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：
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。
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。
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：
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。
