大学生创新创业训练计划建设项目.doc

1、1云南省大学生创新创业训练计划项目立项申请表推 荐 学 校： 云南大学项 目 名 称： 昆明市呈贡新区 2003-2010-2013 年土地利用遥感监测变化趋势分析项目 申报 类别： 创新训练所属一级学科名称： 地理学申 请 人： 王中一所在学院及年级： 资源环境与地球科学学院 2011 级指 导 教 师： 赵志芳单 位 和 职 称： 资源环境与地球科学学院 教授填 表 日 期： 2013 年 5 月 8 日云南省教育厅制22012 年 2 月一、项目申请人情况 姓 名 王中一 性别男 民族 汉 出生日期1992/07/20所在学院 资源环境与地球科学学院 专业、班级2011 级地理信息系统项

2、目名称 昆明市呈贡新区 2003-2010-2013 年土地利用遥感监测变化趋势分析申请人通讯地址云南大学呈贡校区楸苑 3 幢 A218电话18687170989项目类别 创新训练 创业训练 创业实践项目周期2 年所属学科专业 遥感与地理信息系统申请人参加科研的经历自何年月 至何年月 参加的项目 担任的工作2012/05 至今 星巴克科研立项 数据处理项目组其他成员（不超过 5 人，不包括申请人和指导教师）姓 名 性别 年级 所在学院 专 业 分 工 签 名唐旖 女 2010级资环学院 地理信息系统 数据提取和处理唐旖龙雨青 女 2010级资环学院 大气科学 数据分析 龙雨青3二、拟申报项目情

3、况（一）项目介绍研究背景及现状昆明作为我国西南边疆省会城市, 同时也是一个位于高原的城市, 近年来城市建城区的持续扩展带来周边地区土地利用的显著变化。2003 年 5 月 30 日，云南省委、省政府作出了建设“现代新昆明”的战略部署。 “现代新昆明”建设率先在昆明市主城东南部的呈贡新区启动，昆明呈贡新区的发展定位为：现代新昆明的行政文化教育中心、社会服务中心、国际物流中心、会展中心、新兴产业中心；现代新昆明的鲜花之城、山水之城、文化之城、生态之城及最适合人类居住的现代新城。新区规划控制面积 160 平方公里，城市建设用地 107 平方公里，2020 年人口预计将达到 95万人。加快建设区域性国

4、际城市，是市委、市政府以全球视野审视昆明、以国家战略定位昆明作出的选择。呈贡将紧紧抓住撤县设区这一有利契机，以科学发展观为统领，以建设“区域性国际城市先行区和示范区”为总目标，用 5 至 10 年时间，把呈贡建设成为规划有序、形态优美、产业聚集、社会和谐，集现代低碳与山水园林为一体的昆明区域性国际城市建设的先行区和示范区。呈贡新区分为吴家营行政商务区、雨花教育片区（云南师范大学、昆明理工大学、云南民族大学、云南中医学院、云南大学等 9 所高校搬迁入驻） 、斗南花卉产业片区（全国乃至亚洲最大的花卉产业地和交易市场，号称“亚洲花都” ） 、乌龙体育休闲片区、大冲工业片区（由昆明经济开发区托管） 、

5、洛羊国际物流片区（由昆明经济开发区托管） 、大渔旅游居住片区（由昆明滇池旅游度假区托管）和环湖湿地片区。昆明市呈贡新区作为人类活动高度集中的区域, 其所产生的变化更为剧烈和集中。截止目前，呈贡新区以路网为龙头的基础设施建设快速发展，市级行政中心片区、高校片区等路网建设全面完成，建成通车约 100 公里。市级行政中心全面建成，配套服务设施逐步完善，园林绿化、轨道交通等市政工程快速推进，新区建设成效显著，初具规模，相应地土地利用类型则发生了巨大变化。但昆明市作为旅游大省云南省省会，在城市发展建设过程中，既要重视建筑用地面积，又要重视植被覆盖率，才能确保呈贡新区的建设稳步、健康发展。分析以往资料，呈

6、贡新区建设中更多地重视了规划，但对规划以建设的实时监测则较为薄弱，采用的传统资料上报汇总方法存在获取成果数据精确度较差等不足。基于此，为更好地实现呈贡新区“区域性国际城市先行区和示范区”建设目标，本文拟基于中、高分遥感数据，开展呈贡新区 2003-2013 年土地利用变化监测研究，获取客观基础信息数据，为政府决策支持提供服务。研究目标针对呈贡新区规划建设用地设置方案，根据其建设发展阶段特点，采用 2003 年、2010、2013 年三个时间段中、高分遥感数据获取各分区土地利用变化趋势，为区域规划实施评价、政府决策提供服务与支持。首先，通过研究吴家营行政商务区、雨花教育片区（云南师范大学、昆明理

7、工大学、云南民族大学、云南中医学院、云南大学等 9 所高校搬迁入驻） 、斗南花卉产业片区（全国乃至亚洲最大的花卉产业地和交易市场，号称“亚洲花都” ） 、乌龙体育休闲片区、大冲工业片区（由昆明经济开发区托管） 、洛羊国际物流片区（由昆明经济开发区托管） 、大渔旅游4居住片区（由昆明滇池旅游度假区托管）和环湖湿地片区（图 1）的城市建设用地以及植被覆盖面积的变化趋势，从而分析它们各自的变化趋势，然后以及它们之间的相互影响情况，从而对该新区规划实施作出评价，并为后续区域社会经济发展奠定信息基础。图 1 昆明市呈贡新区规划分区建设示意图表 1 昆明市呈贡新区发展大事记其次，针对呈贡新区发展阶段，我们

8、拟采用 2003 年、2010、2013 年的三个时间段遥感数据（表 1） ，分析获取呈贡新区最初筹建阶段、大学城等前期工程基本完工阶段、主体工程基本完工阶段土地利用变化等信息。首先分析基准年 2003 年的城市用地面积以及植被覆盖面积，然后分析 2010 年、2013 年土地利用变化叠加分析，获取不同时期呈贡新区植5被、城市用地等面积的变化趋势，客观摸清呈贡新区建设变化状况。在此基础上，评价不同阶段规划实施状况，为政府制定区域经济社会发展战略提供支撑。（二）工作原理和方案设想1.工作原理和方案设想工作方案详见图 2：图 2 工作流程图资料收集：首先，根据工作目的、内容和要求，收集开展工作所需

9、的数据与资料：包括遥感影像数据、地形资料及前人研究成果资料。其中遥感图像数据包括 2003 年 ETM+数据、2010 年SPOT-5 数据、2013 年 RapidEye 数据；地形图主要用于划分调查的空间层次、地理单元和影像解译时的参考以及作为遥感调查的基础底图，为满足此次工作目的，主要收集区内涉及的 1：5 万地形图数据；前人研究成果中的文字、图表等也是本次工作需重点参考的资料，也需在前期进行收集与整理。需要说明的是：我们此次科研项目的目的是为了解决昆明市呈贡新区从开始建设 2003年到现在基本建设完成时间段内的城市用地以及植被覆盖率的变化情况以及变化原因，为将来的呈贡新区的建设进展规划

10、以及未来规划建设部门的建设发展方向部署提供支撑。所以我们此项目通过对遥感影像的判读分类进行定性分析，再通过 arcgis 的辅助计算，从而得到定量的数据，最后分析出城市建设用地以及植被覆盖面积的变化趋势以及变化范围。而 2003 年区内建设密度不大，高分遥感数据难以收集，我们主要采用 ETM+遥感数据进行信息获取；近几年则由于呈贡的变化较大，信息提取与判读较为困难，因此将采用 SPOT-5等高分辨率数据，同时结合 google earth 进行图像的判读校正。遥感数字图像处理：收集遥感数据制作遥感图像整理地形图收集整理专业资料呈贡新区遥感影像工作土地利用影像解译土地利用信息提取土地利用遥感调查

11、专题土地利用调查数据图表呈贡新区2003-2010-2013年土地利用变化6(1)图像恢复：即校正在成像、记录、传输或回放过程中引入的数据错误、噪声与畸变。包括辐射校正、几何校正等；(2)数据压缩：以改进传输、存储和处理数据效率；(3)影像增强：突出数据的某些特征，以提高影像目视质量。包括彩色增强、反差增强、边缘增强、密度分割、比值运算、去模糊等；(4)信息提取：从经过增强处理的影像中提取有用的遥感信息。包括采用各种统计分析、集群分析、频谱分析等自动识别与分类。通常利用专用数字图像处理系统来实现，且依据目的不同采用不同算法和技术。 遥感图像的光学处理包括一般的照相处理、光学的几何纠正、分层叠加

12、曝光、相关掩模处理、假彩色合成、电子灰度分割和物理光学处理等。光学处理有时称为模拟处理。数字处理是指用计算机图像分析处理系统进行的遥感图像处理。遥感图像的数字处理往往与多光谱扫描仪和专题制图仪图像数据的应用联系在一起。数字处理方式灵活，重复性好，处理速度快，可以得到高像质和高几何精度的图像，容易满足特殊的应用要求，因而得到广泛的应用。植被遥感监测本次土地利用遥感监测拟采用 LUCC 土地利用分类指标体系。其中遥感图像上的植被信息，主要通过绿色植物叶子和植被冠层的光谱特性及其差异、变化而反映的，不同光谱通道所获得的植被信息可与植被的不同要素或某种特征状态有各种不同的相关性，对于复杂的植被遥感，仅

13、用个别波段或多个单波段数据分析对比来提取植被信息是相当局限的。因而往往选用多光谱遥感数据经分析运算（加、减、乘、除等线性或非线性组合方式） ，产生某些对植被长势、生物量等有一定指示意义的数值即所谓的“植被指数” 。它用一种简单有效的形式来实现对植物状态信息的表达，以定性和定量地评价植被覆盖、生长活力及生物量等。 植被指数的主要有：（1）比值植被指数（RVI） （Ratio Vegetation Index）由于可见光红波段（R）与近红外波段（NIR）对绿色植物的光谱响应十分不同，且具倒转关系。两者简单的数值比能充分表达两反射率之间的差异。比值植被指数可表达为：RVI=DN NIR/ DN R（

14、简单表示为 NIR/R）RVI 是绿色植物的一个灵敏的指示参数。研究表明，它与叶面积指数（LAI） 、叶干生物量（DM） 、叶绿素含量相关性高，被广泛用于估算和监测绿色植物生物量。在植被高密度覆盖情况下，它对植被十分敏感，与生物量的相关性最好。但当植被覆盖度小于 50%时，它的分辨能力显著下降。此外，RVI 对大气状况很敏感，大气效应大大地降低了它对植被检测的灵敏度，尤其是当 RVI 值高时。因此，最好运用经大气纠正的数据，或将两波段的灰度值（DN）转换成反射率（）后再计算 RVI，以消除大气对两波段不同非线性衰减的影响。 （2）归一化植被指数（NDVI） （Normalized Differ

15、ence Vegetation Index）NDVI=（DN NIR-DNR）/（ DN NIRDNR）或 NDVI=(TM4-TM3) /(TM4+TM3)实际上，NDVI 是简单比值 RVI 经非线性的归一化处理所得。在植被遥感中，NDVI 的应用最为广泛。它是植被生长状态及植被覆盖度的最佳指示因子，与植被分布密度呈线性相关。因此又被认为是反映生物量和植被监测的指标。NDVI 的一个缺陷在于，对土壤背景的变化较为敏感。7实验表明，作物生长初期 NDVI 将过高估计植被覆盖度，而在作物生长的结束季节，NDVI 值偏低。因此，NDVI 更适用于植被发育中期或中等覆盖度的植被检测。 （3）差值植

16、被指数（DVI） （Difference Vegetation Index）差值植被指数（DVI）又称环境植被指数（EVI） ，被定义为近红外波段与可见光红波段数值之差。即 DVI= DNNIR-DNR差值植被指数的应用远不如 RVI、NDVI。它对土壤背景的变化极为敏感，有利于对植被生态环境的监测。上述的 NDVI、DVI 等植被指数均受土壤背景的影响大，且这种影响是相当复杂的，它随波长、土壤特征（含水量、有机质含量、表面粗糙度等）及植被覆盖度、作物排列方向等的变化而变化。（4）缨帽变换中的绿度植被指数（GVI）缨帽变换（TC 变换）是以陆地卫星 MSS 各波段的辐度亮度值作为变量。经线性变

17、换后，组成 4 个新变量：TC10.433MSS40.632MSS50.586MSS60.264MSS7TC2-0.290MSS4-0.562MSS5-0.600MSS60.491MSS7TC3-0.829MSS40.522MSS50.039MSS60.194MSS7TC4 0.233MSS40.021MSS5-0.543MSS60.810MSS7而对于 TM 而言，可见光红外 6 个波段数据经缨帽变换的前三个分量主要反映土壤亮度、绿度、湿度特征，第四分量主要为噪声。其中绿度指数可表示为：GVI=-0.2848TM1-0.2435TM2- 0.5436TM3+0.7243TM4 +0.084T

18、M5-0.1800TM7第一分量 TC1表征“土壤亮度” ，它反映土壤亮度信息；第二分量 TC2表征“绿度” ，它与绿色植被长势、覆盖度等信息直接相关；第三分量为“黄度” ，无确定意义，位于 TC1、TC 2的右侧；四分量为“nonesuch”无景观意义，主要为噪声（包含系统噪声和大气信息） 。第一、二分量往往集中了 95%或更多的信息。因此，植被、土壤信息主要集中在由TC1、TC2 组成的二维图形中。（5）垂直植被指数（PVI）不同植被与土壤亮度线的距离不同。于是 Richardson（1977）把植物象元到土壤亮度线的垂直距离定义为垂直植被指数（Perpendicular Vegetati

19、on Index） 。 PVI 是一种简单的欧几米得（Euclidean）距离。表示为：PVI 表征着在土壤背景上存在的植被的生物量，距离越大，生物量越大，也可将 PVI定量表达为：PVI=（DN NIR-b）cos -DN Rsin 其中，DN NIR、DN R分别为 NIR、R 两波段的反射辐射亮度值；b 为土壤基线与 NIR 反射率纵轴的截距； 为土壤基线与 R 光反射率横轴的夹角。其中 S 为土壤反射率，V 为植被反射率，R 为红波段，NIR 为红外波段。建筑用地及裸地遥感监测(1)归一化建筑用地指数 NDBI一般说来,在 ETM+4 和 ETM+5 波段之间除了城镇用地 DN 值走高

20、之外，其他地物 DN 值都变小(图 2)。因此本次研究拟采用 NDBI=(ETM+5-ETM+4)/(ETM+5+ETM+4)作为归一化建筑用8地指数（NDBI）来指取城镇用地信息。当 NDBI 值大于 0 的地物，则认为是城镇用地。具体城市建设用地处理流程详见图 3：(2)改进的归一化裸露指数 MNDBI NDBI 主要反映的是城镇和裸露地信息，所以将 NDBI 和（1-NDVI）相加就可以更加突出居民地信息。因此将之称为改进的归一化裸露指数（Modified Normalized Difference Barren Index, MNDBI） ，即MNDBI=NDBI+(1-NDVI)MN

21、DBI 是对 NDBI 的改进突出了城市信息，使其与周围地物的反差增大，有利于提取城市信息。 在 NDBI 基础上引入 NDVI，通过对图像的二值化、求交运算(表 2)，利用这两个指数的各自的优势来提取城镇用地，把这两个指数的结合用于提取城镇用地称为城镇用地指数（Urban Land-use Index，ULI） 。低密度植被覆盖区在 TM3 和 TM4 上具有植被的光谱特征即在 TM3 和 TM4 之间 DN 值是变大的；而在 TM4 和 TM5 上具有城镇用地的光谱特征或者说具有裸地的光谱特征即在 TM4 和 TM5 波段之间 DN 值是变大的。因此，低密度植被覆盖区不仅具有植被的光谱特性

22、而且具有城镇用地的光谱特性。利用这一独特的光谱特性可以将 NDBILandsat TM 影像影像预处理TM4 波段 NDBI 图 TM5 波段 NDBI 图二值化、叠加分析、掩膜处理城市建筑用地信息图精度验证图 2 土地利用类型波谱曲线图图 3 城市建设用地信息提取流程图020406080100120140TM1 TM2 TM3 TM4 TM5 TM7Landsat TM影 像 光 谱 波 段 (Landsat TM spectral Bands)DN值(DNvalue)城 镇 用 地 裸 地林 地农 田水 体低 密 度 植被 覆 盖 区9提取得到的城镇用地（其结果还包含裸地和低密度植被覆盖区

23、）中的低密度植被覆盖区从中分离出来(表 3)。 表 2 典型地物二值化后的像元值建筑用地 林地 农田 水体 低密度植被覆盖区NDBI 1 0 0 0 1NDVI 1 0 0 1 0NDVI*NDVI 1 0 0 0 0表 3 三种基于谱间特征分析的城镇用地提取方法比较方法名称 公式 优点 缺点归一化建筑指数（NDBI）（TM5-TM4）/(TM5+TM4) 相对于传统方法快速有效，提取精度较高，结果较为客观、可信提取结果包含低密度植被区、裸地信息改进的归一化裸露指数（MNDBI）NDBI+(1-NDVI) 相对于 NDBI 更加突出了城镇信息，提取结果得到改善需要人为设定阈值，结果受主观因素影

24、响，提取结果包含低密度植被区、落地信息城镇用地指数（ULI） NDBI&NDVI 相对于 NDBI 去除了低密度植被区的影响，提取精度得到提高，结果客观、可信，是一种自动提取城镇用地的方法提取结果仍含有裸地信息数据分析方法 利用 Arcgis10.0 软件进行数据的处理和分析,再结合相应的图像分析处理方法，处理图像以及提取所需数据。(1)面积比较法 计算研究区土地利用与土地覆盖遥感影像所对应年份各种覆盖类型的面积，为每一种土地利用与土地覆盖类型建立面积和面积百分比变化表，百分比变化值用式（1）计算： 面积百分变化值=（A2 -A1）/A100（1） 式中，A2 表示所研究的 T1 到 T2 时

25、段 T2 时刻的面积，A1 表示 T1 时刻的面积，A 表示总面积。 面积百分比变化确定土地利用土地覆盖变化趋势，负值表示该种类型呈减少态势，正值表示呈增加态势。 (2)图像差值法 这种方法是将时间 t1，t2 获取的两幅影像进行严格配准，然后逐像素相减，从而得到一幅结果影像以表示在这两个时间当中所发生的变化，通过对差值分析设定合适的阈值即可得到地表变化的结果。这种方法的主要特点是简单、直接、便于解释结果，不足之处在于不能提供地物变化的信息。 (3)分类后比较方法 10首先将不同时相的图像各自进行分类，然后对分类后的图像进行叠加分析，得到变化监测的结果。将不同时相图像的所有波段混在一起进行分类

26、，分类的结果可以反映出变化类型。这种变化检测的方法较为明显，需要比较独立生成的分类图像，通过对两个时相的分类结果进行适当编码，分析人员能够生成一个变化图来反映完全的变化矩阵 。这种方法可以避免对不同时相数据的精确配准问题 。总之，现有的遥感变化检测的方法较多，这些方法分别适用于不同的实际需求，根据实际情况选择合适的方法可以达到较好的检测结果 。2.计划进度准备阶段：查阅相关资料，通过对比分析，探讨适合提取昆明市呈贡新区城市信息的遥感影像，购买 2003、2010、2013 年的月份接近的昆明市区中高分辨率遥感影像数据。数据处理阶段：运用遥感计算机识别、定量遥感的相关知识和技术对遥感影像进行解译

27、，提取所需的绿地信息，对不确定信息进行实地验证（一般情况下所需信息都能通过遥感影像判读） ，并计算出 2003、2010、2013 年度呈贡新区城市建设用地以及植被覆盖面积。数据分析阶段：通过五期遥感影像绿地覆盖率的比较，特别是城市建设用地和绿地分布的格局及其变化，结合政府部门的相关政策、城市发展状况，分析 2003、2010、2013 年来植被覆盖率以及城市建设用地变化的原因，同时为今后城乡规划建设建设提供科学、准查阅资料，分析得出最适合的遥感影像数据，并购买。准备数据处理处理影像，提取信息，计算每期的植被覆盖面积、城市用地面积数据分析分别对 2003、2010、2013 年遥感影像分析，找出植被覆盖面积和城市用地面积的变化趋势。发表论文，为相关部门人员提供资料，辅助相关部门决策。后期宣传遥感影像判读不确定的数据，进行实地考察验证。向有关专家咨询，了解近些年政策、环境等的变化。