1. 课程导入与土地利用分类概述

遥感土地利用分类与变化判读，是把卫星或航空影像上的“像素颜色与纹理”翻译成“地类语义”，再进一步比较不同时相的地类分布，回答“哪里是什么、变了多少、为什么变”的一门技术。它既是遥感图像处理的下游应用，也是国土空间规划、自然资源管理和生态保护的基础数据生产环节。本课程围绕这条主线展开：先建立分类体系与影像特征的对应关系，再掌握分类与变化检测的方法，最后落到成果质量与业务应用。

一、什么是土地利用分类

土地利用分类是指按照统一的分类标准，把地表覆盖与人类利用方式划分为若干类别，并落实到空间位置上的过程。这里有两个容易混淆的概念需要先厘清：土地利用侧重人类对土地的用途与经营方式，如耕地、园地、林地、建设用地；土地覆盖侧重地表自然属性，如植被、水体、裸土、不透水面。遥感直接观测到的是覆盖特征，而业务成果往往要求土地利用类别，因此分类过程本质上是“由覆盖证据推断利用类型”的映射，需要借助分类体系、辅助数据和人工判读经验来弥合差距。

分类体系是全部工作的“度量衡”。我国现行国土调查采用一级、二级地类分级体系，一级类包括耕地、园地、林地、草地、湿地、城镇村及工矿用地、交通运输用地、水域及水利设施用地等。分类体系一旦确定，后续的样本采集、特征选择、精度评价都必须与之严格对齐。实践中常见的问题是：分类体系里“其他林地”与“灌木林地”边界模糊，影像上又难以区分，若不在样本阶段明确判读规则，分类结果就会出现系统性混淆。

二、遥感在土地利用调查中的作用

传统土地利用调查依赖地面丈量与调绘，周期长、成本高、难以覆盖大范围。遥感的价值体现在四个方面：一是宏观覆盖，一景高分影像可覆盖数十至数百平方公里，省域范围可在数周内完成一轮监测；二是多时相，存档影像可回溯多年，为变化判读提供历史基准；三是多光谱信息，不同地物在可见光—近红外—短波红外波段的可分性，为计算机分类提供定量依据；四是可重复观测，形成“发现变化—实地核实—更新数据库”的闭环。

需要强调的是，遥感不是“拍完就能出图”。从原始影像到可用分类成果，中间要经过辐射定标、大气校正、几何精校正、影像融合、云掩膜、样本采集、分类器训练、后处理与精度评价等环节。其中几何配准精度直接影响变化检测：两期影像若存在半个像元的系统性偏移，就会在建筑边缘产生大量虚假变化图斑。因此本课程会在方法章节中专门讨论配准与归一化的操作要点。

三、课程目标与学习路径

本课程的目标可以概括为三层能力。第一层是看得懂：能根据影像的光谱、纹理、形状、上下文特征，判断典型地类的影像表现，理解分类体系与影像证据之间的对应关系。第二层是做得对：能独立完成从影像预处理、样本采集、分类器选择与训练、后处理到精度评价的完整流程，并能解释每一步参数设置的理由。第三层是判得准：能对两期或多期分类成果进行变化检测，区分真实变化与伪变化，形成可核查的变化图斑与统计报告。

学习路径按“概念—方法—实践—综合”递进组织。前段建立分类体系、影像特征、精度评价等概念基础；中段进入监督分类、面向对象分类、深度学习语义分割等方法，配合小区域示例数据完成一次完整分类；后段转向变化检测，讨论影像归一化、阈值确定、图斑后处理与实地核查；最后以国土调查、城市扩张监测、生态监测等场景组织综合案例。建议学习者在方法章节同步准备一套自己的示例数据，哪怕只是几十平方公里的裁剪影像，动手跑通一遍比只看讲解有效得多。

四、典型应用场景

国土调查是最直接的应用。以年度国土变更调查为例，业务上要求对上一年的地类图斑逐块核实，遥感影像用于发现疑似变化图斑，再结合实地举证确认。技术要点在于分类体系严格对齐、图斑边界准确、变化类型判定有据可查。一个常见的工作流是：将本期影像与上期数据库叠加，提取光谱差异显著的区域作为疑似变化图斑，人工或半自动判读变化前后地类，输出变化图斑层与面积统计表。

城市规划关注建设用地的扩张方向、强度与结构。遥感可提取不透水面、道路、绿地等要素，结合多时相分析城市蔓延速率与紧凑度。此类应用对分类精度要求较高，尤其是建设用地与裸土、施工场地的区分，需要引入纹理特征和时间序列信息。

生态监测侧重植被覆盖度、水体面积、湿地范围、荒漠化程度等指标。这类应用常使用植被指数（如NDVI）时序曲线判断物候与扰动，分类不必追求地类细分，但对辐射一致性和时间序列的连续性要求更高。