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(diǎn)實(shí)驗(yàn)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(lái)汝州市憑借著優(yōu)勢(shì)的地理位置和深厚的文化底蘊(yùn)，經(jīng)濟(jì)發(fā)展迅速，城市擴(kuò)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(duì)未來(lái)氣候和社會(huì)經(jīng)濟(jì)具有明顯的反饋?zhàn)饔肹1]。另外土地利用變化監(jiān)測(cè)對(duì)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(duì)于傳統(tǒng)的土地利用調(diào)查，具有探測(cè)范圍廣，數(shù)據(jù)采集快，數(shù)據(jù)類(lèi)型豐富，數(shù)據(jù)處理方便等優(yōu)點(diǎn)，目前在土地利用變化監(jiān)測(cè)中已經(jīng)得到了廣泛的應(yīng)用。國(guó)內(nèi)外學(xué)者研究方向也各有不同，有的利用多時(shí)相中低分辨率光學(xué)遙感影像對(duì)土地利用變化進(jìn)行監(jiān)測(cè)，有的利用多時(shí)相的高空間分辨率影像對(duì)土地利用分類(lèi)。如葉紅等[2]利用Landsat遙感影像對(duì)鄭州市土地利用景觀格局進(jìn)行分析。其分類(lèi)結(jié)果中，耕地、林地和水體的分類(lèi)效果很好，但由于空間分辨率相對(duì)較低，交通用地、建設(shè)用地的提取效果相對(duì)較差。如陳啟浩等[3]對(duì)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(lèi)。對(duì)于監(jiān)測(cè)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(shí)際問(wèn)題的應(yīng)用，高分影像對(duì)于大面積的宏觀監(jiān)測(cè)，又體現(xiàn)出了數(shù)據(jù)量大，分類(lèi)處理速度慢，數(shù)據(jù)獲取困難等問(wèn)題。也有不少學(xué)者運(yùn)用雷達(dá)數(shù)據(jù)進(jìn)行土地利用分類(lèi)。如王樹(shù)文等[4]對(duì)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(qiáng)，但在土地利用分類(lèi)中總體分類(lèi)精度不夠高，對(duì)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(shì)在于其光譜信息豐富，可以更直觀地區(qū)分地物，對(duì)植被和道路等光譜信息差別較大的區(qū)分能力強(qiáng)。但對(duì)于城市建筑物和道路的區(qū)分度就相對(duì)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(bǔ)光學(xué)信息的不足[5]。因此可以運(yùn)用不同的數(shù)據(jù)源，通過(guò)數(shù)據(jù)融合，結(jié)合各自的優(yōu)點(diǎn)，進(jìn)而提高分類(lèi)精度。針對(duì)光學(xué)影像和SAR影像的融合研究也屢見(jiàn)不鮮。如郭交等[6]將Sentinel-1和Sentinel-2數(shù)據(jù)融合針對(duì)一類(lèi)地物的進(jìn)行研究。對(duì)于具有少量云層的融合圖像，作物分類(lèi)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(duì)Sentinel-1A和Landsat8 OLI運(yùn)用Gram-Schmidt變換方法進(jìn)行影像融合，選取不同的分類(lèi)方法對(duì)融合影像進(jìn)行分類(lèi)，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(lèi)法的分類(lèi)精度要遠(yuǎn)高于傳統(tǒng)分類(lèi)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(yùn)用Gram-Schmidt變換方法進(jìn)行影像融合，然后運(yùn)用支持向量機(jī)的分類(lèi)方法，對(duì)汝州市土地利用進(jìn)行分類(lèi)，并運(yùn)用主成分分析的方法，對(duì)汝州土地利用變化進(jìn)行驅(qū)動(dòng)力分析，以便于更好的對(duì)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(guó)中部經(jīng)濟(jì)實(shí)力20強(qiáng)縣，2018年年末全市總?cè)丝?09.64萬(wàn)人，常住人口96.84萬(wàn)人。近年來(lái)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(shí)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(fèi)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(fèi)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(jì)年鑒等。

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

表2 Sentinel-1影像信息(Level-1級(jí)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(duì)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(yùn)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(lèi)和檢驗(yàn)樣本，運(yùn)用支持向量機(jī)的分類(lèi)方法，對(duì)融合后遙感影像進(jìn)行分類(lèi)，并對(duì)分類(lèi)結(jié)果進(jìn)行精度評(píng)價(jià)(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(lèi)結(jié)果，運(yùn)用ArcGIS空間分析功能對(duì)汝州市土地利用分類(lèi)結(jié)果進(jìn)行變化研究，得出不同地類(lèi)的變化面積以及汝州市土地利用整體的變化趨勢(shì)，并結(jié)合汝州市的DEM數(shù)據(jù)分析各地類(lèi)分布的地理位置。結(jié)合汝州市統(tǒng)計(jì)年鑒數(shù)據(jù)，從社會(huì)經(jīng)濟(jì)角度運(yùn)用主成分分析法對(duì)汝州市土地利用變化驅(qū)動(dòng)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(jì)中常用的方法，它通過(guò)正交化消除冗余信息[8]。一般來(lái)說(shuō)，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(gè)波段；

(2)對(duì)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(guò)計(jì)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(lái)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(guò)匹配的高空間分辨率波段影像作為GS變換后的第一個(gè)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(jī)分類(lèi)

支持向量機(jī)(Support Vector Machines)，簡(jiǎn)稱SVM，是建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的一種新型的機(jī)器學(xué)習(xí)方法。SVM具有結(jié)構(gòu)和經(jīng)驗(yàn)最小化的特點(diǎn)，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(duì)非線性樣本的處理收斂度較好。在遙感圖像分類(lèi)方法中，無(wú)論是運(yùn)算處理速度，還是分類(lèi)結(jié)果精度方面都展現(xiàn)出其優(yōu)勢(shì)[10]。其最優(yōu)分類(lèi)函數(shù)為[11]：

f(x)=sgn[(ω·x)+b]

(1)

常用的核函數(shù)類(lèi)型有：線性核函數(shù)、多項(xiàng)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(shí)具有較好的結(jié)果，尤其對(duì)于土地利用的分類(lèi)更能展現(xiàn)出其處理速度快、分類(lèi)精度高等優(yōu)勢(shì)。因此本文采用徑向基函數(shù)作為SVM的核函數(shù)對(duì)影像進(jìn)行分類(lèi)[12]。

2.4 綜合分析法

土地利用的驅(qū)動(dòng)力分為內(nèi)部驅(qū)動(dòng)力和外部驅(qū)動(dòng)力[13]。內(nèi)部驅(qū)動(dòng)力主要有地理位置、氣候變化等自然因素；外部驅(qū)動(dòng)力主要有人口、政策、經(jīng)濟(jì)等人文因素。內(nèi)部驅(qū)動(dòng)力宏觀上影響著土地利用的空間布局，它的影響是長(zhǎng)期的，具有一定的自然規(guī)律；外部驅(qū)動(dòng)力可以在很短的時(shí)間改變土地利用，并且與人文、經(jīng)濟(jì)、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(gè)指標(biāo)線性轉(zhuǎn)化為若干個(gè)可以充分反映整體信息的獨(dú)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(gè)主成分是多個(gè)指標(biāo)的線性組合。另外其在提取的過(guò)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(jì)發(fā)展指數(shù)作為變量，對(duì)外部驅(qū)動(dòng)力進(jìn)行提取和分析。

3 結(jié)果與分析

3.1 分類(lèi)精度評(píng)價(jià)

經(jīng)過(guò)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(guò)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(shí)相的百度地圖高分影像，在ENVI中選取各地類(lèi)的分類(lèi)和檢驗(yàn)樣本，然后將兩幅影像均用基于SVM的監(jiān)督分類(lèi)進(jìn)行土地利用分類(lèi)，并進(jìn)行精度評(píng)價(jià)。統(tǒng)計(jì)計(jì)算混淆矩陣(表3、4)得出分類(lèi)的整體精度以及各地類(lèi)的分類(lèi)精度。結(jié)果(表5)表明，無(wú)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(lèi)的精度評(píng)價(jià)中(表6)，2018 SAR融合影像分類(lèi)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(lèi)的區(qū)分度有所增強(qiáng)，進(jìn)而提高了分類(lèi)的精度。在分類(lèi)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(duì)其分類(lèi)需結(jié)合紋理信息和幾何信息，而SAR融合影像恰好增強(qiáng)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(lèi)精度仍然較低，這是因?yàn)楹訛┑炔糠值闹参锱c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(lèi)整體精度 %Tab.6 Overall accuracy of each class %

土地類(lèi)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(wú)法較好的分辨。而未融合的反而直接通過(guò)光譜特征直接進(jìn)行分類(lèi)，沒(méi)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(huì)影響到個(gè)別地類(lèi)的分類(lèi)精度。但是大多地類(lèi)分類(lèi)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(lèi)的精度是毋庸置疑的。

3.2 分類(lèi)結(jié)果分析

對(duì)兩期影像的土地利用分類(lèi)結(jié)果進(jìn)行定量化制圖分析，得到2015～2018年汝州市各地類(lèi)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(lèi)的整體變化趨勢(shì)，建設(shè)用地整體呈增加趨勢(shì)，林地面積正在增加，耕地面積逐漸減少，水體的儲(chǔ)存量和徑流量變化較小。

在Arc GIS中對(duì)兩期土地利用圖進(jìn)行疊置分析，通過(guò)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(lái)源是耕地，第三是建設(shè)用地

圖5 2015～2018年汝州市各地類(lèi)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(lái)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(lèi)精度的差異而造成的。水體的分類(lèi)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(chǔ)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(lèi)精度不夠，因此大部分河灘被分為建筑。

由于本次分類(lèi)影像分辨率較低，所以沒(méi)有將草地列為分類(lèi)的類(lèi)別中，因此耕地和林地面積相對(duì)實(shí)際面積會(huì)相對(duì)偏大。但是可以整體的看出土地利用的變化，并且可以通過(guò)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(dòng)力分析

3.3.1 自然因素

自然因素是在長(zhǎng)時(shí)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(duì)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(zhǎng)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(dòng)。

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(guò)查詢?nèi)曛菔?015～2018年的統(tǒng)計(jì)年鑒，統(tǒng)計(jì)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(shuō)明降水豐沛，為林區(qū)樹(shù)木的生長(zhǎng)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(yùn)用ArcGIS軟件，結(jié)合汝州市DEM數(shù)據(jù)對(duì)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(shì)，以及各地類(lèi)的地形分布狀況。汝州市的平均海拔為225 m地勢(shì)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(guò)觀察分析可知市區(qū)的建設(shè)正在向外擴(kuò)張，小部分市區(qū)周?chē)母匕凑帐袇^(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(lèi)活動(dòng)對(duì)土地利用的影響主要是通過(guò)社會(huì)生產(chǎn)活動(dòng)而起作用。社會(huì)經(jīng)濟(jì)和政治文化因素對(duì)于短時(shí)間尺度的土地利用變化起著主要的作用。中國(guó)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?cè)诮鉀Q溫飽問(wèn)題后，開(kāi)始追求土地經(jīng)濟(jì)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(jì)林，使得土地利用逐漸發(fā)生變化。

3.3.2.1 政策因素

中國(guó)將農(nóng)村土地耕地坡度劃分為5個(gè)等級(jí)：≤2°、2°～6°、6°～15°、15°～25°、>25°。根據(jù)中國(guó)《水土保護(hù)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(shí)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(jí)經(jīng)濟(jì)技術(shù)開(kāi)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(gè)國(guó)家級(jí)特色小鎮(zhèn)和小屯鎮(zhèn)、臨汝鎮(zhèn)、寄料鎮(zhèn)3個(gè)國(guó)家級(jí)重點(diǎn)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(duì)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(huì)經(jīng)濟(jì)因素

結(jié)合汝州市2015～2018年統(tǒng)計(jì)年鑒，選取能夠反映社會(huì)經(jīng)濟(jì)發(fā)展進(jìn)程的13個(gè)重要指標(biāo)作為變量：X1年末總?cè)丝?萬(wàn)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(wàn)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(jì)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(gè)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(dòng)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(lái)的農(nóng)產(chǎn)品直接售賣(mài)，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(lái)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(huì)經(jīng)濟(jì)因素為經(jīng)濟(jì)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(qiáng)了建筑和水體的區(qū)分度，提高了土地利用的整體分類(lèi)精度，其中2018年SAR融合影像分類(lèi)的總體精度，Kappa系數(shù)比沒(méi)融合影像分類(lèi)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(yùn)用不同的融合方法對(duì)圖像進(jìn)行融合對(duì)比，并將相應(yīng)的算法集成為簡(jiǎn)單的工具箱，確保算法應(yīng)用的普適性以及理論知識(shí)的共享和實(shí)際應(yīng)用。

(2)在過(guò)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(shuō)明了生態(tài)保護(hù)政策得到了落實(shí)，同時(shí)也守住了耕地面積的紅線；城市面積趨于增長(zhǎng)趨勢(shì)，建設(shè)用地逐漸增加，說(shuō)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(lèi)的類(lèi)別比較寬泛，但是整體的土地利用變化趨勢(shì)及空間分布還是能夠體現(xiàn)出來(lái)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(jì)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(guó)家政策落實(shí)，鄉(xiāng)村振興計(jì)劃逐步實(shí)施，生態(tài)保護(hù)措施加強(qiáng)，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(lái)看，其發(fā)展從整體上呈良好的趨勢(shì)，有完善的規(guī)劃和落實(shí)。從驅(qū)動(dòng)力的視角來(lái)看，汝州市的發(fā)展動(dòng)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(kāi)發(fā)到特色小鎮(zhèn)，進(jìn)而對(duì)土地利用產(chǎn)生影響。此外，轉(zhuǎn)型過(guò)程中城市綠化、生態(tài)保護(hù)等方面還存在一些問(wèn)題，對(duì)此提出以下幾點(diǎn)建議：①以建設(shè)生態(tài)宜居城市為目標(biāo)，對(duì)城市規(guī)劃區(qū)綠化面積加大力度；②對(duì)于水資源要做好保護(hù)，在開(kāi)發(fā)旅游景區(qū)的同時(shí)，制定并落實(shí)相應(yīng)的保護(hù)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(shí)施力度，尤其是山體破壞較為明顯的地區(qū)，更要切實(shí)認(rèn)真實(shí)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(jī)會(huì)，增加農(nóng)民的收入。