鄧 飛，王金亮*

(1.云南師范大學(xué) 旅游與地理科學(xué)學(xué)院，云南 昆明 650500；2.云南省高校資源與環(huán)境遙感重點實驗室，云南 昆明 650500；3.云南省地理空間信息技術(shù)工程技術(shù)研究中心，云南 昆明 650500)

0 引言

近年來汝州市憑借著優(yōu)勢的地理位置和深厚的文化底蘊，經(jīng)濟發(fā)展迅速，城市擴張加快，汝州市的土地利用發(fā)生了顯著變化。土地利用變化與生態(tài)環(huán)境變化有密切關(guān)系，深入的研究區(qū)域土地利用變化可以為生態(tài)環(huán)境的研究和治理提供重要依據(jù)，對未來氣候和社會經(jīng)濟具有明顯的反饋作用[1]。另外土地利用變化監(jiān)測對城鄉(xiāng)規(guī)劃、土地資源管理等方面有著重要的意義。

遙感技術(shù)作為新興技術(shù)，相對于傳統(tǒng)的土地利用調(diào)查，具有探測范圍廣，數(shù)據(jù)采集快，數(shù)據(jù)類型豐富，數(shù)據(jù)處理方便等優(yōu)點，目前在土地利用變化監(jiān)測中已經(jīng)得到了廣泛的應(yīng)用。國內(nèi)外學(xué)者研究方向也各有不同，有的利用多時相中低分辨率光學(xué)遙感影像對土地利用變化進(jìn)行監(jiān)測，有的利用多時相的高空間分辨率影像對土地利用分類。如葉紅等[2]利用Landsat遙感影像對鄭州市土地利用景觀格局進(jìn)行分析。其分類結(jié)果中，耕地、林地和水體的分類效果很好，但由于空間分辨率相對較低，交通用地、建設(shè)用地的提取效果相對較差。如陳啟浩等[3]對廣西橫縣某礦區(qū)的高分辨率航空遙感影像進(jìn)行了土地利用分類。對于監(jiān)測某些區(qū)域小范圍的生態(tài)環(huán)境是非常有效的，但基于實際問題的應(yīng)用，高分影像對于大面積的宏觀監(jiān)測，又體現(xiàn)出了數(shù)據(jù)量大，分類處理速度慢，數(shù)據(jù)獲取困難等問題。也有不少學(xué)者運用雷達(dá)數(shù)據(jù)進(jìn)行土地利用分類。如王樹文等[4]對某一地區(qū)ERS-2 PRI數(shù)據(jù)進(jìn)行土地利用的研究。雖然區(qū)分水體與建筑的能力較強，但在土地利用分類中總體分類精度不夠高，對于林地、水體、裸地、耕地等區(qū)分能力較弱。

光學(xué)數(shù)據(jù)的優(yōu)勢在于其光譜信息豐富，可以更直觀地區(qū)分地物，對植被和道路等光譜信息差別較大的區(qū)分能力強。但對于城市建筑物和道路的區(qū)分度就相對較弱，且容易受到外界天氣因素的影響。合成孔徑雷達(dá)SAR數(shù)據(jù)不受外界天氣因素的影響，可以獲取云覆蓋下的圖像信息，并且圖像具有較好的紋理信息，可以彌補光學(xué)信息的不足[5]。因此可以運用不同的數(shù)據(jù)源，通過數(shù)據(jù)融合，結(jié)合各自的優(yōu)點，進(jìn)而提高分類精度。針對光學(xué)影像和SAR影像的融合研究也屢見不鮮。如郭交等[6]將Sentinel-1和Sentinel-2數(shù)據(jù)融合針對一類地物的進(jìn)行研究。對于具有少量云層的融合圖像，作物分類的總體準(zhǔn)確度和Kappa系數(shù)得到極大改善。又如翟天林等[7]對Sentinel-1A和Landsat8 OLI運用Gram-Schmidt變換方法進(jìn)行影像融合，選取不同的分類方法對融合影像進(jìn)行分類，提取研究區(qū)土地利用信息，提取精度較融合之前有很大的提高，其中SVM分類法的分類精度要遠(yuǎn)高于傳統(tǒng)分類法中的最大似然法。

以汝州市為例，將2015～2018年4期Landsat8 OLI和Sentinel-1A遙感影像，運用Gram-Schmidt變換方法進(jìn)行影像融合，然后運用支持向量機的分類方法，對汝州市土地利用進(jìn)行分類，并運用主成分分析的方法，對汝州土地利用變化進(jìn)行驅(qū)動力分析，以便于更好的對該地區(qū)的土地資源管理和環(huán)境改善等方面提供科學(xué)的決策支持。

1 研究區(qū)概況和數(shù)據(jù)源1.1 研究區(qū)概況

汝州市位于河南省中西部。地理坐標(biāo)為北緯33°56′～34°20′，東經(jīng)112°31′～113°07′。北靠巍巍嵩山，南依茫茫伏牛，南北山連綿起伏向中部延伸，形成了丘陵和河川相間的地貌，總面積1 573 km2(圖1)。該地域?qū)倥瘻貛Т箨懶约撅L(fēng)氣候，四季分明，春旱夏雨秋爽冬寒。汝州是汝瓷之都、曲劇故鄉(xiāng)，是中國中部經(jīng)濟實力20強縣，2018年年末全市總?cè)丝?09.64萬人，常住人口96.84萬人。近年來在政府的有力領(lǐng)導(dǎo)下，汝州市的發(fā)展加快了步伐，教育園區(qū)的建立、城市中心的遷移和建設(shè)、鄉(xiāng)村振興政策的落實等使土地利用也發(fā)生變化。

圖1 研究區(qū)地理位置Fig.1 Location of the study area

1.2 數(shù)據(jù)源

從地理空間數(shù)據(jù)云(http：//www.gscloud.cn)免費獲取2015～2018年的Landsat8 OLI影像(表1)；從歐洲航天局Copernicus Open Access Hub(https：//scihub.esa.int)免費下載2015～2018年的Sentinel-1影像(表2)；其他數(shù)據(jù)：汝州市矢量邊界、30 m DEM數(shù)字高程數(shù)據(jù)、百度地圖高分影像、2015～2018年汝州市統(tǒng)計年鑒等。

表1 Landsat8 OLI影像信息(Level-1級數(shù)據(jù))Tab.1 Landsat8 OLI image information(Level-1 data)

表2 Sentinel-1影像信息(Level-1級數(shù)據(jù))Tab.2 Sentinel-1 image information(Level-1 data)

2 研究方法

2.1 技術(shù)路線

分別對Landsat8影像和Sentinel-1影像進(jìn)行數(shù)據(jù)預(yù)處理，將兩種數(shù)據(jù)運用Gram-Schmidt變換方法進(jìn)行影像融合。結(jié)合百度地圖高分影像選擇各期的分類和檢驗樣本，運用支持向量機的分類方法，對融合后遙感影像進(jìn)行分類，并對分類結(jié)果進(jìn)行精度評價(圖2)。

圖2 技術(shù)路線Fig.2 Technical route

綜合2015～2018年的汝州市土地利用分類結(jié)果，運用ArcGIS空間分析功能對汝州市土地利用分類結(jié)果進(jìn)行變化研究，得出不同地類的變化面積以及汝州市土地利用整體的變化趨勢，并結(jié)合汝州市的DEM數(shù)據(jù)分析各地類分布的地理位置。結(jié)合汝州市統(tǒng)計年鑒數(shù)據(jù)，從社會經(jīng)濟角度運用主成分分析法對汝州市土地利用變化驅(qū)動力進(jìn)行分析。

2.2 Gram-Schmidt變換圖像融合

Gram-Schmidt變換是線性代數(shù)和多變量統(tǒng)計中常用的方法，它通過正交化消除冗余信息[8]。一般來說，Gram-Schmidt在大多數(shù)數(shù)據(jù)融合中都比較精確，效果最好的表現(xiàn)在具有相同表面特征的圖像中。

基于GS變換融合SAR影像和多光譜影像的步驟[9]：

(1)使用低空間分辨率的多光譜影像(Landsat8 OLI)模擬高空間分辨率波段影像(Sentinel-1A VV極化)，并使用模擬的高分辨率波段作為GS變換第一個波段；

(2)對模擬的高分辨率波段和低分辨率多光譜影像進(jìn)行GS正變換；

(3)通過計算模擬的高分辨率波段影像和原始的高空間分辨率波段影像的協(xié)方差矩陣來進(jìn)行直方圖匹配，得到匹配后的高空間分辨率波段影像；

(4)將經(jīng)過匹配的高空間分辨率波段影像作為GS變換后的第一個波段，進(jìn)行GS逆變換，即可得到融合的多光譜影像。

2.3 支持向量機分類

支持向量機(Support Vector Machines)，簡稱SVM，是建立在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上的一種新型的機器學(xué)習(xí)方法。SVM具有結(jié)構(gòu)和經(jīng)驗最小化的特點，在有限樣本的前提下使樣本之間的分離程度最大化，并且對非線性樣本的處理收斂度較好。在遙感圖像分類方法中，無論是運算處理速度，還是分類結(jié)果精度方面都展現(xiàn)出其優(yōu)勢[10]。其最優(yōu)分類函數(shù)為[11]：

f(x)=sgn[(ω·x)+b]

(1)

常用的核函數(shù)類型有：線性核函數(shù)、多項式函數(shù)、徑向基函數(shù)、sigmoid核函數(shù)。由于徑向基函數(shù)在處理多維數(shù)據(jù)時具有較好的結(jié)果，尤其對于土地利用的分類更能展現(xiàn)出其處理速度快、分類精度高等優(yōu)勢。因此本文采用徑向基函數(shù)作為SVM的核函數(shù)對影像進(jìn)行分類[12]。

2.4 綜合分析法

土地利用的驅(qū)動力分為內(nèi)部驅(qū)動力和外部驅(qū)動力[13]。內(nèi)部驅(qū)動力主要有地理位置、氣候變化等自然因素；外部驅(qū)動力主要有人口、政策、經(jīng)濟等人文因素。內(nèi)部驅(qū)動力宏觀上影響著土地利用的空間布局，它的影響是長期的，具有一定的自然規(guī)律；外部驅(qū)動力可以在很短的時間改變土地利用，并且與人文、經(jīng)濟、產(chǎn)業(yè)發(fā)展有著密切關(guān)系。

主成分分析是將原始多個指標(biāo)線性轉(zhuǎn)化為若干個可以充分反映整體信息的獨立指標(biāo)，有利于進(jìn)一步分析[14]。在主成分分析中，提取的每個主成分是多個指標(biāo)的線性組合。另外其在提取的過程中，盡可能地保留了原始變量的信息，且保證彼此不相關(guān)。使用SPSS 20.0軟件集成的主成分分析工具，選取一定量的經(jīng)濟發(fā)展指數(shù)作為變量，對外部驅(qū)動力進(jìn)行提取和分析。

3 結(jié)果與分析

3.1 分類精度評價

經(jīng)過預(yù)處理的Landsat8 OLI全色和多光譜融合后的15 m分辨率的影像(圖3)，經(jīng)過預(yù)處理后的Sentinel-1A VV極化波段與Landsat8 OLI多光譜融合后的10 m分辨率的影像(圖4)。

圖3 2018年OLI全色和多光譜融合影像Fig.3 2018 OLI pan and multi-spectral fusion image

圖4 2018年VV極化與OLI多光譜融合影像Fig.4 2018 VV polarization and OLI multispectral fusion image

參考相同時相的百度地圖高分影像，在ENVI中選取各地類的分類和檢驗樣本，然后將兩幅影像均用基于SVM的監(jiān)督分類進(jìn)行土地利用分類，并進(jìn)行精度評價。統(tǒng)計計算混淆矩陣(表3、4)得出分類的整體精度以及各地類的分類精度。結(jié)果(表5)表明，無論是總體精度還是Kappa系數(shù)2018年SAR融合影像比2018年全色融合影像分別高出1.45%、0.019 7。另外不同地類的精度評價中(表6)，2018 SAR融合影像分類中耕地、林地和建設(shè)用地整體精度都有較小提高，這就是結(jié)合了SAR影像后影像在建筑物與耕地等地類的區(qū)分度有所增強，進(jìn)而提高了分類的精度。在分類樣本選取中，發(fā)現(xiàn)裸地的光譜反射率與建筑極為相似，因此對其分類需結(jié)合紋理信息和幾何信息，而SAR融合影像恰好增強了這方面的特征，裸地的生產(chǎn)者精度較融合前提高了10.31%。但裸地的分類精度仍然較低，這是因為河灘等部分的植物與耕地以及山區(qū)砂石裸地與建筑物在影像上很難分辨。

表3 2018年OLI全色和多光譜融合影像混淆矩陣Tab.3 2018 OLI pan and multi-spectral fusion image confusion matrix

表4 2018年VV極化與OLI多光譜融合影像混淆矩陣Tab.4 2018 VV polarization and OLI multispectral fusion image confusion matrix

表5 整體精度指數(shù)Tab.5 Overall accuracy index

表6 各地類整體精度 %Tab.6 Overall accuracy of each class %

土地類型“其他”是影像云層覆蓋區(qū)，融合后的影像，生產(chǎn)者精度高達(dá)99.03%，但是用戶精度較低，這是由于融合后，云層的陰影部分與建設(shè)用地的特征相似，無法較好的分辨。而未融合的反而直接通過光譜特征直接進(jìn)行分類，沒有多特征的影響，因此融合有利也有弊，特征維數(shù)增加可能會影響到個別地類的分類精度。但是大多地類分類結(jié)果精度還是比融合前要高。因此融合后的影像能提高整體分類的精度是毋庸置疑的。

3.2 分類結(jié)果分析

對兩期影像的土地利用分類結(jié)果進(jìn)行定量化制圖分析，得到2015～2018年汝州市各地類面積變化圖(圖5)。從土地利用變化圖可以看出汝州市各地類的整體變化趨勢，建設(shè)用地整體呈增加趨勢，林地面積正在增加，耕地面積逐漸減少，水體的儲存量和徑流量變化較小。

在Arc GIS中對兩期土地利用圖進(jìn)行疊置分析，通過分析屬性表得到2015～2018年汝州市土地利用變化的轉(zhuǎn)移矩陣(表7)，從表中可知2015～2018年土地利用變化很大，其中變化量最大的是耕地從922.46 km2減少到755.55 km2，主要轉(zhuǎn)化成林地和建設(shè)用地，其次是林地從400.97 km2增加到530.66 km2，主要來源是耕地，第三是建設(shè)用地

圖5 2015～2018年汝州市各地類面積

Fig.5 Regional area of Ruzhou City from 2015 to 2018

從232.20 km2增加到261.96 km2，主要來源是耕地，但是2015～2018年建設(shè)用地不變的面積卻只有170.14 km2，這是兩期分類精度的差異而造成的。水體的分類結(jié)果變化率最大，其中有將近1/4的面積都轉(zhuǎn)化為建設(shè)用地，這是由于近幾年汝河的儲水量以及徑流量較小，河灘面積較大，而河灘的影像特征又與建筑物相似，分類精度不夠，因此大部分河灘被分為建筑。

由于本次分類影像分辨率較低，所以沒有將草地列為分類的類別中，因此耕地和林地面積相對實際面積會相對偏大。但是可以整體的看出土地利用的變化，并且可以通過轉(zhuǎn)移矩陣量化分析土地利用變化的面積，提供較為科學(xué)的依據(jù)。

表7 2015～2018年汝州市土地利用變化轉(zhuǎn)移矩陣Tab.7 Land use change transfer matrix of Ruzhou City in 2015-2018 km2

3.3 驅(qū)動力分析

3.3.1 自然因素

自然因素是在長時間尺度上影響著土地利用的變化，其中氣候、地形、土壤、水文等都是重要的因子。雖然自然因素對短期的土地利用變化影響較小，但卻與土地利用的分布有著密不可分的聯(lián)系，人們最擅長的就是因地制宜，在不同的地形進(jìn)行相應(yīng)的生產(chǎn)活動。

3.3.1.1 氣候因素

受經(jīng)緯度和地形的影響，特定的區(qū)域有著別具一格的區(qū)域性氣候，通過查詢?nèi)曛菔?015～2018年的統(tǒng)計年鑒，統(tǒng)計出了汝州市2015～2018年年平均氣溫和降水量(表8)，年平均氣溫溫和，平均年降水量也逐年增加，說明降水豐沛，為林區(qū)樹木的生長提供了有利的自然條件，林地的面積也從2015年的400.97 km2增加到2018年的530.66 km2。

表8 年平均氣溫及降水量變化Tab.8 Annual average temperature and precipitation changes

3.3.1.2 地理因素

運用ArcGIS軟件，結(jié)合汝州市DEM數(shù)據(jù)對土地利用進(jìn)行坡度和坡向可視化分析，得到2015～2018年的土地利用暈渲圖(圖6、7、8、9)，可以清楚地看汝州市土地利用的整體變化趨勢，以及各地類的地形分布狀況。汝州市的平均海拔為225 m地勢整體較為平緩，在坡度小、海拔低的平緩地區(qū)耕地和建設(shè)用地分布較廣，在坡度大、海拔高的

圖6 2015年土地利用暈渲圖Fig.6 2015 land use shading map

圖7 2016年土地利用暈渲圖Fig.7 2016 land use shading map

圖8 2017年土地利用暈渲圖Fig.8 2017 land use shading map

圖9 2018年土地利用暈渲圖Fig.9 2018 land use shading map

地方林地分布較廣。通過觀察分析可知市區(qū)的建設(shè)正在向外擴張，小部分市區(qū)周圍的耕地按照市區(qū)的規(guī)劃變?yōu)榻ㄔO(shè)用地；耕地逐年減少，坡度較大的地區(qū)的耕地逐漸變成林地，北部、東北部以及西南部山區(qū)變化最為明顯。林地逐年增加，并且多分布在坡度較大的地方。

3.3.2 人文因素

人類活動對土地利用的影響主要是通過社會生產(chǎn)活動而起作用。社會經(jīng)濟和政治文化因素對于短時間尺度的土地利用變化起著主要的作用。中國城鎮(zhèn)化的腳步不斷加大，汝州市的城鎮(zhèn)化的速度也日趨加快，人們在解決溫飽問題后，開始追求土地經(jīng)濟效益，大到政府小到家庭都知道農(nóng)業(yè)的收益遠(yuǎn)低于比工業(yè)和服務(wù)業(yè)，因此政府?dāng)U大投資規(guī)模，規(guī)劃土地布局，而部分農(nóng)民轉(zhuǎn)租土地外出務(wù)工，或是旱地退耕種植經(jīng)濟林，使得土地利用逐漸發(fā)生變化。

3.3.2.1 政策因素

中國將農(nóng)村土地耕地坡度劃分為5個等級：≤2°、2°～6°、6°～15°、15°～25°、>25°。根據(jù)中國《水土保護法》，坡度在25度以上的耕地應(yīng)逐步將退耕還林還草。而汝州市坡度較大的地區(qū)也占到了一定的比重，并且大部分都是臨時性耕地，按照政策都應(yīng)該逐步退耕。

在汝州市城鄉(xiāng)規(guī)劃的“1573”全域發(fā)展戰(zhàn)略中，建設(shè)全域一體、宜業(yè)宜游的現(xiàn)代化區(qū)域性中心城市，打造省級經(jīng)濟技術(shù)開發(fā)區(qū)、商務(wù)中心區(qū)、科技教育園區(qū)等“七大園區(qū)”，規(guī)劃建設(shè)老城片區(qū)、新城片區(qū)、產(chǎn)城片區(qū)三大片區(qū)，使得建設(shè)用地的面積不斷增加；另外汝瓷小鎮(zhèn)、溫泉小鎮(zhèn)、云禪小鎮(zhèn)3個國家級特色小鎮(zhèn)和小屯鎮(zhèn)、臨汝鎮(zhèn)、寄料鎮(zhèn)3個國家級重點鎮(zhèn)的建設(shè)，成為了土地利用變化的重要政策因素，各鄉(xiāng)鎮(zhèn)對土地利用進(jìn)行了整體的配置，建設(shè)用地、耕地和林地都隨著小鎮(zhèn)的建設(shè)而發(fā)生較大變化。

3.3.2.2 社會經(jīng)濟因素

結(jié)合汝州市2015～2018年統(tǒng)計年鑒，選取能夠反映社會經(jīng)濟發(fā)展進(jìn)程的13個重要指標(biāo)作為變量：X1年末總?cè)丝?萬人、X2人均GDP/元、X3第一產(chǎn)業(yè)占GDP比重/%、X4第二產(chǎn)業(yè)占GDP比重/%、X5第三產(chǎn)業(yè)占GDP比重/%、X6城鎮(zhèn)人口數(shù)、X7農(nóng)村人口數(shù)、X8糧食總產(chǎn)量/萬噸、X9林業(yè)產(chǎn)值/億元、X10農(nóng)業(yè)總產(chǎn)值/億元、X11牧業(yè)總產(chǎn)值/億元、X12城鎮(zhèn)居民人均純收入/元、X13農(nóng)民人均純收入/元。這些指標(biāo)與土地的變化有著密切的聯(lián)系。

利用SPSS 20.0軟件計算得到特征值及各成分貢獻(xiàn)率(表9)及旋轉(zhuǎn)后的主成分載荷矩陣(表10)。從表9可以看出，第一、第二和第三主成分的累積貢獻(xiàn)率已達(dá)到100%，表明前3個成分提供了原始數(shù)據(jù)的充分信息并完全滿足分析要求。從表10可以看出：第一主成分與X5，X12的相關(guān)性最大，與X1，X2，X6，X13也有較大的相關(guān)性，與X7呈較大的負(fù)相關(guān)；第二主成分與X10具有較大的正相關(guān)性；第三主成分與X11有較大的相關(guān)性。

城鎮(zhèn)化進(jìn)程加快，農(nóng)村人口逐年減少，勞動力轉(zhuǎn)移，進(jìn)而導(dǎo)致耕地面積減少；產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，從原來的農(nóng)產(chǎn)品直接售賣，到現(xiàn)在逐步向特色產(chǎn)品加工、餐飲業(yè)、旅游業(yè)等第三產(chǎn)業(yè)的發(fā)展；人均收入逐年提升，人們的生活水平也在逐步提高，農(nóng)民的主要收入來源也從糧食收入轉(zhuǎn)變成打工收入。綜上，影響汝州市的土地利用變化的社會經(jīng)濟因素為經(jīng)濟發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、農(nóng)業(yè)結(jié)構(gòu)調(diào)整等城鎮(zhèn)化進(jìn)程。

表9 特征值及各成分貢獻(xiàn)率Tab.9 Characteristic values and contribution rates of each component

表10 主成分荷載矩陣Tab.10 Principal component load matrix

4 結(jié)論與討論

(1)多光譜影像與SAR影像融合后的影像不僅具有多光譜影像的光譜信息，還融合了SAR影像的紋理信息，使融合后的影像特征更加豐富，增強了建筑和水體的區(qū)分度，提高了土地利用的整體分類精度，其中2018年SAR融合影像分類的總體精度，Kappa系數(shù)比沒融合影像分類分別提高1.45%、0.0197。但是融合方法較為單一，融合精度還有待提高，因此后面可以將研究方向轉(zhuǎn)向運用不同的融合方法對圖像進(jìn)行融合對比，并將相應(yīng)的算法集成為簡單的工具箱，確保算法應(yīng)用的普適性以及理論知識的共享和實際應(yīng)用。

(2)在過去4年中，汝州市的土地利用發(fā)生了較大的變化，耕地面積明顯減少，尤其是坡度較大的地區(qū)，林地面積逐漸增加，這說明了生態(tài)保護政策得到了落實，同時也守住了耕地面積的紅線；城市面積趨于增長趨勢，建設(shè)用地逐漸增加，說明城市化進(jìn)程正在逐步加快。由于影像空間分辨率的限制，本研究分類的類別比較寬泛，但是整體的土地利用變化趨勢及空間分布還是能夠體現(xiàn)出來的。

(3)根據(jù)主成分分析的結(jié)果，可以得到汝州市近4年的經(jīng)濟發(fā)展迅速、第三產(chǎn)業(yè)比重逐年增加、城鎮(zhèn)化率正在逐年增加、農(nóng)村人口正在逐年減少、人們的生活水平在逐漸提升，這些都和國家政策落實，鄉(xiāng)村振興計劃逐步實施，生態(tài)保護措施加強，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等息息相關(guān)。這些因素與土地利用變化都有著直接的關(guān)系。

(4)從汝州市的土地利用變化情況來看，其發(fā)展從整體上呈良好的趨勢，有完善的規(guī)劃和落實。從驅(qū)動力的視角來看，汝州市的發(fā)展動力正在轉(zhuǎn)型，從第一產(chǎn)業(yè)向第二、三產(chǎn)業(yè)，從房地產(chǎn)開發(fā)到特色小鎮(zhèn)，進(jìn)而對土地利用產(chǎn)生影響。此外，轉(zhuǎn)型過程中城市綠化、生態(tài)保護等方面還存在一些問題，對此提出以下幾點建議：①以建設(shè)生態(tài)宜居城市為目標(biāo)，對城市規(guī)劃區(qū)綠化面積加大力度；②對于水資源要做好保護，在開發(fā)旅游景區(qū)的同時，制定并落實相應(yīng)的保護政策，維持當(dāng)?shù)氐纳鷳B(tài)平衡；③加大退耕還林政策的實施力度，尤其是山體破壞較為明顯的地區(qū)，更要切實認(rèn)真實施；④鄉(xiāng)村振興戰(zhàn)略要因地制宜，發(fā)展和引進(jìn)先進(jìn)的農(nóng)業(yè)生產(chǎn)資料，為農(nóng)業(yè)結(jié)構(gòu)調(diào)整、第三產(chǎn)業(yè)的發(fā)展提供支持，進(jìn)而為農(nóng)民提供更多的就業(yè)機會，增加農(nóng)民的收入。