论文部分内容阅读
土地是人类生存所必需的基础性资源,佛山市顺德区是广东省及全国的综合改革试验市,率先基本实现现代化试点市,其土地利用/覆盖在改革开放30多年来发生了巨大的变化,尤其是近20年来变化更为显著,城市规模迅速扩张,耕地、鱼塘等农业用地大幅减少,人多地少的矛盾日益尖锐,随之而来的是生态环境恶化等问题日益突出,影响了经济、社会的可持续发展。为此,对该区域进行土地利用/覆盖变化的研究使其实现土地可持续利用显得意义重大。 土地利用/覆盖变化的演变过程可以通过不同时相的遥感影像的解译来描述,遥感影像的解译有目视解译和计算机分类两种。目视解译是通过选择遥感影像的最佳波段组合并彩色合成来实现。本研究从TM/ETM遥感影像的光谱特征出发,采用波段及波段间信息统计特征、最佳指数、熵及联合熵、典型地物波谱特征曲线等进行全方位、多角度探讨TM/ETM多光谱遥感影像在佛山市顺德区的彩色合成的最佳波段选择方法。遥感图像计算机分类的实质是通过计算机对遥感图像的像元进行数值分析处理,达到自动识别地物类型的目的,它分为:非监督分类(即聚类)方法和监督分类方法。BP神经网络算法是一种监督分类方法,它具有局部寻优、可以消除传统统计模式分类所带来的模糊性和不确定性的优点,但是存在过拟合、收敛速度慢、学习过程中易陷入局部极小值等缺陷。遗传算法是一种自适应概率性随机化迭代搜索算法,具有全局寻优、不易陷入局部极小值的优点,但它存在局部寻优能力弱的缺点。本研究采用改进型BP算法即振荡式自适应动态调整学习率误差反向传播神经网络算法与SGA即标准遗传算法有机地结合,形成GABPNN混合算法。该混合算法先采用SGA生成MLP分类网络隐层节点及输出层节点的初始权重和阂值,再利用改进型BP算法来精细调整MLP分类网络节点的权重和阈值,最后利用该训练好的MLP网络来进行TM/ETM遥感影像的分类,分类结果表明,该混合算法比传统BP算法训练速度快23.8%,在总体分类精度上比传统BP分类算法高6.07%,比最大似然分类算法高8.57%,比支持向量机分类算法高8.93%,在kappa系数上比比传统BP分类算法高0.071,比最大似然分类算法高0.1,比支持向量机分类算法高0.104,实验表明,GABPNN混合算法是一种快速有效的、能提高分类精度的、适合中等分辨率TM/ETM遥感影像的计算机监督分类算法。 遥感影像的解译结果必须阐明其土地利用覆盖变化状况及驱动力,方能为政府的土地可持续利用决策提供有指导意义的参考。本研究精心选用社会、经济、人口等12个驱动因子,采用灰色关联理论、相关性分析、多元线性回归分析作为LUCC驱动力定量分析方法,并结合定性分析方法,系统、全面、科学地分析研究区1993-2011年这18年来LUCC驱动力因素。 研究土地的LUCC状况及分析其驱动力,是为了保证土地的可持续利用,就研究区目前的土地利用状况,本文最后给出了实现研究区土地可持续利用的八大建议及对策。