文献（一）
关于遥感和空间科学的研究
---------以北阿坎德邦，印度地区阿尔莫拉，Hawalbagh区的研究为例
摘要
在数字变化检测技术中通过使用多时段遥测卫星影像对理解景观动态上有所帮助。本研究说明印度北阿坎德邦以及阿尔莫拉地区的Hawalbagh区的土地使用的时空动态。其中有两个不同时期的土地卫星影像，全球土地覆盖基金站点以及地球探索者站点均获得了1990年和2010年的陆地卫星专题绘图仪（TM）的影像，并且量化了从1990年到2010年20年间Hawalbagh区的变化。在ERDAS公司的9.3版本的软件中使用最大似然法作为监督分类方法。研究区域的图像被分成五种不同的类型，分别是植被地域、农耕地域、荒漠地域、建筑地域、水域。结果表面，在过去的20年里，植被和建设用地分别增长了3.51%（9.39平方千米）和3.55%（9.48平方千米），而农业用地、荒漠地、水体面积分别下降了1.52%（4.06平方千米），5.46%（14.59平方千米），0.08%（0.22平方千米）。本文强调了对于自然和Hawalbagh区位置变化研究数字变化检测技术的重要性。
关键词：遥感 GIS技术 土地利用 土地覆盖
- 前言
土地利用/覆盖是经常交替使用的两种不同的术语。土地覆盖是指地球表面的物理特性，主要有植被分布、水、土壤、以及其他物理特征的土地，包括那些完全由人类活动所创建如定居点。而土地利用是指土地被人类以及他们的栖息地所占用，通常着重于土地经济活动方面的利用。一个地区的土地利用/覆盖模式是自然和社会经济因素以及人类在时空上的利用率的结果。关于土地利用/覆盖和最佳利用的可能性的信息对于土地利用计划的选择，规划和实施至关重要，以满足对基本人类需求和福利的日益增长的需求。。这些信息也有助于监测由于人类不断增长的需求而导致土地利用的动态变化。
土地利用和土地覆盖是相互影响的。由于土地利用导致土地覆盖的改变并不一定意味着土地的退化。然而，许多土地利用模式受各种社会原因而改变，导致土地覆盖变化，影响生物多样性、水和辐射预算、跟踪气体排放和其他进程，这些都在影响着气候和生物圈（Riebsame等，1994）。土地利用/覆盖变化检测对于更好地理解在已知时间的可持续管理的景观动态是非常重要的。土地利用/覆盖变化是一个广泛且加速的过程，主要是由自然现象和人为活动推动改变，反过来影响着自然生态系统的改变（Ruiz-Luna和Berlanga- Robles，2003; Turner和Ruscher，2004）。了解人类活动与自然现象之间的景观格局，变化和相互作用对于适当的土地管理和决策改进至关重要。今天，地球资源卫星数据非常适用于土地利用/覆盖变化检测研究（Yuan et al。，2005; Brondizio et al。，1994）。
随着遥感和地理信息系统技术（GIS）的发明，土地利用/覆盖地图绘制提供了一种有用和详细的方式来改进对一个区域的农业，城市和/或工业区域设计的区域的选择（Selcuk等人 ，2003）。遥感数据的应用使得以更少的时间、更低的成本和更高的准确性（Kachhwala，1985）研究土地覆盖的变化，与GIS相结合，为数据分析，更新和检索提供了合适的平台（Chilar，2000）。高空间分辨率卫星图像和更先进的图像处理和GIS技术的出现导致了对土地利用/土地覆盖模式的更加常规和一致的监测和建模的转变。遥感已广泛用于更新土地利用/覆盖地图，土地利用/覆盖地图已成为遥感最重要的应用之一（Lo和Choi，2004）。
Landsat-TM图像代表了过去30年中地球表面的有价值的连续记录（USGS，2014）。而且，现在整个 Landsat存案面向公共科学是免费开放的，其在识别和监控人造物理环境方面蕴含着丰富的信息（Chander et al。，2009; El Bastawesy，2014） 。一些研究都承认在进行准确和可靠的变化检测分析时预处理（数据筛选、配准、辐射校正、标准化等）的重要性（Jensen，2005; Lu et al。，2004; Mas，1999; Scheidt et et al。，2008; El Bastawesy et al。，2013）。
国际学者已经对使用遥感图像的土地利用/土地覆盖变化检测做了一些广泛的研究工作。Daniel等人将土地利用/土地覆盖变化检测方法进行比较并且使用的五种方法，即传统的后分类交叉制表、交叉相关分析、神经网络、基于知识的专家系统和图像分割和面向对象分类。在研究过程中，他们发现五个研究方法各有各的优点，没有单一的方法可以解决土地利用变化检测问题。Yuan等人利用1986年，1991年，1998年和2002年的明尼苏达七县双城市都会区的多时相Landsat TM数据，制定了一种地图和监测土地覆被变化的方法。结果表明,在1986年至2002年城市土地面积从23.7%上升到32.8%,而农业、林地和湿地的农村覆盖类型从69.6％下降到60.5％。Adepoju等人检查发现拉各斯过去二十年间的土地利用/土地覆盖变化是由于高速的城市化进程。Adepoju采用了后分类方法并与最大似然分类器算法相结合。El Gammal等人（2010）利用几个不同时间段（1972年，1982年，1987年，2000年，2003年和2008年）的Landsat图像，并在ERDAS和ARC-GIS软件中处理这些图像以分析湖岸以及水量的变化。Bhagawat（2011）通过使用GIS从加德满都大都市的四个土地利用/土地覆盖图提取的统计数据提出了变化分析。据他介绍，土地利用统计和过渡矩阵是分析土地利用变化的重要信息。El-Asmar应用遥感指标,即柏拉拉斯湖和埃及尼罗河三角洲北部的归一化水指数(NDWI)和修改后的归一化水指数(MNDWI)，以便量化1973年到2011年泻湖的水体区域的变化。
在印度，各种学者已经进行了关于土地利用/土地覆盖的研究，特别是通过使用遥感数据。Pooja等人（2012年）利用1965年印度地形图和2008年LISS III卫星数据在43年期间量化了Gagas流域，Almora地区的土地利用/覆盖。Rawat等人对北阿坎德邦(印度)的库蒙喜马拉雅山脉的五个主要城镇（Ramnagar, Nainital, Bhimtal, Almora ，Haldwani）进行了土地利用/土地覆盖研究。根据1990年至2010年土地利用/土地覆被变化的20年卫星数据，他们发现由于在农业和植被土地上建造新建筑物，建成面积大幅增加。Amin等人（2012年）对克什米尔山谷斯利那加市的土地利用/土地覆盖情况进行了研究。他们观察到，在1990 - 2007年期间，斯利那加市经历了重大变化。分析还表明，土地利用模式的变化导致森林面积，开放空间等的损失。Mehta等人（2012）提出了遥感和地理信息系统的综合方法，用于土地利用和土地覆盖研究在1999年到2009年之间古吉拉特邦Kutch地区的干旱环境。Sharma等人（2012）引入了土地消耗率（LCR）和土地吸收系数（LAC），以帮助1976年和2008年之间在印度比哈尔邦的Bhagalpur市的定量评估变化。 Pandey等人 （2012）提出了在城市环境日益增长的城市固体废物（MSW）处置适宜性现场评估的地理空间方法的实施。 Kumar等人（2013）利用森林清查和地球空间方法开展了Sariska野生动物保护区生物量估算研究，以便根据地块水平测量的生物量与相关光谱特征之间的统计相关性开发模型。Singh等人利用最近免费提供的Landsat-8卫星数据来评估印度印度M.P.的Orr流域Ashok Nagar区的土地利用模式及其空间变化。
本研究试图制定出北阿坎德邦州的一个开发区的土地利用/覆盖的状态，即针对阿尔莫拉区的Hawalbagh区检测土地消费率以及在过去20间通过使用地理空间技术发生的变化。
2.研究区域
研究区（如图一），Hawalbagh区北阿坎德邦州的阿尔莫拉地区的11个开发区中的一个，其位于印度喜马拉雅山处一块较小的山脉处。它位于北纬29度32分30秒与北纬29度44分23秒之间，以及东经79度31分11秒与79度43分50秒之间，面积约267.53平方千米。从地质学角度出发，Hawalbagh区由两种不同的地质构造单元组成。阿尔莫拉区域的中部和南部包括三个构成部分，Saryu组，Almora Gnessies和Gumalikhet地层，北部的Damtha组有Rauthgarh组。从气候角度说，研究区一直处于凉爽温和的气候条件。平均来说,研究区每年收到大约1065.01毫米的降雨量。研究区域的年平均最大、最小和平均温度分别是23.3度，11.9度，17.6度。Hawalbagh区的主要河流是戈西河，它由北向南并且哈瓦版块一分为二。哈瓦版块的河流总长度约为1047.59千米。其总流量的84.54%（885.73千米）是非常年流，而只有15.46%（161.86）是多年生流。哈瓦版块包括10个nayaypanchyats，124个grampanchayat和234个村庄。该块总人口达59227人。
- 材料和方法
3.1数据准备
使用1990年和2010年30米分辨率的陆地卫星专题绘图仪进行土地利用/覆盖分类。覆盖研究区域的卫星数据来自全球土地覆盖设施（GLCF）和地球探测器站点。这些数据集被导入9.3版本的ERDAS Imagin中，利用卫星图像处理软件以创建假彩色复合材料（FCC）。图像解译工具箱中的层堆栈选项用于为研究区域生成假彩色复合材料。通过采用Hawalbagh块图的地理参考外边界作为AOI（感兴趣区域），执行卫星图像的子设置以从两个图像提取研究区域。为了更好的分类结果，一些指标如归一化差异植被指数（NDVI），归一化差水指数（NDWI）和归一化差累积指数（NDBI）被用来对土地卫星图像进行分类。
3.2土地利用/覆盖检测和分析
为了解决土地利用/覆盖分类问题，采用最大似然算法的监督分类方法应用于ERDAS公司9.3版本的图像软件。对于遥感图像数据而言，最大似然算法（MLC）是最受欢迎的监督分类方法。该方法基于像素属于特定类的概率。基本理论假定这些概率对于所有类是相等的，并且输入频带具有正态分布。然而，该方法需要较长的计算时间，并且严重依赖于每个输入频带中的数据的正态分布，并且倾向于在协方差矩阵中用相对大的值对签名进行过分类。光谱距离方法计算候选像素的测量向量和每个信号的平均向量之间的光谱距离，并且光谱距离分类的方程是基于欧几里得距离的方程。它需要其他监督方法中的最小计算时间，然而，在不考虑类可变性的情况下，不应该被分类的像素被分类。可疑区域需进行地面验证。基于地面实况，使用ERDAS Imagine中的recode选项对错误分类的区域进行了校正。使用误差矩阵和Kappa Khat方法来评估映射精度。研究区域确定了五种土地利用/覆盖类型，即（i）植被（ii）农业用地（iii）贫瘠土地（iv）建成用地（v）水体。
3.3土地利用/覆盖变化检测和分析
为了进行土地利用/覆盖变化检测，采用分类后检测方法。基于像素的比较被用于在像素的基础上产生变化信息，并且因此，利用“ - 从 - 到 - ”信息的优点更有效地解释变化。使用交叉列表对两个不同十年数据的分类图像对进行比较，以确定1990年至2010年期间变化的定性和定量方面。在ERDAS Imagine软件的帮助下产生了变化矩阵（Weng，2001）。 然后汇编1990年至2010年期间土地利用/覆盖变化总量以及每个类别的收益和损失的定量面积数据。
- 结果和讨论
通过多时间卫星成像的分析获得的结果在图1和图2中示意性地示出。 图2-4和数据登记在表1和2中。 图2描绘了土地利用/覆盖状态， 图3描述了不同土地利用类别的土地利用/覆盖变化。 图4说明不同土地类别的变化幅度。 这些结果的简要说明将在以下段落中讨论。
图一 研究区域的位置图
图二 Hawalbagh区的土地利用/覆盖状况 （a）1990年，（b）2010年（基于土地卫星专题制图卫星图像）
图3 Hawalbagh发展区（1990-2010年）过去二十年中不同类别的土地利用/覆盖变化;（a）植被（b）农业（c）贫瘠（d）建立（基于土地卫星专题制图卫星图像）。
4.1 土地利用/覆盖状况
所获得的土地利用/覆盖分类结果的准确性评估结果表明，1990年的总体准确率为90.29％，2010年为92.13％。1990年和2010年地图的Kappa系数分别为0.823和0.912。
图2（a）描述了1990年Hawalsbagh地块的土地利用/覆盖的空间分布模式， 这些数据表明，1990年，Hawalbagh块的面积中约54.75％（146.49平方公里）在植被下，31.69％（84.73平方公里）在农业用地，11.65％（31.17平方公里） 荒地下1.01％（2.72km2），水下0.90％（2.42km2）。 2010年，这些土地类别下的土地面积分别为：植被面积为58.26％（155.88平方公里），农用地面积为30.17％（80.67平方公里），荒地面积为6.19％（16.58平方公里），荒漠面积为4.56％ 建筑面积0.82％（2.22平方公里）（表1）。
4.2 土地利用/覆盖变化
在表1和图3和图4的数据记录揭示了在Hawalbagh块的土地利用/覆盖模式中发生增和减的变化。在过
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[139095]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
