基于Landsat影像的土地利用变化分析

来源:用户上传      作者:

　　摘 要：目的：研究確定土地利用/覆被变化分类的方法。方法：基于Landsat遥感影像数据，以淮安市为研究对象，利用ERDAS IMAGINE遥感处理技术和ARCGIS为主要的处理分析工具，以1998年、2006年和2018年3个时间节点，分析1998—2006年、2006—2018年以及1998—2018年淮安市的土地利用/覆盖变化状况，并从土地利用面积、土地利用动态、土地利用空间3个方面进行分析研究。结果：（1）1998—2006年间，淮安市土地利用的变化呈现“两增四减”。耕地及农村用地面积相对分别上涨538.880km2、370.210km2;水体、林地、城镇用地、未利用地面积分别减少101.485km2、85.454km2、174.539km2、547.612km2;（2）2006—2018年间，淮安市土地利用变化呈现“三增三减”。水体、农村用地、城镇用地面积分别增加217.545km2、464.800km2、610.411km2，林地、耕地、未利用地分别下降434.125km2、19.350km2、839.281km2。（3）1998—2018年的20年间，淮安市土地利用变化整体呈现“四增两减”，即：农村用地、水体、耕地、城镇用地面积增加，未利用地、林地面积减少。每种土地类型都有不同数量的相互转化。结论：基于ERDAS IMAGINE遥感处理技术方法是研究土地利用分类的一个有力工具。
　　关键词：土地科学研究方法;土地利用;遥感处理;覆被变化;Landsat
　　中图分类号 P931.1;X37 文献标识码 A 文章编号 1007-7731（2020）07-0101-06
　　Abstract： Objective： to determine the classification method of land use/cover change and study it. Research methods： Based on Landsat remote sensing image data， taking Huai′an City as the research object， using ERDAS Image remote sensing processing technology and ArcGIS are the main processing and analysis tools. Based on the three time nodes of 1998， 2006 and 2018， the land use/cover change of Huai′an City in 1998—2006， 2006—2018 and 1998—2018 is analyzed， and the land use area， land use dynamics and land use space are studied. The results are as follows： （1） from 1998 to 2006， land use change in Huai′an increased by two and decreased by four. The area of cultivated land and rural land increased by 538.880km2 and 370.210km2 respectively; the area of water body， forest land， urban land and unused land decreased by 101.485km2， 85.454km2， 174.539km2 and 547.612km2 respectively; （2） from 2006 to 2018， the land use change of Huai′an City showed three increases and three decreases. The area of water body， rural land and urban land increased by 217.545km2， 464.800km2 and 610.411km2 respectively， while that of forest land， cultivated land and unused land decreased by 434.125km2， 19.350km2 and 839.281km2 respectively. （3） During the 20 years from 1998 to 2018， the overall land use change of Huai′an City showed four increases and two decreases. The area of rural land， water body， cultivated land and urban land increased while the area of unused land and forest land decreased. Each land type has different amount of mutual transformation. Conclusion： the remote sensing technology based on ERDAS image is a powerful tool for land use classification.
　　Key words： Research methods of land science; Land use;Remote sensing processing;Coverage change;Landsat 　　土地利用是人类按照一定的经济与社会目的，采取一系列技术手段，根据土地特点获得物质产品和服务的经济活动，具体表现为土地类型的面积变化、空间分布变化和土地质量变化等。土地利用类型是指土地利用方式相同的土地资源单元，是根据土地利用的地域差异划分的，是反映土地用途、性质及其分布规律的基本地域单位，是人类在改造利用土地进行生产和建设的过程中所形成的各种具有不同利用方向和特点的土地利用类别[1-2]。土地利用和土地覆盖（land use and land cover，LULC）的变化主要驱动因素是全球环境、气候变化的，反应了自然和人为干预下的地表类型自然属性和社会属性的时空差异性[3]。土地利用和覆盖变化导致了很多现象，如森林破碎化，生物多样性丧失和土地退化等，其涉及到多方面可持续发展研究问题[4-6]。
　　关于土地利用/覆被变化（LUCC）分析统计方法，国外学者的研究更趋于成熟。Marwa Waseem A.Halmy[7]等利用对树木的任意分类方式基于Landsat数据进行了研究，用Markov-CA对埃及和西北临近海域的沙漠区进行土地覆被研究;Michael Elias[8]等采取Maximum likelihood classification对Borana牧场分析其驱动力及覆被变化。
　　自1978年起，我国对于土地利用/覆被变化（LUCC）的分析统计方法的研究呈现出多方位、多档次的特点。20年代末，刘纪远院士[9]使用当时最优质的遥感和GIS技术在我国实行的“国家资源环境遥感宏观调查和动态研究”，完成“国家资源环境数据库”的创建，对有特殊特征区域的资源以及其环境变化进行监测分析，以其为前提，来解读国家环境的变化趋势，实验成果显著。如今，我国土地利用/覆被变化（LUCC）的探索已经不再是简单的领域，而是向更深层更长远的角度研究土地覆被变化的因果关系。
　　LULC变化可为林业建设和气候改善提供数据理论支持。森林资源的变化，同时关系着区域性气候变化，因此，监测森林资源的面积变化和空间变化，将为区域性森林经营以及气候改善提供正确指导[10-11]。
　　本研究以淮安市1998、2006、2018年3年的土地利用和覆被变化Landsat遥感数据为研究内容，利用专业遥感处理软件ERDAS IMAGINE和地理信息系统软件ARCGIS为主要的处理分析工具，从时间序列上探讨了淮安市近20年来的土地利用和覆被变化的动态情况。
　　1 样区与方法
　　1.1 研究区概况 淮安市位于江苏省苏北平原的中部，淮河流域下游（32°43′N～34°06′N，118°12′E～119°36′E），全市總面积达1.01万km2。土地形势低且平缓、随处可见的平原，只有在西南区域内有低丘出现。研究区位置如图1。
　　1.2 数据来源 遥感数据源主要采用1998年Landsat-5 TM数据，2006年Landsat-5 TM数据，2018年Landsat 8 OLI-TIRS数据进行多波段融合（表1）。
　　1.3 技术路线 利用RS、GIS和GPS相结合的3S技术思路，对淮安市1998、2006年TM影像及2018年OLI影像进行图像预处理，得到可以使用的影像图后，再进行监督分类，技术路线如图2所示：
　　1.4 遥感图像预处理 使用ERDAS IMAGINE9.2软件对3期Landsat卫星数据进行多波段融合、图像镶嵌、几何校正、图像裁剪等图像预处理，以获得3幅可供后续使用的研究区域完整且可以分辨出地物类型的影像。
　　1.4.1 数据源分析 对土地利用动态变化的研究，采用1个区域的相同季节的不同时相的影像图，以降低因季节不同引起的误差变化。本研究选用的数据为：1998年7月、2006年5月和2018年6月的TM&OLI和TIRS卫星遥感图像，以及淮安市行政区划图。
　　1.4.2 图像预处理
　　1.4.2.1 多波段融合 运用地理空间数据云确定研究区域遥感影像并进行多波段融合。针对Landsat卫星传感器的不同，运用ERDAS IMAGINE软件将各个波段的。tif影像所需波段进行融合处理（图3）。
　　1.4.2.3 研究区域裁剪 运用ARCGIS软件栅格裁剪功能，对研究区1998年、2006年和2018年共3期的影像资料依据行政界线矢量数据进行裁剪，得到研究区域遥感图（图5）。
　　2 遥感信息提取
　　对淮安市土地利用类型进行研究分析，需对适合该区域的土地利用类型分类标准进行确立，进而对其进行科学分类。
　　2.1 土地利用类型的确立 根据《土地利用现状调查技术规程》[12]（全国农业区划委员，1984.9.8）以及《城镇地籍调查规程》[13]（TD/T 1001-1990）分类标准，依据遥感信息确定土地覆被类型，将淮安市土地覆被类型划分为1级地类共6个：水体、耕地、林地、农村用地、城镇用地以及未利用地，并建立“训练区”标志表（表2）。
　　2.2 图像变化信息的提取 遥感图像分类的主要依据是地物的光谱特征，即地物电磁波辐射的多波段测量值，这些测量值可以用作遥感图像分类的原始特征变量。分类是对图像上每个像素按照亮度接近程度给出对应类别，已达到大致区分遥感图像中多种地物的目的[14]。利用遥感影像处理软件，依据上述解译标志，采用监督分类的方法，对1998年、2008年和2018年共3期遥感影像资料进行详细专题遥感分类解译。监督分类步骤如下：创建训练样本、评判样本、认定初级分类图、验证分类成果、分类完毕后进行修整等。
　　2.3 分类结果及结果图的制作
　　2.3.1 分类结果分析 运用随机采样的方式对评判结果进行检验分析。在1998年、2006年和2018年共3期分类结果图中分别随机选取80个点，运用ERDAS IMAGINE软件算出混淆矩阵和Kappa值。检验分析结果表明：在选取的所有地物类型中，准确度最大的为水体，其次为城镇用地和未利用地，最低的为林地和农村用地。造成这一结果的原因是水体基本将光谱完全吸收，水体的形状和分布较为规则，比较容易判别，色泽明显极易与其他地物区分。城镇用地与未利用地判别特征相似，色调相近，两者容易造成混淆。林地与农村用地判读标志类似，农村用地图块分散，多呈红褐色;林地色调多为深红色或浅暗红色，两者容易造成混淆。 　　2.3.2 分类结果图 运用ArcMAP软件，对监督分类结果图添加标题、图例、指北针、比例尺等相关图件要素，分别生成1998年、2006年和2018年共3期淮安市土地利用分类图（图6）。
　　2.4 土地利用总体变化分析
　　2.4.1 土地利用面积变化
　　2.4.1.1 土地利用数量变化分析 根据监督分类提取的土地利用分类图，在ERDAS IMAGINE中分别计算出1998年、2006年和2018年3期各地物的面积，从而获得土地覆被各类地物面积变化情况（表3）。由表3可知：1998—2006年、2006—2018年以及1998—2018年3个研究时段，淮安市土地覆被类型和各类地物的面积发生了极大的改变。
　　从表3可以看出：2006年耕地及农村用地面积较1998年分别上涨538.880km2、370.210km2;水体、林地、城镇用地、未利用地面积分别减少101.485km2、85.454km2、174.539km2、547.612km2;2018年水体、农村用地、城镇用地面积较2006年分别增加217.545km2、464.800km2、610.411km2，林地、耕地、未利用地分别下降434.125km2、19.350km2、839.281km2。研究表明：淮安市2006年以后水资源蓄积量开始上升，这表明江苏省对水资源管理制度有效实施且效果显著;随着人口的不断增长城镇开始逐渐扩大，导致耕地面积减少。
　　对1998—2018年20年间各类地物面积的增减趋势分析表明：淮安市近20年对水资源的保护效果较好，未造成水资源的大面积流失;由于经济发展及人口剧增，淮安市大量开垦未利用地以加快城镇化进程，同时增加了耕地面积，为维持我国基本的人均耕地面积做出了贡献。
　　2.4.1.2 土地利用比例变化分析 土地覆被面积比的变化能反映土地利用方向的改变和发展趋势。对1998年、2006年和2018年3年的各类地物土地覆被面积比进行了分析统计（表4）。由表4可知，近20年来淮安市水体所占比例并无大幅度涨幅，说明该地区水资源保护力度较好，未造成水资源的大面积流失现象。耕地结构比自2006年后呈稳定趋势，农村用地及城镇用地所占比重的上涨幅度较大，而未利用地所占比例迅猛减少，反映出淮安市城乡统筹规划效果显著，经济发展较快，在农村用地及城镇用面积不断增加的情况下，充分利用并开垦未利用地，确保耕地数量的整体稳定，为淮安市未来发展奠定了良好的基础，优化了空间组织结构。
　　2.4.2 土地利用动态 土地利用动态度是分析土地利用变化的重要指标。动态度值的绝对值越大，表示该类地物浮动越大;相反则变化越平稳。分为单一土地利用动态度和综合土地利用动态度。单一土地利用类型动态度是指某研究区一定时间内某种土地利用类型的数量变化情况;综合土地利用动态度是指某研究区一定时间内各种土地利用类型综合变化情况[15-16]。本文分析的是淮安市在特定的3个时期内各类地物的面积转变情况，故选用单一土地利用类型动态度。計算公式为：
　　分析淮安市1998—2018年间大地覆被的各类地物动态度（表5），结果表明：淮安市近20年间土地利用的发展趋势除水体变化趋于平稳外，其他地物均有相对浮动。淮安市水资源保持良好，未出现大面积水源流失;其次，因人口增加，建设用地呈上升趋势，耕地面积也呈现增加趋势，这说明2006年后淮安市实施了保护耕地的举措，使得耕地面积又回归正增长。
　　2.4.3 土地利用空间变化 通过对1998年、2006年和2018年3个时期土地利用图的对比分析（图7），结果表明：受人口增加、政策改变、布局统筹规划等一系列因素影响，淮安市1998—2018年20年间土地利用的空间布局发生了明显变化。城镇用地由小城区逐渐扩大，并不断向市中心聚拢;未利用地不断被开垦利用为耕地、农村用地和城镇用地。截至2018年，淮安市未利用地存量已达到历史最低值。农村用地由以前的散乱且不规则分布，渐渐被统筹划一。
　　3 结论与讨论
　　本研究基于1998年、2006年的TM影像和2018年OLI影像数据，运用ERDAS IMAGINE和ARCGIS软件，对淮安市多年土地利用变化进行了研究分析，得到以下结论：
　　（1）1998—2006年间，淮安市土地利用变化呈现“两增四减”，即农村用地、耕地面积增加，水体、林地、城镇用地、未利用地面积减少。2006—2018年间，淮安市土地利用变化呈现“三增三减”，即水体、农村用地、城镇用地面积增加，林地、耕地、未利用地面积减少。1998—2018年间，淮安市土地利用变化整体呈现“四增两减”，即农村用地、水体、耕地、城镇用地面积增加，未利用地、林地面积减少。
　　（2）近20年间，每种土地类型都有不同数量的相互转化。耕地面积整体呈现增长的趋势，但自2006年以来，耕地总量基本维持不变。为了“耕地红线”不被突破，大量未利用地被改造为耕地、农村用地和城镇用地，部分耕地又被置换为农村用地和城镇用地，以满足城市发展的用地需要;林地整体呈现递减趋势，主要转化为水体用地和农村用地。
　　参考文献
　　[1]张伟，李研君，曹广超.基于RS与GIS的土地利用类型研究与分析[J].测绘，2016，39（01）：33-37.
　　[2]ANDERSON J R，HARDY E E，ROACH J T，et al. A land use and land cover classification system for use with remote sensor data[M]. Washington，D.C.：US Government Printing Office，1976.
　　[3]李梦颖，邢艳秋，王铮，等.基于Landsat影像的土地利用/覆盖变化研究——以吉林省汪清县为例[J].西北林学院学报，2016，31（06）：257-263. 　　[4]朱耀军，郭志华，郭菊兰，等.清澜港湾红树林景观变化过程及周边土地利用/覆盖动态[J].林业科学，2013，49（5）：169-175.
　　[5]Stephen J Walsh，Thomas W Crawford，William F Welsh，Kelley A Crews-Meyer. A multiscale analysis of LULC and NDVI variation in Nang Rong district，northeast Thailand[J]. Agriculture，Ecosystems and Environment，2001，85（1）.47-64.
　　[6]WOLTER P T，JOHNS TON C A，NIEMI G J.Land use landcover change in the us great lakes basin 1992 to 2001[J].Journal of Great Lakes Research，2006，32（3）：607-628.
　　[7]Halmy M W A，Gessler P E，Hicke J A，et al. Land use/land cover change detection and prediction in the north-western coastal desert of Egypt using Markov-CA[J]. Applied Geography，2015，63：101-112.DOI：10.1016/j.apgeog.2015.06.015.
　　[8]Elias M，Hensel O，Richter U，et al. Land Conversion Dynamics in the Borana Rangelands of Southern Ethiopia：An Integrated Assessment Using Remote Sensing Techniques and Field Survey Data[J]. Environments，2015，2（4）：385-387.
　　[9]劉纪远.国家资源环境遥感宏观调查与动态监测研究[J].遥感学报，1997，1（3）：225-230.
　　[10]王吉斌，刘晓双，李才文.基于SPOT影像的四川省剑阁县景观格局现状分析[J].西北林学院学报，2014，29（2）：257-261.
　　[11]FU P，WENG Q.A time series analysis of urbanization induced land use and land cover change and its impact on land surface temperature with Landsat imagery[J].Remote Sensing of Environment，2016，175（2）：205-214.
　　[12]全国农业区划委员（1984.9.8）.土地利用现状调查技术规程[S].1984.
　　[13]TD/T 1001-1990.城镇地籍调查规程[S].1990.
　　[14]信志红，王宁，李峰，等.基于Landsat的黄河口地区土地利用类型研究[J].中国农业资源与区划，2018，39（1）：99-105.
　　[15]周俊霞，刘淑英，王平.武威市凉州区土地利用动态度的时间分异分析[J].贵州农业科学，2011，39（2）：218-221.
　　[16]杨静，庄家尧，张金池.基于RS和GIS的徐州市20年间土地利用变化研究[J].南京林业大学学报（自然科学版），2013，37（2）：85-91.
　　（责编：张宏民）
转载注明来源:https://www.xzbu.com/1/view-15219853.htm