当前的世界环境

介绍

LULC变革评估是规划和管理活动的重要方面。关于LULC变革的信息对于土地管理的制定和执行是很大的重大信息。变更检测是更新LULC进行土地环境管理的重要程序。巴特那是比哈尔邦的首都，位于恒河的汇合处。巴特那市(PMC)是一个在过去十年中快速发展的城市和新兴的贸易中心。人口不断增长，来自比哈尔邦不同地区的快速移民导致PMC的快速城市化，在环境和生态退化的威胁下成为环境脆弱地区之一。

在改变分析/检测中使用遥感卫星成像的假设给出了由于像素值的变化导致的土地特征变化的结果。¹使用数字/卫星数据在改变LULC中的变化分析，因为它在用计算机的帮助下操纵像素值后提供出色的结果。¹LULC测绘中的遥感和GIS及其变化分析是由于其优势，成本效益，传统地面方法的可靠性。大面积可以快速且重复地成像，而且图像解释也比进行地面调查更快，更便宜。²

在过去的两个世纪中，人口和经济扩张的发展导致了对地球环境的高速修改。本研究的解释在劳伦斯（PATNA市）（PHYC）地区发生了重大变化，2007 - 2018年的帕特纳，与城市化和经济发展有关。Lulc的这些变化与我们自然环境中的自然和人类活动非常相关。^3.这些变化的速度将在未来获得动力。¹这些土地的快速变化将会影响地球的自然环境以及人类可持续性。¹为了获得土地的最佳利用，审查现有的LULC功能至关重要，并且由于人口爆炸，经济扩张和新的生活方式而增加的需求。^4.

关于LULC的具体和当前的信息对于许多规划活动是必不可少的。^4.本研究旨在派生LULC详细信息，并评估PMC的变化，在过去10至11年的时间间隔。应用该方法以使用遥感和GIS技术比较来自同一区域的相同传感器/卫星的两个不同年度图像。^5.这些研究使用了2007年和2018年的LISS-IV数据，空间分辨率为5.8 m，以解决LULC的时间变异性。基于多时相、多传感器、高分辨率遥感卫星图像进行LULC变化检测。^6.遥感方法LULC准备的关联包括数据收集，整改，图像增强初步的解释,图像分类，地图生成,最终质量检验产品/地图、变化分析和文档。^6.采用监督分类和最大似然分类算法对两幅多时相图像进行分类。T母鸡时间变化被检测到通过对比2007年和2018年独立制作的两张LULC分类地图。^7.利用变化检测的主要目的是检测2007-2018年巴特那市政公司(PMC)的LULC随时间变化的重要技术，对更新土地覆盖或自然资源管理具有重要意义。本研究对今后的土地利用管理行动计划具有一定的指导意义，可避免因规划不当而导致土地覆盖变化。它将对自然环境产生最重大的影响。

研究区

巴特那是比哈尔邦首府巴特那地区最大的城市发展城镇和总部。它躺在银行之间的河流恒河25°33”22和25°39”20 N纬度和85°04”50至85°16”03.55“E经度下降的调查印度toposheet nos。72 g / 2 & 72 g / 6在恒河流域的平原174英尺高(约53米。)在海平面之上。位置图，2007年和2018年LISS IV卫星图像数据(图1、图2)。巴特那市政公司(PMC)的总面积为109.218平方公里。根据2011年的人口普查，PMC有72个病房，容纳了大约16,87,828人。^8.

数字1：位置图（IRSP6-Liss-1V Image / 2007） 点击这里查看图

图2：位置图（R2A-Liss-1V Image / 2018） 点击这里查看图

方法

LISS-IV数据在LULC映射和变更分析中的意义是为了更好地对现有特征及其空间分布和土地的变化进行更好的视觉解释。

LISS-IV数据为高分辨率卫星数据，地面分辨率为每像素5.8 m，多光谱图像覆盖三个光谱波段(B2/ 0.52-0.59, B3/ 0.62-0.68, B4/ 0.77-0.86)。LISS-1V带分为三个波段，覆盖23至70公里，并在5天内重访。

resourcesat - 1丽丝IV (IRS-P6 LISS-IV)数据2007年55/56)(道路102行,期间获得的10(图1)和Resourcesat-2A丽丝IV (IRS R2A LISS-IV) 2018年的数据(053年道路104行),期间获得4月(图2)和5.8米空间分辨率用于地址颞可变性LULC类别。卫星图像地理参考UTM投影和WGS 84基准面。从NRSC/NDC数据中心/用户订单处理系统采购的卫星数据。

表1:LISS IV数据的技术规范

图像预处理

预处理是消除不需要的源以恢复最初原始形式/场景的失真或降级图像的初步步骤。^7.在这项研究中，两个Liss-IV数据的图像是共同登记的WGS 84 UTM投影，将与第二幅图像相关的一幅图像用像素/网格系统进行数据校正，最后对像素进行重采样。采用直方图均衡化方法进行大气校正，实现更好的变化检测。^7.

图像解释

图像解释如色调、纹理、坡度、大小、模式、地点和关联应用于卫星数据的可视化分析，以开发LULC地图。卫星成像仪在绿色，红色和近红外区域的区域中有三个带（带234），并且使用的FCC类型的图像。本研究采用的各种工具，技术和方法，用于在下面简要描述的图像解释。

图像增强

应用于增加更好的视觉区别或解释的图像增强，以增加图像或卫星数据中的特征之间的信息量。增强技术用于改善场景中的所有特征中的更好地对比，尤其是水和土地。^7.

图像分类

应用图像分类过程以对分类图像中的所有像素分类为几个单独的类别。^7.

监督分类

我们选择了监督技术，该技术从研究区域的特定位置开始。在监督技术/分类中，首先识别训练区域，并开发了频谱类的数字或数字值，其中像素分类为不同的LULC类型。

最大似然分类器

在最大似然分类器技术的帮助下，LULC映射创建了五个不同的类。这种技术是基于概率函数确定每个主题的方差和协方差。^7.最大似然的定义如下。^9.

其中n：频段数量
x：n频带的图像数据
Lk(X): X属于k类的可能性
k: k类的均值向量
^σ.k：k类的variance-covariance矩阵
|^σ.k |：决定因素^σ.K.

土地利用/土地覆盖变化检测

分类/后分类变更检测

对于土地覆盖资源和土地利用活动的管理而言，变化检测是更新LULC的一个重要步骤和必要条件。应用该技术对两幅多时相图像(Liss IV数据为2007和2018）然后通过对独立生成的两幅LULC分类图像进行比较检测。采用分类/后分类图像，是获取土地覆被变化最重要的方法。这种方法的优点是尽量减少多日期卫星数据之间的土地覆盖或环境差异的影响，并产生更好的LULC变化矩阵。

数字3：流程图（方法） 点击这里查看图

结果和讨论

研究结果表明，建设用地增加的变化是非常剧烈的（+）21.86％和减少农业，包括休耕土地（ - ）8.95％,疣状赘生物（ - ）5.8％在2007-2018年期间，水体和荒地也在减少。下面给出相对变化（表2）。这些条件与人类活动密切相关，如由于LULC管理不当而引起的社会和经济问题。

将土地利用变化分为水体、农业用地、休闲用地、荒地、建设用地和植被。采用监督分类和最大似然分类算法对两幅多时相图像进行分类。T母鸡时间变化被检测到对比独立制作的2007年(图4)和2018年(图5)两份LULC分类地图。通过现场验证和卫星图像（Google）完成分类地图和变更图（分类/后分类）的准确性。

表2。2007年和2018年LULC变化比较

数字4：监督Lulc Map-2007的研究区 点击这里查看图

数字5:研究区监管LULC地图-2018 点击这里查看图

结论

PMC，Patna由于城市和经济发展导致Lulc的快速变化导致的最脆弱地区之一。在本研究中，使用多时间的LISS IV数据，然后检测到2007 - 2018年之间发生的变化。通过分类/后分类地图之间的比较研究以及地面验证来完成改变检测分析。结果表明，农业/休耕，水体和荒地发生的主要变化。基于调查结果，由于在没有适当规划的情况下，在PMC下的情况下，在这些负面变化中主要观察到经济问题。

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

对这项研究工作没有资金或财政支持。

利益冲突

作者之间没有任何利益冲突。

参考

1. Roy PS, Dwivedi RS, Vijayan D，编。遥感应用，第二版，海得拉巴国家遥感中心;2010.
2. Sabins FF，EDS。遥感原则与解释。3.^rd.编辑。纽约，W.H.Freeman和公司;1996年。
3. Maheswari R，Rajkumar R.OM，Sunendran A，Krishnamoorthy B. S.使用多时间传感器卫星数据监测土地使用土地覆盖的监测变化。国际最新科学研究杂志2015; 6（2）：2867-2870。
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. 基于遥感和GIS技术的汶川地区1974 - 2010年地表水平和垂直变化监测研究，遥感＆GIS2015; 4（3）：1000146。DOI: 10.4172 / 2469 - 4134.1000146。
6. 国家遥感中心。土地利用印度，海德拉巴，印度空间研究组织，空间系，GOVT的地图。印度，2011年（2-6）。
7. Kiefer Rw，Lillesand TM，EDS。遥感和图像解释。第四届。纽约，约翰瓦里和儿子;2004年。
8. 印度人口普查。地区人口普查手册，新德里，人口普查经营普哈尔，2011年普查。https://censusindia.gov.in/2011census/dchb/dchb_a/10/1028_part_a_dchb_patna.pdf。2011年12月16日访问。
9. 日本遥感协会。遥感笔记。http://sar.kangwon.ac.kr/etc/rs_note/rsnote/cp11/cp11-7.htm 2020年7月20日通过。
10. Singh HC，EDS。农村环境开发与规划，阿拉哈巴德，楚格出版物;1989年。
11. 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。
12. 安德森JR，Hardy EE，Roach JT，Witmer Re，EDS。用于远程传感器数据的土地使用和陆地覆盖分类系统。华盛顿，美国政府印刷办公室;1976年。https://pubs.usgs.gov/pp/0964/report.pdf。访问日期:2018年11月15日
13. 土地利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。
14. Marsh WM，Grossa JJ，环境地理：科学，土地利用和地球系统。3.^rd.编辑。纽约，约翰瓦里和儿子;2004年。