的时空分辨率 影像数据，同时Sentinel-2号卫星影响数据可以免 费获取（表1)。
本研究从欧洲航天局网站（https:scihub. copernicus.eu/)下载L2A级别数据，已经经过了辐 射定标和大气校正处理。由于Sentinel-2卫星影像
第4期汤怀志等：基于遥感影像的土地利用特征提取与城乡梯度差异分析—以河北省涿州市为例159
是光学影像，所以不能避免云的影响，选择了云层覆 像进行补充和替换，以保证结果的连续性[1819]。
盖度<5%的数据以尽可能避免云层对数据质量的 其他数据还包括涿州市行政区划数据、土地利影响，同时对云层覆盖区域采用相近时期的参考影 用变更调查资料以及Google earth卫星地图等。
表1 Sentinel-2 MS丨数据的波段说明
Table 1Band descriptions of Sentinel-2 MSI data
波段Band
波长/n m
Central wavelength
带宽/n m
Band width
分辨率/m
Resolution
沿海气溶胶波段Band 1-Coastal serosol4432060蓝波段Band 2-Blue4906510绿波段Band 3-Green5603510红波段Band 4-Red6653010植被红边波段Band 5-Vegetaion red edge7051520植被红边波段Band 6-Vegetaion red edge7401520植被红边波段Band 7-Vegetaion red edge7832020近红外波段Band 8-NIR84211510近红外（窄）波段Band 8a-Narrow NIR8652020水蒸气波段Band 9-W ater vapour9452060短波红外波段Band 10-SW IR-cimis13753060短波红外波段Band 11-SWIR16109020短波红外波段Band 12-SWIR  2 19018020
2.2数据预处理及使用工具
为获取高质量的影像底图，采用卫星图像处理 系统SNAP软件对下载的Sentinel-2影像数据进行 预处理，具体流程如下：选取蓝波段（Band 2- Blue)、绿波段（Band 3-Green)、红波段（Band 4- Red)、近红外波段（Band 8-NTR)、短波红外波段 (Band 12-SWIR)等5个波段进行重采样、波段融 合、图像镶嵌，并利用涿州市行政区划的矢量边界数 据进行裁剪，得到空间分辨率为10 m的涿州市影 像数据，并转存为G eoTIFF格式，导人eCognition 软件中进行分析处理。
采用eCognhion软件进行土地利用分类提取，其基本原理是基于面向对象方法进行影像分类和信 息提取[2°]。与传统基于像元的分类方法比较，其主 要特点在于分类时综合利用了影像的光谱信息以及 对象的形状、纹理等空间几何信息，因此可以不局限 于像元，能够利用对象为基本单位进行图像分析与处 理，不仅能够快速、高效地生产地理空间信息，还能够 有利于挖掘获取更为丰富的区域土地利用特征[21]。其基本图像处理流程包括影像分割、特征提取、对象分类：分割是对整个影像进行尺度空间构建；特征提 取是以基于分割后的对象属性提取合适特征；分类是 依据特征和分类算法赋予对象语义信息。
2.3 土地利用分类
涿州市土地利用以农用地为主，农用地中又以 耕地为主，林地、草地面积相对较少。因此，本研究 主要对耕地、林草地、水体、城乡居民点、交通用地和 其他土地共6类土地利用类型（表2)进行分类提
取。不同类型的典型影像见图1。由图1可见：涿 州市耕地分布一般呈绿，分布集中连片，形状规 则、纹理清晰，以道路、田坎、河流为边界；林草地与 耕地相比，对象形状特征和光谱特征的差异明显，呈 深绿或黄绿，纹理均匀，边界较为清晰；水体主 要为坑塘、河流、沟渠，以面状或连续线性分布为主，呈均匀分布的黑；城乡居民点主要为建筑物、广 场、内部道路等，可观察到屋顶，以不规则的面状分 布为主，呈混杂的白、紫、蓝，边界较为清晰；道路用地形状规则，呈白或紫的线性分布；其他 土地以裸地或工矿用地为主，没有明显的分布规律，一般呈白或淡紫不规则面状分布。
160中国农业大学学报
2021年第26卷表2 土地利用分类及其特征选择
Table 2
Land use classification and its feature selection 类别Classification
说明Description 特征
Feature 耕地 Cultivated land
夏玉米和冬小麦的旱地和水浇地均值，N D V I ，亮度林草地 Forestland & Grassland
林地、人工草地及少量园地均值，N D V I ，亮度水体W ater
河流、坑塘等均值，N D W I，亮度，长宽比城乡居民点Residential land
建筑物较为密集的城乡居住用地均值，N DSI ，亮度，长宽比交通用地 Transportation land
各级道路，不包括田间道及生产道均值，N D SI ，长宽比，像元密度其他土地 O ther land 裸地以及表面无覆盖的独立工矿用地等均值，N D SI ，亮度
(d) (e) (f)
(a )耕地 Cultivated land; (b )林草地 Forestland & Grassland; (c )水体 W a t e r ; (d )城乡居民点 Residential land; (e )交通用地 Transportation land; (f )其他土地 O t h e r  land
图1
涿州市不同土地利用类型的典型遥感影像Fig. 1 T y p i c a l  r e m o t e  s e n s i n g  i m a g e s  of  different lan d  u s e  t y p e s  in Z h u o z h o u  C i t y
2.4面向对象的遥感影像多尺度分割
分割是面向对象分类软件eCognition 里面进
行影像分类处理的第一步工作，其目的是按照一定
的规则将栅格图像划分为若干对象，划分后的对象
即为处理的最小对象。对于面向对象的分类方法而
言，成功的影像分割是必要的前提[4’7]，作为基础分
割单元对数据分类结果质量起到决定性作用。
本研究采用多尺度分割方法，主要涉及分割尺
度、波段权重、均质性因子等参数[7’1617]。分割尺度决定了对象多边形的面积大小，最优分割尺度的确 定直接关系地物类型的边界是否清晰以及对象内是 否均质，过小会导致对象破碎不利于分类，过大则造 成边界模糊，无法有效识别不同土地利用类型。波 段权重是影响分割精度的重要因素之一，根据不同 的光谱波段对分割结果的影响程度设置不同的权 重。均质性因子包括光谱与形状因子，在尺度和形 状参数一定的情况下，紧致度值越小分割的形状显 得越碎。经多次研究试验比较，
本研究选取了多尺
第4期汤怀志等：基于遥感影像的土地利用特征提取与城乡梯度差异分析—以河北省琢州市为例161度分割最优参数，将遥感影像的蓝、绿、红、近红四个 波段权重值均设为1。考虑到耕地的形态表征更为 接近矩形，形状因子影响相对较大，因此相关参数选 择为：分割尺度（Scale)60，形状（Shape)O. 4，紧致度 (Compactness) 0. 5 〇 2.5分割后对象特征提取分割后对象包括200多种特征，可以分为光谱 信息、形状特征、纹理结构、领域关系、层次结构等不 同类别。经过试验测试，本研究主要通过光谱信息 和形状特征进行识别。2.5. 1 分割后对象的光谱特征光谱是遥感影像识别的最重要的基础特征，本 研究主要采取了平均值、亮度均值指标以及NDVI、 N D W I 、NDSI等遥感指数。1) 归一化植被指数（NDVI)主要用于植被和非 植被的提取，不同地物的N D V I 值差别较大，其计 算公式为：NDVI = "N I R  一 "R "N I R  + 押式中W N I R 为近红外波段均值，n m ;f(R为红波段均
值，n m 。2) 归一化水体指数（N D W I )主要用于水体的提 取，水体调单一、多呈蓝黑，与非水体差别明显， 其计算公式为：
NDWI = "G  — "N I R f^G  |MNIR
式中为近红外波段均值;A t o 为绿波段均值，nm。3) 归一化土壤指数（NDSI)主要用于裸地和建 筑物的提取，由于涿州市裸地的地物覆盖物较少，呈 现较高的反射率，因此可以用NDSI进行区分，其计 算公式为：NDSI = "R  T "G "R 十"G 式中：为近红外波段均值；％为绿波段均 值，n m 。4) 亮度（Brightness)主要用于辅助不同地物识 别，与其他光谱特征共同使用，能够更为精准、精细 的进行分类。计算公式如下：b  = f - x  2?.j  = i 式中：为波段个数为影像斑块的i波段值。2. 5.2 分割后对象的形状特征由于光谱特征的不确定性，且分辨率越高，同类地物的异质性提升、类内方差变大、类间方差变小， 不利于自动化判读。相对而言，形状特征更为稳定， 有利于快速有效地分辨不同几何形态的地物，提高 分类精度。
1) 长宽比。
长宽比即对象最小外接矩形的长度与宽度比
例。采用长宽比指数与光谱特征相结合的方式能从 高分辨率遥感影像中很好的提取线性地物，例如河 流和道路等，对形状规则的建筑物、水库等也有很好 的效果。其计算公式为：
r  = l /w
式中：r 为长宽比；Z为长度，m ;w 为宽度，m 。2) 密度。密度d 可以表示为影像对象面积除以对象半
径。使用密度来描述影像对象的紧致程度。在像素 栅格的图形中理想的紧致形状是一个正方形。一个 影像对象的形状越接近正方形，它的密度就越高，对
于识别形状较为规整的农田效果较为明显。其计算
公式为：
1+ yVarCX) + Var(Y )
式中：n 为构成影像对象的像素数量；半径采用协方 差矩阵来近似计算。3结果与分析
3.1涿州市土地利用分类结果
本研究采用的模糊决策树方法，其算法流程与 精确决策树构建过程相似，主要差别在于对每个属 性值进行了模糊化并对应不同的模糊隶属关系，通 过模糊隶属度函数计算的出现频率，对对象的模糊
熵计算来赋予其类型。本研究基于分割对象的光谱
特征和形状特征，经过反复实验和实地验证，按照类
层次结构建立了分类体系及其地物特征，选取相应 的分类指标并制定了隶属函数分类规则（表2、
图3)，分类结果如图4所示。结果表明：涿州市土 地利用以耕地为主，汇总统计面积为45 319. 37 hm2，占土地总面积的60. 32%；其次是城乡居民点
用地，面积为17 132. 81 hm2，占22. 8%；林草地、交
通用地、水体的面积较少，分别占5. 26%、2. 7%、
0.6%；此外还有一定面积的其他土地，以滩涂、工矿
用地为主，占土地总面积的8. 32%。与2014年琢
州市土地利用变更调查结果比较，本研究结果的农