从Landsat8影像到变化矩阵：手把手教你用ENVI+易康+ArcMap分析城市扩张（以南京江北新区为例）

从Landsat8影像到变化矩阵：城市扩张分析的完整技术流程

遥感影像分析已成为城市规划、环境监测等领域的重要工具。对于初学者而言，掌握从原始影像到最终变化分析的全流程操作，不仅能提升实践能力，更能深入理解技术背后的逻辑。本文将详细介绍使用ENVI、eCognition Developer和ArcMap进行城市扩张分析的完整流程，特别针对南京江北新区这一典型案例。

1. 数据准备与影像预处理

1.1 数据获取与初步检查

获取合适的Landsat8影像是整个分析的基础。建议通过地理空间数据云平台进行检索，设置关键筛选条件：

• 时间范围：选择能够反映研究时段变化的影像（如2014年和2021年）
• 云量控制：严格筛选云量低于10%的影像
• 空间覆盖：确保影像完整覆盖研究区域

# 示例检索条件（地理空间数据云平台） 时间范围：2014-01-01至2014-12-31 云量：<10% 空间范围：南京江北新区边界坐标

注意：实际工作中可能无法获取理想时间点的完美影像，需要在季节一致性和云覆盖之间权衡。

1.2 辐射定标与大气校正

辐射定标是将原始DN值转换为真实辐射亮度的关键步骤。在ENVI中操作时需特别注意：

1. 选择正确的波段组（可见光-红外组）
2. 应用FLAASH预设参数
3. 设置输出路径避免文件混乱

大气校正则需要更多参数：

# 计算研究区平均高程示例（ENVI） elevation = GMTED2010.open() roi_elev = elevation.statistics(roi=study_area) avg_elev = roi_elev.mean / 1000 # 转换为km

2. 影像增强与分类准备

2.1 影像融合技术选择

全色波段与多光谱影像的融合能显著提高空间分辨率。NNDiffuse变换融合因其保持光谱特性的优势成为首选：

• 优点：光谱失真小，边缘保持好
• 参数设置：
  • 低分辨率输入：大气校正后的多光谱影像
  • 高分辨率输入：全色波段辐射定标结果
• 结果评估：检查融合后15米分辨率影像的清晰度和色彩保真度

2.2 研究区精确裁剪

使用矢量边界裁剪融合后的影像时要注意：

1. 确保矢量坐标系与影像一致
2. 检查裁剪结果是否完整覆盖研究区
3. 验证无数据区域处理是否正确

常见问题：裁剪后影像出现黑边，需在后续分类前去除

3. 面向对象分类技术实现

3.1 多尺度分割策略

在eCognition Developer中进行面向对象分类的核心是合理设置分割参数：

初级分割（尺度50）

• 适用于精细地物识别
• 形状因子：0.3
• 紧致度：0.5

次级合并（尺度150）

• 形成有意义的分类对象
• 形状因子：0.5
• 紧致度：0.7

// eCognition流程示例 processTree.append({ algorithm: "multiresolution segmentation", params: { scale: 50, shape: 0.3, compactness: 0.5 } });

3.2 特征工程与分类器训练

有效的分类依赖于特征选择和样本质量：

• 光谱特征：各波段均值、标准差
• 指数特征：
  • NDVI = (NIR-Red)/(NIR+Red)
  • NDWI = (Green-NIR)/(Green+NIR)
• 形态特征：长宽比、矩形度、紧致性

分类样本选择要点：

1. 每类至少选取30个代表性样本
2. 均匀分布在整个研究区
3. 包含该类别的典型变异情况

4. 变化检测与成果表达

4.1 分类后处理与精度验证

分类结果需进行必要的后处理以提高质量：

1. 类别合并：将相似子类合并
2. 小图斑处理：过滤面积过小的孤立斑块
3. 边缘平滑：消除锯齿状边界

精度验证表格示例：

4.2 变化矩阵生成与制图

在ArcMap中制作变化矩阵的关键步骤：

1. 将两年分类矢量进行相交操作
2. 导出属性表至Excel
3. 使用数据透视表生成变化矩阵

# ArcPy实现变化矩阵示例 import arcpy arcpy.Intersect_analysis(["2014_class.shp", "2021_class.shp"], "change_matrix.shp") arcpy.TableToExcel_conversion("change_matrix.shp", "change_matrix.xlsx")

制图设计建议：

• 使用直观的颜色区分不同变化类型
• 添加比例尺和指北针
• 包含图例和必要的文字说明

5. 技术难点与解决方案

在实际操作中常会遇到几个典型问题：

1. 易康导出矢量无属性字段

   • 解决方案：先导出为栅格，再在ArcMap中转矢量
   • 或检查导出设置，确保勾选"Export feature attributes"

2. 季节差异导致的分类偏差

   • 解决方案：尽量选择相同季节的影像
   • 或建立季节性调整的分类规则

3. 变化矩阵解释困难

   • 解决方案：重点关注净变化量大的类型
   • 制作变化热点图突出显著变化区域

对于南京江北新区的具体案例，特别需要注意农作物周期对裸地/植被分类的影响。实际操作中发现3月份影像中农田休耕期会导致裸地被高估，而生长季影像则相反。这提醒我们在跨时期比较时，必须考虑物候因素带来的影响，必要时可以通过NDVI时间序列分析进行校正。