基于像素与对象的遥感方法在土地利用变化与土地价值分区关联研究中的比较分析

为解决土地利用变化(LUC)与土地价值分区(LVZ)关联的技术挑战，Nuansa Safitri Adiningsih团队采用Landsat-8影像，对比像素法(NDBI)与对象法(OBIA)在印度尼西亚Gondangrejo地区的应用。研究表明OBIA分类精度(94.23%)显著优于NDBI(82.69%)，能更精准识别土地价值动态区域，为国土空间规划提供新方法学支持。

　　

随着全球城市化进程加速，印度尼西亚Gondangrejo地区正经历剧烈的土地利用转型，特别是住宅用地扩张引发的土地价值波动。传统土地价值分区(Land Value Zone, LVZ)更新依赖人工调查，效率低下且难以捕捉动态变化。更棘手的是，现有遥感技术中，像素基方法如归一化建筑指数(Normalized Difference Built-up Index, NDBI)存在光谱混淆、"椒盐噪声"等问题，而新兴的对象基图像分析(Object-Based Image Analysis, OBIA)虽具潜力，却缺乏在LVZ研究中的系统性验证。

针对这一技术空白，印度尼西亚" Veteran "日惹国立大学(Universitas Pembangunan Nasional "Veteran" Yogyakarta)矿物技术与能源学院地理信息工程系的Nuansa Safitri Adiningsih与Naufal Setiawan开展创新研究。团队选取2015-2024年三期Landsat-8影像，同步采用NDBI和OBIA方法，结合多分辨率分割与基于规则分类技术，首次系统比较两种方法在LVZ关联分析中的性能差异。论文发表于《Results in Earth Sciences》，为国土空间治理提供了方法论突破。

关键技术方面，研究采用多时相Landsat-8 OLI/TIRS影像，通过辐射校正预处理后，分别执行NDBI(SWIR1-NIR/SWIR1+NIR)计算和OBIA多尺度分割（参数：scale=0.5, shape=0.01）。精度验证采用分层随机采样，最小样本量51个。LVZ数据来自Karanganyar县国家土地局，通过空间叠加分析揭示价值变化热点。

研究结果部分：

1. 分类精度对比：OBIA在2015/2019/2024年的总体精度(96.15%/92.30%/94.23%)显著高于NDBI(80.76%/80.76%/82.69%)，尤其在边缘区域和混合地类中表现更优。

2. 土地利用变化：NDBI检测到2015-2024年建设用地增长1178.39公顷，而OBIA仅识别712.2公顷，后者更准确过滤裸地误判。

3. 地价动态分析：Tuban村地价最高达5,106,000印尼盾(2019)，Selokaton村地价涨幅最大(6385%)，空间分布与道路通达度显著相关。

讨论指出，OBIA通过整合光谱-空间-纹理特征，有效解决了NDBI在异质地类中的局限性。该技术可提升LVZ更新的自动化程度，尤其适用于数据匮乏地区。研究创新性地将遥感分类精度与土地经济价值变化直接关联，为《政府条例128/2015》的实施提供了技术支撑。结论强调，集成OBIA的LVZ系统不仅能优化土地税基评估，还可作为城市扩展模拟的重要输入参数，助力可持续发展目标(SDGs)的实现。