利用决策树分类方法提取南京水稻面积并研究其时间变化规律(2)
我国目前的研究方向多是使用不同的数据源与提取方法的结合，研究小区域尺度或者大范围的提取水稻面积的精度。就国内来说，江南[7] 等利用TM和NOAA卫星数据对江苏省的水稻面积进行提取，研究得出该方法分类精度达到了93%。杨唏，黄敬峰[8] 等人将GIS和TM的遥感影像数据相结合，对南方丘陵山地进行土地利用分类并提取早稻面积。而国外的众多研究，Wardlow 和 Egbert[9] 研究如何利用 MODIS 的时序 NDVI 数据对美国中部大平原地区提取作物分类信息。而Masuoka[10]研究小区域尺度上的面积提取精度问题，他们研究表明，在小区域尺度上利用IKONOS对水稻的分类精度比 Landsat ETM + 分类精度显著提高。决策树分类作为一种分类方法，常常与用于遥感影像提取各类土地利用类型中。并且由于其的高精度被广泛应用[11—12]。李杨，江南等人[13]研究特征波段和作物物候期数据的不同的结合方式通过决策树分类提高分类精度。
但是对于研究水稻田面积变化的却很少。Peng[14] 等人利用 1986 年和2002 年两期 Landsat TM 影像对丽江县包括水稻在内的土地利用类型进行分析，实现了对过去 16 年间水稻种植区域的变化分析。余超、李阳明[15] 等利用2002年、2006年和2010年的遥感影像为主要信息源通过决策树分类的方法提取南京江宁区水稻面积，分析了2002年～2010年南京江宁区的水稻面积变化。国内大时间跨度的市级尺度上的对于水稻面积变化的研究还未有，因此我的研究具有一定的突破意义。
水稻遥感信息提取是遥感技术在农业领域应用的重要内容，可以实现农业信息的快速收集和定量分析，反应迅速，客观性强，是实现决策科学化的基本手段。尤其近年来新的高空间分辨率、高光谱、雷达等遥感技术的发展，为农业现代化管理提供了新的机遇。本研究选择对比南京过去与现在的水稻面积变化，分析其变化趋势与驱动因子，寻找水稻的迁移变化和城市的发展规律，一定程度上预测水稻种植和城市发展的趋势和方向，为水稻生产发展和国家建设农业布局和进一步规划提供一定的技术支持和重要参考。
1 材料与方法
1.1 研究区域概况
南京市位于长江下游中部富庶地区，江苏省西南部。全市行政区域总面积6587.02平方公里。南京市地处中国沿海开放地带与长江流域开发地带的交汇部，是长三角经济核心区的重要区域中心城市，是国家重要的综合性交通枢纽和通信枢纽城市。南京地貌特征属宁镇扬丘陵地区，以低山缓岗为主，但是带有平原，是丘陵平原综合体。在南京的发展规划中，南京提出了“以长江为主轴，以主城为核心，结构多元，间隔分布，多中心，开敞式的都市发展区空间格局”。除了主城区，加快建设新的次区域中心，形成多中心格局。
1.2 数据来源与预处理
美国陆地卫星（LANDSAT）系列卫星由美国航空航天局（NASA）和美国地质调查局（USGS）共同管理。自1972年起，LANDSAT系列卫星陆续发射，是美国用于探测地球资源与环境的系列地球观测卫星系统，曾称作地球资源技术卫星（ERTS）。
Landsat应用广泛，数据定量化水平高。从最初发射至今已对地球进行了长时间的连续观测，获得了大量的地球遥感影像，为相应方向的研究提供了基础。这些数据被广泛应用于资源调查、生态环境监测、土地利用规划与建设、自然灾害监测与防控以及农业调查等众多研究领域[16]。
Landat影像时间分辨率是16天，空间分辨率是30m，主要特点为具较高空间分辨率与波谱分辨率。本次实验选取1988年7月5日、2002年7月12日以及2013年8月11日三期遥感数据作为数据源。同时，本次实验还使用了南京地区90m分辨率的DEM数字高程模型。