论文部分内容阅读
摘要 [目的] 研究龙泉市城市化进程中土地利用变化情况。[方法] 采用2001和2010年ETM+影像作为数据源，运用Flaash大气校正法和重采样几何校正法对2期影像进行预处理，并通过最大似然法对龙泉市区进行土地利用分类，最后利用现状分类图和土地利用转移矩阵分析龙泉市区的土地利用变化情况。[结果] 2001和2010年研究区农田大量减少，主要去向是森林、建筑用地和裸露地；建筑用地迅速增加，分布类型从分散变为集中；森林覆盖率有所提高。[结论]研究结果为龙泉市合理利用土地资源提供了一定的参考。
关键词 城市化；土地利用；遥感；动态监测；龙泉市
中图分类号 S127文献标识码 A文章编号 0517-6611（2016）25-191-05
Analysis on the Land Use Dynamic Change in Urbanization Process Based on Remote Sensing Monitoring—A Case Study in Urban Area of Longquan City，Zhejiang Province
LU Jian， JIANG Min， ZHONG Zhangsheng et al
（Forestry Bureau of Longquan， Longquan， Zhejiang 323700）
Abstract [Objective] The research aimed to study the land use change in urbanization process in urban area of Longquan City. [Method] Using remote sensing images of 2001 and 2010 acquired by ETM+ sensor as data sources， methods of Flaash atmosphere calibration and Resampling geometry calibration were adopted to preprocess the images， then the urban land of Longquan City was classified with the method of Maximum Likelyhood， ultimately land use changes were analyzed with transfer matrix. [Result] From the year 2001 to 2010， farmland reduced in a large number and the reduced farmland has mainly transformed into urban construction， forest and bare ground； the land use of urban construction increased rapidly and its distribution type has changed from dispersal to concentration； forest coverage rate has increased a little. [Conclusion] The research provided a certain scientific reference for the rational use of land resources in Longquan City.
Key words Urbanization； Land use； Remote sensing； Dynamic monitoring； Longquan City
近年来，随着经济社会的不断发展，我国城市化进程加快，经济发展与环境保护的矛盾日趋严重。如何准确、详细地研究经济发展与环境变化的关系，从而合理地利用有限的环境资源成为当前社会关注的热点[1]。土地是地球资源的重要组成部分，土地利用类型变化被认为是全球环境变化的重要组成部分和主要原因之一[2]。因此，必须对土地利用信息進行监测。以往的方法是通过实地调查获取土地利用信息，由于技术的局限性，导致调查费时费力并且误差较大。遥感技术是以航空摄影技术为根基的一种探测技术，这种技术从远处探测并且感知物体和事物，依据电磁波的原理，运用传感器收集和处理远处的目标辐射和反射的电磁波信息，最后得到图像，以达到探测和识别地面上各种景物的目的[3]。目前最常用的方法是利用遥感影像对土地利用信息进行动态监测，并辅以实地调查，既节约了劳动成本，又保证了数据获取的精度。鉴于此，国内外学者对遥感技术在土地利用和土地覆被变化中的应用上做了积极的探索与实践[4-9]，提供了宝贵的技术与经验。笔者运用ENVI软件对龙泉市2001和2010年的影像进行土地利用类型分类，分析2期数据的动态变化，为合理利用资源和城市的可持续发展提供依据。
1 数据来源于研究方法
1.1 研究区概况
龙泉市地处浙江西南部，是国家级森林城市，属亚热带湿润季风区，四季分明，雨量充沛，动植物种类丰富，有“华东植物摇篮”之称，总面积30.59万hm2，其中林业用地26.07万hm2，占总面积85.22%，是一个“九山半水半分田”的林区市。由此可见龙泉市是工业相对欠发达，而生态区位明显的森林城市。近年来，随着高速公路的建成，区位条件得到了明显的改善，当地经济和城市化进程加速发展，这使得城市与生态环境发生了明显的变化。
1.2 基础数据
此次用到的数据是研究区2001 和2010年的Landsat7 ETM+影像，除此之外还包括社会经济资料等。结合龙泉市的林业生产特点以及Landsat7 ETM+ 数据对县级资源利用的分类精度等，进行目视解译和实地调查，把研究区的土地利用类型分为耕地、林地、建筑用地、河流和裸露地5 类。 1.3 研究方法
该研究基于ENVI 5.0，采用Flaash大气校正和二次多项式的重采样几何校正对原始影像进行预处理，再用最大似然法对2期影像进行分类，并通过误差矩阵验证各自的分类精度，最后对2期影像进行定性与定量的动态分析。技术路线见图1。
2 结果与分析
2.1 图像预处理
2.1.1 大气校正。卫星传感器在接收地表物体电磁辐射的过程中，由于大气的影响，如气溶胶，传感器接收到的数据会有一定的偏移，这对利用遥感数据进行生物量估算、土地利用类型分类、动态监测有较大的影响。大气校正的方法有很多，按照校正后的结果可分为2种[10]，即绝对大气校正法和相对大气校正法。绝对大气校正是通过复杂的数学模型，比较精确地消除大气因子对遥感影像应用的影响，但前提是需要获得一定的大气参数，具体分为6S模型、LOWTRAN模型、MORTRAN模型以及ACTOR模型[11]。相对大气校正是在得不到大气参数的情况下，基于遥感图片进行大气校正。常用的有黑暗像元法和图像对比法。
该研究采用基于MORTRAN模型的Flaash大气校正法对原始影像进行校正。它可以将遥感图像的DN值还原为地表反射率。首先对原始图像进行辐射定标，即将DN值转化为光谱辐射率，在ENVI5.0中通过以下公式计算得到：
Lλsensor=（Lλmax- Lλmin ）/Lλrange×DNλ +Lλmin
各波段的Lλmax与Lλrange值都可以在影像的头文件中直接提取。
接着再将影像从BSQ格式转换为BIL格式，至此，可以用Flaash 大气校正模型对转换为BIL格式的影像数据进行大气校正。根据要求输入卫星影像的飞行日期、时间、地面平均高程、景中心经纬度等参数，进行大气校正。校正前后的2001年影像如图2、3所示。
对比图2和图3可知，图3亮度高于图2，这表明经校正后的影像光谱特性得到了改善。这可以通过典型地物光谱曲线来验证。验证结果显示，Flaash校正前绿色植被在可见光波段各波段的发射率从大到小依次为 蓝、绿、红，校正后绿色植被对绿波段的反射率最高，这说明Flaash校正很好地消除了大气的影像。
2.1.2
几何校正。遥感图像是通过卫星上所载传感器接收地物目标发出的电磁波而成像的，在接受过程中，会引起图像的几何畸变。导致几何畸变的原因有：卫星位置和运动状态变化的影像、地球自转的影响、地球表面曲率的影响、地形起伏的影响、大气折射的影响[12]。从物理上看，畸变就是像素点被错误放置，即本该属于此点的像素值却在他处。可采用2种方法实现畸变图像的校正：一是把被错置的像素点放到应在的位置上，此方法被称为直接变换法；二是取回属于该位置的像素值，此方法被称为重采样法。
该研究采用重采样法对遥感影像进行几何校正。
首先是控制点的选择。控制点的选取要以配准对象为依据。其关键在于建立待分配的两种坐标系的对应关系。在选取控制点的时候应选取地形图与遥感图像上易分辨且较精细的特征点如道路、河流的交汇点、拐弯点、湖泊边缘、城廓边缘等。图像边缘部分一定要选取控制点，以避免外推。同时使采集的控制点均匀分布于整个地形图上。首先对2010年的影像选取控制点，在ENVI中由image-to-map直接从地形图选，如图4所示。接着是2001年控制点的选择，它是从2010年遥感图像中选取的，即image-to-image，如图5、6所示。
其次是建立整体映射函数。根据图像的几何畸变性质及地面控制点的多少来确定校正数学模型，建立起图像与地图、图像与图像之间的空间变换关系，最终将2期遥感影像中控制点的坐标进行校正。坐标系统间的转换是采用回归方法建立两个坐标系统间的转换函数，如多项式方法和放射变换方法。该研究采用二次多项式方法进行几何校正。
最后是重采样内插。在重采样中，由于所计算的对应位置的坐标不是整数值，必须通过对周围的像元值进行内插来求出新的像元值，以与输入的像元值相对应。
2.2 遥感影像分类
利用遥感手段获得土地利用信息的一个重要的中间环节就是分类[13]。利用计算机对遥感图像的进行分类的方法有监督分类法、非监督分类法以及决策树法、人工神经网络方法等新方法[14]。与传统的目视解译法相比，其可重复性好，时效性强，定位精准。
该研究采用监督分类法中的最大似然法对遥感图像进行分类。具体有以下步骤：首先确定各类的训练样本，即对遥感图像进行分类采样；然后根据训练样本建立分类判别函数；最后逐点扫描影像各像元，将各像元的特征特征向量代入判别函数中求得其属于各类的概率，将像元归属于概率最大的某个类别。
在ENVI中对预处理的影像进行裁剪，得到了2001和2010年的龙泉市市区影像，分别见图7和图8。
运用最大似然法对龙泉市区进行分类，得到其土地利用类型动态变化情况（图9）。
2.3 精度评估
遥感影像的分类精度也是运用遥感技术研究的重点之一。如果不对分类结果的精度进行评估，一个分类过程是不完整的。该研究的分类结果精度可以通过建立误差矩阵来验证。误差矩阵又称为混淆矩阵，是表示精度评价的常用标准格式，是指将分类数据（通常为行）同参考数据（通常为列）相比较而形成的矩阵表格，其中主对角线代表正确分类的情况，非对角線代表错误分类的情况。总体精度是评价整体分类准确性的重要指标，其计算公式为正确分类数/样本总数。Kappa系数在统计意义上反映分类结果在多大程度上优于随机分类结果。该研究分类结果的精度评价见表2、3。
由表2、3可知，2001年分类的总体精度为95.862 1%，Kappa系数为0.946 7，混淆矩阵中森林和农田分类精度达到100%，裸露地有3个样分到农田，河流有2个样分到了裸露地，只有建筑的分类精度相对较差；2010年分类的总体精度为95.735 6%，Kappa系数为0.946 4，混淆矩阵中森林分类精度为100%，农田有1个样分到了建筑，建筑有4个样分到了农田，裸露地有2个样分到了农田，只有河流的分类精度相对较差。上述结果表明此次分类的结果可靠性比较好，动态监测的效果明显。 3 结论与讨论
该研究借助ENVI5.0等相关遥感技术，运用最大似然法对龙泉市的土地利用类型进行了2期影像的动态监测，以验证龙泉市社会经济指标的变化。结果表明：在2001～2010年龙泉市土地利用类型发生了明显的变化，其中最明显的是农田的大量减少和建筑用地的大量增多，这充分反映城市化导致了耕地的破坏，使得龙泉市耕地资源更为紧张，当地政府和群众应该对这一环境问题加以重视并采取有效措施缓解耕地的减少。
但该研究在方法的选择上存在不完整与不全面的问题，主要体现在：①在影像预处理阶段，没有对影像进行地形校正，同时在大气校正上也只用Flaash模型进行处理，这在一定程度上使得影像上阴影对分类精度造成影响。②在影像分类上，只采用最大似然法进行分类，没有运用其他方法与之形成对比，不够全面、系统。
参考文献
[1] 赵晓宏，李时蓓，刘敏，等.近期东北主要城市遥感监测与动态分析[J].地球信息科学，2005，7（3）：25-27.
[2] 党安荣，史慧珍，何新东.基于3S 技术的土地利用动态变化研究[J].清华大学学报，2003，43（10）：1408-1411.
[3] 汤国安，张友顺，刘咏梅，等.遥感数字图像处理[M].北京：科学出版社，1973：170-174.
[4] BLESIUS L.The use of the Minnaert correction for landcover classification in mountainous terrain[J].International journal of remote sensing，2005，26（17）：3831-3851.
[5] BANNARI A.A review of vegetation indices[J].Remote sensing reviews，1995，13：95-120.
[6] ASHRAF S，BRABYN L，HICKS B J.Image data fusion for the remote sensing of freshwater environments[J].Applied geography，2012，32：619-628.
[7] 張军岩，于格，于潇萌.1980年至2000年胶州湾地区土地利用变化及其对区域可持续发展的影响[J].资源科学，2009，31（9）：1607-1611.
[8] 王琳，卢小凤.基于TM影像的盐城市土地利用时空变化研究[J].中国农学通报，2011，27（4）：464-468.
[9] 张永民，钟林生.松嫩平原典型盐碱化地区土地利用格局变化研究：以吉林省乾安县为例[J].干旱区资源与环境，2008，22（9）：124-128.
[10] LIANG S L，FANG H L，CHEN M Z.Atmospheric correction of Landsat ETM+ land surface imagery ：Part I：Methods[J].Transaction on geoscience and remote sensing，2001，39（11）：2490-2498.
[11] 郑伟，曾志远.遥感图像大气校正方法综述[J].遥感信息，2004（4）：66-70.
[12] 汤竞煌，聂智龙.遥感图像的几何校正[J].测绘与空间地理信息，2007，30（2）：100-106.
[13] 李石华，王金亮.遥感图像分类方法研究综述[J].国土资源遥感，2005（2）：1-6.
[14] 邓书斌.ENVI遥感处理方法[M].北京：科学出版社，2010.
关键词 城市化；土地利用；遥感；动态监测；龙泉市
中图分类号 S127文献标识码 A文章编号 0517-6611（2016）25-191-05
Analysis on the Land Use Dynamic Change in Urbanization Process Based on Remote Sensing Monitoring—A Case Study in Urban Area of Longquan City，Zhejiang Province
LU Jian， JIANG Min， ZHONG Zhangsheng et al
（Forestry Bureau of Longquan， Longquan， Zhejiang 323700）
Abstract [Objective] The research aimed to study the land use change in urbanization process in urban area of Longquan City. [Method] Using remote sensing images of 2001 and 2010 acquired by ETM+ sensor as data sources， methods of Flaash atmosphere calibration and Resampling geometry calibration were adopted to preprocess the images， then the urban land of Longquan City was classified with the method of Maximum Likelyhood， ultimately land use changes were analyzed with transfer matrix. [Result] From the year 2001 to 2010， farmland reduced in a large number and the reduced farmland has mainly transformed into urban construction， forest and bare ground； the land use of urban construction increased rapidly and its distribution type has changed from dispersal to concentration； forest coverage rate has increased a little. [Conclusion] The research provided a certain scientific reference for the rational use of land resources in Longquan City.
Key words Urbanization； Land use； Remote sensing； Dynamic monitoring； Longquan City
近年来，随着经济社会的不断发展，我国城市化进程加快，经济发展与环境保护的矛盾日趋严重。如何准确、详细地研究经济发展与环境变化的关系，从而合理地利用有限的环境资源成为当前社会关注的热点[1]。土地是地球资源的重要组成部分，土地利用类型变化被认为是全球环境变化的重要组成部分和主要原因之一[2]。因此，必须对土地利用信息進行监测。以往的方法是通过实地调查获取土地利用信息，由于技术的局限性，导致调查费时费力并且误差较大。遥感技术是以航空摄影技术为根基的一种探测技术，这种技术从远处探测并且感知物体和事物，依据电磁波的原理，运用传感器收集和处理远处的目标辐射和反射的电磁波信息，最后得到图像，以达到探测和识别地面上各种景物的目的[3]。目前最常用的方法是利用遥感影像对土地利用信息进行动态监测，并辅以实地调查，既节约了劳动成本，又保证了数据获取的精度。鉴于此，国内外学者对遥感技术在土地利用和土地覆被变化中的应用上做了积极的探索与实践[4-9]，提供了宝贵的技术与经验。笔者运用ENVI软件对龙泉市2001和2010年的影像进行土地利用类型分类，分析2期数据的动态变化，为合理利用资源和城市的可持续发展提供依据。
1 数据来源于研究方法
1.1 研究区概况
龙泉市地处浙江西南部，是国家级森林城市，属亚热带湿润季风区，四季分明，雨量充沛，动植物种类丰富，有“华东植物摇篮”之称，总面积30.59万hm2，其中林业用地26.07万hm2，占总面积85.22%，是一个“九山半水半分田”的林区市。由此可见龙泉市是工业相对欠发达，而生态区位明显的森林城市。近年来，随着高速公路的建成，区位条件得到了明显的改善，当地经济和城市化进程加速发展，这使得城市与生态环境发生了明显的变化。
1.2 基础数据
此次用到的数据是研究区2001 和2010年的Landsat7 ETM+影像，除此之外还包括社会经济资料等。结合龙泉市的林业生产特点以及Landsat7 ETM+ 数据对县级资源利用的分类精度等，进行目视解译和实地调查，把研究区的土地利用类型分为耕地、林地、建筑用地、河流和裸露地5 类。 1.3 研究方法
该研究基于ENVI 5.0，采用Flaash大气校正和二次多项式的重采样几何校正对原始影像进行预处理，再用最大似然法对2期影像进行分类，并通过误差矩阵验证各自的分类精度，最后对2期影像进行定性与定量的动态分析。技术路线见图1。
2 结果与分析
2.1 图像预处理
2.1.1 大气校正。卫星传感器在接收地表物体电磁辐射的过程中，由于大气的影响，如气溶胶，传感器接收到的数据会有一定的偏移，这对利用遥感数据进行生物量估算、土地利用类型分类、动态监测有较大的影响。大气校正的方法有很多，按照校正后的结果可分为2种[10]，即绝对大气校正法和相对大气校正法。绝对大气校正是通过复杂的数学模型，比较精确地消除大气因子对遥感影像应用的影响，但前提是需要获得一定的大气参数，具体分为6S模型、LOWTRAN模型、MORTRAN模型以及ACTOR模型[11]。相对大气校正是在得不到大气参数的情况下，基于遥感图片进行大气校正。常用的有黑暗像元法和图像对比法。
该研究采用基于MORTRAN模型的Flaash大气校正法对原始影像进行校正。它可以将遥感图像的DN值还原为地表反射率。首先对原始图像进行辐射定标，即将DN值转化为光谱辐射率，在ENVI5.0中通过以下公式计算得到：
Lλsensor=（Lλmax- Lλmin ）/Lλrange×DNλ +Lλmin
各波段的Lλmax与Lλrange值都可以在影像的头文件中直接提取。
接着再将影像从BSQ格式转换为BIL格式，至此，可以用Flaash 大气校正模型对转换为BIL格式的影像数据进行大气校正。根据要求输入卫星影像的飞行日期、时间、地面平均高程、景中心经纬度等参数，进行大气校正。校正前后的2001年影像如图2、3所示。
对比图2和图3可知，图3亮度高于图2，这表明经校正后的影像光谱特性得到了改善。这可以通过典型地物光谱曲线来验证。验证结果显示，Flaash校正前绿色植被在可见光波段各波段的发射率从大到小依次为 蓝、绿、红，校正后绿色植被对绿波段的反射率最高，这说明Flaash校正很好地消除了大气的影像。
2.1.2
几何校正。遥感图像是通过卫星上所载传感器接收地物目标发出的电磁波而成像的，在接受过程中，会引起图像的几何畸变。导致几何畸变的原因有：卫星位置和运动状态变化的影像、地球自转的影响、地球表面曲率的影响、地形起伏的影响、大气折射的影响[12]。从物理上看，畸变就是像素点被错误放置，即本该属于此点的像素值却在他处。可采用2种方法实现畸变图像的校正：一是把被错置的像素点放到应在的位置上，此方法被称为直接变换法；二是取回属于该位置的像素值，此方法被称为重采样法。
该研究采用重采样法对遥感影像进行几何校正。
首先是控制点的选择。控制点的选取要以配准对象为依据。其关键在于建立待分配的两种坐标系的对应关系。在选取控制点的时候应选取地形图与遥感图像上易分辨且较精细的特征点如道路、河流的交汇点、拐弯点、湖泊边缘、城廓边缘等。图像边缘部分一定要选取控制点，以避免外推。同时使采集的控制点均匀分布于整个地形图上。首先对2010年的影像选取控制点，在ENVI中由image-to-map直接从地形图选，如图4所示。接着是2001年控制点的选择，它是从2010年遥感图像中选取的，即image-to-image，如图5、6所示。
其次是建立整体映射函数。根据图像的几何畸变性质及地面控制点的多少来确定校正数学模型，建立起图像与地图、图像与图像之间的空间变换关系，最终将2期遥感影像中控制点的坐标进行校正。坐标系统间的转换是采用回归方法建立两个坐标系统间的转换函数，如多项式方法和放射变换方法。该研究采用二次多项式方法进行几何校正。
最后是重采样内插。在重采样中，由于所计算的对应位置的坐标不是整数值，必须通过对周围的像元值进行内插来求出新的像元值，以与输入的像元值相对应。
2.2 遥感影像分类
利用遥感手段获得土地利用信息的一个重要的中间环节就是分类[13]。利用计算机对遥感图像的进行分类的方法有监督分类法、非监督分类法以及决策树法、人工神经网络方法等新方法[14]。与传统的目视解译法相比，其可重复性好，时效性强，定位精准。
该研究采用监督分类法中的最大似然法对遥感图像进行分类。具体有以下步骤：首先确定各类的训练样本，即对遥感图像进行分类采样；然后根据训练样本建立分类判别函数；最后逐点扫描影像各像元，将各像元的特征特征向量代入判别函数中求得其属于各类的概率，将像元归属于概率最大的某个类别。
在ENVI中对预处理的影像进行裁剪，得到了2001和2010年的龙泉市市区影像，分别见图7和图8。
运用最大似然法对龙泉市区进行分类，得到其土地利用类型动态变化情况（图9）。
2.3 精度评估
遥感影像的分类精度也是运用遥感技术研究的重点之一。如果不对分类结果的精度进行评估，一个分类过程是不完整的。该研究的分类结果精度可以通过建立误差矩阵来验证。误差矩阵又称为混淆矩阵，是表示精度评价的常用标准格式，是指将分类数据（通常为行）同参考数据（通常为列）相比较而形成的矩阵表格，其中主对角线代表正确分类的情况，非对角線代表错误分类的情况。总体精度是评价整体分类准确性的重要指标，其计算公式为正确分类数/样本总数。Kappa系数在统计意义上反映分类结果在多大程度上优于随机分类结果。该研究分类结果的精度评价见表2、3。
由表2、3可知，2001年分类的总体精度为95.862 1%，Kappa系数为0.946 7，混淆矩阵中森林和农田分类精度达到100%，裸露地有3个样分到农田，河流有2个样分到了裸露地，只有建筑的分类精度相对较差；2010年分类的总体精度为95.735 6%，Kappa系数为0.946 4，混淆矩阵中森林分类精度为100%，农田有1个样分到了建筑，建筑有4个样分到了农田，裸露地有2个样分到了农田，只有河流的分类精度相对较差。上述结果表明此次分类的结果可靠性比较好，动态监测的效果明显。 3 结论与讨论
该研究借助ENVI5.0等相关遥感技术，运用最大似然法对龙泉市的土地利用类型进行了2期影像的动态监测，以验证龙泉市社会经济指标的变化。结果表明：在2001～2010年龙泉市土地利用类型发生了明显的变化，其中最明显的是农田的大量减少和建筑用地的大量增多，这充分反映城市化导致了耕地的破坏，使得龙泉市耕地资源更为紧张，当地政府和群众应该对这一环境问题加以重视并采取有效措施缓解耕地的减少。
但该研究在方法的选择上存在不完整与不全面的问题，主要体现在：①在影像预处理阶段，没有对影像进行地形校正，同时在大气校正上也只用Flaash模型进行处理，这在一定程度上使得影像上阴影对分类精度造成影响。②在影像分类上，只采用最大似然法进行分类，没有运用其他方法与之形成对比，不够全面、系统。
参考文献
[1] 赵晓宏，李时蓓，刘敏，等.近期东北主要城市遥感监测与动态分析[J].地球信息科学，2005，7（3）：25-27.
[2] 党安荣，史慧珍，何新东.基于3S 技术的土地利用动态变化研究[J].清华大学学报，2003，43（10）：1408-1411.
[3] 汤国安，张友顺，刘咏梅，等.遥感数字图像处理[M].北京：科学出版社，1973：170-174.
[4] BLESIUS L.The use of the Minnaert correction for landcover classification in mountainous terrain[J].International journal of remote sensing，2005，26（17）：3831-3851.
[5] BANNARI A.A review of vegetation indices[J].Remote sensing reviews，1995，13：95-120.
[6] ASHRAF S，BRABYN L，HICKS B J.Image data fusion for the remote sensing of freshwater environments[J].Applied geography，2012，32：619-628.
[7] 張军岩，于格，于潇萌.1980年至2000年胶州湾地区土地利用变化及其对区域可持续发展的影响[J].资源科学，2009，31（9）：1607-1611.
[8] 王琳，卢小凤.基于TM影像的盐城市土地利用时空变化研究[J].中国农学通报，2011，27（4）：464-468.
[9] 张永民，钟林生.松嫩平原典型盐碱化地区土地利用格局变化研究：以吉林省乾安县为例[J].干旱区资源与环境，2008，22（9）：124-128.
[10] LIANG S L，FANG H L，CHEN M Z.Atmospheric correction of Landsat ETM+ land surface imagery ：Part I：Methods[J].Transaction on geoscience and remote sensing，2001，39（11）：2490-2498.
[11] 郑伟，曾志远.遥感图像大气校正方法综述[J].遥感信息，2004（4）：66-70.
[12] 汤竞煌，聂智龙.遥感图像的几何校正[J].测绘与空间地理信息，2007，30（2）：100-106.
[13] 李石华，王金亮.遥感图像分类方法研究综述[J].国土资源遥感，2005（2）：1-6.
[14] 邓书斌.ENVI遥感处理方法[M].北京：科学出版社，2010.