1990—2020年辽西地区土地利用变化及驱动力分析

张雪英

(辽宁工程技术大学 测绘与地理科学学院，辽宁 阜新 123000)

0 引言

辽宁西部地区(以下简称辽西地区)具有丰富的矿藏资源，以矿业及其加工业为主产业。随着矿产业的不断发展，该地区的环境及水土已被严重破坏，并进一步制约着地区经济发展。因此，为了促进辽西地区今后的经济发展，对其土地利用和土地覆盖(Land Use and Land Cover,LULC)进行监测是极其重要的任务之一。

城市的扩张、森林草地的滥砍滥伐以及耕地的退化等一直都是人类生存所面临的严重问题。1995年，全球变化人文因素计划和国际地圈与生物圈计划2个组织共同发起了全球核心研究计划，即土地利用变化科学研究计划(Land-Use and Cover-Change Project,LUCC)[1-2]。LUCC通过研究全球气候与环境变化规律，探究人类社会经济活动与自然生态进程的直接联系，并作为人类行为对自然环境影响的直接信号反馈[3]。几十年来，经济的迅猛发展对我国LULC的空间格局及其变化带来了显著影响，所以对LULC变化的研究一直是重点项目。Zhou等[4]利用1978—2010年间涵盖陕西省安塞县的共6期遥感影像，通过分析该县的LULC，发现该县在这22年间的森林面积急剧上升。张月等[5]基于1998,2011和2013年的landsat影像，分类新疆艾比湖流域3期影像的LULC类型，并对该地区LULC格局生态风险的时空变化特征进行评估。刘纪远等[6]对我国1980—2000年的20年间LULC变化的时空格局特征进行了统计，对比分析前10年和后10年的LULC变化数据，得到21世纪我国LULC变化格局的新特征。Lu等[7]使用1989—2014年获得的4期LandSat图像，分析了玛曲县LULC变化情况，证明了影响该地区LULC变化的主要因素包括温度升高、季节性冻土环境的变化、季节性过度放牧以及害鼠危害。Xu 等[8]提出了一种结合深度学习技术的土地覆盖类型识别模型，作用于专题LULC变化监测，实现了就土地利用课题由传统自动分类和人工解译方法向人工智能技术的转变。Wang等[9]和Kuang等[10]使用遥感影像数据，对我国LULC进行长时间序列高精度监测，获得国家尺度的LULC格局特征，对我国国土管控和策略制订具有重大意义。

在振兴东北老工业基地的背景下，虽然辽西地区的经济发展取得了一定成效，但资源开采不合理、工业产能过剩、土地资源利用不均衡以及土地开发方式科技含量低等问题仍然制约着该地区的经济发展[11]。一直以来，辽西地区经济整体发展比辽宁东部地区逊色很多，而将这一区域整体进行分析的研究尚不多见。因此，本文以辽西地区为研究区，利用1990,1996,2002,2008,2014和2020年6期的Landsat遥感影像，设计基于支持向量机(Support Vector Machine,SVM)的多分类器，以实现辽西地区LULC的精准分类；使用转移矩阵定量分析该地区土地利用转移情况；使用主成分分析(Principal Component Analysis,PCA)法，从人口、经济和气候因素方面揭示其驱动力，为辽西地区LULC的合理布局提供建设性和科学性的凭证。

1 研究区域及数据

1.1 研究区概况

辽西地区地处辽宁省西部的辽河以西地域，西靠河北省，北与内蒙古自治区接壤，东与辽宁省沈阳市、鞍山市相连，南濒临渤海辽东湾。地理坐标为东经118°50′～122°56′，北纬39°59′～42°56′，包含的行政区域为锦州市、盘锦市、朝阳市、阜新市和葫芦岛市5个市区，面积达到54 070 590 km2。辽西地区的气候特点是四季分明，春季干旱缺水，冬季寒冷期长，雨量较集中，东湿西干，气候类型为温带季风性大陆气候。其西部为山区，南部邻渤海，整体处于半干旱地区。由于辽西地区受地理位置和地域气候因素等不利因素的影响，加之经济发展缓慢，造成辽西地区属于辽宁省最为贫困的地区之一[12]。

1.2 研究数据

研究使用数据下载自USGS网站[13]，包括1990,1996,2002和2008年的Landsat5TM数据及2014和2020年的Landsat8OLI数据。每期遥感数据观测时间均为植被生长茂盛季节7、8、9月份且云量小于10%的5景数据镶嵌而成，5景数据的条带号/行编号分别为120/030,120/031,120/032,121/031,121/032。本文研究区域面积较大，为了获得完整的影像数据，对于同一期缺失的数据采用地物基本保持不变的临近年份或者不同月份的影像数据来替代[14]。

由于传感器自身的原因以及大气层的吸收和散射作用，导致影像记录的灰度值与地面的实际辐射亮度值之间存在差异[15]。因此，本文对数据进行了预处理操作，包括辐射定标、大气校正、影像增强、影像裁剪和影像拼接等步骤，进而获得研究区域6期的完整遥感影像数据。

2 基于SVM的辽西LULC分类

2.1 分类器设计

(1)

(2)

如果Yi=1，则设Li=m。可以看出对每期影像迭代上述二分类过程。

2.2 分类结果分析

6期影像的地物分类实现后，将各分类结果与该期人工目视判读的分类结果进行比对，建立混淆矩阵，计算6期的精度评价，结果如表1所示。

表1 辽西地区土地利用评价精度Tab.1 Precision of land use assessment in western Liaoning

通过SVM的多分类器提取辽西地区1990-2020年6期影像土地利用类型图，如图1所示。将分类结果中各土地利用类型的地物像素进行统计，并计算其占比，如表2所示。

表2 1990—2020年土地利用各类型面积及占地比例Tab.2 Area and proportion of land use types from 1990 to 2020

(a)1990年

结合图1与表2可知，耕地的土地类型面积在1990,1996,2002,2008,2014,2020年分别为26 052.12,27 892.20,27 090.98,25 171.52,23 254.90,24 999.68 km2，占地分别是研究区域总面积的48.18%,51.58%,50.10%,46.55%,43.01%,46.24%，其中，1990—1996年、2014—2020年分别增加1 840.08,1 744.79 km2，其余年份较前一个时期分别缩减801.22,1 919.46,1 916.62 km2。

林地的土地利用面积于1990,1996,2002,2008,2014,2020年分别为14 086.63,11 661.87,13 000.76,17 648.78,17 629.71,17 641.25 km2，占地分别是研究区域总面积的26.05%,21.57%,24.04%,32.64%,32.60%,32.63%，可见从1996年开始辽西地区的耕地面积平缓增加。

建筑的土地利用面积1990,1996,2002,2008,2014,2020年分别为2 824.14,2 953.03,2 950.39,3 898.14,4 026.84,4 343.13 km2，所占比例分别为5.22%,5.46%,5.46%,7.21%,7.45%,8.03%。在2002-2020年建筑用地快速增长，说明该时间段内的经济快速增长和城镇建设迅速。

水资源在辽宁西部较为稀缺，水域面积在1990,1996,2002,2008,2014,2020年分别为1 746.69,1 638.23,1 701.27,1 902.15,1 905.42,1 943.43 km2，所占比例分别为3.23%,3.03%,3.15%,3.52%,3.52%,3.59%。水域的占地面积在研究时段内一直变化都不大。

草地的波动状态最小，占地面积也最小，且主要集中在盘锦地区，1990,1996,2002,2008,2014,2020年分别为1 145.90,1 004.67,1 014.00,1 187.01,1 180.02,1 114.06 km2，所占比例分别为2.12%,1.86%,1.88%,2.20%,2.18%,2.06%。

未利用土地在30年间的波动起伏最大，2002—2008年未利用土地面积由15.37%降到7.88%，到2014年，增加了4个百分点，但是到2020年又下降了4个百分点。1990,1996,2002,2008,2014,2020年分别为8 215.10,8 920.58,8 313.19,4 262.98,6 073.70,4 029.03 km2。

3 基于转移矩阵的LULC变化分析

通过转移矩阵可以有效获得各地物类别的转移面积、转移方向等信息，进而可以有效监测和分析土地利用变化的特征[17]。其表达式如下：

(3)

式中，Mss′ =Ls(t)∩Ls′(t+r)，表示t时期土地利用类型s转变成t+r时期的土地利用类型s′的面积，当s=s′时，表示土地利用类型没有发生转变。

为了定量分析辽西地区土地利用资源演变方向，基于转移矩阵数学模型对1990，2020年2期影像叠加分析，得到1990—2020年辽西地区土地利用类型转移矩阵，如表3所示。由表3可以看出，1990—2020年耕地面积最大，其中林地向其转移最多，转移了2 304.44 km2，建筑用地次之，向其转移1 559.80 km2；相较于1990年，2020年林地面积减少了3 556.41 km2，主要转移为耕地；其次减少最多的是建筑用地，减少面积为1 371.62 km2；未利用土地增加了4 185.93 km2，增加面积最多，增加部分主要是由林地转化而来，30年间有4 182.26 km2的林地转为未利用土地；草地面积变化不大，主要是耕地向其转移了235.36 km2，但与流失的草地面积持平，所以草地整体面积基本保持不变。

表3 辽西地区1990—2020年土地利用转移矩阵Tab.3 RLand use transfer matrix from 1990 to 2020 in western Liaoning 单位:km2

为了进一步探究辽西地区土地利用的时间和空间上的变化，确定不同年份各类别之间相互转换关系，绘制了1990-2020年辽西地区土地利用各类别变化图，如图2所示。

(a)1990—1996年

由图2可知，1990—1996年，研究区域西北部林地大幅度减少，而耕地大面积增加，到了2002年，林地继续减少，耕地继续增加，但涨幅比前6年慢，而草地和水域的面积有轻微的减少；2002—2008年，中西部林地大面积增加，而东北和西南耕地面积明显减少，同时可以看到该时期建筑用地面积显著增加，而未利用土地的面积减少的幅度剧增，据统计，这期间未利用土地面积减少了4 049.01 km2。2008—2014年，明显可以看出，涨幅最快且面积最大的是建筑用地，耕地减少的较多，林地、草地也有减少的痕迹，而水域和未利用土地的变化不是很明显。2014—2020年，建筑用地面积继加，到了2002年，林地继续减少，耕地继续增加，但涨幅比前6年慢，而草地和水域的面积有轻微的减少；2002—2008年，中西部林地大面积增加，而东北和西南耕地面积明显减少，同时可以看到该时期建筑用地面积显著增加，而未利用土地的面积减少的幅度剧增，据统计，这期间未利用土地面积减少了4 049.01 km2。2008—2014年，可以明显看出，涨幅最快且面积最大的是建筑用地，耕地减少的较多，林地、草地也有减少的痕迹，而水域和未利用土地的变化不是很明显。2014—2020年，建筑用地面积继续增加，增加趋势与前6年保持平缓，而其他几类地物面积都有减少的趋势，幅度不大。

4 基于PCA的LULC变化驱动力分析

自然因素和人为因素共同构成的驱动力系统造就了土地利用的变化[18-19]。本文根据《辽宁统计年鉴》《中国城市统计年鉴》和《辉煌的岁月——辽宁60年回眸》及政府网站相关公告等作为基本资料，统计了12个主成分数据，其中总人口(x1)、非农业人口(x2)、农业人口(x3)、城市人口密度(x4)、总GDP(x5)、人均GDP(x6)、第一产业增加值(x7)、第二产业增加值(x8)、第三产业增加值(x9)、年降水量(x10)、年平均温度(x11)和年平均风速(x12)共29年间(1990-2019年)的数据。

统计数据中，12个因子的度量单位不同，而且取值范围彼此差异很大，不能直接进行PCA，所以首先将获取的统计数据标准化为范围在同量级的数据，得到表4所示的经标准化的驱动因子。

表4 经标准化的辽西地区土地利用变化驱动因子Tab.4 Standardized driving factors of land use variation in western Liaoning

当Kaiser-Meyer-Olkin检验的KMO检测值大于0.5，或者表示Bartlett的球形度检验的显著性水平的值Sig小于0.05时，表明各因素之间的相关程度较高，做出来主成分分析的结果会比较明显。本文KMO=0.65，Sig=0，做出来PCA的结果会比较明显。相关系数矩阵如表5所示。

表5 相关系数矩阵Tab.5 Correlation coefficient matrix

提取特征值大于1的3个主成分，其贡献值分别为56.714%、16.014%和9.248%，该3个主成分可以有效表达12个驱动力因子的81.977%的信息。

PCA中的特征值、贡献率和累计贡献率如表6所示。

表6 PCA中的特征值、贡献率和累计贡献率Tab.6 Eigenvalues,contribution rate and cumulative contribution rate in PCA

主成分载荷矩阵如表7所示。可以看出，第一主成分的主要影响因子是x2,x5,x6,x7,x8,x9，第二主成分的主要影响因子是x1,x3,x4，第三主成分的主要影响因子是x10,x11。所以，促使辽西地区土地利用转变的主要因素可以归纳为人口因素、经济因素与气候因素。

表7 主成分载荷矩阵Tab.7 Principal component load matrix

(1)人口因素。自1990年以来，辽西地区总人口呈缓慢增长的趋势，29年间增加了75.61万人，其中非农业人口增加了171.24万人，而农业人口减少了95.63万人，城镇化发展相当迅速。随着人口的增加，首先人们对粮食的需求量越来越大，必然导致耕地面积的不断扩大来解决粮食产量问题；其次对住房的需求越来越大，导致建筑用地的使用面积加大；农业人口的减少，导致耕地荒芜情况越来越严重，加快了耕地退化的进程。可以发现，林地面积主要向耕地和建筑用地转移，而耕地又向未利用土地转移的现象较为明显。人口结构的转变必将导致土地利用类型发生变化，人地关系矛盾进一步地加深。

(2)社会经济发展因素。1990年辽西地区GDP仅有192.64亿元，而2019年增加到了4 492.2亿元，几乎是1990年的24倍，可见辽西地区经济发展非常迅速。1990—2020年辽西地区经济因素如图3所示。

由图3可知，1990—2019年的29年间，辽西地区GDP、人均GDP、第一、二、三产业增加值均呈逐年增加趋势，自2001年我国加入世界贸易组织以来，辽西地区的经济增长速度更是突飞猛进。研究期间，辽西地区第二产业在三大产业中比重最大，占比46.86%；第三产业次之，占比36.41%；第一产业占比最小，仅为16.73%，而且第一产业的增加值走势最平缓、速度最慢。随着经济的快速发展，人类生产、生活范围扩大，研究区的土地利用结构也必然会发生相应的转变，所以出现大面积林地、耕地向建筑用地面积转移的情况。

(3)气候因素。近年来受全球气候变暖的影响，全国各地的气温、降水都呈现了较大的变化，1990-2020年辽西地区气候因素如图4所示。

图4 1990—2020年辽西地区气候因素Fig.4 Climatic factors in western Liaoning from 1990 to 2019

由图4可知，辽西地区气温整体呈现升高趋势，年平均气温波动起伏不定；降水量波动明显，气候特点为年际间旱涝频繁，1992,1998,2002,2010,2016年辽西发生洪涝灾害，其余年份基本处于半干旱状态，降水量太少，耕地使用的水资源有限，而干涸的水域又被开垦成耕地，所以水域、耕地和未利用土地面积容易变动较大。2010—2019年，研究区普遍温度高、降水少，所以这个时期，林地和草地的面积减少严重，未利用土地面积相对增加。因此，由温度和降水波动而导致的旱涝交替的气候因素也是驱动辽西地区土地利用格局发生转变的主要因素之一。

5 结束语

本文通过对辽西地区1990,1996,2002,2008,2014和2020年6期遥感影像进行辐射定标、大气校正、拼接裁剪等预处理操作，设计SVM多分类器，实现地物分类，进而对辽西地区土地利用信息进行提取，通过转移矩阵，获取辽西地区土地利用类型转移情况，统计了12个促进该转移的驱动力因子，探索辽西地区1990—2020年土地利用的因子和原因，为研究区今后土地的合理利用提供了科学参考依据。实验结果表明，1990—2020年，辽西地区的土地利用类型变化显著：① 从土地利用现状整体结构来看，辽西地区主要是以耕地和林地面积为主，总面积为70%以上；建筑用地和未利用土地次之；草地和水域面积最少。② 从土地利用现状分析来看，30年间各类土地发生不同程度的空间变化，其中，以耕地、林地、建筑用地、未利用土地为主导，其中建筑用地除了1996—2002年少量减少外，其余各期持续增加；耕地除1990—2002年增加2 041.73 km2外，其余四期持续减少；林地增加最多，达到了3 556.41 km2。③ 从驱动力分析来看，促使辽西地区的土地利用发生转变的主要因素是人口的增长、经济的发展以及气候的变化。人口的增长造成耕地面积和建筑用地面积的扩张，而经济的发展又致使建筑用地占用大量耕地，同时受温度与降水的影响，加重干旱程度，导致植被大量退化成未利用土地。

在对遥感影像进行解译过程中，由于工作量较大且仅仅依靠人眼目视法来进行判断，可能会造成误差较大，譬如某些区域在选取过程可能没有考虑到微云量情况。尽管整体的检验精度处于许可范围内，依然与真实情况有着较大差别，难以会造成误差的出现。因此，在今后研究工作中将会继续弥补不足，希望可以进一步提高精度。