基于遙感影像的土地利用特征提取與城鄉(xiāng)梯度差異分析
——以河北省涿州市為例

湯懷志 湯 敏 關(guān)明文 張美聰 王子彤

(1. 中國農(nóng)業(yè)大學(xué) 土地科學(xué)與技術(shù)學(xué)院，北京 100193；2. 北京佰信藍(lán)圖科技有限公司，北京 102208；3. 運(yùn)城學(xué)院 經(jīng)濟(jì)管理系，山西 運(yùn)城 044099)

自20世紀(jì)90年代以來，遙感影像在自然資源調(diào)查監(jiān)測、國土空間規(guī)劃等領(lǐng)域中的應(yīng)用日益廣泛[1]。運(yùn)用遙感技術(shù)快速獲取地表覆被狀況，可為自然資源管理和科學(xué)決策提供數(shù)據(jù)基礎(chǔ)[1-2]，不同衛(wèi)星影像、不同分類方法、不同研究手段針對不同研究區(qū)域的土地利用分類一直是遙感領(lǐng)域的研究熱點(diǎn)[2-4]，并在技術(shù)手段上趨于成熟[5]。其中：在數(shù)據(jù)來源方面，Sentinel影像數(shù)據(jù)由于時(shí)空分辨率高、可以免費(fèi)獲取等原因，在土地利用分類[6-8]、耕地[9]、綠地[10]、園地[11]、農(nóng)作物信息提取[12]等方面快速發(fā)展；在研究方法方面，以面向?qū)ο鬄榛纠砟畹幕趯ο筇卣鞯姆诸惙椒ㄖ鸩匠墒靃5-6,11,13]，決策樹分類[12-14]、模糊函數(shù)[2-3,15]等方法得到普遍應(yīng)用，不斷提高了土地利用分類精度。通過土地利用分類能體現(xiàn)出不同土地利用方式和結(jié)構(gòu)差異。已有研究表明城市土地利用和鄉(xiāng)村土地利用具有明顯的空間格局差異和不同的空間集聚特征，城鄉(xiāng)過渡帶、城市邊緣區(qū)等因土地利用快速變化、人地關(guān)系更為復(fù)雜而成為城鄉(xiāng)統(tǒng)籌研究的重點(diǎn)方向[16]。通過城市中心到鄉(xiāng)村腹地的梯度帶或圈層的土地利用差異分析，能夠更好反映區(qū)位條件、人類活動(dòng)與土地利用系統(tǒng)的動(dòng)態(tài)交互關(guān)系[17]，但現(xiàn)有研究主要采用以行政區(qū)劃或區(qū)域?yàn)閷ο?、以土地利用調(diào)查和經(jīng)濟(jì)社會(huì)統(tǒng)計(jì)資料為數(shù)據(jù)基礎(chǔ)的比較分析，在數(shù)據(jù)的現(xiàn)勢性和空間單元的精細(xì)化程度方面均不足以反映城鄉(xiāng)土地利用變化復(fù)雜性。為實(shí)現(xiàn)精細(xì)刻畫城鄉(xiāng)過渡帶范圍及其土地利用特征的研究目的，本研究利用遙感影像現(xiàn)勢性強(qiáng)、覆蓋面廣的特點(diǎn)，選取京津冀協(xié)同發(fā)展國家戰(zhàn)略區(qū)域范圍內(nèi)的河北省涿州市為研究對象，采用面向?qū)ο蟮倪b感影像模糊決策樹分類方法，以期獲取涿州市城鄉(xiāng)梯度下的土地利用結(jié)構(gòu)性變化和集聚特征變化特征，為涿州市自然資源管理決策和國土空間優(yōu)化提供決策建議和基礎(chǔ)依據(jù)。

1 研究區(qū)概況

河北省涿州市位于華北平原西北部、北京市西南部，地處京津冀城市群核心地帶，經(jīng)緯度范圍為東經(jīng)115°44′～116°15′、北緯39°21′～39°36′。全市總面積742.5 km2，城區(qū)面積約為31.0 km2，全市戶籍總?cè)丝?0.15萬人。

涿州市地質(zhì)結(jié)構(gòu)屬太行山山洪沖擊扇，地形平整，土質(zhì)肥沃，具有豐厚的自然資源，地勢由西北向東南傾斜，海拔20～70 m，整體變化較小，十分有利于農(nóng)業(yè)生產(chǎn)。境內(nèi)共有6 條河流，分別屬于海河流域的大慶水系和永定水系，但除了降雨異常的年份外，河流常年沒有水。

根據(jù)2014年度土地利用變更調(diào)查數(shù)據(jù)，全市土地總面積75 129.55 hm2，其中農(nóng)用地53 046.30 hm2，占土地總面積的70.61%；建設(shè)用地18 616.91 hm2，占土地總面積的24.78%；其他土地3 466.34 hm2，占土地總面積的4.61%。

2 材料與方法

2.1 數(shù)據(jù)來源

由于涿州市土地利用類型以農(nóng)用地為主，耕作制度為1年2熟，主要種植夏玉米和冬小麥。每年冬小麥播種時(shí)間為10月左右，6月中旬成熟后收割；夏玉米播種時(shí)間為6月底，10月前收割。為較好的區(qū)分耕地、林地與草地等遙感影像解譯中容易混淆的土地利用類型并盡可能保證數(shù)據(jù)的現(xiàn)勢性，本研究時(shí)相選擇在作物生長發(fā)育時(shí)期，同時(shí)與林地、草地具有較為明顯的差異，最終選定衛(wèi)星影像獲取時(shí)間為2019年7月22日。

衛(wèi)星影像數(shù)據(jù)采用Sentinel-2數(shù)據(jù)，使用該數(shù)據(jù)的主要原因是與同系列光學(xué)影像衛(wèi)星數(shù)據(jù)及其他公開遙感影響數(shù)據(jù)相比，Sentinel-2衛(wèi)星數(shù)據(jù)波段較多，空間和時(shí)間分辨均較高，常用的紅色、藍(lán)色、綠色及近紅外波段的分辨率達(dá)到10 m，同一區(qū)域的影像能夠?qū)崿F(xiàn)5 d一景，能夠提供較好的時(shí)空分辨率影像數(shù)據(jù)，同時(shí)Sentinel-2 號(hào)衛(wèi)星影響數(shù)據(jù)可以免費(fèi)獲取(表1)。

本研究從歐洲航天局網(wǎng)站(https:∥scihub.copernicus.eu/)下載L2A 級(jí)別數(shù)據(jù)，已經(jīng)經(jīng)過了輻射定標(biāo)和大氣校正處理。由于Sentinel-2 衛(wèi)星影像是光學(xué)影像，所以不能避免云的影響，選擇了云層覆蓋度<5%的數(shù)據(jù)以盡可能避免云層對數(shù)據(jù)質(zhì)量的影響，同時(shí)對云層覆蓋區(qū)域采用相近時(shí)期的參考影像進(jìn)行補(bǔ)充和替換，以保證結(jié)果的連續(xù)性[18-19]。

其他數(shù)據(jù)還包括涿州市行政區(qū)劃數(shù)據(jù)、土地利用變更調(diào)查資料以及Google earth 衛(wèi)星地圖等。

表1 Sentinel-2 MSI數(shù)據(jù)的波段說明Table 1 Band descriptions of Sentinel-2 MSI data

2.2 數(shù)據(jù)預(yù)處理及使用工具

為獲取高質(zhì)量的影像底圖，采用衛(wèi)星圖像處理系統(tǒng)SNAP軟件對下載的Sentinel-2 影像數(shù)據(jù)進(jìn)行預(yù)處理，具體流程如下：選取藍(lán)色波段(Band 2-Blue)、綠色波段(Band 3-Green)、紅色波段(Band 4-Red)、近紅外波段(Band 8-NTR)、短波紅外波段(Band 12-SWIR)等5個(gè)波段進(jìn)行重采樣、波段融合、圖像鑲嵌，并利用涿州市行政區(qū)劃的矢量邊界數(shù)據(jù)進(jìn)行裁剪，得到空間分辨率為10 m的涿州市影像數(shù)據(jù)，并轉(zhuǎn)存為 GeoTIFF 格式，導(dǎo)入 eCognition 軟件中進(jìn)行分析處理。

采用 eCognition 軟件進(jìn)行土地利用分類提取，其基本原理是基于面向?qū)ο蠓椒ㄟM(jìn)行影像分類和信息提取[20]。與傳統(tǒng)基于像元的分類方法比較，其主要特點(diǎn)在于分類時(shí)綜合利用了影像的光譜信息以及對象的形狀、紋理等空間幾何信息，因此可以不局限于像元，能夠利用對象為基本單位進(jìn)行圖像分析與處理，不僅能夠快速、高效地生產(chǎn)地理空間信息，還能夠有利于挖掘獲取更為豐富的區(qū)域土地利用特征[21]。其基本圖像處理流程包括影像分割、特征提取、對象分類：分割是對整個(gè)影像進(jìn)行尺度空間構(gòu)建；特征提取是以基于分割后的對象屬性提取合適特征；分類是依據(jù)特征和分類算法賦予對象語義信息。

2.3 土地利用分類

涿州市土地利用以農(nóng)用地為主，農(nóng)用地中又以耕地為主，林地、草地面積相對較少。因此，本研究主要對耕地、林草地、水體、城鄉(xiāng)居民點(diǎn)、交通用地和其他土地共6 類土地利用類型(表2)進(jìn)行分類提取。不同類型的典型影像見圖1。由圖1可見：涿州市耕地分布一般呈綠色，分布集中連片，形狀規(guī)則、紋理清晰，以道路、田坎、河流為邊界；林草地與耕地相比，對象形狀特征和光譜特征的差異明顯，呈深綠色或黃綠色，紋理均勻，邊界較為清晰；水體主要為坑塘、河流、溝渠，以面狀或連續(xù)線性分布為主，呈均勻分布的黑色；城鄉(xiāng)居民點(diǎn)主要為建筑物、廣場、內(nèi)部道路等，可觀察到屋頂，以不規(guī)則的面狀分布為主，呈混雜的白色、紫色、藍(lán)色，邊界較為清晰；道路用地形狀規(guī)則，呈白色或紫色的線性分布；其他土地以裸地或工礦用地為主，沒有明顯的分布規(guī)律，一般呈白色或淡紫色不規(guī)則面狀分布。

表2 土地利用分類及其特征選擇Table 2 Land use classification and its feature selection

(a)耕地 Cultivated land； (b)林草地 Forestland & Grassland； (c)水體 Water； (d)城鄉(xiāng)居民點(diǎn) Residential land； (e)交通用地 Transportation land； (f)其他土地 Other land圖1 涿州市不同土地利用類型的典型遙感影像Fig.1 Typical remote sensing images of different land use types in Zhuozhou City

2.4 面向?qū)ο蟮倪b感影像多尺度分割

分割是面向?qū)ο蠓诸愜浖Cognition里面進(jìn)行影像分類處理的第一步工作，其目的是按照一定的規(guī)則將柵格圖像劃分為若干對象，劃分后的對象即為處理的最小對象。對于面向?qū)ο蟮姆诸惙椒ǘ裕晒Φ挠跋穹指钍潜匾那疤醄4,7]，作為基礎(chǔ)分割單元對數(shù)據(jù)分類結(jié)果質(zhì)量起到?jīng)Q定性作用。

本研究采用多尺度分割方法，主要涉及分割尺度、波段權(quán)重、均質(zhì)性因子等參數(shù)[7,16-17]。分割尺度決定了對象多邊形的面積大小，最優(yōu)分割尺度的確定直接關(guān)系地物類型的邊界是否清晰以及對象內(nèi)是否均質(zhì)，過小會(huì)導(dǎo)致對象破碎不利于分類，過大則造成邊界模糊，無法有效識(shí)別不同土地利用類型。波段權(quán)重是影響分割精度的重要因素之一，根據(jù)不同的光譜波段對分割結(jié)果的影響程度設(shè)置不同的權(quán)重。均質(zhì)性因子包括光譜與形狀因子，在尺度和形狀參數(shù)一定的情況下，緊致度值越小分割的形狀顯得越碎。經(jīng)多次研究試驗(yàn)比較，本研究選取了多尺度分割最優(yōu)參數(shù)，將遙感影像的藍(lán)、綠、紅、近紅四個(gè)波段權(quán)重值均設(shè)為1。考慮到耕地的形態(tài)表征更為接近矩形，形狀因子影響相對較大，因此相關(guān)參數(shù)選擇為：分割尺度(Scale)60，形狀(Shape)0.4，緊致度(Compactness)0.5。

2.5 分割后對象特征提取

分割后對象包括200多種特征，可以分為光譜信息、形狀特征、紋理結(jié)構(gòu)、領(lǐng)域關(guān)系、層次結(jié)構(gòu)等不同類別。經(jīng)過試驗(yàn)測試，本研究主要通過光譜信息和形狀特征進(jìn)行識(shí)別。

2.5.1分割后對象的光譜特征

光譜是遙感影像識(shí)別的最重要的基礎(chǔ)特征，本研究主要采取了平均值、亮度均值指標(biāo)以及NDVI、NDWI、NDSI等遙感指數(shù)。

1)歸一化植被指數(shù)(NDVI)主要用于植被和非植被的提取，不同地物的NDVI值差別較大，其計(jì)算公式為：

式中：μN(yùn)IR為近紅外波段均值，nm；μR為紅色波段均值，nm。

2)歸一化水體指數(shù)(NDWI)主要用于水體的提取，水體色調(diào)單一、多呈藍(lán)黑色，與非水體差別明顯，其計(jì)算公式為：

式中：μN(yùn)IR為近紅外波段均值；μG為綠色波段均值，nm。

3)歸一化土壤指數(shù)(NDSI)主要用于裸地和建筑物的提取，由于涿州市裸地的地物覆蓋物較少，呈現(xiàn)較高的反射率，因此可以用NDSI進(jìn)行區(qū)分，其計(jì)算公式為：

式中：μR為近紅外波段均值；μG為綠色波段均值，nm。

4)亮度(Brightness)主要用于輔助不同地物識(shí)別，與其他光譜特征共同使用，能夠更為精準(zhǔn)、精細(xì)的進(jìn)行分類。計(jì)算公式如下：

式中：nL為波段個(gè)數(shù)；φi為影像斑塊的i波段值。

2.5.2分割后對象的形狀特征

由于光譜特征的不確定性，且分辨率越高，同類地物的異質(zhì)性提升、類內(nèi)方差變大、類間方差變小，不利于自動(dòng)化判讀。相對而言，形狀特征更為穩(wěn)定，有利于快速有效地分辨不同幾何形態(tài)的地物，提高分類精度。

1)長寬比。

長寬比即對象最小外接矩形的長度與寬度比例。采用長寬比指數(shù)與光譜特征相結(jié)合的方式能從高分辨率遙感影像中很好的提取線性地物，例如河流和道路等，對形狀規(guī)則的建筑物、水庫等也有很好的效果。其計(jì)算公式為：

r=l/w

式中：r為長寬比；l為長度，m；w為寬度，m。

2)密度。

密度d可以表示為影像對象面積除以對象半徑。使用密度來描述影像對象的緊致程度。在像素柵格的圖形中理想的緊致形狀是一個(gè)正方形。一個(gè)影像對象的形狀越接近正方形，它的密度就越高，對于識(shí)別形狀較為規(guī)整的農(nóng)田效果較為明顯。其計(jì)算公式為：

式中：n為構(gòu)成影像對象的像素?cái)?shù)量；半徑采用協(xié)方差矩陣來近似計(jì)算。

(a)歸一化植被指數(shù) NDVI index； (b)歸一化水體指數(shù) NDWI index； (c)歸一化土壤指數(shù) NDSI index； (d)亮度 Brightness； (e)長寬比 Length-width ratio； (f)密度 Density圖2 涿州市遙感影像的光譜特征和形狀特征提取Fig.2 Spectral feature and shape feature extraction of remote sensing image in Zhuozhou City

圖3 基于模糊決策樹的分類過程與主要規(guī)則Fig.3 Classification process and main rules based on fuzzy decision tree

3 結(jié)果與分析

3.1 涿州市土地利用分類結(jié)果

本研究采用的模糊決策樹方法，其算法流程與精確決策樹構(gòu)建過程相似，主要差別在于對每個(gè)屬性值進(jìn)行了模糊化并對應(yīng)不同的模糊隸屬關(guān)系，通過模糊隸屬度函數(shù)計(jì)算的出現(xiàn)頻率，對對象的模糊熵計(jì)算來賦予其類型。本研究基于分割對象的光譜特征和形狀特征，經(jīng)過反復(fù)實(shí)驗(yàn)和實(shí)地驗(yàn)證，按照類層次結(jié)構(gòu)建立了分類體系及其地物特征，選取相應(yīng)的分類指標(biāo)并制定了隸屬函數(shù)分類規(guī)則(表2、圖3)，分類結(jié)果如圖4所示。結(jié)果表明：涿州市土地利用以耕地為主，匯總統(tǒng)計(jì)面積為45 319.37 hm2，占土地總面積的60.32%；其次是城鄉(xiāng)居民點(diǎn)用地，面積為17 132.81 hm2，占22.8%；林草地、交通用地、水體的面積較少，分別占5.26%、2.7%、0.6%；此外還有一定面積的其他土地，以灘涂、工礦用地為主，占土地總面積的8.32%。與2014年涿州市土地利用變更調(diào)查結(jié)果比較，本研究結(jié)果的農(nóng)用地(含耕地和林草地)面積更小，占土地總面積的比例相差5.03%；建設(shè)用地面積更大，占土地總面積的比例相差0.72%。主要原因是近年來涿州市經(jīng)濟(jì)社會(huì)發(fā)展需要和城市建設(shè)占用大量農(nóng)用地。

圖4 涿州市土地利用分類結(jié)果與城鄉(xiāng)梯度樣點(diǎn)Fig.4 Land use classification results and urban and rural gradient sample points in Zhuozhou City

面向?qū)ο笮畔⒌奶崛》诸惤Y(jié)果往往都會(huì)存在一定的誤差，進(jìn)行精度檢測非常必要，檢驗(yàn)該技術(shù)是否有效可行，同時(shí)進(jìn)行精度評(píng)價(jià)也能完善操作細(xì)節(jié)，使分類結(jié)果更具說服性。本研究通過實(shí)地調(diào)查結(jié)合Google Earth選取了126個(gè)樣本點(diǎn)，對分類精度進(jìn)行了評(píng)價(jià)。精度評(píng)價(jià)結(jié)果顯示此次涿州市土地利用分類結(jié)果的總體精度為93.7%，Kappa系數(shù)為89.2%，分類結(jié)果較好，方法可行。

3.2 涿州市土地利用的城鄉(xiāng)梯度差異分析

根據(jù)涿州市土地利用分類結(jié)果，本研究運(yùn)用ArcGIS軟件對涿州市城市中心1～10 km的土地利用特征和空間差異進(jìn)行了分析，利用GIS緩沖和疊加功能，獲取每個(gè)樣點(diǎn)400 m半徑的土地利用類型及其面積(圖5)。

由圖5可見，涿州市城鄉(xiāng)土地利用結(jié)構(gòu)具有顯著差異。城市內(nèi)部土地以建設(shè)用地為主，距城市中心2～3 km的土地利用類型明顯復(fù)雜多樣，是城鄉(xiāng)過渡帶集中分布區(qū)。本研究根據(jù)城市邊緣(紅色線段)和村莊集聚(藍(lán)色線段)特征將不同方向劃分為城市、城鄉(xiāng)過渡帶、鄉(xiāng)村腹地3段，可見涿州市城市發(fā)展主要集中在東和東北方向，鄉(xiāng)村腹地主要分布在東南和南部。

為進(jìn)一步刻畫不同方向上的土地利用特征，本研究對不同地類的面積分布以熱力圖形式進(jìn)行了分析，結(jié)果如圖6所示。圖中橫軸表示距城市中心距離，縱軸表示不同方向，同一地類中的顏色深淺表示了面積大小，同時(shí)用柱狀圖從方向或距離2 個(gè)維度對其面積比例進(jìn)行了分類匯總。從城鄉(xiāng)梯度差異來看，距離城市中心3 km以內(nèi)的土地以建設(shè)用地為主導(dǎo)類型，城鄉(xiāng)居民點(diǎn)用地呈現(xiàn)出明顯的集聚規(guī)律，除了涿州市區(qū)集中分布以外，距離城市中心5 km、8～9 km均呈現(xiàn)一定的村莊集中分布特征；4～10 km 以農(nóng)用地為主導(dǎo)類型并以耕地為主；林草地在3 km接近城市邊緣處有集中分布，之后面積較小，但隨著與城市中心距離的提升面積也逐步提高；交通道路主要集中在3 km以內(nèi)；水體主要分布在距離城市中心8 km外，但由于總體面積較小，沒有呈現(xiàn)明顯的分布規(guī)律；其他土地的分布則與城鄉(xiāng)梯度沒有明顯相關(guān)性。

從不同的發(fā)展方向來看，涿州市城鎮(zhèn)建設(shè)用地分布主要集中在東、東北和西南方向，是涿州市發(fā)展的主導(dǎo)方向；交通道路用地也體現(xiàn)出相似的特征，主要集中分布在東北方向；而耕地與城鎮(zhèn)、道路等建設(shè)用地的分布特征正好相反，在東、東北、西南方向分布最少，主要集中分布在東南、南、西等方向；林地主要分布在與城市8～10 km的北部，包括北、西北和東北方向；水體主要分布在城市西部的8～10 km處，與拒馬河流經(jīng)此處相關(guān)；其他土地主要集中在東、西兩個(gè)方向上，通過遙感影像判別發(fā)現(xiàn)西邊主要是河流灘涂等裸地，東邊主要是工業(yè)廠房以及正在建設(shè)的工地等。

圖5 基于樣本點(diǎn)的涿州市城鄉(xiāng)土地利用差異Fig.5 Land use differences between urban and rural areas in Zhuozhou City based on sample points

(a)耕地 Cultivated land； (b)林草地 Forestland & Grassland； (c)水體 Water；(d)城鄉(xiāng)居民點(diǎn) Residential land； (e)交通用地 Transportation land； (f)其他土地 Other land圖6 涿州市不同方向及不同距離各類土地利用分布特征Fig.6 Distribution characteristics of land use in different directions and distances in Zhuozhou City

4 討論與結(jié)論

4.1 討論

1)本研究基于模糊決策樹方法，采用Sentinel-2數(shù)據(jù)對涿州市土地利用進(jìn)行了分類，實(shí)現(xiàn)了對遙感影像不同地物信息的分類提取，總體分類精度達(dá)到93.7%，Kappa系數(shù)為0.892。與相關(guān)研究比較，在總體分類精度方面與其他區(qū)域、不同方法的分類精度結(jié)果相似[2]或更高[3,12]，Kappa系數(shù)也取得了較好的結(jié)果，表明本研究結(jié)果的準(zhǔn)確性和可靠性效果更優(yōu)，分析認(rèn)為主要原因在于：①研究對象涿州市國土面積較小，土地利用類型較為單一，不同類型土地的光譜特征和形狀特征較為明顯，有利于建立層次簡單、效果較好的分類規(guī)則；②研究采用面向?qū)ο蠓椒軌蛲诰蛱崛〔煌瑢ο蟮男螤钐卣?，提高了分類模型效率；③與其他分類方法如隨機(jī)森林、卷積神經(jīng)網(wǎng)絡(luò)等方法相比，研究采用的模糊決策樹方法具有明確的優(yōu)化方向，能夠快速調(diào)整確定合適的模型參數(shù)?？偟膩砜?，對于自然條件相似、范圍相對固定的研究區(qū)域，應(yīng)用模糊決策樹方法能夠快速獲得魯棒性和精度較高的分類模型，能夠明顯提高遙感信息提取效率。

2)在分類過程中發(fā)現(xiàn)，由于涿州市地勢平坦，農(nóng)用地利用類型以耕地為主，面積小且分布零星的林草地很難進(jìn)行有效區(qū)分；其次，其他土地中主要以無地表覆蓋物的裸地為主，具體包括灘涂、正在施工的工地、零星分布的廠礦等，雖然在利用性質(zhì)上完全不同，在特征上則較為相似。為實(shí)現(xiàn)精細(xì)分類，利用多時(shí)相的遙感影像數(shù)據(jù)，并結(jié)合經(jīng)驗(yàn)對不同性質(zhì)土地的分布或選址的空間關(guān)系是改進(jìn)分類算法、提高分類精度的研究方向。

4.2 結(jié)論

1)涿州市主導(dǎo)土地利用類型為耕地與城鄉(xiāng)居民點(diǎn)用地，兩者在不同梯度、不同區(qū)位分布上的差異十分明顯，具有明顯的空間分布規(guī)律。城鄉(xiāng)居民點(diǎn)用地主要分布在東、東北和西南，在距離城市中心 3 km 以內(nèi)、5 km、8～9 km呈現(xiàn)跳躍式的集聚特征；耕地分布規(guī)律與城鄉(xiāng)居民點(diǎn)分布相反，呈連綿形態(tài)集中分布在距離城市中心4～7 km的東南、南、西方向。該結(jié)果反映了涿州市不同方向的土地利用結(jié)構(gòu)變化，精細(xì)刻畫了城鄉(xiāng)過渡帶的范圍和特征，涿州市在國土空間優(yōu)化布局和城市發(fā)展方向選擇上應(yīng)充分考慮現(xiàn)有耕地格局和城鄉(xiāng)居民點(diǎn)用地分布沖突，合理布設(shè)土地綜合整治重點(diǎn)區(qū)域，塑造空間結(jié)構(gòu)合理、服務(wù)設(shè)施完備的社區(qū)單元。

2)從分類結(jié)果來看，涿州市居民點(diǎn)在空間上分布并不夠集聚，不利于提高建設(shè)用地利用效率；雖然多條河流流經(jīng)涿州市境內(nèi)，但水體面積較小，同時(shí)林草地比例相對較低。建議涿州市加強(qiáng)土地資源管控，提高建設(shè)用地集約利用強(qiáng)度，同時(shí)提高水體、林草地等生態(tài)空間比例，提高區(qū)域生態(tài)產(chǎn)品供給能力。