当前世界环境

介绍

遥感（RS）和地理信息系统（GIS）的方法为准备土地使用土地覆盖（LULC）测绘是土地资源管理的规划和开发活动的重要方面。该研究城市Patna（PMC）是一家快速发展的城市和新兴经济震中的比哈尔。城市（PMC）的人口日益增长，并从迅速城市化迅速迁移到比哈尔的不同部分。¹因此，这些深刻的变化会导致气候变化的长期动态。

与传统的地面测绘方法相比，RS和GIS方法在时间、成本和可靠性方面具有优势，因此在LULC测绘中至关重要。大面积区域可以快速重复成像，而且图像解释比地面勘测更快，成本更低。²

在过去的两个世纪里，经济部门的快速发展和人口的激增使地球的土地覆盖资源发生了重大变化，而且有迹象表明，这些变化在未来还会加剧。巴特那市政公司地区的发展是无计划的、不受控制的、不受管制的，导致城市的蔓延。^3.自1981年以来，由于缺乏规划干预，快速增长导致了无序发展，导致PMC地区下开放空间的退化。¹为了更好地利用土地，必须研究现有的LULC特征，以及由于人口爆炸、经济扩张和新的生活方式而增加的需求。⁴

这些研究是利用2018年5.8米空间分辨率数据，通过假彩色复合(FCC)卫星图像、Resourcesat-2A线性成像自扫描传感器IV (LISS-IV)对LULC进行测绘的。采用监督分类和最大似然分类(MLC)算法对LISS IV图像进行分类。⁵Lulc地图是由鉴定的五种不同课程，农业用地/休耕土地，荒地，建筑地区和研究区的植被。MLC方法根据概率函数将具有最大似然性的像素进行分类的优点决定了每个主题的方差和协方差。⁵另一种用于土地利用土地覆盖制图的分类器是最小距离分类器，其中每个LULC类别的平均向量由每个类别的每个波段的平均数字(DN)确定。⁶但这种技术也忽略了不同程度的变化。平行六面体分类器根据每个轴上的最小值和最大值估计每个频带DN的最大值和最小值，分类的准确性取决于每个类别的最高值和最低值的选择。⁶

本研究工作的主要目标是实现使用遥感和GIS技术来检测整个PMC区域的LULC类别。本研究，遥感的方法和GIS技术将在未来的LULC开发计划中提出益处，由于其优势，成本效益，传统地面技术的可靠性。

研究区域

髌骨是比哈尔邦的首都。它存在于江河南岸。研究区位于25°33'22“和25°39'20”N纬度和85°04'50“之间，85°16'03.55”在印度ToposheCone的调查中落在印度的调查中。在海拔174英尺（53米的高度）上72G / 2和72G / 6在海拔174英尺（约53米）。

巴特那市政公司(PMC)的总面积为109.218平方公里。公里。根据2011年的人口普查，PMC和Patliputra Housing Colony共有72个病房，容纳了大约6,87,828人。⁷位置图，卫星图像Liss IV数据为2018年，提供（图1）。

图1:位置图(IRS P6-LISS-1V Image/2018) 点击这里查看图

方法

星载多时相/多光谱数据以及辅助数据应用和发展了土地利用和土地覆盖制图。2018年4月获取的多光谱高分辨率卫星数据Resourcesat-2A (LISS-IV)(图2)数据(104行053)，空间分辨率为5.8 m，用于解决本次研究中LULC类别的时间变动性。从NRSC/NDC数据中心/用户订单处理系统[UOPS]采购的卫星数据。

表1：Liss IV数据的技术规范

遥感和GIS数据解释

图像预处理

预处理是消除不需要的源，以最原始的形式/场景恢复失真或退化图像的初步步骤。⁶在这项研究中，Liss-IV数据已登记WGS 84 UTM投影，并通过校正完成。

形象的解释

图像解释，如色调，纹理，斜坡，大小，模式，站点和关联应用于卫星数据的视觉分析，以便开发Lulc地图。⁸卫星图像分别在绿色，红色和近红外区域的三个带（带2,3,4），并且使用了图像的类型FCC。本研究中采用的各种工具，技术和方法，用于简要描述的图像分类。

图像增强

图像增强技术用于增加更好的视觉区分或解释，以增加图像或卫星数据特征之间的信息量。增强技术用于提高场景中所有特征的对比度，特别是水和陆地。⁶

图像分类

应用图像分类程序对多光谱像素进行分类，将图像中的所有像素分类为几个单独的类。⁶

监督分类

我们选择了监督技术，首先在研究区域的特定位置进行地面监测。在监督技术/分类中，首先确定训练区域，并开发光谱类的数字或数字值，其中像素被分类为不同的LULC类型。⁶

最大似然分类器

借助最大似然分类技术，Lulc Map创建了五个不同的类。该方法的优点基于概率函数确定每个主题的方差和协方差．⁷如果人口的分布不遵循正常分布，则无法应用此方法。最大可能性定义如下。⁹

n:波段数

X: n波段的图像数据

Lk(X): X属于k类的可能性

k: k类的均值向量

^∑K: K类的方差-协方差矩阵

|^∑k |：决定因素^∑k。

图2:流程图(方法论) 点击这里查看图

结果

LULC结果的结果表明，在PMC面积下的最大面积构成为59.13％的内置土地，其次是农业/休耕土地覆盖21.18％。植被存在10.52％，荒地占9.90%，水体约占4.32%。自1981年以来，由于缺乏规划干预，快速增长导致了无序发展，导致PMC地区下开放空间的退化。¹为了更好地利用土地，必须研究现有的LULC特征，以及由于人口爆炸、经济扩张和新的生活方式而增加的需求。

讨论

采用监督分类和最大似然分类(MLC)算法对LISS IV图像进行分类。2018年4月获取的多光谱高分辨率卫星数据Resourcesat-2A (LISS-IV)(图2)数据(104行053)，空间分辨率为5.8 m，用于解决本次研究中的LULC类别。MLC方法根据概率函数将具有最大似然性的像素进行分类的优点决定了每个主题的方差和协方差。

在1990年后期，谷歌地球被开发出来，后来在2004年10月获得了keyhole，以更好地服务于它的用户。卫星图像(谷歌)显示的是从地球表面较远的地方拍摄的合成图像，在对同一区域进行放大后转换成不同的图像，更精细的细节随着日期和时间的不同而从一个区域到下一个区域。¹⁰分类地图的准确性通过实地验证，获得2020年4月20日的卫星图像(谷歌)。共收集95,147像素(表3)用于分类结果的验证。

表2:土地利用和土地覆盖分类

表3:分类图像的验证

图3：研究区域的监督LULC地图 点击这里查看图

结论

巴特那市政公司地区的发展是无计划的、不受控制的、不受管制的，导致城市的蔓延。在本研究工作中，LISS IV数据被用于处理整个PMC地区的LULC类别。为了提高结果的准确性，采用最大似然分类(maximum likelihood classification, MLC)算法，将像素根据最大似然分类到相应的类别，根据概率函数确定每个主题的方差和协方差。结果的准确性也通过卫星(谷歌)图像以及地面真相/验证得到验证。根据调查结果和历史事实，在没有适当的LULC规划的情况下，PMC区域由于规划失控而变得杂乱无章。本文分析指出，要使利用RS和GIS的应用作好充分的准备，支持土地利用和土地覆被资源目前面临的几个问题。

确认

作者要感谢Magadh大学授予博士研究工作。马加德大学巴特那A.N.学院环境科学系因允许GIS实验室工作而受到高度赞赏。作者还非常感谢印度国家遥感中心(NRSC)、印度空间研究组织(ISRO)和印度政府在卫星数据采购期间提供的指导。

资金来源

这项研究工作没有资助支持。

的利益冲突

作者之间没有任何利益冲突。

参考

1. 城市发展和住房部。巴特那总体规划。http://urban.bih.nic.in/pmp/patna - mp -报告- 18 - 11 - 2014. - pdf。2018年12月16日
2. Roy PS，Dwivedi Rs，Vijayan D，EDS。遥感应用程序。第二次。海德拉巴，国家遥感中心;2010年。
3. Ashraf M，基于遥感和GIS技术的巴特那市政公司过去25年(1989-2014年)土地利用/土地覆被变化格局评估，国际科学、工程和技术创新研究杂志2014; 3(10): 1000146。DOI：10.15680 / IJIRSET.2014.0310053．
4. Joseph G，Dhawan S，EDS。遥感的基础知识。海德拉巴，大学出版社（印度）私人有限公司;2003年．
5. Sood V, Gupta S, Gusain HS, Singh S，利用印度喜马拉雅地区的AWiFS数据，地形衍生的不同分类算法的空间和定量比较。印度遥感学会学报2018;46（12）：1991-2002。
6. Kiefer RW，Lillesand TM，EDS。遥感和图像解释。第四届。纽约约翰·威利父子公司(John Wiley and Sons);2004.
7. 印度的人口普查。地区人口普查手册，新德里，人口普查行动主任，比哈尔邦，2011年。https://censusindia.gov.in/2011census/dchb/dchb_a/10/1028_part_a_dchb_patna.pdf。2011年12月16日访问。
8. 沙宾FF, eds。遥感原理与解译^{理查德·道金斯}纽约，W. H.弗里曼公司;1996.
9. 日本遥感协会。遥感笔记。http://sar.kangwon.ac.kr/etc/rs_note/rsnote/cp11/cp11-7.htm访问了2020年7月20日。
10. 谷歌地球。维基百科。https://en.wikipedia.org/wiki/google_earth#history。访问了2020年7月20日。
11. 基于多时相传感器卫星数据的土地利用变化监测国际科学研究2015; 6(2): 2867 - 2870。
12. MHMOD M，CAL L，Zhuoguo M，Montor和Stument水平和垂直于文川地区的横向变化，从1974年到2010年使用遥感和GIS技术，遥感与地理信息系统学报2015; 4(3): 1000146。DOI：10.4172 / 2469-4134.1000146。
13. 国家遥感中心。印度土地利用土地覆盖地图集，海得拉巴，印度空间研究组织，印度政府空间部，2011(2-6)。
14. 辛格HC, eds。农村环境发展与规划，阿拉哈巴德，丘格出版社;1989.
15. Vijayakumar N，Gurugnanam B，Arulbalaji K，土地利用土地覆盖变更检测Thirumuttar子盆地，Cauvery River，Tamilnadu，国际科学、工程和技术研究杂志2015; 4（4）：680-683。
16. Anderson JR .， Hardy EE, Roach JT, Witmer RE，编辑。基于遥感数据的土地利用和土地覆盖分类系统。华盛顿，美国政府印刷局;1976.https://pubs.usgs.gov/pp/0964/report.pdf。访问2018年11月15日。
17. shih s.f.土地使用分类卫星数据和地理信息系统。灌溉排水工程学报1988, 114(3): 505 - 519。
18. 《环境地理学:科学、土地利用与地球系统》。3.^{理查德·道金斯}艾德。纽约约翰·威利父子公司(John Wiley and Sons);2004.