基于遥感与GIS的南充市区景观格局动态分析

胡榆杰，董 鑫,2,3，李玉杰

(1. 西华师范大学环境科学与工程学院，四川 南充 637009；2. 西华师范大学西南野生动植物资源保护教育部重点实验室，四川 南充 637009；3. 西华师范大学嘉陵江流域生态环境保护与污染防治南充市重点实验室，四川 南充 637009；4. 西华师范大学生命科学学院，四川 南充 637009)

引 言

景观生态学自二十世纪30年代发展至今，对于理解城市景观变化有着至关重要的作用[1]。景观格局分析是景观生态学的核心理论和内容[2]，用景观格局指数描述景观格局变化，建立城市空间格局与城市生态过程的联系对城市生态建设有重要意义[3]。近年来，以遥感技术(Remote Sensing， RS)和地理信息系统(Geographic Information System，GIS)为代表的信息技术快速发展，也为城市景观空间格局的研究提供了更为有效的方法。遥感技术作为研究地球表面资源与环境的载体，通过与 GIS 技术强大的空间分析功能相结合，使得城市景观格局在更大尺度上更客观地展现在我们面前[4]。随着我国卫星探测技术的提高，国产高分一号(GF-1)、高分六号(GF-6)、高景一号(SuperView-1)等中高分辨率多光谱遥感数据得到了广泛的应用，众多学者都做了有益的研究。例如，杨闫君等人基于高分一号卫星WFV影像水稻信息提取模式进行了研究[5]，施婷婷等人利用遥感生态指数对建设项目引发的区域生态变化进行了评估[6]。以往众多学者利用美国NASA的陆地卫星(Landsat TM)TM传感器和OLI传感器的数据进行景观格局研究[7-8]，以国产高分一号卫星为数据源进行相关研究的报道较少。

本研究以四川省南充市区(顺庆区、嘉陵区、高坪区)为研究对象，利用ENVI5.5 、ArcGIS10.5和Fragstats 4.2等软件处理国产高分一号卫星WFV传感器影像数据，结合景观生态学的理论与方法，分析2014年以来快速发展的南充市区城市景观格局的动态变化，以期为研究区域城市生态建设、城市规划、生态环境保护等提供重要的数据支持，同时对高分一号数据的景观格局分析进行尝试，为其他同类研究提供参考和启示。

1 研究区概况

四川省南充市位于北纬30°35′～31°51′、东经105°27′～106°58′之间，位于四川盆地东北部，嘉陵江中游，南北跨度165 km，东西跨度143 km，总面积12 477 km2[9]。地貌类型以丘陵为主，高丘低山、中丘中谷、低丘带坝类型大体各占1/3，属于中亚热带湿润季风气候区，四季分明，雨热同季，年平均气温17℃左右，年降雨量1100 mm[10]。南充市辖3个市辖区(顺庆区、嘉陵区、高坪区)，5个县，代管阆中市[11]。

2 研究方法

2.1 数据来源

本研究数据主要来源为地理空间数据云(http://www.gscloud.cn)与中国资源卫星应用中心(http://www.cresda.com)。获取了30 m×30 m分辨率的数字高程模型(Digital Elevation Model，DEM)和2014年、2017年、2019年三期成像较为清晰、含云量在5%以下的高分一号(Gaofen-1 satellite) WFV传感器数据[12]，空间分辨率为16 m×16 m，如表1。此外，从国家基础地理信息中心获取国家基础地理信息系统1∶400万数据，包括国家、省市、县乡、水系等矢量辅助数据。

表1 遥感影像数据

2.2 分类方法选取

根据研究区域特点，结合遥感影像可区分性[13]，将研究区域分为建筑用地、林地、水域、耕地、裸地五大类。通过对传统分类方法最大似然法(maximum likelihood classification)、Softmax分类器法、SVM分类法随机森林法(Random Forest Classification，RFC)进行分类比较最终择优选取随机森林法作为本研究的分类方法。

随机森林是由Leo Breiman和Adele Cutler于2001年提出的一种集成学习方法[14]，是一种基于分治法原理的集成学习策略，由若干决策树集成的分类器。该方法通过自助法(bootstrap)抽样从原始训练集中抽取k个样本，且每个样本的样本容量均和原始训练集的大小一致，然后对每个样本分别进行决策树建模，得到k个建模结果最后利用所有决策树的建模结果，再通过投票得到最终预测结果，有更好的泛化性能[15]。通过对比谷歌地球影像，更适用于本研究区域的分类提取。

2.3 城市景观类型转移矩阵

(注：式中i表示前一期景观类型中的n种景观类型，j表示后一期的景观类型中的n种景观类型，Sij为前一期数据的景观类型i转化为后一期数据的景观类型j的面积)

2.4 景观格局指数选取及计算方法

景观格局分析主要从斑块水平指数(patch level index)、景观水平指数(landscape level index)和斑块类型水平指数(class level index)三个不同层次来分析景观格局变化[16]。本研究通过Fragstasts4.2 对研究区域景观格局指数进行计算，从景观生态学的角度对其城市演变进行分析[17]。根据研究目的，本研究仅选取数个斑块类型指数和景观水平指数作为分析方法。

斑块类型水平指数选取：斑块类型面积(Class Area,CA)、斑块所占景观面积比例(Percentage of Landscape,PLAND)、斑块数量(Number of Patches,NP)、最大斑块指数(Largest Patch Index,LPI)、景观形状指数(Landscape Shape Index,LSI)、周长-面积分维数指数(Perimeter-Area Fractal Dimension,PAFRAC)、景观聚集度指数(Aggregation Index,AI)、散布与并列指数(Interspersion Juxtaposition Index,IJI)[18-19]，如表2。景观水平指数选取：斑块密度(Patch Density,PD)、周长-面积分维数指数、蔓延度指数(Contagion Index,CONTAG)[20]、分离度指数(Splitting Index,SPLIT)、香农多性指数(Shannon's Diversity Index,SHDI)和香农均匀度指数(Shannon's Evenness Index,SHEI)[21-22]，如表3。

表2 斑块类型水平指数

表3 景观水平指数

3 结果与分析

3.1 研究区景观类型变化

景观类型分类结果见图1。通过混淆矩阵计算得到2014年、2017年、2019年三期分类结果的总体精度分别为81.61%、83.90%、83.36%，Kappa系数分别为0.744 7、0.775 8、0.758 1。2014～2019年研究区域景观类型变化复杂，因此利用ENVI5.5的Change Detection Difference工具分别计算2014～2017年、2017～2019年、2014～2019年研究区域的景观类型转移矩阵。

图1 南充市区2014～2019年景观格局类型

3.2 景观格局转移矩阵

由表4可知，2014～2017年林地面积减少了93.37 km2，建筑用地、耕地、裸地、水域面积均有增加，其中建筑用地面积增加最多为67.54 km2。从景观类型相互转化的角度看，耕地与林地的流转量最大，分别为380.79 km2和367.93 km2，其中耕地主要流转为林地和建筑用地，也有部分林地流转为耕地。表明在该时间段，在耕地与林地相互转换的同时，城市也在快速发展。

表4 研究区2014～2017年景观类型转移矩阵

由表5可知，2017～2019年林地面积再次减少，减少了118.15 km2，同时裸地也减少了19.53 km2，建筑用地增加了23.72 km2。其中裸地主要向建筑用地流出，可能是因为其他景观类型转向裸地，最后补充入建筑用地，反映了城市扩张的过程。从景观类型转化的角度看，2017～2019年同样是耕地与林地流转面积最多，分别为312.91 km2和334.32 km2，耕地主要也是向建筑用地流动并且和林地进行相对稳定的转化，水域面积变化不明显，裸地主要向耕地转化。

表5 研究区2017～2019年景观类型转移矩阵

3.3 各区景观类型变化分析

由图2可知，2014～2019年三区建筑用地均呈现上升趋势，林地面积均有不同程度减少，其中高坪区减少最为显著，由2014年的343.41 km2减少至2019年的203.32 km2。水域、耕地均处于较低比例且变化相对较小。高坪区耕地增加显著，由383.88 km2增至469.99 km2。嘉陵区耕地与林地面积变化幅度较小且总量一直为三区中最高。说明2014～2019年高坪区景观类型变化最为明显，顺庆区各景观类型变化相对平稳，嘉陵区植被覆盖度最高且受到人为影响小。

图2 各区景观类型占比

3.4 景观格局动态分析

3.4.1 景观水平动态分析

由表6可知，从研究区域的景观层次看，2014年的斑块总量(NP)为148 310个，2017年为181 086个，斑块数量呈现显著增加，同时景观斑块密度(PD)也明显增加，说明2014～2017年期间，研究区域城市景观破碎化程度增加，表明在经济社会发展的推动下，人类活动的影响增大导致景观异质化程度上升，使生态环境的净化能力下降。2019年NP值下降至130178个，PD值也明显下降，表明景观破碎化程度在2017～2019年有所下降，斑块连续性增强。2014～2019年期间研究区域的周长-面积分维数(PAFRAC)基本趋势是先增加后减小，但变化幅度都比较小，表明人类活动对城市景观形状复杂程度无显著影响。2014～2019年景观蔓延度(CONTAG)呈现先下降后上升的趋势，这表明某一种优势景观类型是集聚的并且有良好的连通性，同期景观分离指数(SPLIT)呈现下降趋势，说明城市化的发展使得一些小斑块聚集，景观破碎化程度降低。

表6 景观水平指数分析结果

香农多样性指数(SHDI)与香农均匀度指数(SHEI)能反应景观类型的异质性[23]。2014～2017年SHDI和分别增长了0.064和0.039 9，这说明研究区域景观类型的丰富程度和程度在有所上升，表明景观破碎程度在增加。2019年SHID与SHEI值均有所下降，但是降幅很小，表明城市景观总体丰富度变化不大，整体景观类型之间增补保存相对稳定。

3.4.2 斑块水平动态分析

基础指数分析：2014年林地与耕地斑块面积(CA)基本持平并占主导地位，且景观百分比指数(PLAND)分别为42.98%、47.76%。从景观水平看，自2014年以来林地的PLAND值持续减小，耕地、水域、建筑用地的CA值与PLAND值在逐渐增大，同时裸地基本保持稳定。表明研究区域建筑用地呈现增长趋势，人类对生态环境的影响加剧。

从景观破碎化指数分析，斑块数(NP)与景观的破碎程度呈正相关，最大斑块指数(LPI)也在一定程度上反映景观破碎程度。在2014～2019年期间建筑用地、林地、裸地斑块个数均是先增加后减少，耕地斑块个数呈现下降趋势，水域斑块个数呈上升趋势；耕地、裸地、水域最大斑块指数趋于稳定，林地最大斑块指数先减少后增加，而建筑用地最大斑块指数呈上升趋势。以上数据变化表明，研究区域在城市发展过程中，景观破碎化程度先由城市建筑分散状崛起与人类毁林开荒等活动的影响而上升，再由开垦地区、分散建筑连接闭合而导致景观破碎化程度开始下降。研究区域破碎化程度一直保存在一个偏高的状态，这与该地区地形山地、丘陵偏多有一定的联系。

景观形状分析，周长-面积分维数(PAFRAC)的值介于1和2之间，数值越趋于1，斑块形状越有规律，表明受到干扰的程度越大[24]。景观形状指数(LSI)，数值越大代表形状不规则程度越大。2014年LSI值由大到小依次为耕地、林地、建筑用地、裸地、水域，其中耕地和林地LSI值相近且较高，分别为356.29和336.78，与其他景观类型形状相比，其较复杂，非常不规则。水域PAFRAC值最低，为1.329，表明其边界最稳定。2017年LIS值的由大到小排序没有变化，但除了水域与林地2014年基本持平以外，耕地、建筑用地、裸地的LSI值有显著上升，表明它们形状规则程度变差，各景观类型的RAFRC值无明显变化，说明各个景观类型边界复杂程度无明显变化。2017年除了水域的PAFRC值与LSI值略有上升，其它各景观类型均有所下降。2014～2019年期间耕地、林地、裸地、建筑用地的LSI值均呈现先增加后减小的趋势，说明城市发展过程中，景观形状复杂程度有一个先变大后变小的过程。

从景观聚散性分析，散布与并列指数(IJI)与聚合度指数(AI)的值与聚集程度程正相关[25]。2014～2019年建筑用地的IJI值有显著下降，说明建筑用地与其他景观类型的镶嵌度降低，耕地的IJI值显著增加，说明耕地与其他景观类型的连续性减小，这与城市发展建筑面积增加、人类开荒有一定关系。水域、耕地、林地的IJI值无明显变化，其中林地的IJI值一直保持较低水平，说明林地与其他斑块的镶嵌度一直比较低。2014～2019年各景观类型的AI值均无显著变化，其中耕地、水域、林地一直都在80%以上相对较高，说明这三个景观类型的分布比较集中，多呈现大面积斑块集中分布。

表7 斑块类型水平指数分析结果

续表7

3.5 驱动力分析

3.5.1 社会经济驱动因素

人口变化是城市景观格局变迁的主要驱动因素之一，也是对土地利用变化影响最为典型的因素[26]。根据南充市统计局的统计数据，由图3可知，2013～2019年间，研究区年末常住人口由191.71万人增长至196万人。其中，城镇人口的数量不断增加，从106.28万增加倒119.50万，这加剧了建设用地的需求。因此建筑用地和耕地的大量增加可以得到一定的解释，城市人口增长使人地关系更加紧张，人们对资源的需求加大，从而迫使人类对土地资源开发和调整。

图3 研究区人口变化情况

经济发展也是促进城市景观格局变迁的重要驱动因素。2013年，研究区的GDP值为476.50亿元，2019年增长至847.38亿元。由图4可知，研究区各产业产值均呈现增加的趋势。其中第三产业增速较快，在2017年后超越第二产业的产值，打破了以第二产业为主导的产业结构。期间裸地波动、建筑用地的增加，说明经济的发展促进了产业类型的转变，土地资源重新分配和调整。与此同时为了协调人与环境的关系，在景观改造方面得到了更多的资金投入，这也从2017年来景观破碎化程度降低的原因之一。

图4 各产业产值变化情况

3.5.2 政策规划驱动因素

《四川省南充市土地利用总体规划(2006-2020年)》提出“严格保护耕地特别是基本农田；促进土地节约集约利用；统筹城乡土地利用；协调区域土地利用；坚持土地利用与生态保护结合”的土地利用战略，保证了研究区域一定程度的耕地保有量并呈现增加趋势。。“十三五”期间南充市发展改革委员会提出“实施城乡统筹发展行动；优化完善城市发展规划；加快山水田园城市建设；推动县域经济特色发展、 错位发展、竞相发展；加快中小城镇和幸福美丽新村建设；促进城乡公共资源均衡配置。”的指导方针，对研究区景观格局变化以及城市进程起到了重要的作用。

4 结 论

通过对南充市区2014～2019年景观格局动态分析得出主要结论如下。

4.1 景观类型转移矩阵

南充市区以耕地、林地为主要景观类型，总体植被覆盖率高。建筑用地呈现平稳扩张趋势，且表现出依次由林地流向耕地，再流向裸地，最终转化为建筑用地的现象。

4.2 景观格局动态分析

研究区域景观破碎化程度整体一直保存在一个偏高的状态，这与该地区地形山地、丘陵偏多有关。景观破碎化程度先由城市建筑分散状崛起与人类毁林开荒等活动的影响而上升，再由开垦地区、分散建筑连接闭合而导致景观破碎化程度开始下降。反应了城市发展过程中的景观生态学特征。

4.3 驱动力分析

社会经济和政策规划因素对城市景观格局变化起着重要作用，良好的管理和规划干预对城市生态建设具有积极影响。

4.4 本研究仍然存在一些方面的局限与不足

(1)遥感影像精度受限。本研究使用GF-1卫星WFV传感器16m×16m空间分辨率，且仅有4个波段，由于南充市的山地丘陵偏多的特点，导致某些地物类型图像显示效果不佳，同时目视解译及分类样本训练时不可避免地出现误差。(2)遥感影像时相的影响。由于季节的原因植被生长状况不同、农作物收割等原因可能导致部分景观分类有偏差。希望今后的研究者根据研究区域实际情况合理选用数据源和分析方法。