趙劍橋

(中國(guó)農(nóng)業(yè)大學(xué) 信息與電氣工程學(xué)院，北京 100083)

土地利用與土地覆蓋變化是20世紀(jì)90年代以來(lái)全球變化與探討的重要內(nèi)容[1]，其中，土地利用主要表現(xiàn)為土地用途轉(zhuǎn)移和土地利用集約度的變化，側(cè)重于土地的經(jīng)濟(jì)屬性；土地覆蓋主要表現(xiàn)為土地質(zhì)量與類型的變化和土地屬性的轉(zhuǎn)變，側(cè)重于土地的自然屬性[2].無(wú)論側(cè)重于哪個(gè)角度，土地類型的變化都深受人類活動(dòng)的影響.

土地利用變化的動(dòng)態(tài)監(jiān)測(cè)，能夠有效反映土地利用情況的變化程度，從而為土地管理提供決策依據(jù)，適時(shí)調(diào)節(jié)土地規(guī)劃整治力度.隨著GIS和RS技術(shù)的發(fā)展，為土地利用研究提供了豐富的數(shù)據(jù)源和研究手段，也是當(dāng)前土地利用研究的主流方向.遙感影像具有周期短、現(xiàn)實(shí)性強(qiáng)、可信度高等優(yōu)勢(shì)，可直接作為土地利用的信息數(shù)據(jù)源，而GIS為土地利用數(shù)據(jù)提供強(qiáng)大的收集、整理、分析等功能.尤其是近些年，出現(xiàn)了各類高分辨率影像，為土地利用研究提供了較為理想的數(shù)據(jù)源.高分辨率遙感影像彌補(bǔ)了低分辨率影像的缺憾，提供了更為細(xì)致準(zhǔn)確的地物的紋理、形狀、大小、顏色等特征信息，提高了未知地物的區(qū)分度，提取得到的土地覆被信息更具精確性與現(xiàn)勢(shì)性[3].在影像對(duì)象分類上，目前常用的方法是“監(jiān)督分類”和“基于規(guī)則(知識(shí))分類”.其中，基于規(guī)則(知識(shí))分類是根據(jù)影像對(duì)象的屬性和閾值來(lái)設(shè)定規(guī)則進(jìn)行分類，主要有傳統(tǒng)基于光譜的分類方法、基于專家知識(shí)決策樹(shù)的分類方法和面向?qū)ο蟮姆诸惙椒?面向?qū)ο蟮姆诸惙椒ㄖ饕m用于高分辨率多光譜的影像，其能綜合考慮光譜、結(jié)構(gòu)、紋理等多種因素，有效提升高分辨率遙感影像的分類精度，具有較好的分類效果.

本研究主要從城市發(fā)展中土地類型變化進(jìn)行分析，側(cè)重于土地的經(jīng)濟(jì)屬性，所以選擇土地利用變化角度進(jìn)行研究.以淄博市張店區(qū)的2011年、2013年WorldView-2高分影像和2016年高分二號(hào)(GF-2)影像數(shù)據(jù)作為數(shù)據(jù)源，采用面向?qū)ο蟮母叻直媛蔬b感影像多尺度分類方法，提取地物分類信息，分析張店區(qū)2011年到2016年土地利用變化情況.

1 研究區(qū)概況

張店區(qū)位于北緯36°4′30″-36°54′00″，東經(jīng)117°55′40″-118°12′20″，位于山東省淄博市中部，是淄博市的中心城區(qū)，是淄博市的政治、經(jīng)濟(jì)、文化、金融和科技中心.

張店區(qū)位于淄博向斜盆地東麓的北緣，處于低山丘陵區(qū)向黃泛平原過(guò)渡地帶，總的地勢(shì)東高西低，南高北低，較為平緩.平原面積占全區(qū)土地總面積的72.43%.東北部有一呈北東走向的山體，主峰為黑鐵山，海拔高度254.6 m，為張店區(qū)最高山峰.境內(nèi)有孝婦河、豬龍河、澇淄河、漫泗河等主要河流，除豬龍河西北向外，其余均為過(guò)境北向河流.

張店區(qū)地處暖溫帶季風(fēng)型半干燥半濕潤(rùn)大陸性氣候區(qū)，季節(jié)變化顯著，四季分明，雨量集中，氣候溫和.境內(nèi)常年平均氣溫為12.9 ℃，年均降水量621.8 mm，年日照時(shí)數(shù)平均為2553.6 h，年平均無(wú)霜期為190 d，光照充足，熱量充沛，氣候適宜.農(nóng)業(yè)一年兩收，主要以冬小麥和玉米為主，2014年，全區(qū)農(nóng)作物播種面積為4 165.87 hm2，其中糧食作物播種面積為3 881.07 hm2.

2 遙感數(shù)據(jù)

WorldView-2衛(wèi)星是由美國(guó)DigitalGlobe公司于2009年10月發(fā)射成功的，能提供分辨率為0.5 m的全色影像和8個(gè)波段的1.8 m多光譜影像.GF-2衛(wèi)星是我國(guó)自主研制的首顆空間分辨率優(yōu)于1 m的民用光學(xué)遙感衛(wèi)星，于2014年8月成功發(fā)射，能提供分辨率為1 m的全色影像和4個(gè)波段的分辨率為4 m多光譜影像[4]. 國(guó)產(chǎn)GF-2具高分辨率，對(duì)地物信息展示更清楚、更穩(wěn)定，為地物信息的高精度提取提供了新的契機(jī).WorldView-2和GF-2遙感影像數(shù)據(jù)主要參數(shù)見(jiàn)表1.本研究主要選用的數(shù)據(jù)為2011年11月14日、2013年11月5日WorldView-2遙感影像和2016年11月10日GF-2遙感影像.11月份張店區(qū)正值秋末冬初，天空晴朗，云霧稀少，耕地農(nóng)作物主要以冬小麥為主，較易區(qū)分.

表1 WorldView-2和GF-2遙感影像數(shù)據(jù)主要參數(shù)Tab.1 Main parameters of WorldView-2 and GF-2 remote sensing image

3 數(shù)據(jù)處理和分類方法

3.1 數(shù)據(jù)處理

利用ENVI軟件分別將WorldView-2和GF-2影像進(jìn)行多光譜和全色分辨率融合，得到0.5m和1m空間分辨率的融合影像.

以張店區(qū)地形圖為基準(zhǔn)對(duì)三幅影像圖進(jìn)行幾何糾正，選擇投影為UTM投影，帶寬為3，代號(hào)為39.

以張店區(qū)矢量行政界線圖為范圍，對(duì)影像進(jìn)行裁剪，得到研究區(qū)影像,如圖1、圖2、圖3所示.

圖2 裁剪后的張店區(qū)2013年WorldView-2影像圖Fig.2 Post-crop WorldView-2 image of 2013 Zhangdian district

圖3 裁剪后的張店區(qū)2016年GF-2影像圖Fig.3 Post-crop GF-2 image of 2016 Zhangdian district

3.2 分類方法

3.2.1 植被和耕地提取

由于植被在紅波段具有比較強(qiáng)的吸收能力，而且在近紅外波段又具有較強(qiáng)的反射，因此能夠通過(guò)歸一化植被指數(shù)(NDVI)對(duì)植被進(jìn)行提取[5].

張店區(qū)11月份綠色植被尚綠，農(nóng)作物和其他植被不易區(qū)分，但農(nóng)作物生長(zhǎng)在耕地上，會(huì)有一定的形狀規(guī)則，一般為矩形，可以通過(guò)幾何特征將耕地農(nóng)作物和其他植被進(jìn)行區(qū)分提取，耕地農(nóng)作物的面積將作為耕地面積進(jìn)行提取.

WorldView-2影像中選擇第5波段和第7波段，GF-2影像選擇第3波段和第4波段進(jìn)行NDVI運(yùn)算，NDVI值為正值便為植被覆蓋區(qū)，耕地可以根據(jù)分割后對(duì)象緊致度(C)來(lái)進(jìn)行提取，即C=Lv·Wy/#Pv(C為緊致度，Lv為分割對(duì)象長(zhǎng)度，Wy為分割對(duì)象寬度，#Pv為分割后對(duì)象像元總數(shù))，此時(shí)選擇分割尺度為25，顏色參數(shù)為0.9，形狀參數(shù)為0.1.

3.2.2 水系提取

對(duì)于水體而言，在近紅外波段吸收最強(qiáng)，在綠波段反射最強(qiáng)，可以利用歸一化水體指數(shù)(NDWI)對(duì)水體進(jìn)行提取.

WorldView-2影像中選擇第3波段和第8波段，GF-2影像選擇第2波段和第4波段進(jìn)行NDWI運(yùn)算，將提取的植被信息進(jìn)行掩膜處理，在非植被區(qū)進(jìn)行再分割，利用NDWI提取水體信息.分割尺度設(shè)定為120，顏色參數(shù)為0.2，形狀參數(shù)為0.8.

3.2.3 道路提取

道路主要是一條狹長(zhǎng)的區(qū)域，可以通過(guò)分割對(duì)象的形狀信息對(duì)道路進(jìn)行提取[6]，利用分割影像的長(zhǎng)寬比(L/W)來(lái)判斷道路.分割尺度設(shè)定為100，顏色參數(shù)為0.2，形狀參數(shù)為0.8.

3.2.4 建筑物提取

建筑物提取是解譯中比較困難的部分，建筑物形狀、光譜特征，相差各異，不易提取或提取誤差較大.本研究的主要目的是分析土地利用變化情況，建筑物的多少與面積并不是最終需要的結(jié)果，可以通過(guò)獲取建筑物來(lái)判斷城市位置，通過(guò)人工修補(bǔ)的方法獲得最終建設(shè)用地面積.

對(duì)于高亮建筑，利用其在影像中發(fā)白發(fā)亮的特點(diǎn)，利用高亮度Brightness這一光譜特征，設(shè)置閾值進(jìn)行提取；對(duì)于藍(lán)色房頂和紅色房頂?shù)慕ㄖ闷湓趩蝹€(gè)波段上高反射的特點(diǎn)，利用波段均值設(shè)定閾值進(jìn)行提取[7]；對(duì)于形狀規(guī)則的建筑，利用其幾何特性進(jìn)行提取.分割尺度設(shè)定為100，顏色參數(shù)為0.4，形狀參數(shù)為0.6.

3.2.5 提取精度評(píng)價(jià)

在原始影像上隨機(jī)抽取測(cè)試樣本，選取的測(cè)試樣本要分布均勻，數(shù)量充足，以提取土地類型為基礎(chǔ)，每個(gè)類型選100個(gè)，將測(cè)試樣本與提取圖層進(jìn)行疊加，計(jì)算誤差矩陣，判斷提取精度.

3.2.6 解譯結(jié)果修正

將各提取圖層與原始影像進(jìn)行疊合，結(jié)合目視解譯法對(duì)解譯結(jié)果進(jìn)行人工檢查修正，旨在去除明顯解譯錯(cuò)誤，提高影像解譯的精度.檢查修正過(guò)程中主要做好4項(xiàng)工作：一是去除解譯建成區(qū)中的耕地.主要是由于一些藍(lán)色和綠色房頂?shù)慕ㄖ飼?huì)在植被提取中一并被提出.二是補(bǔ)錄屬性明顯的耕地.部分耕地屬性明顯，但由于形狀不規(guī)則而未被提取.三是去除道路提取圖層中被一并提取的建筑物.四是將提取的建筑物作為定位基礎(chǔ)，結(jié)合原始影像，利用人工補(bǔ)繪和區(qū)域合并得到建設(shè)用地范圍.

4 結(jié)果分析

4.1 提取精度分析

表2 精度評(píng)價(jià)統(tǒng)計(jì)表Tab.2 Statistical table of accuracy evaluation

通過(guò)測(cè)試樣本與提取樣本進(jìn)行對(duì)比，得到提取精度，見(jiàn)表2.2011年、2013年和2016年的提取地物總精度分別為86.56%、84.69%和83.89%，Kappa系數(shù)分別為0.82、0.80和0.77，表明提取地物和實(shí)際地物具有高度的一致性，可以進(jìn)行分析.

4.2 土地利用變化情況

利用面向?qū)ο蠖喑叨忍崛》椒?，?jīng)過(guò)整理得到張店區(qū)2011年、2013年和2016年土地利用分類圖，如圖4、圖5、圖6，并得到三年的土地利用類型面積及其所占比例，見(jiàn)表3.

通過(guò)三年的分類結(jié)果圖可以看出，張店區(qū)2011年建設(shè)用地面積為165.81 km2，占全區(qū)土地利用面積的46.01%以上；2013年建設(shè)用地面積為172.48 km2，占全區(qū)土地利用面積的47.87%以上，較2011年增加6.67 km2，增長(zhǎng)了4.02%；2016年全區(qū)建設(shè)用地總面積為183.37 km2，占到全區(qū)土地利用面積的一半以上，較2013年增加了10.89 km2，增長(zhǎng)了6.31%，與2011—2013年相比，增長(zhǎng)有所加快.

圖4 張店區(qū)2011年土地利用分類圖Fig.4 Land use type map of Zhangdian district in 2011

圖5 張店區(qū)2013年土地利用分類圖Fig.5 Land use type map of Zhangdian district in 2013

圖6 張店區(qū)2016年土地利用分類圖Fig. 6 Land use type map of Zhangdian district in 2016

表3 張店區(qū)2011年、2013年和2016年土地利用類型面積及所占比例Tab.3 Land use type area and proportion of Zhangdian district in 2011,2013 and 2016

伴隨著城市的不斷擴(kuò)張，作為基礎(chǔ)設(shè)施的道路用地也在不斷增長(zhǎng)，2011年道路占地21.91 km2，占全區(qū)土地利用面積的6.08%；2013年道路占地為22.21 km2，占全區(qū)土地利用面積的6.16%，較2011年增加0.3 km2，增長(zhǎng)了1.37%；2016年道路占地面積為23.42 km2，占全區(qū)土地利用面積的6.50%，較2013年增加1.21 km2，增長(zhǎng)5.45%，與2011—2013年相比，增長(zhǎng)明顯加快.

通過(guò)三年的土地利用分類結(jié)果圖，可以看出建設(shè)用地和道路用地?cái)U(kuò)張的主要方向是往西，這是淄博市西部新城發(fā)展戰(zhàn)略的結(jié)果.城市擴(kuò)張的結(jié)果是耕地的減少，2011年張店區(qū)耕地面積為135.29 km2，占到全區(qū)面積的37.54%；2013年耕地面積為128.18 km2，占到全區(qū)面積的35.57 %，較2011年減少7.11 km2，減少了5.26%；到2016年隨著城市的擴(kuò)張，張店區(qū)耕地面積減少至117.43 km2，僅占到全區(qū)面積的32.59%，較2013年又減少10.75 km2，減少了8.39%.

從分類結(jié)果看，水體、植被以及其他土地利用類型變化不大，水體面積略微有所增加，這與近幾年政府注重水資源保護(hù)有關(guān).

4.3 耕地減少的去向

將兩年的土地利用分類結(jié)果進(jìn)行疊加，可得到土地利用變化矩陣，分析土地利用變化情況.利用MapGIS軟件的空間分析功能，將2011年與2013年、2013年與2016年土地利用類型圖進(jìn)行空間合并運(yùn)算，通過(guò)屬性統(tǒng)計(jì)得到2011年到2013年、2013年到2016年土地利用變化矩陣，見(jiàn)表4、表5.土地利用類型中變化最大的是耕地和建設(shè)用地，可以用變化矩陣來(lái)分析耕地減少的去向和建設(shè)用地的增加來(lái)源.

從轉(zhuǎn)換矩陣可以看出，除了對(duì)角線上土地類型保持不變的地類以外，耕地減少的去向主要是建設(shè)用地的增加.從2011年到2013年以及2013年到2016年土地利用類型變換最大的是轉(zhuǎn)化為建設(shè)用地的耕地.2011年到2013年有6.75 km2的耕地轉(zhuǎn)換為建設(shè)用地，占這兩年耕地減少的91.59%，占建設(shè)用地增加的97.54%；2013年到2016年這個(gè)數(shù)字為10.83 km2，占這三年耕地減少的89.88%， 占建設(shè)用地增加的90.1%. 耕地減少的另一個(gè)原因是道路用地的增加，通過(guò)變化矩陣來(lái)看，2011到2013年道路增加面積的95%源于耕地，2013到2016年道路增加的73.51%源于耕地.另有少部分耕地轉(zhuǎn)化為水體、植被用地和其他用地.建設(shè)用地和道路用地的增加是城市擴(kuò)張的表現(xiàn)，城市擴(kuò)張的主要貢獻(xiàn)來(lái)源于耕地.

表4 張店區(qū)2011年到2013年土地利用變化矩陣Tab.4 Land use change matrix from 2011 to 2013 in Zhangdian District km2

表5 張店區(qū)2013年到2016年土地利用變化矩陣Tab.5 Land use change matrix from 2013 to 2016 in Zhangdian District km2

5 結(jié)束語(yǔ)

通過(guò)2011年、2013年和2016年的遙感影像數(shù)據(jù)，提取出了張店區(qū)這三年的土地利用變化信息，通過(guò)疊加分析得出，城市擴(kuò)張的代價(jià)是耕地的不斷減少.分析這三年的土地利用結(jié)果，可以通過(guò)模型對(duì)土地利用趨勢(shì)進(jìn)行預(yù)測(cè)，但是土地利用變化深受人為因素和政策的影響，具有復(fù)雜性；同時(shí)這三年數(shù)據(jù)的時(shí)間跨度較短，對(duì)于預(yù)測(cè)具有局限性.如何在土地利用變化預(yù)測(cè)中選取合適的時(shí)間節(jié)點(diǎn)、綜合考慮人文因素，使預(yù)測(cè)結(jié)果更貼合實(shí)際，更有效，將作為下一步研究的內(nèi)容.

耕地的逐年減少是令人憂慮的問(wèn)題，城市化是當(dāng)代社會(huì)發(fā)展大勢(shì)所趨，但是城市化不能以犧牲耕地為代價(jià).如何在土地資源極其有限的條件下，切實(shí)維護(hù)好人地之間的關(guān)系，協(xié)調(diào)生態(tài)用地與建設(shè)用地之間的矛盾，促進(jìn)人與自然以及人類社會(huì)內(nèi)部和諧發(fā)展，是一項(xiàng)緊迫而現(xiàn)實(shí)的課題.2015年國(guó)土資源部、農(nóng)業(yè)部聯(lián)合下發(fā)《關(guān)于進(jìn)一步做好永久基本農(nóng)田劃定工作的通知》，提出在全國(guó)106個(gè)重點(diǎn)城市周邊開(kāi)展永久基本農(nóng)田劃定工作，將城鎮(zhèn)周邊、交通沿線現(xiàn)有易被占用的優(yōu)質(zhì)耕地優(yōu)先劃定為永久基本農(nóng)田，并制定了更加嚴(yán)格的基本農(nóng)田保護(hù)政策,淄博市也在劃定的范圍之內(nèi).劃定基本農(nóng)田防止耕地“非農(nóng)化”，事關(guān)國(guó)家糧食安全，同時(shí)也對(duì)城市發(fā)展形成倒逼機(jī)制，迫使進(jìn)行城市內(nèi)部挖潛，促進(jìn)城市用地向節(jié)約集約方向發(fā)展，實(shí)現(xiàn)土地資源的可持續(xù)利用.

[1]高凌寒，趙鵬祥，張曉莉，等.基于landsat影像的西寧市主城區(qū)土地利用動(dòng)態(tài)分析及預(yù)測(cè)[J].西北林學(xué)院學(xué)報(bào)，2016，31(6):250-256.

[2]王麗麗.RS和GIS支持下的土地利用/覆蓋變化及驅(qū)動(dòng)力分析[D].阜新：遼寧工程技術(shù)大學(xué)，2008.

[3]吳夢(mèng)紅，楊長(zhǎng)保，林楠.高分辨率遙感影像在土地覆被變化監(jiān)測(cè)中的應(yīng)用[J].科學(xué)技術(shù)與工程，2017，17(22):100-106.

[4]云成，甄小云.中國(guó)遙感應(yīng)用進(jìn)入發(fā)展黃金期——高分二號(hào)衛(wèi)星首批影像圖發(fā)布會(huì)召開(kāi)[J].衛(wèi)星應(yīng)用，2014 (10):58-59.

[5]凌春麗，朱蘭艷，吳俐民.WorldView-2影像林地信息提取的研究與實(shí)現(xiàn)[J].測(cè)繪科學(xué)，2010，35(5):205-207.

[6]陳志勇.基于高分辨率遙感影像的城市土地覆被變化分析研究[D].蘭州：蘭州交通大學(xué)，2013.

[7]劉丹丹,劉江,張玉娟,等.面向?qū)ο蟮亩喑叨雀叻钟跋窠ㄖ锾崛》椒ㄑ芯縖J].測(cè)繪與空間地理信息，2016，39(6):17-20.