沈玉蓮，肖迪，費騰

(武漢大學(xué)信息學(xué)部資源與環(huán)境科學(xué)學(xué)院 武漢 430079)

?

深圳市海岸帶土地利用遙感監(jiān)測方法探索

沈玉蓮，肖迪，費騰

(武漢大學(xué)信息學(xué)部資源與環(huán)境科學(xué)學(xué)院 武漢 430079)

隨著遙感對地觀測技術(shù)的發(fā)展，衛(wèi)星遙感在海岸帶動態(tài)監(jiān)測中占據(jù)愈來愈重要的地位，探索海岸帶遙感監(jiān)測的最佳方法，對今后的海岸帶監(jiān)測工作有重要的意義。文章從數(shù)據(jù)源、信息提取方法、監(jiān)測頻率這3個維度出發(fā)，選擇深圳市兩個典型的海岸帶區(qū)域(人類活動頻繁區(qū)域和人類活動稀少區(qū)域)作為研究區(qū)，針對兩種海岸帶區(qū)域?qū)で笃浜０稁恋乩眠b感監(jiān)測的最佳方法。研究結(jié)果表明：對于人類活動頻繁區(qū)域(深圳灣北岸)，數(shù)據(jù)源最好選擇高分辨率ZY-3衛(wèi)星影像，土地利用信息提取方法選擇支持向量機分類，監(jiān)測周期1～2年為最佳；對于人類活動稀少區(qū)域(大鵬灣東岸)，數(shù)據(jù)源則可以選擇分辨率較低的Landsat 8衛(wèi)星影像，土地利用信息提取方法依然以支持向量機分類方法為最佳，監(jiān)測周期則為5年。

海岸帶；土地利用；遙感；數(shù)據(jù)源；數(shù)據(jù)采集；信息提??；監(jiān)測頻率

1 引言

海岸帶屬于人類活動頻繁區(qū)域，其岸線和沿岸土地變化劇烈，生態(tài)環(huán)境較為脆弱，因此研究沿岸土地利用變化對研究海岸帶生態(tài)變化機制具有重要意義[1]。遙感對地觀測具有快速、綜合、高頻和動態(tài)等突出優(yōu)勢，因此利用遙感數(shù)據(jù)研究海岸帶動態(tài)變化是目前有效的研究手段[2]。

目前國內(nèi)利用遙感研究海岸帶動態(tài)變化大致分為兩個方向。

一個方向是利用遙感手段對海岸帶變化進行監(jiān)測和評價，即應(yīng)用研究，如梁建、張杰等[3]利用遙感影像對連云港港口變化情況進行監(jiān)測，研究重點在于港口圍填海結(jié)果與分析，但沒有具體闡述遙感信息的提取方法；王娟等[4]利用天津市5個不同時相的遙感影像對天津市濱海新區(qū)海岸帶進行變化監(jiān)測，并分析其變化規(guī)律及變化原因，提取岸線和濕地的方法相對簡單，提取結(jié)果精度信息缺失；吳泉源、侯志華等[5]利用12個時相的遙感影像監(jiān)測龍口市20年間海岸帶變化，研究重點是海岸線的變遷及其原因，提出數(shù)字圖像處理技術(shù)與目視解譯相結(jié)合的岸線提取方法，然而沒有與其他岸線提取方向進行對比分析。

另一個方向的研究則側(cè)重于在遙感影像中對海岸帶信息進行自動提取，如鞠明明、汪閩等[6]研究基于面向?qū)ο髨D像分析技術(shù)的圍填海遙感監(jiān)測，并通過實例驗證該方法的可行性，然而沒有將面向?qū)ο蠓治龇椒ㄅc其他方法相比，無法判斷該方法與其他方法在海岸帶信息提取中的優(yōu)劣，僅是一種單一方法的探索；李秦等[7]提出一種用于提取海岸帶土地利用及其變化信息的方法，即最優(yōu)分割尺度下的遙感多層次地物識別分類方法，并通過實驗證明該方法分類結(jié)果優(yōu)于傳統(tǒng)的監(jiān)督分類和單一分割尺度下的影像分類結(jié)果；江沖亞、李滿春等[8]提出一種新的海岸帶水體遙感信息全自動提取方法，即通過“像元-對象”及“全域-局部”的雙重尺度轉(zhuǎn)換方法，并設(shè)計實驗證明使用該方法提取的結(jié)果具有較好的連續(xù)性，且相對精度優(yōu)于監(jiān)督分類法和閥值分割法。

綜上所述，目前利用遙感技術(shù)對海岸帶岸線和土地利用變化多局限于嘗試單一數(shù)據(jù)源、使用單一信息提取方法進行監(jiān)測。本文選用多種數(shù)據(jù)源(Landsat8、SPOT5、資源三號衛(wèi)星影像)，在此基礎(chǔ)上采用不同的分類方法，探討選取合適的遙感數(shù)據(jù)源、合適的信息提取方法以及合適的監(jiān)測頻率，以得到深圳市海岸帶監(jiān)測的最佳方案。

2 實驗區(qū)概況

本研究選定兩個研究區(qū)作為海岸帶典型區(qū)域，其中研究區(qū)一(深圳灣北岸)位于深圳市發(fā)展最繁榮的地區(qū)之一，是人類活動最頻繁的地區(qū)之一，是人工海岸帶的代表；研究區(qū)二(大鵬灣東岸)植被覆蓋率高，是人類活動最稀少的地區(qū)之一，是自然海岸帶的代表。本研究基于這兩個典型區(qū)域探究深圳市海岸帶監(jiān)測的最佳方案，由此可推廣到整個深圳市海岸帶監(jiān)測。

研究區(qū)一位于深圳灣北岸(113°36′16″E—114°2′42″E，22°30′11″N—22°32′16″N)，屬于人類活動頻繁地區(qū)。深圳灣為珠江口伶仃洋東側(cè)中部的一個內(nèi)寬外窄的半封閉型淺水海灣，海灣灣長17.5 km、平均寬度約7.5 km、平均水深2.9 m、最大水深不超過5 m。深圳灣區(qū)域?qū)倌蟻啛釒ШＱ笮约撅L(fēng)氣候，全年盛吹偏東風(fēng)，由于岸線曲折以及兩岸丘陵和低山的屏障作用，該區(qū)域波浪作用小，潮流和徑流攜帶的泥沙含量少，灣內(nèi)河床淤積緩慢，河床相對穩(wěn)定，因此具有修建港口碼頭的自然條件。目前深圳灣北岸從東頭角至赤灣港沿岸建有一系列港口碼頭群，其中蛇口港群從咀頭山至赤灣航道基本沿各碼頭港池前緣開挖新的通道與伶仃洋東航道銜接，航道水深為9～15 m，而其他碼頭和深圳河內(nèi)碼頭的船只進出伶仃洋航道基本使用深圳灣的天然槽道[9]。

研究區(qū)二位于大鵬灣東岸(114°28′19″E—114°35′16″E，22°26′47″N—22°32′36″N)，屬于南澳街道，人類活動較為稀少。由于充沛的雨量和良好的生態(tài)涵養(yǎng)，以及交通不便和經(jīng)濟相對落后等原因，使大鵬灣開發(fā)利用步伐落后于深圳其他區(qū)域，因此大鵬半島成為深圳市僅存的大面積連片林地區(qū)，成為與西部水源保護區(qū)相對應(yīng)的、名副其實的珍貴綠源，是深圳市面積最大、保存最完好的自然生態(tài)區(qū)域[10]。

3 研究方法

3.1 數(shù)據(jù)源

3.1.1 Landsat 8 OLI影像

Landsat 8 OLI影像的多光譜星下點空間分辨率為30 m，重返周期為16 d，共有8個波段，其中1～5波段為可見光波段，6～7波段為短紅外波段，8波段為全色波段。

本研究采用兩幅Landsat 8影像分別覆蓋兩個研究區(qū)，采用Landsat 8的2、3、4、8波段。覆蓋深圳灣的影像采集時間為2013年10月5日，軌道path/row為121/44，云量為0.07%；覆蓋大鵬灣的影像采集時間為2013年11月29日，軌道path/row為122/44，云量為3.46%。

3.1.2 資源三號影像

資源三號衛(wèi)星(ZY-3)共裝載4臺相機：1臺優(yōu)于2.5 m分辨率的全色CCD相機；兩臺優(yōu)于4 m分辨率的全色相機，按照正視、前視、后視方式排列，進行立體成像；1臺優(yōu)于10 m分辨率的多光譜相機，包括藍、綠、紅和近紅外4個波段，光譜范圍分別為0.45～0.52 μm、0.52～0.59 μm、0.63～0.69 μm、0.77～0.89 μm。

本研究采用的ZY-3共兩幅。1幅用于覆蓋深圳灣北岸，采集時間是2013年3月8日，軌道path/row為893/169，云量為2%；1幅用于覆蓋大鵬灣東岸，采集時間為2014年2月20日，軌道path/row為892/169，云量為0.6%。

3.1.3 SPOT 5影像

SPOT 5數(shù)據(jù)也是遙感動態(tài)監(jiān)測中的一個重要的數(shù)據(jù)源。SPOT 5的全色數(shù)據(jù)的分辨率達到2.5 m。本文采用的SPOT 5衛(wèi)星影像共有14幅，深圳灣和大鵬灣各7幅(其中6幅用于研究時間分辨率)。

3.2 影像預(yù)處理及采樣方法

對所有的遙感影像進行相同的影像預(yù)處理工作，包括影像校正、多波段組合、圖像融合、增強等。影像校正模型采用二次多項式模型，參考點采用實地采樣點(每個研究區(qū)12個)，檢查點也是實地采樣點(每個研究區(qū)8個)。

本研究采用的采樣方法是，首先軟件生成隨機點(SRS)，然后對這些點進行目視解譯，如存在可疑點(難以解譯的)則參考土地利用圖，如用土地利用圖仍不能解譯的，則對其進行實地調(diào)查。

3.3 待測試的分類方法

3.3.1 最大似然分類

最大似然法通過對感興趣區(qū)域的統(tǒng)計和計算，得到各個類別的均值和方差等參數(shù)，從而確定一個分類函數(shù)，然后將待分類圖像中的每一個像元代入各個類別的分類函數(shù)，將函數(shù)返回值最大(概率最大)的類別作為被掃描像元的歸屬類別，從而達到分類的效果。

本研究的軟件平臺是Erdas 9.2和ArcMap 9.3，Erdas用于分類，ArcMap用于分類結(jié)果統(tǒng)計，主要過程如下。

(1)確定分類體系：根據(jù)土地利用海岸帶調(diào)查技術(shù)規(guī)程和全國第二次土地調(diào)查土地利用現(xiàn)狀分類，并結(jié)合研究需求和實際土地利用特征，本研究的土地利用分類體系如表1所示，共計5個一級類、13個二級類。

表1 土地利用分類體系

續(xù)表

(2)建立分類模板：根據(jù)已有樣本選擇訓(xùn)練區(qū)(如SPOT 5訓(xùn)練區(qū)樣本數(shù)如表2所示)，從而建立一個分類模板。

表2 SPOT 5訓(xùn)練區(qū)樣本(最大似然法)

(3)評價分類模板：用可能性矩陣工具(Contingency Matrix)評價分類模板，其中的非參數(shù)規(guī)則選擇特征空間(Feature Space)，如果誤差矩陣值大于等于85%，則可以進行監(jiān)督分類，否則需要重新建立分類模板。

(4)初步分類圖：依據(jù)所建立的分類模板，在非參數(shù)規(guī)則為Feature Space、疊加規(guī)則為Parametric Rule、未分類規(guī)則為Parametric Rule、參數(shù)規(guī)則為Maximum Likelihood下，對影像進行監(jiān)督分類。

(5)檢驗分類結(jié)果：利用精度評價中添加隨機點工具在初步分類圖上生成100個隨機點，并在精度評價對話框中顯示，然后根據(jù)2013年土地利用分類數(shù)據(jù)和187個實地調(diào)查數(shù)據(jù)輸入隨機點的實際類別值，最后生成分類評價報告。

(6)分類后處理：對分類結(jié)果進行聚類分析(聚類統(tǒng)計領(lǐng)域為8)、去除分析(最小像元為16)以及矢量化處理(軟件平臺為ArcMap)。

(7)分類特征統(tǒng)計(ArcMap)：對矢量化的結(jié)果進行各個類別的地類面積以及不同時相地類轉(zhuǎn)換進行統(tǒng)計。

3.3.2 SVM分類

支持向量機(Support Vector Machine，SVM)是基于研究小樣本情況下機器學(xué)習(xí)規(guī)律的統(tǒng)計學(xué)習(xí)理論的一種新的機器學(xué)習(xí)方法，它是建立在統(tǒng)計學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險最小原理基礎(chǔ)上，根據(jù)有限的樣本信息在模型的復(fù)雜性(即對特定訓(xùn)練樣本的學(xué)習(xí)精度)和學(xué)習(xí)能力(即無錯誤地識別任意樣本的能力)之間尋求最佳折中，以求獲得最好的推廣能力。支持向量機將向量映射到一個更高維的空間里，在這個空間里建立有一個最大間隔超平面；在分開數(shù)據(jù)的超平面的兩邊建有兩個互相平行的超平面；建立方向合適的分隔超平面使兩個與之平行的超平面間的距離最大化；其假定為，平行超平面間的距離或差距越大，分類器的總誤差越小。

具體信息提取流程見圖1。

圖1 SVM分類流程

(1)遙感圖像預(yù)處理。

(2)SVM樣本訓(xùn)練。利用徑向核函數(shù)把訓(xùn)練樣本映射到高維空間，同時結(jié)合SVM訓(xùn)練樣本設(shè)定相應(yīng)的參數(shù)(如各類顏色)，在特征空間中確定最優(yōu)分類面，得到各樣本的支持向量和VC可信度，并形成最終的判別函數(shù)。

(3)SVM分類。將影像的待分類像元通過核函數(shù)映射到高維特征空間，利用判別函數(shù)進行分類，通過輸入的參數(shù)和閥值進行判別(圖像分類參數(shù)選擇為RBF核函數(shù)，Gamma值為0.333，懲罰參數(shù)為100)，得出最終的分類結(jié)果，提取土地利用信息。

(4)精度檢驗。通過GPS實測數(shù)據(jù)(187個實測數(shù)據(jù))以及2013年土地利用分類數(shù)據(jù)對分類精度進行評價。

(5)分類特征統(tǒng)計(ArcMap)。在ArcMap中運用矢量化工具將分類圖矢量化，并對矢量化的結(jié)果進行各個類別的地類面積以及不同時相地類轉(zhuǎn)換進行統(tǒng)計。

3.3.3 面向?qū)ο蠓诸?/p>

面向?qū)ο蟮姆诸惙椒▽嶋H上是以像元為基本單元，利用其光譜(顏色)信息進行信息的提取與歸并。通過對影像的分割，使同質(zhì)像元組成大小不同的對象。利用對象的空間特征和光譜特征進行分類，可以有效克服基于像元層次分類的不足。但該方法的不足是：分類結(jié)果對參數(shù)設(shè)置極其敏感，需要反復(fù)嘗試以尋求最佳分割和合并參數(shù)，對于數(shù)據(jù)量較大的影像而言時間代價很大。

利用eCongnition面向?qū)ο筌浖ρ芯繀^(qū)域進行影像分割，提取土地利用信息。具體流程見圖2。

圖2 面向?qū)ο蠓诸惲鞒?/p>

(1)圖像預(yù)處理。

(2)多尺度分割。使用多精度圖像分割技術(shù)，對遙感圖像進行多精度分割獲得特征基元，并計算基元各種特征。

(3)影像分類。采用基于樣本的監(jiān)督分類以及基于規(guī)則的專題地物分類技術(shù)，實現(xiàn)監(jiān)測區(qū)域的多級專題地物分類；本研究針對海岸帶遙感監(jiān)測的特點，設(shè)計兩級分類體系。一級分類以影像光譜為主導(dǎo)特征，采用監(jiān)督分類區(qū)分水域及水利設(shè)施用地、建設(shè)用地、農(nóng)用地、灘涂以及未利用地5個類別；二級體系則是在一級體系基礎(chǔ)上進一步細(xì)分，通過一級分類基元的光譜、形狀以及空間關(guān)系的多特征分析，建立區(qū)分規(guī)則實現(xiàn)。

(4)分類精度評價。對分類結(jié)果的評價采用野外實地勘察(187個實測點數(shù)據(jù))和2013年土地利用分類數(shù)據(jù)相結(jié)合的方法進行，兩研究區(qū)分別隨機抽取100個樣本對象，進行誤差矩陣的計算和精度評價。

(5)土地利用特征統(tǒng)計。與前面SVM分類的特征統(tǒng)計相似。

3.4 監(jiān)測頻率(時間分辨率)

由于地表過程變動直接影響使用遙感數(shù)據(jù)對現(xiàn)象的定性和定量的解釋，使用不同時間分辨率的遙感數(shù)據(jù)可能會得到不同的研究結(jié)果，因此有必要研究動態(tài)監(jiān)測的時間分辨率。頻率是指研究區(qū)重采樣的時間間隔，判斷的標(biāo)準(zhǔn)是土地利用數(shù)據(jù)的變化率。

為探究合適的時間分辨率，本研究對深圳灣和大鵬灣兩個重點片區(qū)分別試用不同的數(shù)據(jù)源，應(yīng)用最大似然監(jiān)督分類的方法，計算 2006—2010年5年中兩個典型區(qū)每年的土地利用變化程度，參考變化的劇烈程度確定合適的遙感動態(tài)監(jiān)測的時間分辨率。

為反映土地利用變化程度，這里引入土地利用變化幅度和動態(tài)度。土地利用變化幅度指土地利用類型在面積方面的變化幅度，其意義在于直觀地反映不同類型在總量上的變化和變化的類型差異[11]。在結(jié)合已有研究的基礎(chǔ)上[11-12]，采用變化面積的絕對值代替原有的變化面積，采用除以初期總面積代替除以初期某一類型的面積，修改后的土地利用變化幅度的數(shù)學(xué)表達式為：

(1)

式中：Sai為研究初期第i類土地利用類型的面積；Sbi為研究末期第i類土地利用類型的面積；R為該類土地利用類型的變化幅度。

土地利用動態(tài)度可定量描述區(qū)域土地利用變化的速度，對比較土地利用變化區(qū)域差異和預(yù)測未來土地利用變化趨勢都具有積極的作用。動態(tài)度指數(shù)綜合考慮研究時段內(nèi)土地利用類型間的轉(zhuǎn)移，著眼于變化過程而非變化結(jié)果，其意義在于反映區(qū)域土地利用變化的劇烈程度[11]。本文為更好地反映區(qū)域在研究時段內(nèi)土地利用變化的總體趨勢，探究適宜的監(jiān)測頻率，在結(jié)合已有研究的基礎(chǔ)上[11，13]，選用時段變化率代替原有的算術(shù)平均年變化率，修改后的公式如下：

(2)

式中：LC為研究區(qū)域內(nèi)土地利用的綜合變化率。

4 實驗結(jié)果及分析

4.1 影像數(shù)據(jù)的選擇

4.1.1 研究區(qū)一(深圳灣北岸)

對深圳灣北岸地區(qū)采用3種數(shù)據(jù)源、使用3種不同分類方法可得土地利用分類圖，對土地利用分類圖進行分類精度對比，從分類精度的角度評價采用哪種數(shù)據(jù)、使用哪種方法會達到最好的效果(表3)。

表3 不同數(shù)據(jù)提取方法與數(shù)據(jù)源精度對比(深圳灣) %

從表3可以看出，ZY-3影像的分類精度最高，使用SVM時精度達到86%；Landsat 8和SPOT 5在使用SVM分類時精度差別不大，但從視覺感受看，SPOT 5影像的分類結(jié)果過于細(xì)碎，效果不如Landsat 8影像分類。由于深圳灣地類細(xì)碎、空間異質(zhì)性強、變程短，故對影像數(shù)據(jù)的空間分辨率有一定的要求。ZY-3的空間分辨率最高、輻射分辨率高、成像質(zhì)量好，分類和提取的效果最好；空間分辨率較低的Landsat 8影像同樣能達到較好的效果。因此，在資金充足的情況下，選擇ZY-3影像進行深圳西部深圳灣地區(qū)的土地利用分類無疑是最佳的。

4.1.2 研究區(qū)二(大鵬灣東岸)

對大鵬灣東岸地區(qū)采用3種數(shù)據(jù)源、使用3種不同分類方法可得土地利用分類圖，對土地利用分類圖進行分類精度對比，從分類精度的角度評價采用哪種數(shù)據(jù)以及使用哪種方法會達到最好的效果(表4)。

表4 不同數(shù)據(jù)提取方法與數(shù)據(jù)源精度對比(大鵬灣東岸) %

從表4可以看出，使用3種數(shù)據(jù)源的分類效果差別不大。這是因為大鵬灣地區(qū)由于居民地等集聚在很小的區(qū)域中，使得大部分區(qū)域S、LC比較單一，對遙感影像數(shù)據(jù)的空間分辨率要求不高，ZY-3、SPOT 5、Landsat 8影像在該地區(qū)均有較好的效果。因此，在對精度要求不是極高的研究應(yīng)用中，從經(jīng)濟和效率的角度出發(fā)，選擇Landsat 8影像進行深圳東部大鵬灣地區(qū)的土地利用分類無疑是最佳的。

4.2 信息提取方法的選取

4.2.1 研究區(qū)一

對研究區(qū)一的信息提取方法的研究是基于其最適數(shù)據(jù)源ZY-3的。從表3可以看出，支持向量機的分類效果最好，精度達到85%以上；其次是最大似然監(jiān)督分類，精度在80%以上；最差的是面向?qū)ο蠓诸?，精度小?5%。支持向量機分類法分類和提取專題信息的效果比較穩(wěn)定，但分類和提取耗時長，對于ZY-3這樣的高分影像，支持向量機存在運行速度過慢、效率低下等缺陷；最大似然監(jiān)督分類法在穩(wěn)定性、準(zhǔn)確性特別是速度方面都具有較大優(yōu)勢，可以作為優(yōu)先選擇的分類和提取專題信息的方法，但其分類精度略低于支持向量機；面向?qū)ο蠓诸惙ㄓ捎诓荒芎芎玫貙⒘闵⒎植嫉闹脖慌c周圍地物區(qū)分開，對這些對象分類精度較低，并且在山區(qū)還存在陰影干擾的問題，會將有或無陰影遮蓋的同類地物識別成不同類別，但對于坑塘等分布集中且與背景對比度高的地類來說，由于其與周圍地物邊界明顯、很難發(fā)生混淆，還是能夠較好地區(qū)分，總體來講，面向?qū)ο蠓诸惙ǔ鰣D視覺效果優(yōu)秀，但精度不如另兩種方法。因此，在使用最佳數(shù)據(jù)源ZY-3且不考慮時間成本的情況下，選擇支持向量機分類法為最佳。

4.2.2 研究區(qū)二

對研究區(qū)二的信息提取方法的研究以Landsat 8為數(shù)據(jù)源。從表4可以看出，最大似然法與支持向量機法分類精度相近，都在80%以上，但面向?qū)ο蠓ǖ木炔桓?。最大似然分類法雖然在速度和準(zhǔn)確性上比較平衡，但其對于海水養(yǎng)殖等用地類型的紋理識別表現(xiàn)并不好，并且對于沙灘和居民地這類光譜特性比較相近的地類區(qū)分效果欠佳；支持向量機分類速度雖然慢但分類精度較高，在不考慮時間成本的情況下，支持向量機分類法在此區(qū)域也是最佳選擇；面向?qū)ο蠓诸惙▽τ陔x散分布的細(xì)碎地物的分類面積總是比真實值偏小，對大鵬灣而言主要是裸地、居民地等用地類型，而對于水庫、坑塘等類型則3種方法分類效果都相對穩(wěn)定。總體來說，支持向量機分類法略優(yōu)于最大似然法，而后者又優(yōu)于面向?qū)ο蠓诸惙?，因此在人類活動稀少的海岸帶區(qū)域且不考慮時間成本的情況下，采用支持向量機分類法為最佳。

4.3 監(jiān)測頻率

4.3.1 研究區(qū)一

2006-2010年，在深圳灣北岸典型區(qū)，由式(1)算出，所有土地利用類型的變化幅度都比較大，其中最大的是居民地、變化幅度都在20%以上，其次是裸地，變化最小的海水養(yǎng)殖的變化幅度也在5%左右。由式(2)算出，綜合土地利用動態(tài)度以大于10%的速度持續(xù)增加，土地利用變化速度也相應(yīng)增加，土地利用變化劇烈。

因此，在以深圳灣北岸為研究區(qū)的人類活動頻繁的典型區(qū)，在進行土地利用變化監(jiān)測、植被遙感提取或濕地遙感監(jiān)測時，如時間分辨率選擇多年，即若干年進行一次回訪調(diào)查，容易造成更大誤差；如時間分辨率小于一年，即每年監(jiān)測若干次，又容易受到季節(jié)和物候的干擾，將許多正常的物候變化判斷成土地利用的變化，造成誤判、影響精度。故本研究提出，在人類活動頻繁的海岸帶，遙感監(jiān)測的時間分辨率以1年1次為佳。

4.3.2 研究區(qū)二

2006—2010年，在大鵬灣東岸典型區(qū)，由式(1)算出，土地利用類型變化最大的是裸地，變化幅度在11%～29%之間，基本不到深圳灣北岸裸地變化的1/2；其次是居民地；變化最小的是坑塘，變化幅度小于2.5%。由式(2)算出，每年的土地利用變化綜合動態(tài)度有增有減，但總的趨勢是越來越高，土地利用變化相對緩慢，到2010年綜合土地利用動態(tài)度達到50%以上。

因此，在以大鵬灣東岸為研究區(qū)的人類活動稀少的典型區(qū)，在進行土地利用變化監(jiān)測、植被遙感提取或濕地遙感監(jiān)測時，如時間分辨率為一年或每年多次，則容易造成人力和物力的浪費。故本研究提出，在人類活動不頻繁的海岸帶，遙感監(jiān)測的時間分辨率以5年1次為佳。

5 結(jié)論

本研究實驗結(jié)果總結(jié)如表5所示?？傊罴逊诸惙椒ǘ际荢VM分類，對于人類活動頻繁的海岸帶區(qū)域，需要更高分辨率的數(shù)據(jù)源和較快的數(shù)據(jù)更新時間，對于人類活動稀少的海岸帶區(qū)域，需要中等分辨率的數(shù)據(jù)源和較長的數(shù)據(jù)更新時間。

表5 最佳方案選擇

本研究選取兩個典型區(qū)作為研究區(qū)，分別研究其土地利用遙感監(jiān)測的最佳方案，包括數(shù)據(jù)源、信息提取方法以及監(jiān)測頻率，不僅為其他海岸帶土地利用遙感監(jiān)測提供方案選擇，也提供合適的范式來確定海岸帶遙感監(jiān)測最佳方案。此外，本研究是基于特定研究區(qū)、特定研究時間段和特定影像的，所得結(jié)論的普適性還需要更多的研究來佐證。

[1] 李秀梅，袁承志，李月洋.渤海灣海岸帶遙感監(jiān)測及時空變化[J].國土資源遙感，2013，25(2)：156-163.

[2] 黃海軍，王珍巖，張忍順.航測、衛(wèi)星遙感和研究海岸動態(tài)變化的誤差分析[J].海洋科學(xué)，2002，26(3)：8-10.

[3] 梁建，張杰，馬毅，等.2003-2009年連云港港口圍填遙感監(jiān)測[C]//全國海岸帶和海涂開發(fā)與管理學(xué)術(shù)研討會.青島：中國海洋學(xué)會，山東(青島市)海岸工程學(xué)會，2010.

[4] 王娟，卞志國，崔先國，等.遙感技術(shù)在海岸帶監(jiān)測中的應(yīng)用：以天津濱海新區(qū)為例[J].山東科技大學(xué)學(xué)報：自然科學(xué)版，2010，29(3)：20-25.

[5] 吳泉源，侯志華，逢杰武，等.龍口市20年間海岸帶變化的遙感監(jiān)測[J].地球信息科學(xué)，2007，9(2)：106-111.

[6] 鞠明明，汪閩，張東，等.基于面向?qū)ο髨D像分析技術(shù)的圍填海用海工程遙感監(jiān)測[J].海洋通報，2013，32(6)：678-684.

[7] 李秦，高錫章，張濤，等.最優(yōu)分割尺度下的多層次遙感地物分類實驗分析[J].地球信息科學(xué)學(xué)報，2011，13(3)：409-416.

[8] 江沖亞，李滿春，劉永學(xué).海岸帶水體遙感信息全自動提取方法[J].測繪學(xué)報，2011，40(3)：332-337.

[9] 王琳，陳上群.深圳灣自然條件特征及治理應(yīng)注意的問題[J].人民珠江，2001，15(6)：4-7.

[10] 蒼恒瑾，周靜.深圳大鵬半島景觀生態(tài)格局特征變化分析[J].安徽農(nóng)業(yè)科學(xué)，2009，37(18)：8765-8767，8775.

[11] 朱會義，李秀彬.關(guān)于區(qū)域土地利用變化指數(shù)模型方法的討論[J].地理學(xué)報，2003，58(5)：643-6501.

[12] 羅格平，周成虎，陳曦.干旱區(qū)綠洲土地利用/覆被變化過程[J].地理學(xué)報，2003，58(1)：63-72.

[13] 伍星，沈珍瑤，劉瑞民.長江上游土地利用/覆被變化及區(qū)域分異研究[J].應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報，2008，16(6)：819-828.

On Monitoring the Land-Use of Coastal Zone in Shenzhen by Remote Sensing

SHEN Yulian，XIAO Di，F(xiàn)EI Teng

(School of Resource and Environmental Science，Wuhan University，Wuhan 430079，China)

With the development of remote sensing observation technology，satellite remote sensing has been playing an increasingly important role to monitor coastal zones.It is meaningful to explore and compare different methods to monitor coastal zones with different data sources for the future remote sensing coastal applications.Two typical coastal regions，one of which has frequent human activities and the other has less activities，were selected.Three different data sources，three information extraction methods were applied to seek for the optimal monitoring result with consideration of cost.The result indicated for the frequent human activities region (Shenzhen Bay North)，the optimal data source is ZY-3 satellite image，the optimal information extraction method is SVM.For less human actives region (Mirs Bay East Coastal)，Landsat8 is sufficient，and the optimal information extraction method is also SVM.This paper also gave advice on the monitoring frequency for different type of coastal regions.

Coastal Zone，Land-use，Remote sensing，Data sources，The method of data collection， Information extraction，Monitoring frequency

2015-11-09；

2016-04-08

林業(yè)公益性行業(yè)科研專項“濱海濕地生態(tài)系統(tǒng)服務(wù)功能與評估技術(shù)研究”(20140305).

沈玉蓮，碩士研究生，研究方向為遙感監(jiān)測，電子信箱：mysylian@163.com

費騰，副教授，博士，研究方向為生態(tài)遙感，電子信箱：feiteng@whu.edu.cn

P74

A

1005-9857(2016)05-0024-08