1990—2020年辽宁省城市扩张对比分析.docx

摘 要HIABSTRACTIV第1章绪论-1-1- 1研究背景-1 -1.2 区域概况-2-1.3 研究目的和意义-4-第2章 研究内容和方法-5-2.1 研究内容-5-2.2 研究方法-5-2.2.1 面向对象分类法-6-2.2.2 精度验证法-6-2.2.3 面积统计-7-2.2.4 城市扩张模式分析-8-第3章 数据来源及预处理-9-3.1 研究所需软件-9-3.2 数据来源-10-3.3 数据预处理-10-1 .3.1大气校正-11-3 . 3.2影像裁剪和拼接-13-第4章城市用地信息提取-17-4.1 多尺度分割-17-4.2 城市土地提取-18-4.3 精度评价-19-第5章辽宁省城市用地时空变化分析-21-5.1 辽宁省城市面积扩张现状-21-5.2 城市扩张模式分析结果-23-5.2. 1集中同心圆拓展-23-5. 2. 2沿主要对外交通轴线带状扩展-25 -5. 2. 3跳跃式成组团扩展-25 -5.2.4低密度连续蔓延扩展-27-第6章 城市扩张驱动分析-29-6.1 城市扩张驱动分析-29-1 .1.1经济增长因素-29-2 .1.2人口增加因素-30-6 . 1.3交通牵引作用因素-31 -7 . 1.4政策因素-32 -总结"33 -致谢-34-参考文献-35 -随着经济人口的飞速发展，城市用地范围也发生着变化，掌握城市用地的空 间特点，帮助人们更好地了解城市用地结构和功能演变规律，以及不同区域土地 资源分配情况，从而优化土地利用，提高土地利用效率，对未来城市规划及区域 发展政策提供数据支持。本文以辽宁省为研究对象，综合应用LandSat4-5 TM和LandSat8 OLl卫星遥 感数据，通过应用面向对象分类方法，我们可以提取出辽宁省地级市以上行政单 元城区在1990年和2020年的空间分布情况，并利用这些数据来分析辽宁省城市 面积在过去30年中扩张的规律和特点。结果表明，19902020年期间，辽宁省城市面积增加了 1465.50km2, 31个 地级市以上的城市都有所扩张。其中，城市面积扩张最大的是沈阳市，扩张面积 为250.87km2,扩张速度为IOOkn?/年，扩张强度最大的是东港市扩张强度为 813.0%,扩张速度为0.87km2/年。辽宁省的城市化进程呈现出多样化和快速发展 的趋势。关键词：城市扩张；面向对象；遥感；辽宁省ABSTRACTWith the rapid development of economy and population, the scope of urban land use is also changing. Mastering the spatial characteristics of urban land use can help people better understand the evolution of urban land structure and function, as well as the distribution of land resources in different regions. This can optimize land use, improve land use efficiency, and provide data support for future urban planning and regional development policies.This article takes Liaoning Province as the research object, and comprehensively applies Landsat4-5 TM and Landsat8 OLI satellite remote sensing data. By applying object-oriented classification methods,we can extract the spatial distribution of administrative unit urban areas above prefecture level cities in Liaoning Province in 1990 and 2020, and use these data to analyze the laws and characteristics of urban area expansion in Liaoning Province over the past 30 years.The results show that between 1990 and 2020, the urban area of Liaoning Province increased by 1465.50 kilometers 2, 31 cities at or above the prefecture level have all expanded. Among them, Shenyang has the largest expansion of urban area, with an expansion area of 250.87km 2, Expansion speed of 10.91km 2/ In the year, the largest expansion intensity was in Donggang City, with an expansion intensity of 813.0% and an expansion speed of 0.87km 2/ Year. The urbanization process in Liaoning Province shows a trend of diversification and rapid development.Key words ： urban expansion; Object oriented; Remote sensing; Liaoning Province第1章绪论1.1 研究背景城市扩张是随着经济和社会发展进程不可避免的现象。随着经济和社会的不 断发展,城市扩张已成为一个全球性的问题。在我国，城市扩张的速度尤为迅猛。 辽宁省作为一个经济发达的省份，在城市化进程中也面临着城市扩张的压力。在 海口贸易上，辽宁省的海口市作为辽宁省唯一的沿海开放城市，也是经济发展的 重要引擎，而在城市化进程中，其面临着城市扩张的压力，在城市建设投入持续 增加：为了应对城市扩张压力，辽宁省不断加大对城市建设的投入，加快城市基 础设施的建设和完善。在辽宁省的城市扩张中，城市之间的差异很大。因此，对辽宁省不同城市的 扩张进行对比研究，可以更好地了解各城市的发展情况，有助于制定相应的发展 政策和规划方案，促进各城市的可持续发展。遥感技术通过非接触式数据获取、多尺度数据获取、定量化分析、多时相数 据对比等优势，为辽宁省城市扩张研究提供了高效、全面、实时的数据支持，为 城市扩张规划和管理提供科学依据，同时也为解决城市生态、社会问题等提供重 要保障，从而促进了城市的可持续发展。近年来，在国内外学者的共同努力下，涌现了很多相关研究。这些研究在方 法和技术上各具特色，主要包括基于影像分类、图像分割、深度学习、机器学习 和多源数据融合等方面的城市用地提取方法，为城市规划和管理提供了可靠而有 效的技术手段。随着遥感影像分辨率的提高，传统的面向像元的遥感影像分类方法存在一定 的局限性，难以满足高分类精度和高效率的要求。而面向对象的遥感影像分类方 法则可以更好地克服这些问题，因此逐渐成为了遥感影像分类领域的研究热点。在本文中，我们以地理空间数据云获取的遥感影像为例，采用eCognition 软件进行多尺度分割和阈值分类，并将分类结果与ENVI软件做出的监督分类结 果进行对照。通过比较两种分类方法的分类效果、可靠性和发展前景，进行了面 向像元和面向对象分类方法的探讨。结果表明，面向对象分类方法能够针对不同 尺度下的特征进行有效的筛选和提取，从而实现更高精度和更全面的分类结果。 面向对象分类方法可以根据每个对象的形状、大小、颜色、纹理等信息，将图像 像素组成的区域划分为具有语义信息的空间单元，从而实现对图像内容的更为准 确地解析和分类。相比之下，传统的面向像元分类方法则主要关注于图像的像素 级别的特征分析和分类，可能会忽略目标的形态、结构等信息，导致分类精度有 限。特别是无法很好地处理复杂的地物边界及尺度变化等问题。综上所述，面向 对象分类方法具有更好的分类效果、可靠性和发展前景，可以更好地适应高分辨 率遥感影像分类提取的需求。本研究选用了辽宁省1990年和2020年的landsat4-5 TM及Landsat8 OLI 卫星遥感影像作为研究数据，运用面向对象分类法对辽宁省城市扩张的变化趋势 和扩张原因进行分析，旨在为辽宁省的土地利用监测、环境保护等方面的合理规 划提供科学依据。对辽宁省城市扩张的对比分析研究具有重要的现实意义和理论 价值。1.2 区域概况辽宁省是中华人民共和国的一个省份，位于中国东北地区南部。辽宁省总面 积14. 59万平方千米，下辖14个地级市和2个副省级城市。辽宁省地势南高北 低，中部为盆地和平原，东北部则是丰富的森林和山地。辽宁省有着丰富的自然 资源，其中包括煤炭、石油、天然气、铁矿石、金属和非金属矿产等。农业也是 辽宁省的重要经济支柱，主要种植作物包括小麦、玉米、大豆和水果等。在工业方面,辽宁省是中国的重要制造业基地之一，主要产业包括机械制造、 化工、轻工、冶金、电子和信息技术等。此外，辽宁省还拥有优美的自然风景和 众多的历史文化遗产，如丹东的“靖国神社”遗址、沈阳的故宫和大连的星海广 场等。总的来说，辽宁省具有得天独厚的区位优势和丰富的自然资源，同时也是中 国重要的工业制造和农业产区。随着中国经济持续快速发展，辽宁省将继续发挥 其重要作用，为中国的现代化建设和对外开放做出贡献。辽宁省目前设有14个地级市和2个副省级市，共计16个行政区划单位，下 辖31个城市:其中，地级市为：朝阳市、大连市、鞍山市、抚顺市、盘锦市、丹东市、辽 阳市、锦州市、营口市、阜新市、本溪市、铁岭市、沈阳市、葫芦岛市；县级市 为：灯塔市、凌源市、调兵山市、开原市、北镇市、盖州市、瓦房店市、东港市、 太和区、庄河市、海城市、凌海市、新民市、北票市、凤城市。通过对这些城市的数据进行分析，可以更加深入地了解辽宁省城市扩张的情况。，如下图，图片中仅显示部分地级市。阜新市帙岭市朝阳市惋州市助产初由'江阳以本溪市 t *营口布丹东市大旌市O 50100 km图1-2辽宁省地级以上城市分散布局示例图1.3 研究目的和意义研究目的：本研究旨在通过对辽宁省城市扩张的对比分析，探究城市扩张对城市发展的 影响，为城市规划和管理提供科学依据。研究意义：随着城市化进程的加速，城市扩张已成为当今社会发展的重要问题。辽宁省 作为中国东北地区的重要省份，城市化进程也在不断加速。因此，对辽宁省城市 扩张的对比分析具有重要的研究意义。首先，本研究可以为城市规划和管理提供科学依据。通过对辽宁省城市扩张 的对比分析，可以了解不同城市的发展情况和存在的问题，为城市规划和管理提 供科学依据。其次，本研究可以为城市发展提供参考。城市扩张是城市发展的重要方面， 通过对辽宁省城市扩张的对比分析，可以了解城市发展的趋势和方向，为城市发 展提供参考。最后，本研究可以为学术研究提供参考。城市扩张是一个复杂的问题，需要 多方面的研究和探讨。通过对辽宁省城市扩张的对比分析，可以为学术研究提供 参考和借鉴。第2章研究内容和方法2.1研究内容本研究将以基于IandsatTMZOLI遥感影像为研究对象，对1990年至2020年 的城市扩张进行对比分析。具体研究内容包括：数据获取：1990年和2020年辽宁省遥感影像数据下载，辽宁省经济、人口 等数据。数据预处理；首先对下载好的遥感影像进行辐射定标，消除传感器本身的误 差，确定传感器入口处的准确辐射值,然后用大气校正消除遥感图像受大气吸收、 散射和反射等因素的影响，更准确地反映地表特征，最后对影像进行裁剪去掉研 究区以外的部分，减少工作量。面向对象分类方法提取信息：选用Ecognition软件对1990年和2020年辽宁 省遥感影像进行多尺度分割生成对象，即任意尺度的多边形，再利用监督分类的 方法进行信息提取，提取出辽宁省的建设用地、耕地、林地、裸地、水体五种土 地利用类型，最后通过高分影像上的信息提取点对建设用地的分类精度进行评价。统计辽宁省城市面积：用arcgis分别统计1990年和2020年辽宁省的总城市 面积以及所研究的31各城市面积，然后汇总到excel表格。城市扩张模拟分析：本研究通过采用Arcgis对辽宁省城市扩张进行模拟， 分析辽宁省城市扩张速度和扩张强度，为辽宁省可持续发展提供基础。城市扩张驱动分析：该研究分析了影响辽宁省城市扩张的驱动力，主要从经 济增长、人口增加、交通牵引和政策等4个方面进行了探讨。2. 2研究方法本研究以1990年、2020年Landsat 4-5TM> Landsat8 OLI数据作为遥感信息源，利用面向对象分类方法提取城市信息，并进行精度评价，然后统计面积，最 后进行城市扩张模式分类。传统的面向像元的分类方法在用于土地利用分类时，仅仅利用了影像的光谱 信息，往往适用于中低分辨率的遥感影像。随着遥感平台的发展与更新，高分辨率遥感影像已成为研究热点，然而面向 像元的分类方法不能充分利用影像中的空间结构和纹理信息，导致分类结果中含 有大量椒盐噪声，制约了分类精度。在最近的研究中，面向对象的影像分析技术 (ObjectBased Image Analysis, OBlA)在土地利用分类中有着良好的表现，一 方面因为，基于OBIA的分类的第一步是将影像分割成根据同质性原则合并而成 的多边形影像对象，分割后的对象含有更多的语义信息(0；另一方面因为，OBIA 在分类过程中能够充分挖掘各种影像特征7,进而减少甚至消除“椒盐”现象。 分类针对面向对象影像分析技术在遥感影像分类中的应用，已有许多学者进行了 深入研究。面向对象分类法是一种基于遥感图像分割和对象级别特征提取的分类方法， 通常包括影像分割、特征提取、特征选择、分类器设计、对象分类和精度评估等 步骤。它旨在利用对象级别的空间关系和属性信息，提高遥感图像分类的精度和 效率，广泛应用于土地利用、环境监测、资源调查等领域。城市动态分析法是基于多时相遥感影像的图像处理技术，通过提取和分析遥 感数据中的空间和时间信息，揭示城市建设和发展的规律和趋势。其主要原理包 括：采集多时相遥感影像、提取城市化指数、分析城市化过程、揭示城市化规律 和趋势等步骤。在这个过程中，通常采用归一化植被指数(NDVI)和归一化建筑 物指数(NDBI)等指标来反映城市化过程中植被和建筑物的分布和变化情况，通 过比较不同时期的遥感影像，可以从宏观上观察城市化过程的扩张速度、形态演 化以及城市与自然环境之间的相互作用关系等，为城市规划和管理提供科学依据。2. 2. 2精度验证法遥感图像分类的精度验证方法，通常是通过对分类结果与实际情况进行比较 和评估，以检验分类结果的精度和可靠性。其原理主要包括：采集样本数据、计 算分类指标、评估分类精度和可视化呈现等步骤。其中，样本数据用于构建验证数据集，计算分类指标可以评估分类器的性能和优劣，评估分类精度可以判断分 类结果是否准确无误，可视化呈现可以直观展示分类结果的空间分布和局部统计 特征。最终，精度验证方法可以帮助选择合适的分类器和参数，提高遥感图像分 类的精度和实用价值。2. 2. 3面积统计统计面积的方法有多种，常见的包括：GIS软件：如ArCGlS、QGIS等，通过导入矢量或栅格数据、选择面积统计 工具，可以对地图上的要素进行面积统计。此方法适用于需要处理大规模数据或 进行分析、可视化等操作的项目。在线地图服务：如Google M叩s、百度地图等，提供了简单的面积测量工具， 用户可以在网页上绘制一个多边形，即可得到所选区域的面积。此方法适用于简 单的面积计算需求，例如房屋、园林、农作物等小面积区域。GPS测量：利用GPS设备或手机APP等工具对野外地形进行实地测量，然 后通过数据处理工具计算得到面积。此方法适用于野外环境、山区、森林等无法 通过其他方法测量的场景。测绘仪器：如全站仪、激光扫描仪、遥感卫星等，可以对地形进行高精度、 高效的测量和建模，得到区域的三维模型后，再通过相关软件进行面积测量和统 计。此方法适用于工程、科学研究等需要高精度地形数据的项目。根据实际情况我选择了 gis软件统计城市面积。以下是方法和步骤：L在GlS软件中，首先需要添加相应的矢量数据（如行政区划、土地利用等） 或栅格数据（如卫星影像等）。2 .选择合适的工具或功能来实现面积统计。在ArcGIS中，可以使用Calculate Geometry或Calculate Geometry Attributes工具来计算点、线、面要素的面积。在 QGIS中，可以使用Field Calculator或Statistics By Categories工具来完成面积统 计。3 .配置相应的参数。例如，选择需要计算的属性字段、计算单位、输出格式 等。4 .运行计算并查看结果。通常，结果会存储在属性表中，可以直接查看或导 出为EXCel等格式的文件。2. 2. 4城市扩张模式分析城市扩张模式分类是指根据城市扩张的空间形态、速度和方向等特征，将城 市扩张过程分为不同类型并进行归纳总结的过程。其主要原理包括：获取城市扩 张时相遥感影像数据、对影像进行矢量化处理、采用景观格局指数和空间分布特 征等方法来提取城市扩张的特征信息、对城市扩张进行分类并进行统计和比较等 步骤。在该过程中，通常采用空间分析、分类器构建、规则提取等技术手段，从 不同角度探索城市扩张的类型划分标准和影响因素，为城市规划和管理提供科学 参考。通过城市扩张模式分类，可以更准确地描述城市扩张的形态、速度和方向 等特征，并对不同类型城市扩张过程的发展趋势、环境影响等进行深入研究，为 城市可持续发展提供科学依据。根据研究结果，我们可以将城市用地扩张模式分 为四类，即集中型同心圆扩展模式、沿主要对外交通轴线带状扩展模式、跳跃式 成组团扩展模式和低密度连续蔓延模式。在辽宁省，城市的扩张发展呈现出多元 化的趋势，各个扩张模式都存在并交替进行。（如图）已建成城区低密度连续蔓延 "轴向带状扩展 跳跃式不连续扩展 TO紧凑连续同心圈扩展图2-4多元化城市扩张模式的结合形第3章数据来源及预处理3.1研究所需软件ENVl作为专业处理遥感影像的软件，其提供了包括数据输入输出、图像增 强、纠正、正射校正、镶嵌、数据融合、变换、信息提取、图像分类、DEM及三 维信息提取、雷达数据处理、与GIS的整合等多种功能，适用于各种遥感数据处 理需求。ENVI还提供了丰富的波谱分析工具盒，能够进行光谱分析、特征提取、光 谱库管理等操作，支持多种遥感数据格式，如LandSat、MoDlS、Sentinel等。 此外,ENVI还提供了 SAR和InSAR等雷达数据处理和分析的能力，可以使用ENVI SARscape应用扩展进行更深入的分析。总之，ENVI是一款非常优秀的遥感图像处理软件，其强大的功能和易用性 受到广泛赞誉，己经成为遥感图像处理领域的主流工具之一。本研究ENVI用来 数据预处理，裁剪和拼接，为后续工作减少工作量。eCognition是一款基于目标信息的遥感信息提取软件，采用的是面向对象 的分类方法，大大提高了高空间分辨率数据的自动识别精度，满足了科研和工程 应用的需求。eCognition具有以下特点：面向对象的分类方法：eCognition采用面向对象的分类方法进行图像分类, 将遥感影像中的像元按照相似性组合成不同的对象，然后通过对对象的属性进行 分析和判别来完成图像分类，提高了分类精度。决策专家系统支持的模糊分类算法：eCognition采用决策专家系统支持的 模糊分类算法进行图像分类，可以处理具有复杂空间结构和纹理的高分辨率遥感 影像数据，提高了准确性和可靠性。自动化信息提取：eCognition能够自动提取地物信息，识别和分类复杂的 地物类型和地物对象，并提供详细的统计和分析结果，极大地方便了用户进行后 续的地学分析。可视化分析：eCognition能够将地物分类结果以直观的形式展现出来，通 过可视化分析可以更好地理解和解释地物分类结果，方便用户进行后续的研究和 决策。因此，eCognition是一款非常优秀的遥感信息提取软件，广泛应用于土 地资源调查、城市规划、环境监测等领域。该软件在此次研究中用来做图像分割， 分类。ArcGIS是常用的数据处理软件，能够进行空间数据的编辑和管理，空间数 据的编辑和管理是地理信息系统软件的基本功能之一。除此之外，ArcGIS还具 有强大的数据编辑、制图表达及高级制图功能、地理处理功能、空间分析等扩展 模块，在本次研究中用来统计城市面积，分析城市扩张。3. 2数据来源LandSat (美国陆地卫星)是美国国家航空航天局(NASA)和美国地质调查 局(USGS)合作开发的一系列遥感卫星。自1972年第一颗LandSat卫星发射升 空以来，监测出土地利用、土地覆盖的变化，自然灾害(如地震)和环境污染监测 等方面有着广泛的应用。目前通过国内国外的许多网站均可下载到andsat数据, 如国内的地理空间数据云、国外的EarthEXPlOrer等网站。这次研究在1990年 和2020年使用LandSat 4-5TM和Landsat 8 OLI卫星数据，来自辽宁省统计网 站的统计数据作为遥感信息源进行研究分析。为了获取Landsat 4-5TM和 Landsat 8 OLI的卫星数据，本次设计使用了地理空间数据云 (httpswvw. gscloud. cn)提供的服务。在遥感影像选取过程中，要注意以 下：影像选择天气睛朗状态下，卫星影像云量小于10%,影像完全覆盖整个研究 区，重叠部分选取7月到10月的影像，根据研究范围的生态规律，选取较为清 晰的遥感图像。3. 3数据预处理下载好的Landsat影像已经系统的进行过几何校正，所以只需要用ENVI对 数据进行辐射定标和大气校正，来消除传感器以及大气散射所带来的误差。辐射定标：辐射定标是一项至关重要的操作，其作用是将遥感图像中的灰度值转换为物 理量，以消除传感器本身的误差并确定传感器的准确辐射值。在进行辐射定标时, 需要考虑以下因素：传感器响应函数：不同的遥感传感器具有不同的响应函数，辐射定标需根据 传感器的响应函数进行。大气影响：大气对于遥感图像的亮度值产生明显的影响，因此在进行辐射定 标时需要考虑大气的影响，通常采用辐射传输模型或大气校正方法对大气进行校 正。地球表面特征：地球表面的不同物质会对辐射进行反射、吸收和散射，因此 进行辐射定标时需要考虑地球表面的特征，如地表反射率等。通过对上述因素的综合考虑，可以得到准确的辐射定标结果，从而保证后续 遥感分析的精度和可靠性。图37大气校正前示例图3-2大气校正后示例3. 3.1大气校正大气校正是遥感图像处理的一个重要环节，其作用是消除大气对遥感图像的 影响，提高遥感图像的质量和准确性。具体来说，大气校正主要包括以下两个方 面：大气散射校正：大气散射是指太阳光在穿过大气层时受到空气分子的散射而 发生弯曲和偏移，从而导致地面反射的光线产生扩散和污染。因此，在进行大气 校正时，需要通过测量大气散射的参数，如大气透过率、大气散射系数等，将大 气散射效应从遥感图像中去除，使得图像更为清晰和准确。辐射定标校正：辐射定标是指将遥感图像的数字值转换为物理量，如辐射亮 度、辐射能量等，以便进行地物的定量分析和研究。在进行大气校正时，需要对 遥感图像进行辐射定标，将图像的数字值转换为物理量，使得不同时间、区域的 遥感图像之间可以进行比较和分析。总之，大气校正是遥感图像处理的重要环节，通过消除大气散射和进行辐射 定标，可以提高遥感图像的质量和准确性，为地物研究和分析提供更为可靠的数 据基础图3-3大气校正示例-m> eEQSpectral Profile® Spectral Profile (QUAC yangshi.dat)一 20 15 5 3 1OWavelenqth (um)SOOX rrlmcth Data V*lu / Q X 胃lnqth . Y Dat< VtluV / C图5-1大气校正前的光谱特征图图5-2大气校正后的光谱特征图3. 3. 2影像裁剪和拼接图像裁剪：图像裁剪可以有效地提取出感兴趣区域内的信息，有利于后续遥感分析和应 用。在 ENVl 中，通过选择 Regions of Interest-Subset Data from ROls 工具，可以 方便快捷地进行图像裁剪操作。在进行裁剪遥感影像的操作时，需要注意以下几 点：设置掩膜：为保留感兴趣区域内的信息，需要在进行裁剪前设置掩膜。在 ENVl中，可以选择MaSkPiXelSOUtSideOfRc)1?在进行掩膜裁剪时，需要将所选 区域以外的背景值设置为0。选择输入R0I：在进行裁剪时需要选择输入RoL即指定感兴趣区域的范围 和位置。在ENVl中，可以通过SeIeCtInPUtRoIS选择相应的Rol文件。设置输出路径：在进行裁剪时需要设置输出路径，以便保存裁剪后的图像数 据。在ENVl中，可以选择输出路径名以及输出图像格式等参数。通过上述操作， 就可以快速地完成图像裁剪操作，从而得到所需的裁剪结果。如下图是部分裁剪 后得到的结果示例。图3-4裁剪后的图像示例影像拼接(ENVI)：在ENVl中，可以使用MoSaiC Data工具进行影像拼接操作。下面是一些操 作步骤：打开ENVI软件并加载需要拼接的影像文件。在ENVI菜单栏中选择Raster Tools,进入Raster Tools工具箱，在其中 选择MoSaiC Data工具。在MOSaiCData窗口中，选择需要拼接的影像文件，并设置拼接后的输出路 径和文件名。同时还可以设置拼接方法、像素类型等参数。点击Run按钮运行Mosaic Data工具，ENVI将自动完成影像拼接操作。除了使用Mosaic Data工具进行影像拼接，ENVI还提供了其他一些工具和 方法，如ImageLinker、CUStomSCriPt等，它们可以根据实际情况选择合适的 工具和方法进行操作。需要注意的是，在进行影像拼接时，需要对拼接前的影像数据进行重采样、 坐标系统一等操作，以确保各影像数据的空间位置一致，从而得到完整、无缝的 拼接结果。另外，由于遥感图像通常较大，因此在进行影像拼接操作时需要考虑计算机 性能和内存等因素，以避免出现计算效率低、程序崩溃等问题。本次得到的1990年和2020年辽宁省整个区域影像拼接结果，如下图所示。图3-5 1990年影像拼接示例图3-6 2020年影像拼接第4章 城市用地信息提取4.1多尺度分割多尺度影像分割是一种重要的遥感图像处理方法，可以在不同的尺度下分割 遥感影像，得到更为精确和全面的地物信息。以下是本次研究进行多尺度影像分 割的基本步骤：选择合适的多尺度分割方法。常用的多尺度分割方法包括区域生长、块分割、 基于特征聚类等。确定分割尺度。根据应用需求和影像特点，选择最合适的分割尺度。尺度大 的，分割的影像对象更大、数量更少；尺度越小，分割生成的对象面积越小、数 量越多，本次研究对1990年遥感影像采用30分割尺度，对2020年采用50分割 尺度。设置分割参数。对于不同的分割方法，需要设置相应的参数，如颜色、形状、 纹理、紧凑度、光滑度等。这些参数对分割结果的准确性和稳定性产生着重要的 影响。进行影像分割。根据选择的分割方法和参数，对遥感影像进行分割。一般来 说，这个过程是自底向上分割区域、合并对象的方法。对分割结果进行验证和优化。通过与实际情况比对,验证分割结果的准确性。 针对分割错误和不合理的区域,可以对分割参数进行调整，进一步优化分割效果。综上所述，多尺度影像分割是一种重要的遥感图像处理方法，通过合理选择 分割方法和参数，可以得到更为准确和全面的地物信息。图4.1部分影像基于30尺度分割图示例4. 2城市土地提取本研究使用了影像多尺度分割和面向对象的分类方法提取地物信息。传统的 遥感影像分类方法通常以像元为基本分类和处理单元，其局限性是无法提供含有 更多语义信息的大型目标物体特征。而面向对象分类的方法主要是通过对影像数 据进行分割，将相邻像素点中具有相似特征的像元聚合成一个不同于其他区域的 对象,在处理单元上进行分析和处理,从而提取较高层次的遥感影像和目标地物。 有些情况下，由于地物类型的特征不明显或者地物种类过于繁杂难以准确划分, 无法使用自动分类方法完成地物分类。此时，我们可以采用人工目视解译的方法, 通过人们的观察和判断力来完成分类。在本研究中，由于辽宁省各城市边界未被 明确定义，因此采用了基于城市用地的分类方法，结合相关资料，在城市市区图 的基础上，借助线性要素形式存在的国道、铁路等作为边界进行分类。该次设计 通过对影像进行分类，最终得到了研究范围内的1990年和2020年不同类型城市 用地的详细分类结果。图4-2 1990年鞍山市分类前图像示例图4-3 1990年鞍山市分类后结果图像示例4. 3精度评价本研究中对于城市土地提取与动态分析的精度评价方法，在实际操作中，使 用了误差矩阵法来计算城市用地遥感提取结果的总体精度，该方法基于实地调查 得到的城镇土地覆盖样点进行验证，结果显示提取出的城市用地数据总体精度达 到了 95%以上，具有较高的稳定性，能够满足城市扩张分析的要求。同时，为了 进一步提高土地覆盖分类的精度，本研究还利用野外全球定位系统（GPS）对样 点位置进行了定位，并在ArCGlS软件中建立了分类精度评价样点库，以便对土 地覆盖分类结果进行精度评价。通过这种方法，可以有效地评估土地覆盖分类的 准确性，提高研究结果的可信度。需要注意的是，上述方法中都需要结合具体研 究问题和数据特点进行合理选择和应用，以获得更加准确、可靠的研究结论。根据计算，1990年建设用地的分类精度为90. 20%,总体分类精度为92. 21%； 而2020年的分类精度分别为94. 50%和94. 78%0这意味着本研究采用的基于多尺 度分割和面向对象的分类方法相对准确地提取了辽宁省城市用地信息，并且在近 年来有了更进一步的提高。第5章辽宁省城市用地时空变化分析5.1辽宁省城市面积扩张现状根据表格5T和图5T,可以看出在1990年到2020年间，辽宁省城市面积 总和由938.77k2扩大到了 2404. 27km2,增加了 1465. 50km2,增长率达到了 156. 06%o在这些城市中，沈阳市作为辽宁省的省会城市，其城区面积扩张面积 最大且扩张速度最快,30年间城区面积扩展了近1. 5倍,扩张面积达到333. OOkm 2,每年增长速度为ILlO平方千米。而大连市是变化较大的第二大城市，扩张 面积为258. 60km2,扩张速度为8. 62kM/年,城市面积变为原来的2. 6倍。另外， 凌源市、灯塔市、北票市等城市的扩张面积相对较小，30年间扩张面积不超过 7km2；而凤城市的扩张面积则相对最小，仅为1.50k2, 2020年城市土地面积是 1990年的2. 5倍。城市的规模越大，其扩张速度就越快，城市规模越小，扩张 则越慢。辽宁省平均每年扩张48. 85km ,其中13个城市的扩张速度不低于Ikm 2/年，其中沈阳市扩张速度最大，是凤城市扩张速度的222倍；大连市扩张速度 排名第2,为8.62km2/年，营口市和鞍山市的扩张速度相对较大，分别为4.48km 2/年和3. 10k2年。扩张强度反映了一段时间内城市年均面积增长率，辽宁省 城市扩张强度为156. 06%, 13个城市的扩张强度高于辽宁省的扩张强度，其中东 港市的扩张强度最高，凤城市的扩张强度最小，分别为808. 05%和18.23%。这说 明近年来辽宁省主要采取大城市扩充为主要发展方式，相对而言一些中小型城市 的建设速度较慢，这导致了城市之间的发展不平衡和较大的发展差异。表57 1990-2020年辽宁省城市面积统计序号地名城市面枳(km?)I990年2020年扩张面积(W)1234567891011121314151617181920212223242526272829辽宁省 938.77 2404.271465.50沈阳市193.54526.54333.00大连市160.50419. 10258.60营口市37.08171.48134.40鞍山市65.20158.2093.00抚顺市56. 10129.9073.80阜新市42.00109.5067.50盘锦市26.6083.6057.00辽阳市47.00107.0060.00葫芦岛市 32. 1075.9043.8020.0053.0033. 0。33.0065. 1032. 1025. 1755.4730.3016. 1046.4030.303.2329.3326. 107.6529.2521.6019. 1040. 1021.007.5027.3019.8012.0029.4017.40海锦本铁东庄巾市市市市市城州溪岭港河市市市 阳民州 朝新盖调兵山市7.1023.9016.80瓦房店市16.5426. 149.60开原市17.0025.708.70大石桥市12.4627.7615.30兴城市11.0224.5213.50普兰店市8.4318.339.90丹东市20.0728.778.70北镇市3. 2010. 407. 20凌海市5. 7512.656. 90凌源市6. 6012. 606. 00灯塔市5. 4011. 105. 70扩张速度(km?/年)扩张强度(%)48. 85156. 0611. 10172. 068. 62161.124. 48362. 4