陳培高 張加龍 許冬凡 熊登亮

（1. 西南林業(yè)大學(xué)林學(xué)院，云南 昆明 650233；2. 云南省基礎(chǔ)測(cè)繪技術(shù)中心，云南 昆明 650034）

土地利用和土地覆蓋作為地球表層系統(tǒng)最突出的景觀(guān)標(biāo)志，呈現(xiàn)出與地球表面景觀(guān)相關(guān)的時(shí)間和空間動(dòng)態(tài)過(guò)程[1]。同樣，土地利用和土地覆蓋對(duì)全球氣候、全球循環(huán)、土地的質(zhì)量以及生態(tài)系統(tǒng)等有著重要的影響[2]。隨著現(xiàn)代化和城市化進(jìn)程加快，尤其是建設(shè)用地的擴(kuò)張以及自然用地的衰退，對(duì)生態(tài)環(huán)境造成極大的影響[3]。而檢測(cè)一個(gè)區(qū)域長(zhǎng)期的土地覆蓋變化情況對(duì)于區(qū)域的生態(tài)環(huán)境保護(hù)、發(fā)展方針的制定具有重要的科學(xué)依據(jù)。

目前已有多種有關(guān)時(shí)間變化檢測(cè)的算法，在眾多方法中選擇合適的算法是進(jìn)行變化檢測(cè)的關(guān)鍵步驟。BFAST算法通過(guò)整合迭代來(lái)降低噪聲對(duì)于變化檢測(cè)的干擾，DeVries 等[4]提出此算法并用于檢測(cè)森林?jǐn)_動(dòng)，此方法的結(jié)果雖精度較高，但需要調(diào)整的參數(shù)過(guò)多且不能檢測(cè)出森林的恢復(fù)情況和反復(fù)的擾動(dòng)事件；連續(xù)變化檢測(cè)和分類(lèi)（CCDC）算法常用于檢測(cè)林地變化擾動(dòng)，能準(zhǔn)確識(shí)別發(fā)生變化的林地[5]，但此算法對(duì)于影像的質(zhì)量要求過(guò)高，且不適用于年際變化較大的區(qū)域；CMFDA算法也常用于森林?jǐn)_動(dòng)情況的檢測(cè)，Zhu[6]利用此算法檢測(cè)森林?jǐn)_動(dòng)情況，得到了精度較高的結(jié)果，此方法雖然能準(zhǔn)確地確定擾動(dòng)發(fā)生的時(shí)間，但缺點(diǎn)在于預(yù)處理數(shù)據(jù)的精度要求過(guò)高。上述算法在數(shù)據(jù)處理中均需要相當(dāng)長(zhǎng)的計(jì)算時(shí)間。而在Google Earth Engine （GEE）平臺(tái)上使用LandTrendr算法則具有較高的效率[7]。LandTrendr相比于其他算法有著獨(dú)特的優(yōu)勢(shì)，可以更加全面地檢測(cè)出漸變和突變的事件，不僅能檢測(cè)出植被地物的變化，還能檢測(cè)出非植被地物的變化[6-8]。

香格里拉市地處三江并流區(qū)域，是世界自然遺產(chǎn)地，具有豐富的森林資源，然而近30多年來(lái)，該地區(qū)已成為滇西北土地利用/覆蓋變化最大的區(qū)域之一，是我國(guó)生態(tài)環(huán)境較為脆弱的地區(qū)之一[3,9-10]。目前針對(duì)香格里拉市的長(zhǎng)時(shí)間序列土地覆被變化研究鮮有報(bào)道，本研究基于Landsat時(shí)間序列數(shù)據(jù)并結(jié)合LandTrendr算法以檢測(cè)長(zhǎng)期以來(lái)香格里拉市的土地覆被變化情況，旨在較為準(zhǔn)確地得到香格里拉市土地覆蓋變化情況，為香格里拉市的自然資源管理提供科學(xué)數(shù)據(jù)支持。

1 研究區(qū)概況

香格里拉市是云南省迪慶藏族自治州的下轄市之一，位于云南省的西北部、迪慶藏族自治州的東北部、青藏高原橫斷山脈腹地，地處北緯26°52′～28°52′，東經(jīng)99°22′～100°19′，全市總面積為11 613 km2，是云南省129個(gè)縣（市）中面積最大的縣級(jí)市。香格里拉市境內(nèi)有眾多高山亞高山草甸、沼澤、高原湖泊、河流、高山、水域、森林等自然生態(tài)系統(tǒng)，生境類(lèi)型豐富，是我國(guó)生態(tài)環(huán)境較為脆弱的地區(qū)之一[10]。

2 材料與方法

2.1 數(shù)據(jù)來(lái)源

篩選了1986—2016年條帶號(hào)分別為131/041、132/040、132/041的Landsat Level 2級(jí)別的影像為研究數(shù)據(jù)，傳感器類(lèi)型包括TM、ETM和OLI，共計(jì)1 939景。影像從美國(guó)地質(zhì)調(diào)查局（United States Geological Survey, USGS）地球資源觀(guān)測(cè)與資源中心（EROS）下載（https://glovis.usgs.gov/）。

2.2 土地覆蓋分類(lèi)及變化動(dòng)態(tài)度模型

本研究采取支持向量機(jī)的分類(lèi)方法進(jìn)行土地覆蓋分類(lèi)，將香格里拉市全境分為林地、草地、建設(shè)用地、水體、永久性冰川雪地以及未利用地6種用地類(lèi)型[11]。對(duì)于分類(lèi)結(jié)果，使用基于混淆矩陣的方法進(jìn)行分類(lèi)精度評(píng)估。

土地覆蓋變化動(dòng)態(tài)度指數(shù)考慮到了研究區(qū)不同時(shí)間段內(nèi)土地覆蓋類(lèi)型間的轉(zhuǎn)移，能準(zhǔn)確反應(yīng)整個(gè)區(qū)域土地覆蓋變化的劇烈程度，便于在不同尺度上找出土地覆蓋變化的熱點(diǎn)區(qū)域[12]。

式中：LC 為土地覆蓋變化動(dòng)態(tài)度指數(shù)， ΔLUi-j為i時(shí)刻與j時(shí) 刻的土地覆蓋面積之差，n為總地類(lèi)數(shù)，T為變化總年數(shù)。

2.3 歸一化燃燒指數(shù)

Kennedy等[7]提出，對(duì)于干擾事件敏感性較大的為歸一化燃燒指數(shù)（NBR），而非歸一化植被指數(shù)（NDVI）或是纓帽變化的第3個(gè)分量。NBR可增強(qiáng)較大范圍的火災(zāi)區(qū)域，能夠突出植被變化前后的情況，可以提高因植被數(shù)量變化而造成的裸露地表的提取精度。

式中： NIR 為近紅外波段的反射率值， SWIR2為短波紅外波段的反射率值。

2.4 LandTrendr變化檢測(cè)方法與精度驗(yàn)證

采用LandTrendr時(shí)間分割算法對(duì)影像進(jìn)行處理，通過(guò)算法能得出干擾發(fā)生時(shí)的年份、干擾量、干擾持續(xù)時(shí)間、干擾發(fā)生前的光譜值以及恢復(fù)相關(guān)的信息，核心算法主要包括3個(gè)部分：軌跡分割、簡(jiǎn)化迭代模型以及去除噪聲[6-7,13]。本研究基于GEE平臺(tái)，利用NBR作為L(zhǎng)andTrendr時(shí)間分割算法的光譜數(shù)值，對(duì)香格里拉市進(jìn)行土地覆蓋變化檢測(cè)。主要的控制參數(shù)設(shè)置標(biāo)準(zhǔn)見(jiàn)表1。

表 1 LandTrendr 時(shí)間分割算法主要控制參數(shù)Table 1 Main control parameters of LandTrendr algorithm

采用對(duì)節(jié)點(diǎn)驗(yàn)證的方式對(duì)LandTrendr時(shí)間分割算法的結(jié)果進(jìn)行驗(yàn)證。隨機(jī)選取431個(gè)訓(xùn)練樣本，用于驗(yàn)證LandTrendr算法的精度，并借助Google Earth歷史影像，在土地覆蓋變化發(fā)生的突變時(shí)間前后查看Google Earth歷史影像，目視判別是否土地發(fā)生變化。若土地發(fā)生干擾現(xiàn)象，在突變時(shí)間前后，通過(guò)Google Earth歷史影像驗(yàn)證，得出土地由林地變成裸地或者建筑用地等非林地類(lèi)型，則算法精度準(zhǔn)確。

以北緯27.784 485°，東經(jīng)100.070 757°這塊訓(xùn)練樣本為例，原影像中植被在1986—2007年處于自然生長(zhǎng)狀態(tài)，2008年受到干擾，從2008—2017年植被又緩慢增長(zhǎng)；根據(jù)圖1觀(guān)察其N(xiāo)BR變化，藍(lán)色折線(xiàn)為樣點(diǎn)的NBR值變化軌跡，紅色折線(xiàn)為L(zhǎng)andTrendr擬合后的NBR的變化軌跡。

圖 1 樣點(diǎn)1986—2016年NBR數(shù)值Fig. 1 Sample point NBR value from 1986 to 2016

圖 2 1986—2016年香格里拉市林地干擾和恢復(fù)時(shí)空格局Fig. 2 The temporal and spatial pattern of disturbance and recovery in Shangri-La during 1986-2016

2.5 干擾與恢復(fù)等級(jí)劃分

整理香格里拉市的相關(guān)資料，得出研究區(qū)域內(nèi)的干擾因素主要有人為砍伐、森林火災(zāi)、森林病蟲(chóng)害、地質(zhì)災(zāi)害等[14-16]。干擾、恢復(fù)、穩(wěn)定代表著土地變化的狀態(tài)，只有干擾和恢復(fù)這2種類(lèi)型能根本的改變土地覆蓋類(lèi)型，即發(fā)生干擾和恢復(fù)的區(qū)域是土地覆蓋發(fā)生變化的地方。因此，將香格里拉市的土地覆蓋變化按干擾的嚴(yán)重程度分為嚴(yán)重干擾、中度干擾和輕微干擾3個(gè)級(jí)別；與之相反，按恢復(fù)程度可以分為重度恢復(fù)、中度恢復(fù)以及輕微恢復(fù)3個(gè)等級(jí)。各級(jí)別的分類(lèi)與所對(duì)應(yīng)的dNBR閾值見(jiàn)表2。

表 2 干擾與恢復(fù)等級(jí)劃分Table 2 Definition of different levels of disturbances and recoveries

3 結(jié)果與分析

3.1 土地覆蓋變化分析

使用基于混淆矩陣精度驗(yàn)證的方法對(duì)分類(lèi)結(jié)果進(jìn)行精度驗(yàn)證，得到1986年的總體分類(lèi)精度為86.55%，Kappa系數(shù)為0.836；2016年的總體分類(lèi)精度為86.81%，Kappa系數(shù)為0.836。分類(lèi)精度滿(mǎn)足后續(xù)研究的要求。各類(lèi)型的土地覆蓋面積及變化動(dòng)態(tài)度見(jiàn)表3。

表 3 土地覆蓋類(lèi)型面積匯總表Table 3 Summary of the area of each land cover type

1986年，林地面積最大，占比達(dá)到87.23%，永久性冰川雪地、未利用地與草地的面積相近，3類(lèi)總占比為12%，而水體與建設(shè)用地面積較少。2016年內(nèi)，林地面積仍然最大，占比為84.56%，而永久性冰川雪地、未利用地的面積減少較多，草地、建設(shè)用地與水體面積得以增長(zhǎng)。

1986—2016年，面積減少的地類(lèi)為林地、未利用地與永久性冰川雪地，面積增加的地類(lèi)為草地、建設(shè)用地與水體；未利用地多數(shù)轉(zhuǎn)變?yōu)椴莸兀谰眯员ㄑ┑夭粩嘞趯?dǎo)致水體面積持續(xù)增加，建設(shè)用地以較穩(wěn)定速度持續(xù)增長(zhǎng)。

1986—2016年，林地為香格里拉市最主要的土地覆蓋類(lèi)型，雖面積逐年減少，但仍然是香格里拉最主要的土地覆蓋類(lèi)型，變化動(dòng)態(tài)度在各用地類(lèi)型中最低；而未利用地與永久性冰川雪地是變化動(dòng)態(tài)度最大的土地覆蓋類(lèi)型，此兩類(lèi)土地覆蓋類(lèi)型的減少相對(duì)較為劇烈；草地、水體與建設(shè)用地以較為穩(wěn)定的速率逐年增長(zhǎng)。

3.2 變化檢測(cè)結(jié)果精度驗(yàn)證

基于TimeSync算法，利用Google Earth歷史影像對(duì)1986—2016年LandTrendr 時(shí)間分割算法的結(jié)果進(jìn)行驗(yàn)證，對(duì)431個(gè)隨機(jī)的訓(xùn)練樣本進(jìn)行檢驗(yàn)，驗(yàn)證精度見(jiàn)表4。

表 4 基于隨機(jī)樣點(diǎn)目視判讀的驗(yàn)證精度Table 4 Accuracy assessment result based on random sample points

訓(xùn)練樣本中有166塊土地發(fā)生干擾，144塊土地發(fā)生恢復(fù)以及121塊土地持續(xù)穩(wěn)定狀況。其中，經(jīng)過(guò)目視驗(yàn)證得到發(fā)生干擾的數(shù)量是145個(gè)，發(fā)生恢復(fù)的數(shù)量是121個(gè)，保持穩(wěn)定的數(shù)量是103個(gè)。變化檢測(cè)總體精度為85.62%，Kappa系數(shù)為0.78。在生產(chǎn)者精度方面，干擾生產(chǎn)者精度為87.35%，恢復(fù)生產(chǎn)者精度為84.03%，穩(wěn)定生產(chǎn)者精度為85.12%；在用戶(hù)精度方面，干擾用戶(hù)精度為87.88%，恢復(fù)用戶(hù)精度為87.68%，穩(wěn)定用戶(hù)精度為80.47%。

3.3 干擾與恢復(fù)情況分析

經(jīng)過(guò)LandTrendr時(shí)間分割算法后的變化像元數(shù)量及比例見(jiàn)表5，可見(jiàn)研究區(qū)在31年內(nèi)的林地變化以中度干擾和輕微恢復(fù)為主，整體變化進(jìn)程較為平緩。

表 5 干擾和恢復(fù)數(shù)量及比例Table 5 The number and proportion of disturbances and recoveries

在干擾層面上，嚴(yán)重干擾占據(jù)的比例很小，占總干擾數(shù)的6.93%，而大部分的干擾類(lèi)型為中度干擾，占總干擾數(shù)的81.22%，輕微干擾類(lèi)型占總干擾數(shù)的11.85%。這表明林地的減少主要體現(xiàn)為自然災(zāi)害或者人為擇伐使得茂密林分變?yōu)槭枇址?，林分的自擾衰退也占據(jù)一定比例。

在林地恢復(fù)層面，輕微恢復(fù)類(lèi)型占比95.95%，中度恢復(fù)類(lèi)型占4.05%，無(wú)重度恢復(fù)類(lèi)型。這表明林地的恢復(fù)主要體現(xiàn)為林分的自然生長(zhǎng)，而人為的大面積植樹(shù)造林現(xiàn)象沒(méi)有發(fā)生。

按持續(xù)時(shí)間的不同，統(tǒng)計(jì)香格里拉市恢復(fù)、干擾和無(wú)變化這3種類(lèi)型的面積及占比，見(jiàn)表6。

表 6 按持續(xù)時(shí)間劃分香格里拉市干擾和恢復(fù)類(lèi)型統(tǒng)計(jì)Table 6 Statistics of interference and recovery type by duration in Shangri-La

在1986—2016年，香格里拉市的土地覆蓋未發(fā)生變化的占比為81.62%，發(fā)生持續(xù)恢復(fù)的占比為9.28%，發(fā)生持續(xù)干擾的占比為9.10%，這表明大部分林地未發(fā)生變化，表現(xiàn)為恢復(fù)或者干擾的面積相近。

按持續(xù)時(shí)間來(lái)看恢復(fù)類(lèi)型，恢復(fù)持續(xù)21～31 a為主要的恢復(fù)類(lèi)型，這表明大部分的林地恢復(fù)體現(xiàn)為林分的自然增長(zhǎng)。按持續(xù)時(shí)間來(lái)看干擾類(lèi)型，持續(xù)1～5 a的干擾類(lèi)型面積最大，持續(xù)21～31 a的也較多，這表明香格里拉的林地減少主要體現(xiàn)為自然災(zāi)害、人為砍伐，而林分的自擾衰退也占據(jù)一定比例。

1986—2016年香格里拉市林地干擾和恢復(fù)時(shí)空格局見(jiàn)圖2。由圖2可知，1～5 a的干擾類(lèi)型和21～31 a的恢復(fù)類(lèi)型是香格里拉市土地覆蓋的主要變化類(lèi)型。1～5 a的干擾類(lèi)型在香格里拉市周邊區(qū)域分布較多，而這些區(qū)域多為河谷，農(nóng)業(yè)活動(dòng)更為頻繁，故而發(fā)生較多的干擾；21～31 a的干擾類(lèi)型主要分布于香格里拉市西南部，這一區(qū)域牧場(chǎng)分布較多，故而產(chǎn)生了長(zhǎng)期的干擾；21～31 a的恢復(fù)類(lèi)型在香格里拉市全境均有廣泛的分布，這表明香格里拉市多數(shù)林地資源都得到了較好的保護(hù)，整體呈現(xiàn)自然增長(zhǎng)的趨勢(shì)。

4 結(jié)論與討論

本研究基于Landsat時(shí)間序列數(shù)據(jù)，提取了NBR為參數(shù)，使用LandTrendr算法進(jìn)行變化檢測(cè)，使用TimeSync方法進(jìn)行精度驗(yàn)證，所得結(jié)論如下：

1）1986—2016年，林地、未利用地、永久性冰川雪地面積持續(xù)減少，草地、水體和建設(shè)用地面積持續(xù)增加；林地為香格里拉的主要土地覆蓋類(lèi)型，多年來(lái)面積雖不斷減少，但面積占比始終達(dá)到80%以上。

2）在6類(lèi)土地覆蓋類(lèi)型中，未利用地與永久性冰川雪地的變化動(dòng)態(tài)度最高，分別為-7.19%和-4.76%，林地的變化動(dòng)態(tài)度最低，為-0.11%，其余地類(lèi)變化動(dòng)態(tài)度較為相近；香格里拉土地覆蓋的變化動(dòng)態(tài)度總體較低，土地覆蓋變化過(guò)程較為平緩。

3）香格里拉市的林地變化進(jìn)程較為平緩，大部分林地未發(fā)生變化，在31 a內(nèi)的林地變化以中度干擾和輕微恢復(fù)為主，主要的干擾類(lèi)型為中度干擾，表現(xiàn)為自然災(zāi)害或者人為擇伐使得茂密林分變?yōu)槭枇址郑恢饕幕謴?fù)類(lèi)型為輕微恢復(fù)，表現(xiàn)為林分的自然增長(zhǎng)。

4）香格里拉市林地總面積多年來(lái)持續(xù)減少，按干擾和恢復(fù)的持續(xù)時(shí)間來(lái)看，1986—2016年間林地發(fā)生變化的主要類(lèi)型為持續(xù)1～5 a的干擾和持續(xù)21～31 a的恢復(fù)；自然災(zāi)害與人為采伐的消耗速度遠(yuǎn)大于林分的自然增長(zhǎng)速度，如果不健全林地保護(hù)的措施，林地資源將日益稀少。

在方法上，基于Google Earth Engine平臺(tái)使用LandTrendr算法的確省去了大量的數(shù)據(jù)處理時(shí)間，相較其他模型，能有效地基于長(zhǎng)時(shí)間序列進(jìn)行林地?cái)_動(dòng)分析[13,17-20]。實(shí)驗(yàn)的總體精度為85.615%，Kappa系數(shù)為0.783，保持了良好的精度，研究結(jié)果較為可信。

采用LandTrendr時(shí)間分割算法，并利用NBR作為算法參數(shù)，檢測(cè)土地覆蓋的變化，對(duì)于發(fā)生擾動(dòng)后的恢復(fù)情況探測(cè)更為敏感，尤其是植被覆蓋區(qū)域的變化檢測(cè)效果較好，為森林資源的年度數(shù)據(jù)更新提供了林地的變化量以及地理坐標(biāo)位置，以及為恢復(fù)區(qū)域的植被提供數(shù)據(jù)的支持，同樣給外業(yè)開(kāi)展林地調(diào)查提供一定的參考依據(jù)。

雖然NBR對(duì)于植被的檢測(cè)比較友好，但其對(duì)于建筑物的檢測(cè)存在不足，可以進(jìn)一步對(duì)比其他遙感因子或者其他有針對(duì)性的遙感因子來(lái)進(jìn)行土地覆蓋變化檢測(cè)，比如可以用歸一化建筑指數(shù)（NDBI）來(lái)單獨(dú)檢測(cè)香格里拉城市部分，細(xì)調(diào)LandTrendr算法控制參數(shù)的閾值，以提高中緯高寒地區(qū)的變化檢測(cè)精度。