土地利用/土地覆盖（LULC）分类是一种根据人类利用土地的目的与方式，以及地表覆盖的自然与人工属性，将特定时期的土地划分为若干类型的系统性框架。该框架通常采用分级结构，以层次化的方式组织不同类型的土地，从而全面、细致地描述土地状况。

分类系统的层级结构
LULC分类系统包含多个层级，层级越高，分类越概括；层级越低，分类越具体。

一级分类是宏观的、基础性的类型。例如：
- 耕地：用于种植农作物的土地。
- 林地：生长乔木、灌木、竹类等林木的土地。
- 草地：以生长草本植物为主的土地。
- 水域：包括天然陆地水域和水利设施用地。
二级分类则是在一级分类基础上的进一步细分。例如：
- 在“耕地”下可细分为水田（有水源保证和灌溉设施，用于种植水稻等）和旱地。
- 在“林地”下可细分为灌木林（郁闭度大于40%、高度在2米以下的矮林地和灌丛林地）。
- 在“草地”下可细分为高覆盖度草地（覆盖度大于50%的天然或改良草地）。

下面，我们详细说明如何进行LULC计算并出图。

数据准备与获取

获取卫星数据：
- 使用Landsat 8影像数据。访问 USGS Earth Explorer 网站。下载同一地理区域、不同年份（例如，2015年和2023年）的两幅影像。
- 注意事项：选择云量覆盖低的影像，并确保两期影像的季节尽可能一致，降低季节变化对植被的干扰。
- 主要使用波段：波段2（蓝）、3（绿）、4（红）、5（近红外）、6（短波红外1）、7（短波红外2）。
更多数据源：点击这里，了解更多地质数据获取方法。

影像预处理

预处理是确保分析准确性的基础，主要在QGIS中完成。

加载影像：在QGIS中，通过菜单栏的 图层 > 添加图层 > 添加栅格图层，导入下载的所有波段文件。
创建合成影像：为了更直观地判读地物，需要创建彩色合成影像。
- 真彩色合成：红色通道设为波段4，绿色为波段3，蓝色为波段2。这种合成方式模拟人眼所见的真实色彩。
- 伪彩色合成（突出植被）：红色通道设为波段5（近红外），绿色为波段4（红），蓝色为波段3（绿）。健康植被在近红外波段反射率高，在此合成下会显示为鲜红色。
- 可使用栅格 > 杂项 > 合并 或 构建虚拟栅格 工具来堆叠波段，生成多波段栅格文件。
大气校正（推荐）：为消除大气散射的影响，建议进行大气校正。
- 安装 Semi-Automatic Classification Plugin (SCP)QGIS插件。点击这里，了解离线安装QGIS插件方法。
- 使用SCP插件中的预处理工具，将影像的原始数字值转换为地表反射率。
- 点击这里，访问插件预处理工具使用帮助。
裁剪研究区：使用 栅格 > 提取 > 按掩膜图层裁剪栅格 工具，使用研究区域的边界矢量文件（如Shapefile），将两期影像统一裁剪至相同范围。点击这里，学习使用掩膜裁剪栅格图层。

执行影像分类

此步骤旨在将影像中的每个像素划分为特定的土地覆盖类别。

定义训练样本：
- 使用SCP插件中的“ROI（感兴趣区域）工具”。
- 在影像上根据颜色、纹理等特征，勾绘出代表不同地类（如：森林、农田、城市、水体、裸土）的训练样本区。
运行分类器：在SCP插件中，选择一种分类算法（如最大似然法），利用上一步创建的训练样本对整幅影像进行分类，分别生成2015年和2023年的土地覆盖图。
重分类：使用 栅格计算器 或 按表重分类 工具，确保两期分类结果中的同一地类使用相同的整数编码，为后续变化检测做准备。

精度评估

在进行分析前，必须评估分类结果的可靠性。

在分类后的地图上生成一系列随机点。
通过对比高分辨率卫星影像（如天地图、吉林一号、星图云）或实地调查数据，手动验证这些点的分类真实性。
使用SCP插件生成混淆矩阵，并计算总体精度和Kappa系数 来量化分类的准确度。
注意：Kappa系数在排除随机性的前提下，评估分类结果的一致性，结果更严谨、可靠。

混淆矩阵示例如下：
假设对100个样本点进行评估，分类系统包括：林地、耕地、水域，单位为km²。

                 分类为林地    分类为耕地    分类为水域    行合计（真实总数）
真实林地            30             5           0               35
真实耕地             3             25          2               30
真实水域             0              4          31              35
列合计               33            34          33           总计：100

变化检测分析

这是核心分析步骤，旨在识别和量化土地覆盖的变化。

数据预处理：确保两个年份的栅格数据具有完全相同的坐标系统、像素大小和空间范围。如有需要修改，使用QGIS栅格 > 投影 > 变形（重投影）和 重采样 工具进行处理。
生成变化图：
- 打开 栅格 > 栅格计算器。
- 输入简单表达式，如 ("classification_2023@1" - "classification_2015@1")，结果中数值不为0的像素即为发生变化的位置。
- 或者，使用条件表达式精确提取特定地类转换，例如 ("classification_2015@1" = 1) AND ("classification_2023@1" = 2) 可用于识别从林地变为耕地的区域。
- 点击这里，学习更多栅格计算器使用方法。
创建变化矩阵：使用SCP中的Cross-tabulation工具，或将数据导出至Python/R中，生成一个变化矩阵，该表格能清晰地展示从第一期到第二期，各个地类之间相互转化的面积和比例。

成果可视化与制图

为最终的变化检测图或土地覆盖图配置醒目且合理的色彩。
使用QGIS的 打印布局 工具，添加图例、比例尺、指北针和标题等地图要素。
将成果地图导出为PDF或高分辨率图像格式。

增强分析（拓展）

计算光谱指数：如NDVI（归一化植被指数）、MNDWI（改进的归一化水体指数）或NDBI（归一化建筑指数），这些指数可以辅助影像解读和分类。
时间序列分析：利用时间序列插件，分析特定地点在不同时期影像中的光谱变化轨迹。

通过以上步骤，你已经完成了从数据准备到变化检测成果输出的全过程。

更多GIS实践方法，欢迎留言或联系我们。转载须注明出处。