基于轉移矩陣的重慶市北碚區土地利用變化分析

丁茜+付梅臣+王力

摘要：獲取土地利用/覆被變化定量信息對于土地管理和規劃、促進可持續發展有重要意義。以重慶市北碚區2000、2005、2010、2015年的landsat TM 影像為基本數據源，采用監督分類的方法獲得了北碚區4個時相的土地利用數據，建立土地利用轉移矩陣，從年均變化強度、地類動態度、地類轉變強度及傾向度3個層次構建指標，深入挖掘土地利用變化信息，分析北碚區15年土地利用的變化速率、轉變強度及變化趨勢。結果表明：2000—2015年重慶市北碚區的土地利用發生明顯變化，變化強度呈遞增趨勢；各類用地在不同時段內變化分異較大，變化相對劇烈的地類主要是建設用地和耕地，耕地減少的強度與城市擴張速度呈正相關；地類綜合動態度與地類占研究區面積的比例有關，單一動態度則反映地類自身的變化情況；地類轉變強度和傾向度分別挖掘了地類變化的直觀和潛在轉變信息，二者結合更能全面地分析地類的來源與轉向的情況。

關鍵詞：土地利用變化；轉移矩陣；遙感監測；重慶市北碚區

中圖分類號： F301.24文獻標志碼： A文章編號：1002-1302（2017）12-0198-07

通信作者：付梅臣，教授，主要從事土地利用和復墾研究。E-mail：fumeichen@cugb.edu.cn。土地利用/覆被變化（LUCC）是全球氣候變化和可持續發展研究領域關注的核心問題，也是人類活動與自然環境相互作用最直接的表現形式[1-2]。研究區域系統內的土地利用結構變化規律，對土地利用調控、合理利用土地、促進區域社會經濟發展具有重要意義[3]。當前國內外土地利用變化研究主要涉及3個方面：一是土地利用演化規律研究[4-15]，包括數量和空間演變規律；二是引起土地利用變化的驅動機理分析[16-19]；三是基于變化過程構建有關模型模擬預測土地利用演化[3-4，20-24]。土地利用動態過程監測是驅動力分析和模擬預測的基礎，對深入開展土地利用變化研究具有重要意義。

土地利用轉移矩陣反映了一個區域在2個時點間土地利用變化的數量結構特征與各用地類型變化的方向，因而在土地利用變化和模擬分析中具有重要意義，并得到廣泛應用[6]。傳統的土地利用轉移矩陣應用集中在直接分析土地利用類型面積的變化信息，其中又以土地利用類型面積的凈變化、總變化以及動態度分析為主[7]，不能全面而深入挖掘土地利用變化的過程潛在信息。

近年來，重慶市北碚區社會經濟快速增長，重大基礎設施建設導致土地利用格局變化具有典型性，有重要研究價值。本研究以重慶市北碚區為例，引入土地利用年均變化強度、地類動態度、地類轉變強度及傾向度的分析計算方法，從3個層次對土地利用變化過程進行分析，并判斷土地利用變化強度與傾向性的規則，以期為有效獲取北碚區土地利用類型動態變化信息以及為土地利用空間分析和預測建模提供有效信息。

1研究區域與數據

1.1研究區概況

北碚區位于29°44′N～29°33'N、106°12'E～106°32'E，地處重慶市核心區的西北面嘉陵江下游（圖1）。全區幅員面積75 500 hm2，常住人口77萬人，其中城鎮人口61萬人，轄5個街道、12個鎮。北碚區位于四川盆地平行嶺谷地區，屬西南坳褶帶，主要地形為山脈和丘陵，其間形成谷地，嘉陵江從西北向東南橫流而過，支流20余條，水系豐富。該地區屬亞熱帶季風濕潤氣候，熱量豐富，雨量充沛，最高氣溫44.3 ℃，最低氣溫-3.1 ℃，年平均氣溫18.2 ℃。土壤以紫色土、水稻土為主，盛產水稻、玉米、紅薯、水果等。

北碚區距重慶市中心24 km，距重慶市江北國際機場 27 km，是重慶市進出川北的咽喉要地。全區公路里程 1 470 km，航道里程44.5 km，港口（碼頭）23個，襄渝鐵路橫穿東西，嘉陵江黃金水道縱貫南北，交通極為便捷。

按照重慶市五大功能區域戰略布局，北碚區屬都市功能拓展區。北碚區立足都市功能拓展區定位，圍繞“五區四帶”發展戰略部署，先后引進工業項目180余個，GDP能耗降至0.76 t標煤/萬元。2015年，完成地區生產總值430億元，規模以上工業總產值841億元，全社會固定資產投資595億元，一般公共預算收入27.6億元，增長12.1%，城鄉常住居民人均可支配收入分別達到30 261、14 499元，扎實推進經濟社會發展，進入了加速城市化發展的新階段。

1.2數據來源及處理

通過美國地質調查局網站，下載重慶市北碚區2000—2015年 landsat TM遙感影像，時段是5年，軌道號均為 128/039，分辨率為30 m×30 m。利用ENVI 5.1軟件，對4個時段的影像進行輻射定標、波段合成、圖像裁剪和掩膜等處理，根據研究區域實際情況，結合實地考察和Google Earth提供的高分辨率圖像，通過選擇樣點，用監督分類的方法將研究區分成水域、建設用地、林地、耕地、其他用地5種用地類型，從而得到北碚區4期土地利用/覆被類型圖（圖2）。經過混淆精度檢驗，4個時段影像的分類精度符合研究的精度要求（表1）。利用ENVI對不同時相遙感圖像的分類結果進行疊加運算，得到2000—2005年、2005—2010年、2010—2015年3

2方法

2.1年均變化強度分析

土地利用轉變強度分析研究區每個時段的年均變化速

式中：Ut為研究區在研究時段內的年均轉變強度，%；Sn為研究區總的轉入面積，km2；S為研究區域的土地總面積，km2；T為研究時段的年跨度，年。

2.2地類動態變化分析

土地利用的顯著特點之一就是其空間位置的固定性與特殊性。如圖3所示，實線部分表示地類i在T1時點的狀態，虛線部分表示地類i在T2時點的狀態，地類i從研究時點T1到T2的土地利用空間格局變化包含3種類型：（1）未變化部分（Sii），其土地利用類型與空間區位在時間段T1-T2沒有發生變化；（2）轉入部分（S+i- Sii），表示其他非i地類轉變為地類i的部分；（3）轉出部分（Si+- Sii），表示地類i在研究時間段轉變成其他非i地類的部分。endprint

地類動態變化主要進行空間格局變化的轉入和轉出2個部分分析，研究方法分為2種：一種是地類綜合動態度模型，該模型分析各地類相較于整個研究區域的變化程度；另一種是地類單一動態度模型，該模型分析不同地類相較于其自身發生變化之前的狀態產生的變化強度。

Gsi=S+i- SiiS×1T×100%；（2）

Lsi=Si+- SiiS×1T×100%；（3）

Gi=S+i- SiiS+i×1T×100%；（4）

Li=Si+- SiiS+i×1T×100%。（5）

式中：Gsi和Lsi分別為地類i在綜合動態度模型下某研究時段內的年均轉入速率和年均轉出速率；Gi和Li分別為地類i在單一動態度模型下某研究時段內的年均轉入速率和年均轉出速率；S為研究區的總面積；S+i和Si+分別為地類i在期初和期末的總面積；Sii為地類i沒有發生變化的面積；T為研究時段的年跨度。

式（2）、（3）定義了地類綜合動態模型的地類年均轉入速率和轉出速率，其值越大，表示地類相較于研究區變化速率相對越快；式（4）、（5）定義了單一動態模型的地類年均轉入速率和轉出速率，其值越大，表示地類相較于自身變化速率相對越快。兩者關系在于，地類單一動態度是地類綜合動態度乘上該地類占研究區總面積的比值所得結果，消除了面積對變化強度的影響，對于分析特定時段內地類相較于自身面積變化速率快慢有著重要意義，兩者結合可以較為全面地反映與比較各地類的變化程度。

2.3地類轉變強度和傾向度分析

地類轉變強度研究針對某一特定地類，其轉入和轉出面積的主要來源以及轉換的程度。式（6）、（7）分別定義了地類年均轉入強度和年均轉出強度，其值越小，表示該地類的轉變強度越小，且為非主要轉入/轉出來源；其值越大，表示該地類的轉變強度越大，且為主要轉入/轉出來源[8]。

Gji=SjiSi+×1T×100%；（6）

Lij=SijS+i×1T×100%。（7）

式中：Gji為其他地類j轉成地類i（i≠j）的轉入強度；Lij為地類i轉成其他地類j（i≠j）的轉出強度；Sij表示某研究時段內地類i轉成地類j的面積；Sji表示研究時段內地類j轉成地類i的面積；T為研究時段的年跨度。

地類轉變傾向度定義了不同土地利用類型之間轉換的傾向性強度，該方法消除了土地利用類型面積對轉換面積的影響，能夠很好地反映地類之間相互轉換的優勢信息。式（8）、（9）分別從地類轉出量和轉入量的角度，定義了在隨機條件下土地利用類型之間轉化的理論值計算方法[7]。式（10）、（11）定義了地類實際轉換與理論轉換的差異強度，其值越小，說明該土地利用轉換類型的傾向優勢越強，相應地類轉換系統性越強；其值越大，表明該土地利用轉換類型的傾向優勢越弱，相應地類轉換隨機性越強。

Wij=（Si+-Sii）×Si+S-Si+；（8）

Vji=（S+i-Sii）×S+iS-S+i；（9）

Rji=|Sij-Wij|Wij；（10）

Qji=|Sji-Vji|Vji。（11）

式中：Wij為地類i轉成地類j（i≠j）的理論轉出量；Vji為地類j轉成地類i（i≠j）的理論轉入量強度；Rij為地類i轉成地類j（i≠j）的地類轉出傾向度；Qji為地類j轉成地類i（i≠j）的地類轉入傾向度；Sij表示某研究時段內地類i轉成地類j的面積；Sji表示研究時段內地類j轉成地類i的面積。

3結果與分析

3.1年均變化強度

從地類年均變化強度（圖4）來看，2000—2005年土地利用變化面積僅占研究區域的14%，年均變化強度為2.81%，變化相對緩慢；2005—2010年年均變化強度為3.50%，土地利用變化相對加快；2010—2015年土地利用變化最快，年均變化強度達5.32%。從土地利用變化總體態勢來看，2000—2015年北碚區整體的年均變化強度達到3.88%，從分時段的土地利用變化來看，土地利用年均變化強度呈逐漸增大趨勢，且相較于整體變化而言，前2個時段變化相對緩慢；2010—2015年土地利用年均變化強度變化迅速，這與北碚區近年來都市功能拓展區的定位及“五區四帶”發展戰略的不斷深入有著密不可分的聯系。

3.2地類動態度

從地類凈變化來看（圖5），耕地在3個時段內的動態度均是轉出大于轉入，說明耕地在研究時段內呈縮減趨勢；建設用地在3個時段內的動態度均是轉入大于轉出，說明建設用地呈不斷增長趨勢；林地的凈變化呈現先基本平穩到縮減再到增長的趨勢；水域凈變化呈現先減后增再減的趨勢，但變化不明顯；其他用地呈現先增后減再平穩的趨勢。

從地類動態度來看（圖5），耕地的綜合轉出動態度均最大，綜合轉入動態度除2010—2015年較小外，其他時間段變化都相對較大，說明15年間耕地面積變化很大，但是單一動態度均小于7%，這與耕地在研究區內所占比例最大有關，說明對于整個研究區域而言，耕地變化十分劇烈，但是就耕地自身面積來看，由于面積基數較大，變化的部分相對較少；其他用地與耕地變化趨勢相反，由于其他用地面積在整個研究區的比例最小，因此綜合動態度在3個時段內均最小，但是相較于自身面積來看，變化十分劇烈；建設用地的綜合動態度和單一動態度呈增大趨勢，且轉入均大于轉出，說明建設用地在3個時段內的變化強度不斷增大，并不斷擴張；由于林地面積占研究區比例較大，與其他4種地類相比，綜合動態度較大，但單一動態度較小；水域的綜合動態度和單一動態度均變化不大，說明水域在研究區內變化強度相對平穩，變化趨勢不明顯。

3.3地類轉變強度和傾向度

從轉入強度和傾向度來看（圖6），3個研究時段內林地一直是耕地增加部分的主要來源，且轉入傾向度均小于1%，說明林地轉為耕地為系統性轉換；轉入耕地來源其次是建設用地，轉入比例有增大趨勢，傾向度為3%～4%，變化不大，說明建設用地轉為耕地屬于隨機性轉換；水域和其他用地轉入耕地的比例很小，且傾向度逐漸減小，說明2類用地轉為耕地有隨機到系統變化的趨勢。endprint

耕地在3個時段內主要轉為建設用地，2000—2010年間為隨機轉變，2010—2015年轉變相對穩定；其次是林地，強度先減小后增大，均為系統性轉變；其他用地和水域強度相對很小，2000—2010年傾向度相對較大，變化相對隨機；2010—2015年傾向度減小，為系統性轉變。

從轉變強度來看（圖7），3個時段內建設用地主要轉入來源和轉出去向均為耕地，而林地、水域和其他用地的轉變強度均相對較小。

耕地、林地、水域在3個時段內的轉變傾向度較小，為系統性轉變；其他用地除2005—2010年轉出傾向度較小，為系統性轉換外，其他時段內的轉變傾向度均為隨機性轉換。

從轉變強度來看（圖8），3個時段內耕地的轉入和轉出強度最大，林地轉入的主要來源和流向主要為耕地，且傾向度均小于0.6%，說明這種轉變相對穩定；其他3種地類與林地之間的轉變強度較小。

水域轉出傾向度有減小趨勢，即林地轉為水域呈現由隨機性向系統性轉變的趨勢，此外，水域轉入傾向度經歷了由系統-隨機-系統的轉變；除水域外的其他3種地類的轉入和轉出傾向度相對較小，為系統性轉變。

從轉變強度來看（圖9），2000—2010年耕地的轉出強度較大，說明水域主要轉出為耕地；2010—2015年建設用地變成了水域的主要流向；耕地轉為林地的強度在3個時段內均最大，說明耕地為林地增加的主要來源。

2000—2005年其他用地轉出傾向度很大，為隨機性轉變，而后2個時段內的轉出傾向度急劇減小，轉變較為穩定；其他用地轉入傾向度與之相反，2000—2005年為系統性轉變，2005—2015年的轉變較為隨機；建設用地、林地、耕地的

轉變傾向度相對較小，屬于系統性轉變。

從轉出強度和傾向度來看（圖10），建設用地在3個時段內轉出強度相對較大，且有逐年增大趨勢，說明建設用地逐漸成為其他用地主要流向，但其轉出傾向度不斷減小，即其他用地轉為耕地由隨機性向系統性轉變。耕地的轉出強度逐漸減小，2000—2005年為其他用地的主要流向，2005—2015年是非主要流向。3個時段內耕地的轉入強度均大于9%，說明耕地一直是其他用地增加的主要來源，且耕地的轉入和轉出傾向度均小于1%，說明耕地與林地之間的轉變為系統性轉變。水域不是其他用地的主要來源，但傾向度有較大變化，2000—2005年其他用地轉為水域為系統性變換，水域轉為其他用地為隨機性變換；2005—2015年則與之相反，其他用地轉為水域為隨機性變換，水域轉為其他用地為系統性變換。

4結論與討論

利用遙感解譯得到的北碚區2000、2005、2010、2015年土地利用數據，利用GIS空間分析功能提取相鄰年份之間的土地利用轉移矩陣，通過年均變化強度、地類動態度、地類轉變強度及傾向度3個層次的分析，對北碚區2000—2015年土地利用變化情況及趨勢進行了研究，主要結論如下：（1）從整體變化來看，北碚區15年間土地利用發生較大變化，平均變化強度為3.88%，且土地利用變化強度呈遞增趨勢，實現了由緩慢到迅速變化的轉變；從綜合動態度來看，變化相對劇烈的地類主要是耕地和建設用地，總體態勢是建設用地面積增加、耕地面積減少，其他用地雖然面積占研究區比例較少，但從單一動態度來看變化較為明顯；第3層次分析表明，耕地面積的減少與建設用地的增加有著密不可分的聯系，耕地受建設用地干擾最強，耕地的轉出主要發生在城鎮周邊，其強度伴隨著城市擴張速度的加快而增大，因此在區域用地調控中，控制了耕地的減少也就防止了建設用地的無序擴張。（2）地類變化強度可以從綜合動態度與單一動態度兩方面考察，2個指標之間沒有必然聯系，綜合動態度的大小與地類占地區總面積的比例有關，單一動態度則與地類自身變化有關，且不同地類的動態度分異較為明顯；年均轉變強度直觀反映了地類在研究時段內的主要來源和轉向情況，而轉變傾向度則能將面積所占比例較小的地類轉變結果顯著化，輔助挖掘潛在來源與轉向信息，在面積差異較大的地類作用尤為明顯。（3）傳統的土地利用變化分析模型通常只考慮土地利用類型數量的變化，很難全面反映土地利用變化的過程和機制。因此，以轉移矩陣為基礎，從時間序列上對土地利用綜合變化進行第1層次的分析，從地類轉入和轉出兩部分的動態變化，綜合考慮凈變化和綜合變化進行第2層次分析，同時地類之間轉換的角度既考慮地類相互轉變強度又分析了該種轉變的傾向程度作為第3層次分析，層層深入，更能客觀和全面反映土地利用變化的實際情況，研究結果可為土地管理和規劃提供依據。

本研究的尺度是以5年為間隔，考慮時段內區域總體平均變化趨勢，沒有考慮單個研究時段內土地利用變化具體情況，且受遙感影像精度的限制將地類分成5類，若能獲取更高時間和空間分辨率的土地利用數據，則能獲取更精確的區域土地利用轉變信息。

參考文獻：

[1]顏長珍，張增祥，劉紀遠，等. 20世紀80年代末以來中國土地利用變化的基本特征與空間格局[J]. 地理學報，2014，69（1）：3-14.

[2]李秀彬. 全球環境變化研究的核心領域──土地利用/土地覆被變化的國際研究動向[J]. 地理學報，1996，51（6）：553-558.

[3]Mas J F，Kolb M，Paegelow M，et al. Inductive pattern-based land use/cover change models：a comparison of four software packages[J]. Environmental Modelling & Software，2014，51（1）：94-111.

[4]楊成鳳. 北京市土地利用空間格局演化模擬及預測[J]. 地理科學進展，2015，34（8）：976-986.

[5]Islam M R，Miah M G，Inoue Y. Analysis of land use and land cover changes in the coastal area of Bangladesh using landsat imagery[J]. Land Degradation & Development，2016，27（4）：899-909.endprint

[6]段增強，張鳳榮，孔祥斌. 土地利用變化信息挖掘方法及其應用[J]. 農業工程學報，2005，21（12）：60-66.

[7]劉瑞，朱道林. 基于轉移矩陣的土地利用變化信息挖掘方法探討[J]. 資源科學，2010，32（8）：1544-1550.

[8]Aldwaik S Z，Pontius J . Intensity analysis to unify measurements of size and stationarity of land changes by interval，category，and transition[J]. Landscape and Urban Planning，2012，106（1）：103-114.

[9]喬偉峰，盛業華，方斌，等. 基于轉移矩陣的高度城市化區域土地利用演變信息挖掘——以江蘇省蘇州市為例[J]. 地理研究，2013，32（8）：1497-1507.

[10]孫云華，郭濤，崔希民. 昆明市土地利用變化的強度分析與穩定性研究[J]. 地理科學進展，2016（2）：245-254.

[11]孫雁，劉志強，王秋兵，等. 1910—2010年沈陽城市土地利用空間結構演變特征[J]. 地理科學進展，2012，31（9）：1204-1211.

[12]白根川，夏建國，王昌全，等. 基于地類空間轉化趨勢模型的眉山市東坡區土地利用轉化分析[J]. 資源科學，2009，31（10）：1793-1799.

[13]唐寬金，鄭新奇. 基于空間相鄰的地類轉換傾向性模型的構建及應用[J]. 生態學報，2009（1）：337-343.

[14]Pontius R G，Shusas E，Mceachern M. Detecting important categorical land changes while accounting for persistence[J]. Agriculture Ecosystems & Environment，2004，101（2/3）：251-268.

[15]鐘凱文，孫彩歌，解靚. 基于GIS的廣州市土地利用遙感動態監測與變化分析[J]. 地球信息科學學報，2009，11（1）：111-116.

[16]李平，李秀彬，劉學軍. 我國現階段土地利用變化驅動力的宏觀分析[J]. 地理研究，2001，20（2）：129-138.

[17]劉紀遠，張增祥，徐新良，等. 21世紀初中國土地利用變化的空間格局與驅動力分析[J]. 地理學報，2009，64（12）：1411-1420.

[18]牟鳳云，張增祥，遲耀斌，等. 基于多源遙感數據的北京市1973—2005年間城市建成區的動態監測與驅動力分析[J]. 遙感學報，2007，11（2）：257-268.

[19]劉康，李月娥，吳群，等. 基于Probit回歸模型的經濟發達地區土地利用變化驅動力分析——以南京市為例[J]. 應用生態學報，2015，26（7）：2131-2138.

[20]龔文峰，袁力，范文義. 基于CA-Markov的哈爾濱市土地利用變化及預測[J]. 農業工程學報，2012，28（14）：216-222.

[21]Liu T，Yang X. Monitoring land changes in an urban area using satellite imagery，GIS and landscape metrics[J]. Applied Geography，2015，56：42-54.

[22]Abuelaish B，Olmedo M T. Scenario of land use and land cover change in the Gaza Strip using remote sensing and GIS models[J]. Arabian Journal of Geosciences，2016，9（4）：1-14.

[23]孟成，盧新海，彭明軍，等. 基于Markov-C 5.0的CA城市用地布局模擬預測方法[J]. 中國土地科學，2015，29（6）：82-88.

[24]張云鵬，孫燕，陳振杰. 基于多智能體的土地利用變化模擬[J]. 農業工程學報，2013（4）：255-265.馮雪力，劉廷璽，吳世新. 基于遙感抽樣的新疆農區耕地利用率及其空間分異特征[J]. 江蘇農業科學，2017，45（12）：205-208.endprint