基于GEE 的滇池流域土地覆盖变化及建设用地扩张驱动力分析

许冬凡 张加龙 鲍 瑞 廖 易 冯亚飞

（1. 西南林业大学林学院，云南 昆明 650233；2. 昆明市信息中心，云南 昆明 650500）

土地利用/覆盖变化（LUCC）越来越被认为是全球环境变化与可持续发展研究的重要内容[1]。土地利用/覆盖变化对区域生态环境产生重要影响，并以累积的方式影响全球环境变化[2]。Landsat卫星系列图像则是研究土地覆盖类型和变化的重要数据源[3]。传统的使用遥感分析软件进行土地覆盖分类的工程量过于巨大，使用Google Earth Engine（GEE）云平台是一个更好的选择。近年来，GEE 平台被广泛使用于基于时间序列数据的土地利用/覆盖变化研究中，而长时间序列的区域研究对于研究该区域的发展特征、发展模式具有非常重要的意义[4]。纵观已有的基于GEE 平台的进行土地覆盖分类的研究，研究对象主要集中在大型城市群、经济发达地区[5-7]，对于西南地区的研究较少。而基于长时间序列遥感影像数据对于滇池流域进行土地覆盖分析则未见报道。有关滇池流域的研究多集中于水环境、景观生态、流域治理等方面[8-10]，对于滇池流域制作长时间序列的土地覆盖数据是必要的。

建设用地的扩展能直观体现一个区域的城市化水平[11]，研究城镇用地扩展的驱动机制不仅有助于深入理解城市扩展的规律及方向，而且对于推动区域协调发展具有重要意义[12]。驱动机制着重分析区域土地利用变化过程的主要自然和社会经济驱动因素及其驱动机理[13]。在自然系统中，气候、土壤、水文等被认为是主要的驱动力；在社会系统中，驱动力通常有人口变化、贫富状况、技术进步、经济增长、政治经济结构等[14]。目前针对建设用地变化驱动力的研究多以定性分析为主，定量分析较少。在方法上多采用相关性分析[15]、主成分分析[16]、Logistic 回归分析[17]等方法。在驱动力研究尺度上多以整个研究区为对象进行驱动力分析，但研究区内部各行政区的自然环境特点、区域发展方针不同，以行政区划为研究单元来分析土地覆盖变化特征更为科学。因此，本研究基于GEE 云平台，以滇池流域为研究区，基于长时间序列的Landsat 数据进行土地覆盖变化分析，以行政区划为单元来研究土地覆盖变化的特点，并结合多项驱动因子来研究流域内不同时段的建设用地扩张的驱动力。以期揭示滇池流域的发展特征，为后续学者研究滇池流域的发展提供科学数据支撑，为实现流域的可持续发展和自然资源的永续利用提供科学参考。

1 材料与方法

1.1 研究区概况

滇池流域属总面积为2 920 km2，包含了昆明市辖区范围，内有五华区、官渡区、盘龙区、西山区、呈贡区、晋宁县和嵩明县。滇池流域占云南省总国土面积的0.7%，聚集着云南省7.6%的人口，创造高达云南省24%的GDP[18]。随着昆明市的城市化进程加快，与解放初期相比，滇池水面面积已减少至少13 km2，林地面积减少至少200 km2[9]。

1.2 数据来源

采用的遥感影像为Landsat 系列卫星影像，涵盖了从1988—2018 年的全部滇池流域影像，共采用63 景影像，所有Landsat 数据处理均基于GEE云平台，通过代码编写进行处理分析，详细介绍请参考官方网站（https://developers.google.com/earthengine/datasets/）。研究所采用的气象数据均来源于中国气象数据网（http://data.cma.cn），主要包含年平均气温、年平均降水、年平均降水、年日照时长、年极端气温、年极端降水、年均气压等数据。

研究所采用的社会经济数据均来源于云南省统计局所公布的《云南省统计年鉴》[19]（1989—2019 年），主要包括地区生产总值、户籍人口、城镇人口比重、工农业产值、各产业从业人数等。

1.3 基于GEE 平台的监督分类

监督分类就是根据影像所展示的不同地物，绘制感兴趣区（ROI）作为训练样本，再通过选取分类器进行分类。本研究基于GEE 平台，采用Python 与JavaScript 语言，使用支持向量机的监督分类方法[7]。参考中科院土地覆盖分类标准，将滇池流域内所有土地分成林地、草地、农地、水体、建设用地、其他未利用这6 类。在得到多期土地覆盖的分类结果后，使用检验样本，采取基于混淆矩阵的精度评价方法对于分类结果进行精度评价。

分类的样本需要保证均匀分布于研究区各处，各样本类之间的样本分离度要控制在1.5 以上。本次实验的时间尺度为1988—2018 年共31年，每一年的训练样本每类选取30 个，一共180个训练样本；检验样本每类也选取30 个，一共180 个检验样本。

1.4 土地覆盖变化测度分析

土地覆盖变化动态度[20]可以反映不同地类的综合动态变化情况。

1.5 驱动因子选取

在多种要素共同构成形成驱动力体系的同时，各个驱动力因子之间存在着多种关联模式[22]，因此要研究滇池流域建设用地的变化驱动力，应将多种要素关联纳入驱动体系。选取的指标如表1 所示，所有数据均来源于《云南省统计年鉴》[19]。

表1 驱动力指标体系Table 1 The driving force index system

1.6 驱动力分析方法

本次研究选取社会经济数据来分析滇池流域土地覆盖变化的驱动力，使用熵值法以消除确定权重过程中的人为主观因素，得出各个因子的驱动力贡献权重，再通过灰色关联法[23]计算经熵值法筛选后的驱动因子与滇池流域建设用地变化之间的关联度。

2 结果与分析

2.1 滇池流域土地覆盖变化

2.1.1 分类结果精度评价

使用基于混淆矩阵的方法进行精度评价，得到各年份分类结果的总体精度与Kappa 系数，各年份的分类精度评价结果见表2。1992 年、2003年与2011 年由于影像质量较差，故分类精度稍低，但多年来的分类结果均保持了良好的精度。

表2 精度评价表Table 2 Accuracy evaluation

2.1.2 土地覆盖变化特征分析

滇池流域四面环山，林地主要分布于山地区域，环绕流域四周，是滇池流域内面积占比最大的土地覆盖类型；草地主要集中于流域的东部、北部，杂乱分布于林地之间，为滇池流域占比第二多的土地覆盖类型；滇池坐落于流域中部，除滇池外仍有较多小微水体与大型水库分布于流域内；建设用地主要分布在昆明主城区、呈贡区、南部的晋宁县和北部的嵩明县，其面积增长较为迅速；农地多数环滇池而分布，多年来面积不断减少，现存农地主要集中在呈贡区、晋宁县；流域内的其他未利用地主要表现为裸地，多分布于建设用地周边。

1988—2018 年的滇池流域土地覆盖类型总体构成如图1 所示，长期以来面积持续减少的为草地、农地、水体这3 类；而持续增长的为林地、建设用地、其他未利用地这3 类。

图1 土地覆盖类型结构图Fig. 1 Plot of land cover type structure

统计滇池流域各个时期的土地覆盖数据，基于土地覆盖变化动态度、土地覆盖年变化率得出1988—2018 年内滇池流域各用地类型的变化情况，见表3～4。

表3 各用地类型面积变化Table 3 Changes of each land typekm2

表4 各用地类型动态变化Table 4 Dynamic changes of various land types%

2.1.3 土地覆盖变化流向分析

多年来，滇池流域的6 种土地覆盖类型的类型变化过程较为剧烈。基于1988 年、1998 年、2008 年、2018 年的土地覆盖分类结果制作转移矩阵弦图，见图2。1988—1998 年，林地变化程度较大，由林地转化为其他未利用地转的面积较大，同时草地、农地、其他未利用地也有较多面积转为林地；1998—2008 年，由林地、草地、水体、其他未利用地转为建设用地的面积较多；2008—2018 年，由林地、草地、水体转化为建设用地的面积较多；纵观1988—2018 年的土地覆盖流转，建设用地为最大的转入类型，林地、草地的转出面积较多。

图2 土地覆盖转移矩阵弦图Fig. 2 Chord plot of land cover transition matrix

2.1.4 土地覆盖变化区划分析

根据1988 年、1998 年、2008 年、2018 年的土地覆盖结果，按照流域内的行政区划进行分区统计，如图3 所示。由于水体与其他未利用地的面积变化幅度较小，所以未对这2 种地类进行区划分析。

图3 各地类行政区划统计图Fig. 3 Statistical maps of land cover types by various regions

由图3 可知，各区县的草地面积均在1988 年为最多，逐年减少，尤其是晋宁与嵩明在1988—2008 年间，草地面积减少了一半以上，而五华区、西山区、盘龙区的草地面积减少幅度较小。

盘龙区、五华区的林地面积多年来的增长幅度较小，其余区县的林地面积均持续增加，1988—2008 年是林地增长面积最快的阶段，晋宁县域嵩明县的林地面积在这一时段内得以翻番。农地整体趋势呈现先增后减，五华区与盘龙区的农地面积多年来始终维持在较低水平，其余区县在1998—2008 年间的农地面积达到最大，而后剧烈减少。建设用地为持续增长较为显著的地类，五华区、官渡区、西山区、盘龙区作为昆明市的老城区，多年来的建设用地平稳增长，而呈贡区、晋宁县、嵩明县近年来城区扩张速度持续增快。

根据土地利用程度模型[21]，对不同的土地覆盖类型进行对应的赋值：其他未利用地为1，林地、草地、水体为2，耕地为3，建设用地为4，进而对滇池流域内的7 个行政区分别计算土地利用程度综合指数，结果见表5。

表5 各行政区土地利用程度综合指数表Table 5 Comprehensive index of land utilization degree in each region

1988—1998 年属于主城的五华区、西山区、官渡区、盘龙区这四区由于建设用地面积较多，具有较高的土地利用程度综合指数，而晋宁县由于农地较多，此项指数也偏大；1998—2008 年，呈贡区与晋宁县由于建设用地的增加，导致土地利用程度综合指数增长较快；2008—2018 年，仅五华区、官渡区与呈贡区的土地利用程度综合指数增加明显，其余各区县未见显著变化。1988—2018 年内，官渡区、五华区与呈贡区的土地覆盖变化较为剧烈，而嵩明、晋宁的变化稍微缓和。

1988—1998 年各区县土地覆盖变化进程较为平缓，而1998—2008 年，各区县均发生较大的变化，是滇池流域发展最为迅猛的一个阶段，2008—2018 年的土地覆盖变化进程稍有减缓。

2.2 滇池流域建设用地变化驱动力分析

滇池流域的城市规模较为庞大，近年来人口不断增长、经济水平逐年提升，定量研究其城市化进程的驱动因素具有重要意义。所以本研究选取滇池流域的建设用地为研究对象，进行驱动分析。

2.2.1 基于熵值法的驱动因子筛选

本研究基于长时间序列的土地覆盖数据和对应年份的驱动因子，采用熵值法筛选出1988—2018 年对土地覆盖变化具有较强关联性的因子，筛选结果见表6，前5 项指标的权重系数显著高于其他指标，后4 项指标的权重系数则过低。信息熵值越大代表此项数据效用不足，去掉权重系数小于5%的指标，将剩余11 项指标代入灰色关联法模型进行关联度计算。

表6 熵值法计算权重结果Table 6 The weight results calculated by entropy method

2.2.2 基于灰色关联法的驱动因子分类

筛选后的11 项指标即为1988—2018 年与滇池流域的土地覆盖变化具有较强关联性的驱动因子。将滇池流域划分为3 个时间段：1988—1998年、1998—2008 年、2008—2018 年，将对应年份的土地覆盖数据及筛选后的驱动因子代入模型计算灰色关联度，结果见表7。

表7 灰色关联度结果Table 7 Result of grey association

将关联度指标按数值大小区分为3 个关联等级：0～0.5 为低关联，0.5～0.8 为中关联，0.8～1.0 为高关联。按关联等级对灰色关联度的结果进行区分，1988—1998 年对滇池流域建设用地的增长起高关联的因子为：人均道路铺装面积和社会销售品销售总额；1998—2008 年对滇池流域建设用地的增长起高关联的因子为：第三产业从业人数比、人均道路铺装面积和社会销售品销售总额；2008—2018 年对滇池流域建设用地的增长起高关联的因子为：人均道路铺装面积、高等学校数量和客运总量。1988—2018 年，人均道路铺装面积因子持续表现为高关联，社会销售品销售总额因子与客运总量因子有2 个阶段表现为高关联，而卫生医疗机构数、总人口数、自然科学研究机构数、国内生产总值这4 项因子的多年来的关联度较低。

按表1 的驱动因子分类来计算各年度驱动因子的关联度总值，1988—1998 年的驱动力排序应为：经济驱动（2.082）＞人口驱动（1.748）＞基础建设驱动（1.668）＞教育、卫生条件驱动（1.119）；1998—2008 年内的驱动力排序应为：人口驱动（2.347）＞经济驱动（1.944）＞基础建设驱动（1.729）＞教育、卫生条件驱动（1.641）；2008—2018 年内的驱动力排序应为：教育、卫生条件驱动（2.034）＞基础建设驱动（1.789）＞经济驱动（1.514）＞人口驱动（1.452）。1988—2008 年，经济驱动因素与人口驱动因素的贡献比重较高，而2008—2018 年，教育、卫生条件驱动因素与基础建设驱动因素的贡献比重较高。

3 结论与讨论

本次研究基于GEE 云平台，采用1988—2018年的Landsat 遥感影像对滇池流域进行了土地覆盖分类，结合动态度、年变化率、土地利用程度综合指数等指标，按行政区划的不同来分析滇池流域多年来的土地覆盖变化特征，并且结合多项驱动因子，采用熵值法与灰色关联法来分析不同时期内的建设用地变化驱动力。结果表明：

1）1988—2018 年，面积持续减少的为草地、农地、水体这3 类；而持续增长的为林地、建设用地、其他未利用地这3 类；滇池流域的主要土地覆盖类型为林地、草地与水体，三者面积总占比长期超过60%；1988—2018 年，林地面积增长最多，建设用地次之，面积减少最多的地类为草地。

2）1988—2018 年，滇池流域的土地覆盖变化过程较为剧烈，建设用地为最大的转入类型，林地、草地的转出面积较多；流域内土地覆盖的主要流转方式为草地转为林地、建设用地，农地转化为建设用地、其他未利用地，其他未利用地转化为草地、林地。

3）滇池流域在1988—1998 年的各区县土地覆盖变化进程较为平缓，而1998—2008 年，各区县均发生较大的变化，是滇池流域发展最为迅猛的阶段，2008—2018 年内的土地覆盖变化进程稍有减缓；1988—2018 年，官渡区、五华区与呈贡区的土地覆盖变化进程较为剧烈，而嵩明、晋宁的变化进程相对缓和；晋宁、嵩明2 个县的林地、草地总占比较大，呈贡与晋宁的农地总占比较大。

4）各因子在不同时期内对于滇池流域建设用地变化的驱动作用也不同；1988—2018 年，人均道路铺装面积因子持续表现为高关联，社会销售品销售总额因子与客运总量因子有两个阶段表现为高关联；而卫生医疗机构数、总人口数、国内生产总值、自然科学研究机构数这4 项因子有2 个阶段表现为低关联；1988—1998 年、1998—2008 年，经济驱动因素与人口驱动因素为主要的驱动因素，基础建设驱动因素与教育、卫生条件驱动因素贡献虽然较低，但是稳步增长；2008—2018 年，教育、卫生条件驱动因素与基础建设驱动因素的贡献比较高，而人口驱动因素与经济驱动因素的贡献比重下降较多。

滇池作为全国第六大淡水湖、最大高原淡水湖泊，其流域内的土地覆盖变化进程较为独特。在以往的滇池流域土地利用/覆盖变化研究中，部分学者从景观格局[8]、地形梯度[24]等角度进行深入探讨，但未能考虑到滇池流域内的各行政区具有较大差异。本次研究基于GEE 平台，获取了较高精度的长时间序列的土地覆盖结果，可为滇池流域的景观格局优化、生态安全建设、生态系统保护等相关研究提供基础数据，并揭示流域内各行政区不同的发展规律，为地方发展提供有效的科学依据。

在建设用地变化驱动力的研究上，各行政区均有部分地区处于滇池流域之外，这导致数据具有不一致性，所以本研究的驱动因子体系未能按行政区的不同来构建，这是本研究的不足之处。但本研究仍然按照不同时间段，对不同时期内滇池流域的建设用地进行了驱动力分析。在今后的研究中，将结合多模型，全面、系统、深入地研究如何构建更科学的区域土地覆盖变化驱动体系，以期提高研究的科学性。