土地利用/覆蓋變化的遙感分析

寧全可 謝世成 仲 臣 余 丹 邰曉曼

(1. 安徽理工大學(xué) 空間信息與測繪工程學(xué)院, 安徽 淮南 232001;2. 礦山采動災(zāi)害空天地協(xié)同監(jiān)測與預(yù)警安徽普通高校重點實驗室, 安徽 淮南 232001;3. 礦區(qū)環(huán)境與災(zāi)害協(xié)同監(jiān)測煤炭行業(yè)工程研究中心, 安徽 淮南 232001)

0 引言

土地利用/覆蓋變化是在不同時間和空間尺度上由自然和社會系統(tǒng)相互作用引起的一種復(fù)雜變化[1]。土地利用/覆蓋變化的廣度、深度和合理程度是土地利用/覆蓋變化、土地生產(chǎn)規(guī)模、水平和特點的集中反映[2-3]。隨著阜陽市城區(qū)經(jīng)濟(jì)的快速發(fā)展,城市的建設(shè)用地迅速擴(kuò)增,植被覆蓋率日益減少,水域污染,都在影響土地利用/覆蓋變化,尤其在最近11 a表現(xiàn)特別明顯,退耕還林,構(gòu)建美麗鄉(xiāng)村,限制私蓋民宅和禁止隨意改變土地性質(zhì)也深深影響了土地利用/覆蓋變化[4]。國內(nèi)學(xué)者利用遙感技術(shù)對土地利用/覆蓋變化這類課題的研究主要集中在大城市、經(jīng)濟(jì)發(fā)展較為快速的地區(qū)以及中國西部等生態(tài)環(huán)境較為脆弱的地區(qū)[5-7],對經(jīng)濟(jì)發(fā)展緩慢的小城市使用遙感技術(shù)進(jìn)行此類研究的相對較少[8],楊娟[9]曾于2010年基于遙感技術(shù)(Remote Sensing,RS)和地理信息系統(tǒng)(Geographic Information System,GIS)的阜陽市土地利用變化分析,但幾乎沒有對阜陽市城區(qū)近期的土地利用覆蓋變化的研究。本文使用遙感圖像處理平臺(Environment for Visualizing Images,ENVI)軟件計算出2007、2012年Landsat-7ETM+影像和2018年的Landsat-8影像轉(zhuǎn)移矩陣、分類圖,使用相關(guān)模塊分析關(guān)鍵數(shù)據(jù)得出結(jié)果進(jìn)而分析現(xiàn)象及其原因。對研究區(qū)城市化、環(huán)境以及發(fā)展規(guī)劃的決策有一定參考價值[10-11]。

1 研究區(qū)概況

阜陽市城區(qū)位于潁河和泉河相交的阜陽市中部,包含潁州區(qū)、潁泉區(qū)、潁東區(qū)三區(qū),行政區(qū)劃總面積1 957 km2,土地類型主要是平原,地形開闊平坦。得益于地理位置,阜陽市四季分明,雨量和陽光照射量適宜。該市非常適合發(fā)展農(nóng)業(yè),小麥、玉米、大豆、棉花、青菜等是主要農(nóng)作物。阜陽市同時也是安徽省農(nóng)副產(chǎn)品輸出的主要城市之一。東鄰淮南市,西邊與河南省周口市和駐馬店市相交,南邊與六安市隔著淮河,北接亳州市。2019年末阜陽市常住人口約826萬,是安徽省人口最多的市,城區(qū)人口203萬,是勞動力輸出的重要城市之一。阜陽區(qū)交通便捷,擁有省內(nèi)僅次于合肥的鐵路交通網(wǎng)。

2 研究方法

2.1 數(shù)據(jù)的獲取與預(yù)處理

從國家自然資源和地理空間基礎(chǔ)信息庫中獲取阜陽市最新矢量邊界(2017年I50.gdb矢量圖)。從地理空間數(shù)據(jù)云中下載研究區(qū)兩期Landsat-7ETM+遙感影像和一期Landsat-8影像。選取的三期遙感影像分辨率為30 m且云量均低于5。日期依次是2007年8月1日、2012年9月15日和2018年9月8日。

對下載的影像數(shù)據(jù)進(jìn)行波段融合。對Landat-7ETM+影像去除條紋。啟動ENVI的幾何校正模塊對研究區(qū)遙感影像進(jìn)行幾何糾正。首先對2018年Landsat-8的阜陽市城區(qū)影像與地圖進(jìn)行糾正,作為基準(zhǔn)圖像,然后將另外兩期影像作為配準(zhǔn)影像,選取基準(zhǔn)影像和配準(zhǔn)影像均有的特征明顯的20個控制點,使用二次多項式進(jìn)行糾正,糾正后象元誤差在1個象元內(nèi)。使用阜陽市城區(qū)的矢量文件,裁剪出研究區(qū)矢量影像,經(jīng)掩模后獲得研究區(qū)遙感影像。

2.2 監(jiān)督分類與方法選擇

基于阜陽市城區(qū)能夠反映各地類發(fā)展變化的實際情況和三期影像的實際解譯能力,把阜陽市土地利用的類型分為:建設(shè)用地、耕地、林地、水域,裸地5個類別。

使用ENVI軟件中的混淆矩陣來選出分類精度高的監(jiān)督分類方法。主要參數(shù)有總分類精度及Kappa系數(shù),公式如下。

總體分類精度:

(1)

Kappa系數(shù):

(2)

式中，Pc為總分類精度；m為分類類別數(shù)；N為樣本總數(shù)；Pkk為第k類的判別樣本數(shù)；K為Kappa系數(shù)；k為某一類所在列總數(shù)；i為某一類所在行總數(shù)。

在相同訓(xùn)練樣本下,采用最大似然法、最小距離法、平行六面體法、馬氏距離法、支持向量機(jī)法和神經(jīng)網(wǎng)絡(luò)法六種監(jiān)督分類方法依次提取土地利用/覆蓋變化相關(guān)參數(shù)。各個分類方法精度逐個統(tǒng)計,并進(jìn)行比較,如表1所示。因最大似然法分類效果相對更好,故采用此種方法。

表1 分類精度比較

2.3 分類精度評價

基于土地利用/覆蓋變化圖像分類所確定的訓(xùn)練樣本,利用像元級分類精度評價法對土地利用/覆蓋變化分類圖進(jìn)行精度評價[12]。從表1和表2可以看出,圖像總體分類精度都很高。Landsat-8影像分類精度由于分辨率高,同物異譜現(xiàn)象多,水體分類精度只有80.71%?？偟膩碚f分類效果比較理想,三期影像總體分類精度在95%以上,Kappa系數(shù)都在0.93以上。

表2 分類精度評價 單位:%

3 結(jié)果分析

3.1 地類面積變化分析

使用ENVI軟件中土地利用/覆蓋變化的轉(zhuǎn)移矩陣的模塊,獲取阜陽市城區(qū)3期土地利用/覆蓋變化轉(zhuǎn)移矩陣。分析表格數(shù)據(jù)中已獲取2007—2018年近11 a來阜陽市城區(qū)各類用地變化實際狀態(tài)。得到研究區(qū)土地利用類型轉(zhuǎn)移矩陣中關(guān)鍵性數(shù)據(jù)。

對三期影像監(jiān)督分類進(jìn)行統(tǒng)計,得出變化數(shù)據(jù)表格,如表3、表4所示。研究區(qū)內(nèi)土地面積共計1 957.23 km2。

表3 2007—2012年轉(zhuǎn)移矩陣 單位:km2

表4 2012—2018年轉(zhuǎn)移矩陣 單位:km2

2007—2012年,阜陽市城區(qū)建設(shè)用地面積從82.47 km2增加到166.35 km2,增幅達(dá)101.72%;林地面積也以42.16%的增幅從87.11 km2增加到123.83 km2;耕地從1 719.88 km2減少到1 593.63 km2,減幅達(dá)7.34%。水域面積從42.18 km2到45.81 km2,增幅達(dá)8.62%,裸地增加了2.02 km2,增幅7.89%。

20012—2018年,建設(shè)用地面積增加了364.38 km2,阜陽市城區(qū)耕地面積變化至530.73 km2,變化幅度達(dá)-29.57%;林業(yè)用地面積從123.84 km2增加到172.11 km2,變化幅度達(dá)38.97%;水域增加了81.31 km2;裸地減少22.67 km2,變化幅度為-82.11%。

2007—2018年近11 a間,阜陽市城區(qū)建設(shè)用地從82.47 km2增加到530.73 km2,增幅達(dá)543.56%。耕地以-34.74%的幅度從1 719.88 km2減少到1 122.36 km2;水域面積變化了84.94 km2,增幅為201.39%;林業(yè)用地面積變化了85.00 km2,增幅為97.58%;裸地面積變化了20.65 km2,變化幅度為-80.68%。

3.2 土地類型動態(tài)變化

使用覆蓋類型動態(tài)度公式[12]

(3)

式中，L為研究時段內(nèi)某一土地利用類型動態(tài)度;Ua和Ub分別為研究期初和研究期末某一種土地利用類型數(shù)量;T為研究時段長。當(dāng)T以年為單位時,K即為該研究區(qū)某種土地利用類型的年變化率?？梢匝芯繒r段內(nèi)某一土地利用類型動態(tài)度。經(jīng)計算,阜陽市城區(qū)2007—2012年、2012—2018年和2007—2018年各土地利用類型的動態(tài)度見表5。

表5 阜陽市城區(qū)土地利用、覆蓋變化動態(tài) 單位:%

從表5可以看出,2007—2012年間,建設(shè)用地年變化率最大(20.34%),林地其次(8.43%);2012—2018年間,建設(shè)用地年變化率最大(36.51%),水域其次(29.56%);2007—2018年間,建設(shè)用地年變化率最大(49.41%),水體其次(18.31%)。

3.3 綜合土地利用動態(tài)度

將某研究區(qū)域綜合土地利用變化的速度的定量反映稱為綜合土地利用動態(tài)度,其數(shù)學(xué)表達(dá)式為[12]:

(4)

式中，ΔUi-j為第i類土地利用類型在某研究時段內(nèi)轉(zhuǎn)為非i類土地利用類型面積的絕對值,Ui為第i類土地利用類型在某研究時段內(nèi)面積;T為研究時段長度;當(dāng)T以年為單位時,C即為該研究區(qū)土地利用類型的年變化率。通過計算得到阜陽市城區(qū)2007—2012年、2012—2018年和2007—2018年之間綜合土地利用動態(tài)度分別為1.29%、4.20%和2.87%。

4 變化趨勢分析

(1)隨著阜陽市經(jīng)濟(jì)的快速發(fā)展和城市化進(jìn)程的加快,2007—2018年11 a間,阜陽市城區(qū)的土地利用類型面積發(fā)生了很大變化。2007—2012年間阜陽市城區(qū)土地利用類型穩(wěn)定區(qū)域面積為1 704.50 km2,占區(qū)域總面積的87.10%,5 a間土地利用發(fā)生變化的土地面積占12.90%,土地利用類型變化面積比平均每年為2.58%,綜合土地利用動態(tài)度為1.29%。2012—2018年間阜陽市城區(qū)土地利用類型穩(wěn)定區(qū)域面積為969.08 km2,占區(qū)域總面積的49.52%,6 a間土地利用發(fā)生變化的土地面積占50.48%,土地利用類型變化面積比平均每年為8.41%,綜合土地利用動態(tài)度為4.20%。2007—2018年間阜陽市城區(qū)土地利用類型穩(wěn)定區(qū)域面積為720.63 km2,占區(qū)域總面積的36.82%,11 a間土地利用發(fā)生變化的土地面積占63.18%,土地利用類型變化面積比平均每年為5.74%,綜合土地利用動態(tài)度為2.87%。由此可見,隨著阜陽市的快速發(fā)展,其城區(qū)土地利用變化速率有較快的增長。

(2)阜陽市城區(qū)建設(shè)用地從2007—2012年面積增長101.72%,年增長率20.34%,2012—2018年建設(shè)用地面積增長了219.05%,年增長率36.51%。隨著阜陽市經(jīng)濟(jì)的快速發(fā)展,阜陽市城區(qū)建設(shè)用地面積一直處于快速發(fā)展的狀態(tài)。另外,對比2007—2012年和2012—2018年兩個時段的年變化率,得出建設(shè)面積增長呈加速趨勢。

(3)在2007、2012和2018年耕地始終處于主導(dǎo)地位,面積比分別為87.87%、81.42%和57.34%。11 a間耕地年變化率-3.16%,耕地面積不斷受到侵蝕。究其原因,主要是為了城市的快速發(fā)展,城市邊緣的耕地不斷被國有化轉(zhuǎn)化成了建設(shè)用地。其次,許多農(nóng)村私建民宅占用部分耕地以及退耕還林政策,導(dǎo)致耕地面積呈現(xiàn)持續(xù)減少態(tài)勢。

(4)2007—2018年間阜陽市城區(qū)的林地區(qū)域面積持續(xù)增長,年變化率達(dá)8.87%。一方面,主要與創(chuàng)建全國文明城市先進(jìn)城市密切相關(guān),政府加大綠化投資建設(shè),使得城市綠化率大大提高。另一方面,林地面積快速增加與修訂后的《中華人民共和國環(huán)境保護(hù)法》(2015年)施行有關(guān)。

(5)2007—2012年,水域增加至127.11 km2,增長了8.62%。經(jīng)濟(jì)快速發(fā)展的同時更加注重環(huán)境的保護(hù)政策,政府加大治理水域,對河道進(jìn)行清淤,治理水草等一系列措施,使得水體區(qū)域面積有所回升。2012—2018年水域增長201.39%,由于目釋解譯和影像分辨率的原因,水域周邊范圍的信息準(zhǔn)確提取比較困難,產(chǎn)生了附近耕地、林地轉(zhuǎn)化成水域的不合理現(xiàn)象。

(6)阜陽市城區(qū)裸地面積呈現(xiàn)先增后減的狀態(tài),從2007年的25.59 km2增加到2012年的27.61 km2,面積增加7.90%,到2018年減少至4.94 km2面積減少80.68%。2007—2012年,由于經(jīng)濟(jì)利益驅(qū)動,林地遭到砍伐,使部分林地轉(zhuǎn)變?yōu)槁愕?2012年以后隨著經(jīng)濟(jì)發(fā)展和城市化水平的提高,部分裸地轉(zhuǎn)變?yōu)槌鞘薪ㄔO(shè)用地和耕地。

5 結(jié)束語

本文研究了以阜陽市為例的小城市土地利用覆蓋變化的遙感研究分析。為了提高遙感影像分類精度,選用了最大似然法、最小距離法、平行六面體法、馬氏距離法、支持向量機(jī)法和神經(jīng)網(wǎng)絡(luò)法六種分類方法,對研究區(qū)三期影像監(jiān)督分類,并選出最適合的提取方法。當(dāng)下,人工智能與機(jī)器學(xué)習(xí)算法的研究熱門,綜合應(yīng)用多種分類方法,并與計算機(jī)圖像處理技術(shù)結(jié)合起來實現(xiàn)最優(yōu)精度的分類。將這些新技術(shù),新理論應(yīng)用到遙感影像處理方面,將有利于提高分類效果。