基于GEE的天山野果林分布区土地利用变化分析

丁吉达 蒲智 鲁文蕊 温钊发

丁吉达，蒲 智，鲁文蕊，等. 基于GEE的天山野果林分布区土地利用变化分析［J］. 湖北农业科学，2024，63（2）：142-147．

摘要：基于谷歌地球引擎（Google earth engine，GEE）遥感大数据云平台，通过Landsat系列影像，运用随机森林算法，结合光谱指数、地形特征进行土地利用分类，通过地学信息图谱、土地利用动态度分析天山野果林分布区1997—2021年土地利用时空变化特征。结果表明，通过GEE平台，利用随机森林算法，可以快速实现土地利用分類，总体分类精度均大于90.00%，Kappa系数均高于0.85；1997—2021年天山野果林分布区主要为耕地、林地和草地，三者占总面积的90%以上；土地利用变化以草地向耕地的转变以及林地向草地的转变为主；建设用地、耕地、水域面积持续增加，变化呈聚集分布，林地先减后增，总体占地面积减少严重；建设用地增长速度最大，变化最为剧烈，未利用地、林地总体减少速度较大，变化较为剧烈。

关键词：土地利用； 谷歌地球引擎； 随机森林； 土地利用动态度； 地学信息图谱； 天山野果林

中图分类号：P237；F301.2         文献标识码：A

文章编号：0439-8114（2024）02-0142-06

DOI：10.14088/j.cnki.issn0439-8114.2024.02.023 开放科学（资源服务）标识码（OSID）：

Land use change analysis of Tianshan wild fruit forest distribution area based on GEE

DING Ji-da， PU Zhi， LU Wen-rui， WEN Zhao-fa

（School of Computer and Information Engineering， Xinjiang Agricultural University， Urumqi  830052，China）

Abstract： Based on Google earth engine （GEE） remote sensing big data cloud platform， through Landsat series images， using random forest algorithm， combined with spectral index， topographic features for land use classification， through the geographic information mapping， and the spatial and temporal changes of land use of Tianshan wild fruit forest distribution area from 1997 to 2021 were analyzed through geographic information mapping and land use dynamics. The results showed that through GEE platform and random forest algorithm， land use classification could be realized quickly， and the overall classification accuracy was greater than 90.00%， and the Kappa coefficient was higher than 0.85； from 1997 to 2021， the Tianshan wild fruit forest distribution area was mainly arable land， forest land and grassland， and the three accounted for more than 90% of the total area； land use changes were dominated by the transformation of grassland to arable land and the transformation of forest land to grassland； construction land， arable land and water area continued to increase， the change showed the aggregative distribution， forest land decreased first and then increased， and the overall land area decreased seriously； the growth rate of construction land was the largest and the change was the most drastic， the overall reduction rate of unused land and forest land was large and the change was more drastic.

Key words： land use； Google earth engine（GEE）； random forest； land use dynamic index； geoinformatics mapping； Tianshan wild fruit forest

土地利用/土地覆被变化（Land use and cover change，LUCC）是人类活动作用于生态环境的一种复杂响应，在可持续发展中占有重要的地位^［1］。由于遥感影像数据量大，采用传统方法进行分类较为繁琐且对电脑配置要求较高，通过谷歌地球引擎（Google earth engine，GEE）可以很好地提高分类效率。GEE平台是进行海量遥感数据研究的优秀平台^［2］，仅需在GEE平台上进行代码编写即可快速完成图像的预处理以及后续的操作。

天山腹地生长着第三纪遗留下来的亚洲面积最大、最密集的原始野生果林^［3］。由于过度放牧等人为活动以及病虫害等自然灾害，天山野果林的生态系统遭到严重破坏。

本研究基于GEE遥感大数据云平台，使用1997—2021年3期Landsat系列遥感数据，结合光谱指数、地形特征，采用随机森林算法实现研究区土地利用分类，通过构建地学信息图谱及动态度分析天山野果林分布区近25年的土地利用时空变化。

1 材料与方法

1.1 研究区概况

天山野果林在国内主要分布于新疆维吾尔自治区伊犁谷地，野苹果主要分布于巩留县至新源县的南部低山，霍城县至伊宁县的北部低山；野核桃主要分布于巩留县；野杏主要分布于伊犁谷地的低山；野李分布于霍城县的大西沟、小西沟的宽谷河岸。故本研究选择新源县、巩留县、霍城县、伊宁县作为主要研究区。研究区位于新疆维吾尔自治区西北部、天山腹地，介于北緯42°54′—44°29′，东经81°11′—84°57′，海拔538～4 229 m。研究区如图1所示。

1.2 数据来源及预处理

数据来源于GEE平台（https：//developers.google.com）提供的1997年、2011年和2021年Landsat系列数据的SR（地表反射率产品）数据，拍摄时间均为6—9月，由于SR数据已经过大气校正等预处理，故只需对数据进行去云、裁剪等预处理^［4，5］。DEM数据采用GEE平台提供的30 m空间分辨率的STRM V 3产品数据。

1.3 研究方法

1.3.1 分类体系 参考2017年国土资源部颁布的《土地利用现状分类》及天山野果林分布区土地利用特点，将研究区土地利用类型划分为6类：耕地、林地、草地、水域、建设用地和未利用地^［6，7］，并对其附编码1、2、3、4、5、6。

1.3.2 随机森林分类算法    随机森林（RF）由若干决策树构成，具有高精度、运行快速等优点^［8］。其算法原理：有放回地抽取X组样本，抽取到的样本总共占整体的2/3数量构建训练集，将这X组训练样本生成X棵决策树；得到每棵决策树的预测结果，通过投票方式决定分类结果^［9］。

1.3.3 样本及特征选取 通过遥感影像，对照Google Earth Pro软件中高分辨率影像以及参考中国多期土地利用土地覆被遥感监测数据集（CNLUCC）选取样本^{［10，11］}。本研究随机选择各地类的样本面作为分类依据，基于GEE平台选取研究区内多光谱波段、光谱指数和地形特征作为分类器训练参数，地形特征为通过DEM数据计算得到的坡度（Slope）和高程（Elevation）数据。归一化植被指数（NDVI）、归一化建筑指数（NDBI）和归一化差异水体指数（NDWI）被选为光谱特征^{［12，13］}，计算公式如下。

式中，L_NIR为Landsat影像的近红外波段；L_RED为红光波段；L_MIR为中红外波段；L_CREEN为绿光波段。

1.3.4 土地利用变化图谱 地学信息图谱是映射空间信息规律的地理时空分析方法论，可将时间与空间紧密结合，具有挖掘生态规律的优势。构建土地利用变化图谱，利用ArcGIS 10.8软件将分类得到的相邻两期土地利用数据叠加相交，通过土地利用类型编码，结合地图代数运算构建图谱^{［14，15］}。图谱属性为两位数的编码，个位数为起始年份的地类编码，十位数为结束年份的地类编码。地图代数运算公式如下。

C=10A+B    （4）

式中，C为该时段土地利用变化的图谱单元编码；A为该时段起始年份地类的图谱单元编码；B为该时段结束年份地类的图谱单元编码。

空间分离度表示变化的离散程度，可以进一步描述土地利用变化的特征^［16］。公式如下。

式中，D_ab为土地利用变化的空间分离度，值越大说明土地变化在空间上的离散程度越大；P_ab为地类变化的图谱单元数；L_ab为地类变化的面积；a为起始年份的地类编码；b为结束年份的地类编码；n为类别数。

1.3.5 土地利用动态度 土地利用动态度可定量表达研究区内土地利用的变化速度。单一土地利用空间变化动态度是指某一地类在该时段内面积增加和减少的速度^{［17，18］}，其公式如下。

式中，K为某一地类的变化动态度；U_i为起始年份某一地类面积；U_j为结束年份某一地类的面积；T 为研究时段。

综合土地利用动态度是指研究区土地利用变化的总体速度^{［19，20］}，其公式如下。

式中，L为该时段内研究区所有地类的年综合变化速度；U_i、U_j分别为起始年份及结束年份某一地类的面积；n为类别数；T为研究时段。

2 结果与分析

2.1 分类结果及精度评定

GEE平台获取到分类后的混淆矩阵，计算得到总体分类精度（OA）、Kappa系数^{［21，22］}，计算公式如下。

式中，x_ii为正确分类的像元数；N为像元总数；C为类别数；x_i+、x_+i分别是混淆矩阵中各行、各列之和。

如表1所示，总体精度达91.50%以上，Kappa系数均大于0.85，表明基于GEE平台进行的分类结果具有较好的分类精度。

2.2 土地利用时空变化分析

2.2.1 土地利用类型结构分析 1997—2021年天山野果林分布区，不同地类面积及占比如表2所示，土地利用类型结构如图2所示。研究区的主要用地类型为草地，占比均在60.00%以上；其次是耕地，呈增长趋势；林地排第三，前期林地萎缩较严重，后期面积有所回升，但林地总体面积减少；建设用地逐年增加且增加较稳定。以上数据表明林地萎缩较严重，需要加强治理。

2.2.2 土地利用变化图谱分析 如图3、表3所示，1997—2011年，土地利用变化最为明显的是草地向耕地的转变，变化面积为883.96 km²，变化主要分布于海拔中低区域的缓坡处以及新源县和巩留县北部交汇处的特克斯河流域，居民开垦耕地，占用大量草地；其次为林地向草地的转变，变化面积为777.49 km²，变化主要分布于海拔较高的山区，在该时段牧民过度放牧、旅游开发以及病虫害暴发导致林地的骤减；第三为耕地向建设用地的转变，人口的增加致使建设用地增加，居民占用耕地进行城市扩张以及农村建设。就空间分离度来看，草地向耕地以及林地向草地变化的分离度最低，分别为0.08和0.09，这说明该时段草地向耕地以及林地向草地变化活跃，变化在空间分布上聚集明显；未利用地向水域变化的分离度最高，为1.08，变化在空间分布上相对来说较为离散。总体而言，耕地、林地和草地的土地利用变化较为活跃，且空间上分布较为聚集；未利用地向耕地、草地、水域均有转移，空间分布相对离散。

2011—2021年，土地利用变化最为明显的是草地向林地的转变，变化面积为370.52 km²，主要分布于海拔较高的山区，2016年科学技术部启动“天山野果林退化生态系统保育与健康调控关键技术”项目，对野果林开展救治工作，林地开始恢复；其次为草地向耕地的转变，变化面积为275.31 km²，居民持续占用草地扩张耕地，变化分布在中低海拔的缓坡处山脚下，集中分布在巩留县西北部以及伊宁县的东南部；第三是未利用地向草地的转变，变化面积为244.23 km²，主要分布于海拔较高的裸岩处。就空间分离度来看，草地向林地的变化分离度最低，为0.13，说明草地向林地的变化十分活跃，变化在空间分布上呈聚集分布；林地向未利用地的变化分离度最高，为1.27，变化在空间分布上相对离散。总体而言，该时段空间分离度相比上一时段有所增加，故变化分布相比上一时段更为离散；林地开始恢复，未利用地持续转出，建设用地持续转入。

2.2.3 土地利用动态度分析 从表4可知，研究区的单一土地利用动态度分为1997—2011年、2011—2021年和1997—2021年3个时段。

1997—2011年土地利用变化速度最大的是建设用地，空间动态增长速率为5.39%/a；其次是耕地以及水域；减少速度最大的为林地，达2.84%/a，该时段林地活动较为剧烈，其次为未利用地；草地面积有所增加，但增加速度较小。

2011—2021年建设用地变化速度依然最大，达5.69%/a；其次为水域，增长速度为3.65%/a；耕地增长速度变小，为0.07%/a；林地增长速度为2.11%/a；未利用地减少速度最大，为4.26%/a，相比上一时段活动更剧烈。

1997—2021年总体来看，建设用地的土地利用空间变化速度最大，达7.31%/a，建设用地的扩张最为激烈；耕地、水域的土地利用空间总体增长，增长速度分别为0.87%/a、1.80%/a；林地和未利用地的土地利用空间总体减少，较少速度分别为1.13%/a和1.85%/a，未利用地减小速度最大。

从表5可知，综合土地利用动态度在1997—2011年、2011—2021年2个时段的变化速度较小，分别为0.65%/a和0.48%/a，前一时段相比后一时段变化更为剧烈。1997—2021年变化速度为0.44%/a，总体速度较小，说明近25年研究区土地利用变化较为平稳。

3 小结与讨论

本研究基于GEE平台和Landsat系列遥感影像数据，利用光谱指数和地形特征，通过随机森林算法实现对天山野果林分布区土地利用的分类，通过地学信息图谱、土地利用动态度对研究区土地利用的时空变化进行分析。

基于GEE遥感大数据云平台，采用随机森林分类算法，快速实现土地利用分类，总体分类精度均大于90.00%，Kappa系数均大于0.85。对比CNLUCC，存在部分差异，原因为分类时人为的主观差异；根据实地考察，研究区部分区域部分月份为草地，部分月份为裸地，月份不同，人为主观判定不同，结果会出现偏差；本研究以樣本面作为分类依据，使用样本面分类总体精度较高，但细节上较为粗糙，之后的研究中会采用样本点或者样本点与样本面结合的方式进行分类，与样本面分类加以对比。GEE平台分类质量高，结合光谱指数和地形特征能有效提高复杂地物的分类效率。

1997—2021年天山野果林分布区的主要土地利用类型为草地、耕地和林地；草地占比最高，均大于60%，总体增长；其次占比为耕地，人口增长致使耕地持续扩张；林地呈先减后增的趋势，总体减少且减少较为严重；未利用地持续减少；水域和建设用地持续增长。

土地利用变化图谱中以草地、耕地、林地之间的转变较为明显。草地向耕地变化最为明显，居民扩张耕地占用大量草地，耕地扩张集中在平原以及缓坡处和山脚下，呈聚集分布；其次林地向草地转变较为明显，人为干扰以及自然灾害导致林地受损严重，变化主要分布在山区；人口增长使得城市建设、农村扩张占用耕地；水域一直增长，主要由草地转变而来；未利用地持续减少，主要向耕地以及草地转变，总体看来，1997—2021年土地利用变化呈聚集分布。

土地利用单一动态度中增长速度最大的为建设用地，变化最为剧烈；耕地增长速度在2011—2021年变小，水域增长速度在2011—2021年变大；草地在第一个时段增长而第二个时段减小，变化速度较小；未利用地在2011—2021年变化速度变大，该时段内变化较为剧烈；林地1997—2011年面积增长速度较大，2011—2021年面积减小速度较大，总体面积减小且变化较为剧烈。就综合土地利用动态度来看，前一时段相比后一时段变化更为剧烈，总体变化较为平稳。

自2016年科学技术部开展“天山野果林退化生态系统保育与健康调控关键技术”项目以来，野果林的恢复取得了显著成果。根据天山野果林分布区土地利用时空演变研究成果，建议研究区在发展经济、开发旅游、牧民放牧的同时，要密切关注野果林的生态问题。同时，进一步加强政府对野果林生态的重视，使研究区的土地资源得到更加合理的利用。

参考文献：

［1］ 左 岍，周 勇，李 晴，等.鄂西南地区土地利用格局时空变化及轨迹特征分析［J］.水土保持学报，2022，36（1）：161-169.

［2］ 邹亚东，何 亮，张晓萍，等.基于GEE数据平台的北洛河流域1970—2019年土地利用结构变化特征［J］.水土保持通报，2021，41（6）：209-219.

［3］ 关昕昕.专家支招， 破解新疆天山野果林保护与修复难题［J］.新疆林业，2019（1）：29，33.

［4］ 胡云锋，商令杰，张千力，等.基于GEE平台的1990年以来北京市土地变化格局及驱动机制分析［J］.遥感技术与应用，2018，  33（4）：573-583.

［5］ 吴孔江.蚁群分类规则挖掘算法改进及遥感分类应用［D］.长沙：中南大学，2012.

［6］ 于 辉，代鹏超，张金燕，等.基于能量平衡算法的精河流域绿洲蒸散发时空变化模拟［J］.干旱地区农业研究，2018，36（4）：289-296.

［7］ 黄春华，吕靖童，王志远，等.洞庭湖生态经济区城乡建设用地演变特征及驱动因素［J］.科学技术与工程，2021，21（33）：14062-14073.

［8］ 马慧娟，高小红，谷晓天.随机森林方法支持的复杂地形区土地利用/土地覆被分类研究［J］.地球信息科学学报，2019，21（3）：359-371.

［9］ 张 琍，李 斌，阳文静，等.基于时序遥感的庐山自然保护区植被分类及其变化分析［J］.地理科学进展，2021，40（4）：703-712.

［10］ 徐新良，刘纪远，张树文，等.中国多时期土地利用土地覆被遥感监测数据集（CNLUCC）［DB/OL］.中国科学院地理科学与资源研究所数据注册与出版系统（http：//www.resdc.cn/DOI），2018.

［11］ 李小祥，黄 亮，李 凯.基于GEE平台的1991—2020年环洱海地带土地利用时空变化分析［J］.全球定位系统，2021，46（5）：17-25.

［12］ 付甜梦，张 丽，陈博伟，等.基于GEE平台的海岛地表覆盖提取及变化监测——以苏拉威西岛为例［J］.遥感技术与应用，2021，36（1）：55-64.

［13］ 陈岳涛，赵 芳，田董炜，等.基于Landsat 8 OLI影像的铜陵市土地利用变化分析［J］.现代测绘，2018，41（5）：14-17.

［14］ 田立鑫，韩 美，王 敏，等.莱州湾南岸海岸带土地利用时空演变及稳定性研究［J］.水土保持研究，2021，28（4）：259-265，274，2.

［15］ 邓振华，张 晶，于明洋，等.济南南部山区土地利用的时空变化分析［J］.首都师范大学学报（自然科学版），2010，31（1）：69-73，79.

［16］ 苗 苗，迮寒露，吴永华.浙江省耕地利用转型时空演变特征分析［J］.浙江农业学报，2021，33（4）：753-760.

［17］ 薛 贝，杨梅焕.喀斯特山区典型县域土地利用变化研究［J］.地理空间信息，2019，17（5）：46-49，5.

［18］ 杜金龙，朱记伟，解建仓，等.近25 a关中地区土地利用及其景观格局变化［J］.干旱区研究，2018，35（1）：217-226.

［19］ 何宝忠，高敏华，赵军安.基于马尔科夫模型的吐鲁番市土地覆被动态变化研究［J］.水土保持研究，2014，21（5）：41-48.

［20］ 李秀芬，蔡慧君，金 磊，等.辽西北土地利用动态变化及影响因素分析［J］.沈阳农业大学学报，2019，50（3）：257-265.

［21］ 徐知宇，周 艺，王世新，等.面向GF-2遥感影像的U-Net城市绿地分类［J］.中国图象图形学报，2021，26（3）：700-713.

［22］ 贾博中，白燕英，魏占民，等.基于MODIS-EVI的内蒙古沿黄平原區作物种植结构分析［J］.灌溉排水学报，2021，40（4）：114-120.

收稿日期：2022-10-07

基金项目：国家自然科学基金项目（62161048）

作者简介：丁吉达（1997-），男，山东临沂人，在读硕士研究生，研究方向为遥感土地利用，（电话）15615698287（电子信箱）1051460577@qq.com；通信作者，蒲 智（1975-），男，甘肃天水人，副教授，博士，主要从事环境生态遥感，（电子信箱）869831699@qq.com。