基于高分一號(hào)遙感影像的廣州市南沙區(qū)土地利用變化特征分析

陳廣成,余煌浩,李彬權(quán)*,陳 丞,許 棟,孫金彥

(1.廣州市南沙區(qū)水務(wù)局,廣東 廣州 510640;2.河海大學(xué) 水文水資源學(xué)院,江蘇 南京 210098;3.河海大學(xué) 水利水電學(xué)院,江蘇 南京 210098)

廣州市南沙區(qū)地處粵港澳大灣區(qū)地理幾何中心,是國家級(jí)新區(qū)、自由貿(mào)易試驗(yàn)區(qū)、粵港澳全面合作示范區(qū)和廣州城市新核心區(qū),近年來城市建設(shè)和經(jīng)濟(jì)發(fā)展很快,土地利用發(fā)生顯著變化。2022年6月,國務(wù)院印發(fā)《廣州南沙深化面向世界的粵港澳全面合作總體方案》,給南沙賦予打造立足灣區(qū)、協(xié)同港澳、面向世界的重大戰(zhàn)略性平臺(tái)的新定位。近年來,南沙城市建設(shè)步伐加快,下墊面顯著變化,因此需要充分了解南沙城市化和經(jīng)濟(jì)社會(huì)快速發(fā)展背景下土地利用變化特征,同時(shí)需要結(jié)合土地利用規(guī)劃分析土地利用類型時(shí)空尺度上的轉(zhuǎn)移特征,為水務(wù)、市政等領(lǐng)域發(fā)展規(guī)劃研究提供支撐。

土地利用既可以作為一種結(jié)果供決策者了解區(qū)域土地利用情況,繼而制定相關(guān)的土地政策,也可以作為水文模型的條件輸入。開展高精度的國家尺度長時(shí)間序列土地利用遙感監(jiān)測(cè),滿足國家資源保護(hù)與國家和區(qū)域可持續(xù)發(fā)展需求具有重要的戰(zhàn)略意義[1]?？镂幕鄣萚2]采用Landsat 8 OLI、GF-2等衛(wèi)星遙感數(shù)據(jù),融合遙感大數(shù)據(jù)云計(jì)算和專家知識(shí)輔助人機(jī)交互解譯方法,建立了1980年末至2020年每隔5 a的30 m分辨率中國土地利用動(dòng)態(tài)數(shù)據(jù)庫。Li等[3]基于深度學(xué)習(xí)框架、全球土地覆蓋產(chǎn)品(GLC)、開放街道地圖(OSM)和谷歌地球圖像,建立了中國第一張1 m分辨率的國家級(jí)土地覆蓋圖SinoLC-1。高精度的土地利用情況能夠更加準(zhǔn)確地反映人類活動(dòng)情況,Luo等[4]以土地利用情況量化了人類活動(dòng)的情況,通過SWAT模型模擬徑流量,從而得到水文循環(huán)對(duì)人類活動(dòng)的敏感性。鮑振鑫等[5]在VIC水文模型中輸入植被覆蓋數(shù)據(jù),量化了氣候變化和人類活動(dòng)對(duì)黃土高原窟野河流域水沙變化的影響。提供高精度土地利用數(shù)據(jù)不僅可以準(zhǔn)確地了解當(dāng)?shù)赝恋乩眉捌渥兓?作為水文模型的土地利用輸入條件,還可以保障水文模型輸出結(jié)果的精度,從而更好地制定相關(guān)的水資源政策。

遙感影像為下墊面特征識(shí)別和分析提供了重要的數(shù)據(jù)基礎(chǔ),主要包括Landsat系列影像、高分系列影像、Sentinel系列影像等原始遙感影像數(shù)據(jù)以及GlobeLand30等土地利用分析產(chǎn)品。謝火艷等[6]利用2000、2005、2014年Landsat TM遙感影像數(shù)據(jù)進(jìn)行下墊面土地利用變化分析,結(jié)果表明:2000—2014年南沙區(qū)耕地面積不斷下降,而建筑用地面積逐年遞增。羅繼文等[7]基于全球地表覆蓋產(chǎn)品(GlobeLand30),采用土地利用變化動(dòng)態(tài)度、土地利用轉(zhuǎn)移矩陣和重心遷移模型分析了南沙區(qū)2010、2020年土地利用時(shí)空變化,發(fā)現(xiàn)2010—2020年建筑面積顯著增加,圍海填地導(dǎo)致水體和海域面積大幅減少。Luo等[8]基于高分一號(hào)遙感數(shù)據(jù)和面向?qū)ο蟮膱D像分析技術(shù)(OBIA)提取了福建龍巖的廢棄農(nóng)田,證實(shí)了提高政府監(jiān)管是抵消新增廢棄耕地重要且直接的途徑。采用遙感影像數(shù)據(jù)進(jìn)行土地利用識(shí)別常見的方法有目視解譯、監(jiān)督分類、非監(jiān)督分類和深度學(xué)習(xí)等。其中,監(jiān)督分類中有決策樹分類、最大似然分類、支持向量機(jī)分類以及隨機(jī)森林等算法[9]。柴旭榮等[10]利用Google Earth Engine云平臺(tái)和隨機(jī)森林監(jiān)督分類法識(shí)別山西省不同時(shí)期土地覆被分類,對(duì)比驗(yàn)證發(fā)現(xiàn)分類結(jié)果的總體精度達(dá)到86%～94%,比同期單時(shí)相分類結(jié)果的精度提高了5%～10%。由于傳統(tǒng)的監(jiān)督分類算法存在耗時(shí)長、容易錯(cuò)分漏分等問題,王春陽等[11]提出粒子群優(yōu)化概率神經(jīng)網(wǎng)絡(luò)的半監(jiān)督分類算法,整體精度較隨機(jī)森林法、極大似然法和概率神經(jīng)網(wǎng)絡(luò)算法提高了1.25%～6.57%,Kappa系數(shù)達(dá)到0.8以上。裴歡等[12]基于Landsat 8 OLI遙感影像,對(duì)比面向?qū)ο蟮闹С窒蛄繖C(jī)算法和K鄰近法,結(jié)果表明面向?qū)ο蟮闹С窒蛄繖C(jī)算法效果更好,總體精度達(dá)到85.67%。成淑艷等[13]在青海湖沙柳河流域運(yùn)用6種監(jiān)督分類器進(jìn)行土地覆蓋分類,發(fā)現(xiàn)支持向量機(jī)分類器具有較好的分類識(shí)別結(jié)果。Boonpook等[14]使用Landsat 8圖像進(jìn)行土地利用自動(dòng)分類,發(fā)現(xiàn)使用基線網(wǎng)絡(luò)(SegNet、U-Net)的深度學(xué)習(xí)語義分割優(yōu)于基于像素的機(jī)器學(xué)習(xí)算法(MLE、SVM、RF)。深度學(xué)習(xí)算法雖然較傳統(tǒng)機(jī)器學(xué)習(xí)算法精度有所提高,但是深度學(xué)習(xí)算法需要大量的訓(xùn)練樣本,而且需要的遙感影像精度更高,當(dāng)人眼都無法識(shí)別的土地類型,深度學(xué)習(xí)算法也無法將這種土地類型提取出來。因此本文結(jié)合區(qū)域的面積和遙感影像的空間精度,采用監(jiān)督分類的支持向量機(jī)算法配合目視解譯和實(shí)地查勘,使南沙區(qū)土地利用分類結(jié)果更加準(zhǔn)確。

綜上可知,受限于遙感影像時(shí)空精度不高(如應(yīng)用較為的廣泛的Landsat影像空間分辨率為30 m)以及下墊面復(fù)雜、不同地物影像相似度高等原因,大多數(shù)借助于數(shù)學(xué)算法自動(dòng)解譯的下墊面分類成果精度不高,需要結(jié)合高精度影像、現(xiàn)場(chǎng)查勘等進(jìn)行人工后處理,以提高精度。本文以廣州市南沙區(qū)為研究區(qū)域,選擇2016、2017、2022年高分一號(hào)PMS影像為遙感源數(shù)據(jù),結(jié)合人工現(xiàn)場(chǎng)查勘,構(gòu)建南沙區(qū)土地利用轉(zhuǎn)移矩陣,分析在城鎮(zhèn)化建設(shè)背景下的土地利用類型變化特征。

1 研究區(qū)情況

1.1 研究區(qū)概況

南沙區(qū)介于北緯22°26′～23°06′,東經(jīng)113°13′～113°43′,是廣東省廣州市市轄區(qū),位于珠三角的河網(wǎng)地帶、珠江三大出?？陂T,東臨獅子洋,南入南海,整個(gè)區(qū)域地勢(shì)低洼,四面環(huán)水,水網(wǎng)縱橫密布,河涌、湖塘眾多。南沙區(qū)面積約803 km2,由13個(gè)聯(lián)圍組成,即義沙圍、萬頃沙圍、龍穴圍、瀝心沙圍、缸瓦沙圍、蕉東聯(lián)圍、小虎島圍、沙仔島圍、高新沙圍、大坳圍、四六村圍、魚窩頭圍和番順聯(lián)圍,陸地面積約580 km2,外江水道面積約223 km2。南沙區(qū)地處亞熱帶季風(fēng)氣候區(qū),屬亞熱帶季風(fēng)海洋氣候,由于背山面海,海洋性氣候顯著,氣候溫和濕潤,具有溫暖多雨、光熱充足、溫差較小、夏季長等氣候特征。南沙區(qū)包括3個(gè)街道、6個(gè)鎮(zhèn),分別為南沙街、珠江街、龍穴街、東涌鎮(zhèn)、欖核鎮(zhèn)、大崗鎮(zhèn)、黃閣鎮(zhèn)、橫瀝鎮(zhèn)、萬頃沙鎮(zhèn)。截至2021年末,南沙區(qū)常住人口為90.04萬人,戶籍人口為51.75萬人,GDP為28 839億元,人口和GDP分別占廣州市的比例為4.8%和7.8%。

1.2 數(shù)據(jù)來源與預(yù)處理

高分一號(hào)搭載2種相機(jī),即高分相機(jī)(PMS)和寬幅相機(jī)(WFV),PMS相機(jī)多光譜數(shù)據(jù)有4個(gè)波段,為常見的藍(lán)(band1,0.45～0.52 μm)、綠(band2,0.52～0.59 μm)、紅(band3,0.63～0.69 μm)、近紅外(band4,0.77～0.89 μm)4個(gè)可見光/近紅外波段,高分相機(jī)全色和多光譜空間分辨率分別為2、8 m,幅寬為60 km,側(cè)擺時(shí)重訪周期為4 d,不側(cè)擺時(shí)覆蓋周期為41 d,本研究采用的是多光譜和全色融合后的2 m真彩影像,影像時(shí)間范圍是2016—2022年,分析南沙區(qū)近5 a的土地利用變化情況。遙感數(shù)據(jù)的預(yù)處理步驟包括輻射定標(biāo)、大氣校正、正射校正、圖像融合、圖像裁剪以及圖像配準(zhǔn),其中輻射定標(biāo)采用的是遙感軟件的Radiometric Calibration功能,目的是消除傳感器本身的誤差,確定傳感器入口處的準(zhǔn)確輻射值;大氣校正采用的是軟件的Dark Subtract功能,目的是為了消除大氣散射、吸收、反射引起的誤差;正射校正采用的工具是RPC Orthorectification Workflow,目的是消除地形的影響或相機(jī)方位引起的變形等。南沙區(qū)原始遙感影像由多景拼接而成,2017、2022年遙感影像均由3景拼接得到(圖1),各景的拍攝時(shí)間以及位置信息見表1。

表1 不同景號(hào)影像對(duì)應(yīng)的信息

a)2017年

2 數(shù)據(jù)與方法

2.1 遙感解譯

由于高分一號(hào)PMS數(shù)據(jù)精度較高,采用支持向量機(jī)算法對(duì)南沙區(qū)整體進(jìn)行遙感解譯需要大量計(jì)算資源且耗時(shí)較長,因此將南沙區(qū)拆分為13個(gè)聯(lián)圍分別進(jìn)行遙感解譯。利用監(jiān)督分類算法進(jìn)行遙感解譯結(jié)果的精度很大程度上取決于分類樣本的類別數(shù)量和分類樣本的選擇。樣本的類別數(shù)量太多會(huì)導(dǎo)致解譯過程非常緩慢,類別數(shù)量太少則會(huì)導(dǎo)致解譯結(jié)果過于粗糙,因此選擇合適的類別數(shù)量和選擇典型的分類樣本對(duì)遙感解譯結(jié)果至關(guān)重要。本文根據(jù)目前大多數(shù)水利應(yīng)用需求,將南沙區(qū)土地利用類型定義為4種類型,分別為不透水面、耕地、林草地和水域,其中水域和不透水面具有較高的區(qū)分度(即樣本分離度高于1.8),不透水面、耕地、林草地和水域分類樣本的選擇較為簡單,需要特別注意的是水域分類樣本的選擇。南沙區(qū)分布著廣泛的水產(chǎn)養(yǎng)殖池塘,其中部分比例的池塘鋪上了白色塑料膜,目的是為了保持恒溫養(yǎng)蝦,鋪膜池塘在遙感影像上顯示為白色(圖2),此顏色易被識(shí)別為白色建筑物(即二者分離度太低)。因此在選擇水域樣本時(shí),需要把鋪設(shè)塑料膜的池塘單獨(dú)歸為一類,監(jiān)督分類完成后再將鋪膜池塘合并到水域當(dāng)中,最后還需要對(duì)水域的分類結(jié)果進(jìn)行檢查和人工調(diào)整。

a)東涌鎮(zhèn)

2.2 實(shí)地查勘

實(shí)地查勘驗(yàn)證是檢查遙感解譯結(jié)果最直觀的方法,針對(duì)土地利用分類中存疑的結(jié)果,對(duì)相關(guān)的地點(diǎn)進(jìn)行了實(shí)地查勘。本文查勘的時(shí)間為2023年3月15、16日,考察的地點(diǎn)分布在黃閣鎮(zhèn)、南沙街、東涌鎮(zhèn)、大崗鎮(zhèn)、橫瀝鎮(zhèn)和萬頃沙鎮(zhèn)。表2為實(shí)地調(diào)查的相關(guān)結(jié)果。

表2 實(shí)地查勘結(jié)果的驗(yàn)證

通過對(duì)實(shí)地查勘和遙感解譯的土地利用結(jié)果分析,水域和林草地的識(shí)別精度較高,由于部分耕地種植花卉和草皮,所以存在部分耕地與林草地之間的錯(cuò)誤劃分,種植作物的耕地和沒有種植作物的耕地都能準(zhǔn)確地解譯出來。不透水面主要包括建筑物(群)和道路等,其中建筑物群由于色彩混雜,不易識(shí)別完整,因此需要通過后續(xù)的目視解譯修改進(jìn)而提高不透水面的識(shí)別精度。

2.3 分類精度評(píng)價(jià)

在各聯(lián)圍隨機(jī)抽取一定數(shù)量樣本進(jìn)行精度驗(yàn)證,隨機(jī)選取各類型的樣本作為分類的驗(yàn)證數(shù)據(jù)集,對(duì)南沙區(qū)整體進(jìn)行精度驗(yàn)證。其中2017年各聯(lián)圍共抽取534個(gè)樣本,2021年各聯(lián)圍共抽取517個(gè)樣本,運(yùn)用總體精度(OA)和Kappa系數(shù)來評(píng)價(jià)驗(yàn)證結(jié)果好壞,2個(gè)指標(biāo)越趨近于1,代表精度越高,南沙區(qū)各聯(lián)圍抽取樣本驗(yàn)證精度見表3。

表3 南沙區(qū)各聯(lián)圍抽樣樣本驗(yàn)證精度

由表3可知,2017、2021年南沙區(qū)各聯(lián)圍抽樣樣本總體精度均高于90%且Kappa系數(shù)均高于0.85,由此可知,通過支持向量機(jī)解譯得到的南沙區(qū)2017、2021年土地利用產(chǎn)品能達(dá)到精度要求且能滿足水文模型下墊面數(shù)據(jù)的輸入要求。

2.4 土地利用轉(zhuǎn)移矩陣構(gòu)建

土地利用轉(zhuǎn)移矩陣是馬爾科夫模型在土地利用變化方面的應(yīng)用,來源于系統(tǒng)分析中系統(tǒng)狀態(tài)與狀態(tài)轉(zhuǎn)移的定量描述[15]。土地利用轉(zhuǎn)移矩陣以矩陣的形式將2個(gè)不同時(shí)期的土地覆蓋類型之間相互轉(zhuǎn)換的數(shù)量關(guān)系展現(xiàn)出來,可以全面地反映出一個(gè)區(qū)域土地覆蓋類型的數(shù)值和轉(zhuǎn)移方向,土地利用轉(zhuǎn)移矩陣具體的表現(xiàn)形式見表4。通常TL表示上一個(gè)時(shí)相,TN表示下一個(gè)時(shí)相。C1—Cn表示n種不同的土地覆蓋類型。土地利用轉(zhuǎn)移矩陣中的行表示上一個(gè)時(shí)相的土地利用類型,列表示下一個(gè)時(shí)相的土地利用類型。Sij表示TL—TN期間土地類型Ci轉(zhuǎn)換為土地類型Cj的面積大小,Si*表示上一個(gè)時(shí)相Ci土地類型面積的總和,S*j表示下一個(gè)時(shí)相Cj土地類型面積的總和。Si*-Sii為Ci土地類型的流出量,即上一個(gè)時(shí)相Ci類型土地中轉(zhuǎn)移為下一個(gè)時(shí)相其他土地類型的面積總和。S*j-Sjj表示土地類型的流入量,即下一個(gè)時(shí)相Cj類型土地中由上一個(gè)時(shí)相其他類型土地轉(zhuǎn)變而來的面積總和。

表4 土地利用轉(zhuǎn)移矩陣

3 結(jié)果

3.1 土地利用分類結(jié)果

圖3為南沙區(qū)2017、2021年土地利用情況,圖4為南沙區(qū)2017—2021年土地利用變化情況。由圖3、4可知,黃閣鎮(zhèn)、南沙街、東涌鎮(zhèn)和橫瀝鎮(zhèn)東部、大崗鎮(zhèn)南部的不透水面面積顯著增加,林草地主要分布在黃閣鎮(zhèn)、南沙街和大崗鎮(zhèn),林草地和耕地面積變化不大,水域主要分布在萬頃沙街、龍穴街、大崗鎮(zhèn)南部和東涌鎮(zhèn)東部,面積顯著減少。不透水面面積的增加主要來自于耕地和水域的轉(zhuǎn)移,其中,耕地面積在東涌鎮(zhèn)、大崗鎮(zhèn)、橫瀝鎮(zhèn)、珠江街和萬頃沙鎮(zhèn)少量減少,水域面積在黃閣鎮(zhèn)東部的聯(lián)圍、龍穴街中部以及萬頃沙鎮(zhèn)南部大量減少,這些區(qū)域的水域多轉(zhuǎn)化為不透水面。黃閣鎮(zhèn)和南沙街的城市化建設(shè)程度較高,耕地與水域向城鎮(zhèn)不透水面轉(zhuǎn)移;其余鎮(zhèn)街也有不同程度的城鎮(zhèn)化發(fā)展導(dǎo)致不透水面增加,比如耕地分布較多的東涌鎮(zhèn)和大崗鎮(zhèn)均存在小規(guī)模的耕地面積減少。

a)2017年

圖4 南沙區(qū)2017—2021年土地利用變化情況

3.2 土地利用轉(zhuǎn)移矩陣

由表5可知,2017年南沙區(qū)不透水面、耕地、林草地和水域的面積分別為137.81、281.46 、60.05、323.68 km2,水域是南沙區(qū)分布最多的土地利用類型,比例高達(dá)40%,耕地和不透水面的分布其次,比例分別為35%和17%。2021年,僅有不透水面增加14.39 km2,其余3種土地類型面積均減少,耕地、林草地和水域的面積分別減少1.95、1.80、10.63 km2。在4種土地利用類型中,不透水面面積變化最為顯著,增幅為10%,水域面積變化次之,減少3%。

表5 南沙區(qū)2017—2021年土地利用轉(zhuǎn)移矩陣 單位:km2

在不透水面與耕地的轉(zhuǎn)移中,耕地有52.14 km2變?yōu)椴煌杆?不透水面有44.08 km2變?yōu)楦?不透水面從耕地獲得8.06 km2的凈增加量。在不透水面與林草地的轉(zhuǎn)移中,林草地有6.36 km2變?yōu)椴煌杆?不透水面有7.50 km2變?yōu)榱植莸?林草地從不透水面獲得1.14 km2的凈增加量。在不透水面與水域的轉(zhuǎn)移中,水域有17.82 km2變?yōu)椴煌杆?不透水面有10.34 km2變?yōu)樗?不透水面從水域獲得7.48 km2的凈增加量?？傮w來看,不透水面在2017—2021年共增長14.39 km2,主要來源于耕地和水域的轉(zhuǎn)移,比例高達(dá)56%和52%。

在耕地與林草地的轉(zhuǎn)移中,林草地有15.25 km2變?yōu)楦?耕地有12.22 km2變?yōu)榱植莸?耕地從林草地獲得3.03 km2的凈增加量。在耕地與水域的轉(zhuǎn)移中,水域有18.78 km2變?yōu)楦?耕地有15.71 km2變?yōu)樗?耕地從水域獲得3.07 km2的凈增加量?？傮w來看,耕地的面積變化不大,2017—2021年減少1.95km2,不透水面對(duì)耕地的占用最大,面積為8.06 km2,而耕地也從林草地和水域的開墾中獲得了6.1 km2土地的補(bǔ)充。

在林草地與水域的轉(zhuǎn)移中,水域有3.53 km2變?yōu)榱植莸?林草地有3.45 km2變?yōu)樗?林草地從水域獲得0.08 km2的凈增加量。林草地在4種土地利用類型中面積變化最小,僅減少了1.80 km2,而水域則與之相反,變化非常明顯,在2017—2022年共減少10.63 km2,不透水面對(duì)水域的占用為7.48 km2,比例高達(dá)70%,耕地對(duì)水域的占用次之,面積為3.07 km2。

3.3 與2025年土地利用規(guī)劃對(duì)比

圖5為南沙區(qū)2012—2025年土地利用規(guī)劃,對(duì)比圖3中2021年土地利用現(xiàn)狀可以發(fā)現(xiàn):南沙街與黃閣鎮(zhèn)的下墊面類型規(guī)劃內(nèi)容基本完成,這也是南沙區(qū)近5 a不透水面主要增長的區(qū)域,東涌鎮(zhèn)、欖核鎮(zhèn)、大崗鎮(zhèn)、橫瀝鎮(zhèn)以及龍穴街雖然還沒有達(dá)到規(guī)劃的建設(shè)內(nèi)容,但均有不同程度的發(fā)展;另外,珠江街和萬頃沙鎮(zhèn)還遠(yuǎn)遠(yuǎn)沒有達(dá)到相應(yīng)規(guī)劃的下墊面建設(shè)要求。

圖5 南沙區(qū)2012—2025年土地利用規(guī)劃[16]

4 分析與討論

2017—2021年,南沙區(qū)土地利用僅有不透水面面積增加,而耕地、林草地和水域都有不同程度的減少,即“一增三減”,這與劉鋒等[17]研究結(jié)果一致,其研究指出近20 a廣州市的土地利用呈現(xiàn)“一增五減”的特點(diǎn),即建設(shè)用地總體面積增加,耕地、林地、草地、水域、未利用地總計(jì)面積減少,建筑用地占用耕地、林地的情況突出。樊舒迪等[18]也發(fā)現(xiàn)1995—2020年廣州市的建設(shè)用地呈現(xiàn)“穩(wěn)定—緩慢增加—?jiǎng)×以黾印钡内厔?shì),而耕地呈現(xiàn)出“緩慢減少—穩(wěn)定—大幅減少”的趨勢(shì),林草地整體呈現(xiàn)單調(diào)減少的趨勢(shì)。

根據(jù)南沙區(qū)2012—2025年土地利用規(guī)劃可知,南沙區(qū)不透水面面積的增加是土地利用規(guī)劃導(dǎo)致的,雖然現(xiàn)狀2021年遠(yuǎn)未達(dá)到規(guī)劃的不透水面要求,但總體上南沙區(qū)各個(gè)鎮(zhèn)和街道不透水面都有顯著的增加,原本覆蓋不透水面較多區(qū)域黃閣鎮(zhèn)和南沙街繼續(xù)增多,不透水面覆蓋較少的區(qū)域也隨著的規(guī)劃的推進(jìn)在不斷增多。南沙區(qū)不透水面的顯著增加反映了南沙區(qū)城市化進(jìn)程的加快,這體現(xiàn)了南沙區(qū)作為“三區(qū)一中心”定位背景下全面推進(jìn)南沙城市建設(shè)的努力[19]。不透水面面積的增加必然會(huì)導(dǎo)致其余類型土地面積的減少,在這5 a,南沙區(qū)耕地面積僅減少了1.95 km2,考慮解譯誤差情況下可以認(rèn)為沒有變化。在國家方面,對(duì)于違法違規(guī)占用耕地會(huì)受到嚴(yán)厲的處罰,任何占用耕地的規(guī)劃都需要獲得相關(guān)部門的批準(zhǔn)。在南沙區(qū)土地利用總體規(guī)劃中明確了“南沙區(qū)耕地保有量、基本農(nóng)田保護(hù)面積保持不變”這一前提。南沙區(qū)耕地面積基本保持不變主要是由于國家和地方的政策導(dǎo)致的,在國家和地方嚴(yán)格控制耕地面積和禁止違規(guī)占用耕地面積的情況下,南沙區(qū)耕地面積近5 a來基本保持穩(wěn)定。南沙區(qū)林草地面積在5 a內(nèi)減少了1.8 km2,南沙區(qū)林草地面積最大的區(qū)域主要為黃山魯森林公園、十八羅漢森林公園和南沙濕地,其中黃山魯森林公園和十八羅漢森林公園海拔較高,區(qū)域周圍分布著密集的建筑物,人口較多,這兩個(gè)公園不僅可以供當(dāng)?shù)鼐用裥蓍e娛樂也是當(dāng)?shù)刂匾木皡^(qū),因此,林草地面積在南沙區(qū)沒有太大變動(dòng)。由于耕地和林草地面積變化不大,剩下的水域自然會(huì)更多地受到不透水面的侵占。南沙區(qū)分布著豐富的水產(chǎn)養(yǎng)殖池塘,根據(jù)實(shí)地考察發(fā)現(xiàn),在養(yǎng)殖季節(jié)許多池塘的水已經(jīng)被抽干,說明南沙區(qū)的許多池塘早已不承擔(dān)養(yǎng)殖的任務(wù),有些池塘慢慢演化成林草地或耕地,也有池塘被填滿后在上面修建房屋。水域的顯著減少一方面受到耕地紅線的影響,另一方面水域所帶來的經(jīng)濟(jì)效益遠(yuǎn)沒有不透水面高,因此這是經(jīng)濟(jì)規(guī)律的發(fā)展結(jié)果。

有研究表明水域和林草地的減少會(huì)影響當(dāng)?shù)氐纳鷳B(tài)環(huán)境[20],肖紅等[21]在生態(tài)空間識(shí)別結(jié)果的基礎(chǔ)上,參考生態(tài)紅線數(shù)據(jù)、遙感影像和土地利用數(shù)據(jù)調(diào)整生態(tài)空間初步結(jié)果,得到南沙區(qū)生態(tài)空間面積為410 km2,占比為51%,涵蓋了主要的生態(tài)功能區(qū)和生態(tài)脆弱區(qū)。社會(huì)經(jīng)濟(jì)的發(fā)展與生態(tài)環(huán)境的保護(hù)并不完全矛盾,但經(jīng)濟(jì)的發(fā)展離不開建設(shè)用地的增加,因此需要在社會(huì)經(jīng)濟(jì)發(fā)展與生態(tài)環(huán)境保護(hù)中尋找平衡。

5 結(jié)語

a)本文選擇空間分辨率為2 m的高分一號(hào)PMS數(shù)據(jù)作為廣州南沙區(qū)土地利用分類的原始遙感數(shù)據(jù),利用解譯效果更好的支持向量機(jī)算法解譯遙感影像,在選擇訓(xùn)練樣本時(shí),單獨(dú)考慮了鋪膜池塘的樣本,大大提高了水域的識(shí)別準(zhǔn)度;通過實(shí)地查勘提升了訓(xùn)練樣本的可信度,同時(shí)也修正了分類有誤的土地利用類型;修正后的土地利用產(chǎn)品總體精度高于90%且Kappa系數(shù)高于0.85,能夠達(dá)到精度要求。

b)建立2017—2021年南沙區(qū)土地利用轉(zhuǎn)移矩陣,以描述南沙區(qū)土地利用的變化情況。南沙區(qū)在開發(fā)大量建筑用地的同時(shí)侵占了大片水域,在萬頃沙鎮(zhèn)和龍穴街表現(xiàn)尤為明顯,耕地在這一過程中受影響較小。根據(jù)《廣州南沙新區(qū)城市總體規(guī)劃(2012—2025)》,珠江街和萬頃沙鎮(zhèn)尚有很大一部分城市建設(shè)規(guī)劃內(nèi)容未完成。

c)本次研究采用的是高精度遙感影像,對(duì)土地利用的描述較為準(zhǔn)確,但目前主流的解譯算法精度不高,監(jiān)督分類樣本的人工選擇會(huì)給分類結(jié)果帶來較大的不確定性,建筑物群由于色彩混雜,解譯的效果遠(yuǎn)不如耕地、水域和林草地的效果好,因此需要耗費(fèi)大量時(shí)間修正不透水面。在后續(xù)研究中,可采用深度學(xué)習(xí)算法進(jìn)行遙感影像解譯,提高結(jié)果精度。