基于高分辨率遥感影像的张店区土地利用变化研究

赵剑桥

(中国农业大学 信息与电气工程学院，北京 100083)

土地利用与土地覆盖变化是20世纪90年代以来全球变化与探讨的重要内容[1]，其中，土地利用主要表现为土地用途转移和土地利用集约度的变化，侧重于土地的经济属性；土地覆盖主要表现为土地质量与类型的变化和土地属性的转变，侧重于土地的自然属性[2].无论侧重于哪个角度，土地类型的变化都深受人类活动的影响.

土地利用变化的动态监测，能够有效反映土地利用情况的变化程度，从而为土地管理提供决策依据，适时调节土地规划整治力度.随着GIS和RS技术的发展，为土地利用研究提供了丰富的数据源和研究手段，也是当前土地利用研究的主流方向.遥感影像具有周期短、现实性强、可信度高等优势，可直接作为土地利用的信息数据源，而GIS为土地利用数据提供强大的收集、整理、分析等功能.尤其是近些年，出现了各类高分辨率影像，为土地利用研究提供了较为理想的数据源.高分辨率遥感影像弥补了低分辨率影像的缺憾，提供了更为细致准确的地物的纹理、形状、大小、颜色等特征信息，提高了未知地物的区分度，提取得到的土地覆被信息更具精确性与现势性[3].在影像对象分类上，目前常用的方法是“监督分类”和“基于规则(知识)分类”.其中，基于规则(知识)分类是根据影像对象的属性和阈值来设定规则进行分类，主要有传统基于光谱的分类方法、基于专家知识决策树的分类方法和面向对象的分类方法.面向对象的分类方法主要适用于高分辨率多光谱的影像，其能综合考虑光谱、结构、纹理等多种因素，有效提升高分辨率遥感影像的分类精度，具有较好的分类效果.

本研究主要从城市发展中土地类型变化进行分析，侧重于土地的经济属性，所以选择土地利用变化角度进行研究.以淄博市张店区的2011年、2013年WorldView-2高分影像和2016年高分二号(GF-2)影像数据作为数据源，采用面向对象的高分辨率遥感影像多尺度分类方法，提取地物分类信息，分析张店区2011年到2016年土地利用变化情况.

1 研究区概况

张店区位于北纬36°4′30″-36°54′00″，东经117°55′40″-118°12′20″，位于山东省淄博市中部，是淄博市的中心城区，是淄博市的政治、经济、文化、金融和科技中心.

张店区位于淄博向斜盆地东麓的北缘，处于低山丘陵区向黄泛平原过渡地带，总的地势东高西低，南高北低，较为平缓.平原面积占全区土地总面积的72.43%.东北部有一呈北东走向的山体，主峰为黑铁山，海拔高度254.6 m，为张店区最高山峰.境内有孝妇河、猪龙河、涝淄河、漫泗河等主要河流，除猪龙河西北向外，其余均为过境北向河流.

张店区地处暖温带季风型半干燥半湿润大陆性气候区，季节变化显著，四季分明，雨量集中，气候温和.境内常年平均气温为12.9 ℃，年均降水量621.8 mm，年日照时数平均为2553.6 h，年平均无霜期为190 d，光照充足，热量充沛，气候适宜.农业一年两收，主要以冬小麦和玉米为主，2014年，全区农作物播种面积为4 165.87 hm2，其中粮食作物播种面积为3 881.07 hm2.

2 遥感数据

WorldView-2卫星是由美国DigitalGlobe公司于2009年10月发射成功的，能提供分辨率为0.5 m的全色影像和8个波段的1.8 m多光谱影像.GF-2卫星是我国自主研制的首颗空间分辨率优于1 m的民用光学遥感卫星，于2014年8月成功发射，能提供分辨率为1 m的全色影像和4个波段的分辨率为4 m多光谱影像[4]. 国产GF-2具高分辨率，对地物信息展示更清楚、更稳定，为地物信息的高精度提取提供了新的契机.WorldView-2和GF-2遥感影像数据主要参数见表1.本研究主要选用的数据为2011年11月14日、2013年11月5日WorldView-2遥感影像和2016年11月10日GF-2遥感影像.11月份张店区正值秋末冬初，天空晴朗，云雾稀少，耕地农作物主要以冬小麦为主，较易区分.

表1 WorldView-2和GF-2遥感影像数据主要参数Tab.1 Main parameters of WorldView-2 and GF-2 remote sensing image

3 数据处理和分类方法

3.1 数据处理

利用ENVI软件分别将WorldView-2和GF-2影像进行多光谱和全色分辨率融合，得到0.5m和1m空间分辨率的融合影像.

以张店区地形图为基准对三幅影像图进行几何纠正，选择投影为UTM投影，带宽为3，代号为39.

以张店区矢量行政界线图为范围，对影像进行裁剪，得到研究区影像,如图1、图2、图3所示.

图2 裁剪后的张店区2013年WorldView-2影像图Fig.2 Post-crop WorldView-2 image of 2013 Zhangdian district

图3 裁剪后的张店区2016年GF-2影像图Fig.3 Post-crop GF-2 image of 2016 Zhangdian district

3.2 分类方法

3.2.1 植被和耕地提取

由于植被在红波段具有比较强的吸收能力，而且在近红外波段又具有较强的反射，因此能够通过归一化植被指数(NDVI)对植被进行提取[5].

张店区11月份绿色植被尚绿，农作物和其他植被不易区分，但农作物生长在耕地上，会有一定的形状规则，一般为矩形，可以通过几何特征将耕地农作物和其他植被进行区分提取，耕地农作物的面积将作为耕地面积进行提取.

WorldView-2影像中选择第5波段和第7波段，GF-2影像选择第3波段和第4波段进行NDVI运算，NDVI值为正值便为植被覆盖区，耕地可以根据分割后对象紧致度(C)来进行提取，即C=Lv·Wy/#Pv(C为紧致度，Lv为分割对象长度，Wy为分割对象宽度，#Pv为分割后对象像元总数)，此时选择分割尺度为25，颜色参数为0.9，形状参数为0.1.

3.2.2 水系提取

对于水体而言，在近红外波段吸收最强，在绿波段反射最强，可以利用归一化水体指数(NDWI)对水体进行提取.

WorldView-2影像中选择第3波段和第8波段，GF-2影像选择第2波段和第4波段进行NDWI运算，将提取的植被信息进行掩膜处理，在非植被区进行再分割，利用NDWI提取水体信息.分割尺度设定为120，颜色参数为0.2，形状参数为0.8.

3.2.3 道路提取

道路主要是一条狭长的区域，可以通过分割对象的形状信息对道路进行提取[6]，利用分割影像的长宽比(L/W)来判断道路.分割尺度设定为100，颜色参数为0.2，形状参数为0.8.

3.2.4 建筑物提取

建筑物提取是解译中比较困难的部分，建筑物形状、光谱特征，相差各异，不易提取或提取误差较大.本研究的主要目的是分析土地利用变化情况，建筑物的多少与面积并不是最终需要的结果，可以通过获取建筑物来判断城市位置，通过人工修补的方法获得最终建设用地面积.

对于高亮建筑，利用其在影像中发白发亮的特点，利用高亮度Brightness这一光谱特征，设置阈值进行提取；对于蓝色房顶和红色房顶的建筑利用其在单个波段上高反射的特点，利用波段均值设定阈值进行提取[7]；对于形状规则的建筑，利用其几何特性进行提取.分割尺度设定为100，颜色参数为0.4，形状参数为0.6.

3.2.5 提取精度评价

在原始影像上随机抽取测试样本，选取的测试样本要分布均匀，数量充足，以提取土地类型为基础，每个类型选100个，将测试样本与提取图层进行叠加，计算误差矩阵，判断提取精度.

3.2.6 解译结果修正

将各提取图层与原始影像进行叠合，结合目视解译法对解译结果进行人工检查修正，旨在去除明显解译错误，提高影像解译的精度.检查修正过程中主要做好4项工作：一是去除解译建成区中的耕地.主要是由于一些蓝色和绿色房顶的建筑物会在植被提取中一并被提出.二是补录属性明显的耕地.部分耕地属性明显，但由于形状不规则而未被提取.三是去除道路提取图层中被一并提取的建筑物.四是将提取的建筑物作为定位基础，结合原始影像，利用人工补绘和区域合并得到建设用地范围.

4 结果分析

4.1 提取精度分析

表2 精度评价统计表Tab.2 Statistical table of accuracy evaluation

通过测试样本与提取样本进行对比，得到提取精度，见表2.2011年、2013年和2016年的提取地物总精度分别为86.56%、84.69%和83.89%，Kappa系数分别为0.82、0.80和0.77，表明提取地物和实际地物具有高度的一致性，可以进行分析.

4.2 土地利用变化情况

利用面向对象多尺度提取方法，经过整理得到张店区2011年、2013年和2016年土地利用分类图，如图4、图5、图6，并得到三年的土地利用类型面积及其所占比例，见表3.

通过三年的分类结果图可以看出，张店区2011年建设用地面积为165.81 km2，占全区土地利用面积的46.01%以上；2013年建设用地面积为172.48 km2，占全区土地利用面积的47.87%以上，较2011年增加6.67 km2，增长了4.02%；2016年全区建设用地总面积为183.37 km2，占到全区土地利用面积的一半以上，较2013年增加了10.89 km2，增长了6.31%，与2011—2013年相比，增长有所加快.

图4 张店区2011年土地利用分类图Fig.4 Land use type map of Zhangdian district in 2011

图5 张店区2013年土地利用分类图Fig.5 Land use type map of Zhangdian district in 2013

图6 张店区2016年土地利用分类图Fig. 6 Land use type map of Zhangdian district in 2016

表3 张店区2011年、2013年和2016年土地利用类型面积及所占比例Tab.3 Land use type area and proportion of Zhangdian district in 2011,2013 and 2016

伴随着城市的不断扩张，作为基础设施的道路用地也在不断增长，2011年道路占地21.91 km2，占全区土地利用面积的6.08%；2013年道路占地为22.21 km2，占全区土地利用面积的6.16%，较2011年增加0.3 km2，增长了1.37%；2016年道路占地面积为23.42 km2，占全区土地利用面积的6.50%，较2013年增加1.21 km2，增长5.45%，与2011—2013年相比，增长明显加快.

通过三年的土地利用分类结果图，可以看出建设用地和道路用地扩张的主要方向是往西，这是淄博市西部新城发展战略的结果.城市扩张的结果是耕地的减少，2011年张店区耕地面积为135.29 km2，占到全区面积的37.54%；2013年耕地面积为128.18 km2，占到全区面积的35.57 %，较2011年减少7.11 km2，减少了5.26%；到2016年随着城市的扩张，张店区耕地面积减少至117.43 km2，仅占到全区面积的32.59%，较2013年又减少10.75 km2，减少了8.39%.

从分类结果看，水体、植被以及其他土地利用类型变化不大，水体面积略微有所增加，这与近几年政府注重水资源保护有关.

4.3 耕地减少的去向

将两年的土地利用分类结果进行叠加，可得到土地利用变化矩阵，分析土地利用变化情况.利用MapGIS软件的空间分析功能，将2011年与2013年、2013年与2016年土地利用类型图进行空间合并运算，通过属性统计得到2011年到2013年、2013年到2016年土地利用变化矩阵，见表4、表5.土地利用类型中变化最大的是耕地和建设用地，可以用变化矩阵来分析耕地减少的去向和建设用地的增加来源.

从转换矩阵可以看出，除了对角线上土地类型保持不变的地类以外，耕地减少的去向主要是建设用地的增加.从2011年到2013年以及2013年到2016年土地利用类型变换最大的是转化为建设用地的耕地.2011年到2013年有6.75 km2的耕地转换为建设用地，占这两年耕地减少的91.59%，占建设用地增加的97.54%；2013年到2016年这个数字为10.83 km2，占这三年耕地减少的89.88%， 占建设用地增加的90.1%. 耕地减少的另一个原因是道路用地的增加，通过变化矩阵来看，2011到2013年道路增加面积的95%源于耕地，2013到2016年道路增加的73.51%源于耕地.另有少部分耕地转化为水体、植被用地和其他用地.建设用地和道路用地的增加是城市扩张的表现，城市扩张的主要贡献来源于耕地.

表4 张店区2011年到2013年土地利用变化矩阵Tab.4 Land use change matrix from 2011 to 2013 in Zhangdian District km2

表5 张店区2013年到2016年土地利用变化矩阵Tab.5 Land use change matrix from 2013 to 2016 in Zhangdian District km2

5 结束语

通过2011年、2013年和2016年的遥感影像数据，提取出了张店区这三年的土地利用变化信息，通过叠加分析得出，城市扩张的代价是耕地的不断减少.分析这三年的土地利用结果，可以通过模型对土地利用趋势进行预测，但是土地利用变化深受人为因素和政策的影响，具有复杂性；同时这三年数据的时间跨度较短，对于预测具有局限性.如何在土地利用变化预测中选取合适的时间节点、综合考虑人文因素，使预测结果更贴合实际，更有效，将作为下一步研究的内容.

耕地的逐年减少是令人忧虑的问题，城市化是当代社会发展大势所趋，但是城市化不能以牺牲耕地为代价.如何在土地资源极其有限的条件下，切实维护好人地之间的关系，协调生态用地与建设用地之间的矛盾，促进人与自然以及人类社会内部和谐发展，是一项紧迫而现实的课题.2015年国土资源部、农业部联合下发《关于进一步做好永久基本农田划定工作的通知》，提出在全国106个重点城市周边开展永久基本农田划定工作，将城镇周边、交通沿线现有易被占用的优质耕地优先划定为永久基本农田，并制定了更加严格的基本农田保护政策,淄博市也在划定的范围之内.划定基本农田防止耕地“非农化”，事关国家粮食安全，同时也对城市发展形成倒逼机制，迫使进行城市内部挖潜，促进城市用地向节约集约方向发展，实现土地资源的可持续利用.

[1]高凌寒，赵鹏祥，张晓莉，等.基于landsat影像的西宁市主城区土地利用动态分析及预测[J].西北林学院学报，2016，31(6):250-256.

[2]王丽丽.RS和GIS支持下的土地利用/覆盖变化及驱动力分析[D].阜新：辽宁工程技术大学，2008.

[3]吴梦红，杨长保，林楠.高分辨率遥感影像在土地覆被变化监测中的应用[J].科学技术与工程，2017，17(22):100-106.

[4]云成，甄小云.中国遥感应用进入发展黄金期——高分二号卫星首批影像图发布会召开[J].卫星应用，2014 (10):58-59.

[5]凌春丽，朱兰艳，吴俐民.WorldView-2影像林地信息提取的研究与实现[J].测绘科学，2010，35(5):205-207.

[6]陈志勇.基于高分辨率遥感影像的城市土地覆被变化分析研究[D].兰州：兰州交通大学，2013.

[7]刘丹丹,刘江,张玉娟,等.面向对象的多尺度高分影像建筑物提取方法研究[J].测绘与空间地理信息，2016，39(6):17-20.