基于遙感和GIS的長春經濟開發區土地利用變化研究

楊國東　梁爽 王磊

摘要 利用1988和2014年2期的Landsat TM/OIL遙感圖像，應用監督分類的方法完成兩期影像的土地利用類型的測量，并且基于GIS提取和統計土地利用變化信息，分析長春市經濟開發區1988—2014年土地利用變化的時空特征。結果表明，旱地、水田、草地、林地、未利用土地、城鎮、居民地等主要土地利用類型的面積均有不同程度的變化。結合社會經濟統計資料分析該變化的原因，揭示了該地區土地利用變化的內在機制。

關鍵詞 遙感影像；長春經濟開發區；監督分類；土地利用

中圖分類號 S127 文獻標識碼

A 文章編號 0517-6611（2018）14-0090-03

Land Use Change in Changchun Economic Development Zone Based on Remote Sensing and GIS

YANG Guodong，LIANG Shuang，WANG Lei （College of GeoExploration Science and Technology，Jilin University，Changchun，Jilin 130012）

Abstract We used Landsat TM and OIL digital image to analyze the changing and features of land use from 1988 to 2104 in Changchun economic development zone，Jilin Province.Land use types were measured through the method of maximum likelihood classification.Land use change areas were determined and extracted by using postclassification comparison based on GIS.The result showed that the areas of the main landuse type such as farmland，paddy field，grassland，forest，unused land and builtup land had changed in different extent，which revealed that land use in study area had changed greatly during the study period.The expansion of urbanization was remarkable，and the article also revealed the internal mechanism of land use change based on the statistics data of social and economic.

Key words Remote sensing data；Changchun economic development zone；Supervised classification；Land use

土地是一種重要的自然資源，隨著全球氣候變化，土地利用變化成為一個重要的研究方向。對土地利用時空變化進行研究，將有利于更加地合理配置土地資源和環境保護，同時為政府相關規定的決策提供科學依據[1]。

近年來，隨著遙感技術的突飛猛進，遙感技術已被廣泛應用于土地利用變化的監測中[2]。遙感在土地利用分類中的研究已有較長歷史，目前，土地利用研究中使用的遙感影像有無人機影像、高分辨率遙感影像和Landsat影像等。國內外學者進行了大量相關研究。王良健等[3]利用航空遙感調查方法結合GIS技術，定量分析了研究區域內土地利用動態變化過程以及土地利用各類型之間的相互轉化狀況。廖克等[4]應用KOCMOC衛星、SPOT5等高分辨率遙感影像數據，完成了1986、1998、2004年北京市昌平區土地利用圖的編制。曹雪等[5] 基于1988和1998年TM影像，提取出南京市土地利用動態變化信息。El-Kawy等[6]使用遙感數據，應用最大似然監督分類方法對尼羅河流域1984—2009年的土地利用狀況進行了分析。Dewan等[7]基于3期的TM影像，采用監督分類和分類后處理方法，評估了達卡地區1975和2003年土地利用變化和城市擴張趨勢。遙感技術已經成為進行土地利用變化動態監測，發現土地利用變化區域的重要手段。筆者利用1988和2014年2期的Landsat TM/OIL遙感圖像，采用最大似然法的監督分類完成對2個時相各土地利用類型的測量，基于GIS的分類后比較法統計和提取土地利用變化信息，分析了長春市經濟開發區1988—2014年土地利用時空變化特征。

1 材料與方法

1.1 研究區概況

長春市經濟開發區位于長春市區東南部，處于溫帶半濕潤季風氣候區，四季分明，氣候宜人，最高溫度為28.3 ℃，最低溫度為-22.4 ℃，年平均降水量為654.3 mm，冬天積雪深度約30 cm。區內有凈月潭國家森林公園，凈月潭國家森林公園景區面積為96.38 km2，其中水域面積為5.30 km2，森林覆蓋率在96%以上，由凈月潭水庫與凈月潭周圍林區組成。凈月潭地區以其良好的生態環境、優美景色，于1988年被國務院批準為國家重點風景名勝區。目前，為開展生態旅游的生態示范區，它對長春經濟技術開區的發展起著重要作用[8]。

長春市經濟開發區對長春市的發展極其重要，研究長春市經濟開發區的土地利用變化，有助于政府決策和城市規劃。研究區為包含長春市經濟開發區在內的周邊地區。西側邊界為省道S26，南側邊界為國道G1，東側為長春市與雙陽區邊界（圖1），根據Google Earth提供的影像為底圖，基于GIS采用數字化方法獲取研究區的矢量邊界。

1.2 遙感數據 遙感影像來源于Landsat衛星，數據為中國科學院對地觀測與數字地球科學中心提供的TM（1988年）、OLI（2014年）遙感影像。Landsat是美國NASA的陸地衛星計劃發射的，從1972年開始發射第一顆衛星LANDSAT-1，現已發射8顆。TM影像是Landsat-5上所獲取的影像，具有7個波段，空間分辨率為30 m。OLI影像來源于Landsat 8衛星，包括9個波段，空間分辨率為30 m，其中包括一個15 m的全色波段，成像寬幅為185 km×185 km[9]。 2期影像時間分別為1988年9月25日和2014年9月17日，云量均小于3%，影像質量較好。

1.3 數據處理與分類方法

1.3.1 數據預處理。數據預處理方法為波段組合、圖像配準、圖像融合、圖像增強和圖像裁剪。預處理的過程在ENVI軟件中實現。首先將TM影像4、5、3波段進行組合[10]，獲得信息豐富的多波段遙感影像圖。幾何校正是遙感信息處理中一個十分重要的環節，直接關系到信息提取的精度，該研究以1 ∶25萬基礎地理數據為基準對2期影像進行幾何校正，共選擇20個明顯的地物作為控制點，采用共線方程糾正法來糾正，最終每點的均方差均小于0.5個像元，符合精度要求[11]。由于該研究選擇的訓練樣本數據與影像屬于同一時期，不需要進行大氣校正[12]。對OLI影像的可見光波段與全彩色波段進行圖像融合，使影像具有更高分辨率。為了提高圖像的可判讀性，從視覺上便于識別圖像內客，對2期遙感影像進行圖像增強處理。最后根據研究區的矢量邊界進行圖像裁剪，獲得研究區影像。

1.3.2 分類方法。監督分類方法首先需要從研究區域選取有代表性的訓練場地作為樣本，根據已知訓練區提供的樣本，通過選擇特征參數，建立判別函數，據此對樣本像元進行分類，依據樣本類別的特征來識別非樣本像元的歸屬類別。在監督分類中，最大似然方法的精度優于其他方法[13]。該研究主要采用最大似然法的監督分類，分類后進行斑塊融合等處理，并結合目視解譯獲得2期土地利用最終數據，利用Google Earth影像對分類結果進行精度評價，在GIS中對分類結果進行時空變化分析和統計。

土地分類系統有多種分類方法[14]，該研究根據中國科學院土地分類系統將土地類別分為旱地、水田、草地、林地、水域、未利用土地、城鎮、居民用地7個類別。

2 結果與分析

2.1 分類精度評價 為了評價分類結果的精度，該研究隨機選取了500個樣本點，并且保證每類至少有30個樣本點[15]，所評價的依據是原始影像的目視判讀和Google Earth影像圖，最后建立了土地利用變化分類混淆矩陣，計算其總體精度及Kappa系數。由表1可知，1988和2014年的分類結果較好，可進行研究區土地利用變化的時空動態分析。

2.2 時空變化分析 由圖2可知，1988—2014年，長春市經濟開發區的城鎮、居民用地明顯增多，主要集中在凈月潭國家森林公園附近，這與長春市經濟開發區近30年的發展息息相關。城市擴展的主要原因有人口、交通、社會經濟環境等。資料顯示，從1993年到2000年，長春經濟開發區的進出口和GPD總值增長了3.8倍[16]。1988年，凈月潭被國務院批準為國家級風景名勝區，凈月潭國家森林公園的旅游業也隨之興起，經濟的發展導致了人口的增長，促進了工業的大發展，導致城鎮、居民用地的增加。從空間上看，長春市經濟開發區城市用地擴展的重心主要分布在北側，城市用地呈圈層式向外擴展，這主要是因為北側交通便利，靠近城市中心。對比分析1988和2014年的土地利用變化可以發現林地和水體的變化并不顯著，趨于平緩。水田的面積顯著減少，變化區域主要分布在水庫的上游，草地面積減少區域主要分布在水庫下游。旱地、水田和草地面積的減少很大程度上與人類活動相關。水田的減少主要變更為旱地，旱地大部分變更為城鎮、居民用地。水田變更為旱地，與氣候的變化有一定關系，長春氣象站1951—2011年氣象資料顯示，近60年來氣溫呈明顯上升趨勢，并且增溫速率達每10年增加 0.14 ℃[17]。1989年以來，長春市的氣溫距平值明顯升高，歷年的極端低溫上升的趨勢也比較明顯，年降水量無明顯變化，但是極值降水量的變化趨勢增多[18]。氣溫的極值降水量的增加更適合旱地作物的生長。氣溫的變化以及人類活動是水田變更為旱地的主導因素。

通過GIS對分類后結果進行統計，結果見表2。對1988—2014年土地利用變化進行定量分析，明顯看出， 2014年城鎮、居民用地的面積較1988年增長 了1倍以上，由44.11 km2增長到96.06 km2，凈增長率為117.77%，由此可見，長春市經濟開發區的城鎮擴張速度很快。相比之下，旱地的面積由285.89 km2減少到246.48 km2，凈減少率為13.79%；其次，變化最大的為水田，由37.87 km2減少到12.71 km2，凈減少率為66.43%。林地的面積凈增加了12.71%，由99.45 km2增加到112.09 km2。草地面積也呈減少趨勢，由11.00 km2減少到7.40 km2，凈減少率為32.77%。從1988年到2014年期間，變化最不顯著的為水域，呈現穩定趨勢，2014年較1988年凈增長率為0.28%，由68.92 km2增加到69.22 km2。

由圖3可知，長春經濟開發區內土地利用類型面積由大到小依次為旱地、林地、水域、水田、草地和未利用土地。城鎮、居民用地的顯著增加導致旱地和水田的顯著減少，城鎮化的擴張對土地利用空間分布具有一定的影響，同時也影響了環境氣候的變化。

3 結論與討論

通過遙感影像的預處理，采用最大似然的監督分類方法，結合人工目視解譯的方法，得到長春市凈月潭國家森林公園及其周邊地區的土地分類圖，應用GIS進行分類結果的統計分析，得出如下結論：

（1）利用衛星遙感影像，采用監督分類方法，并結合目視解譯獲得不同時期土地利用數據，進行動態變化監測，是一種有效便捷的方法，不僅快速科學、成本低，而且在反映整個市區較大范圍的土地利用變化和趨勢方面能夠達到精度要求，可以為土地利用資源調查與監測提供土地分類圖。

（2）從1988年至2014年，研究區的土地利用變化以城鎮、居民用地、林地、水域、未利用土地的顯著增加（凈增加率分別為117.77%、12.71%、0.28%和77.84%）以及旱地、水田及草地的減少（凈減少率分別為13.79%、66.43%和32.77%）為主要特征。

（3）工業的大發展、人口增長和城市擴張是土地利用變化的主要驅動力。各類用地之間的相互轉化比較復雜，但主要依賴城市用地的增長，也與環境因素相關。

利用多源、多時相的遙感影像進行土地利用變化監測，可以獲取多周期的變化信息?；谶b感的方法可以對研究區土地變化進行時空監測，為行政決策提供依據和科學手段。但是由于遙感影像的時間分辨率較低，不能進行實時監測，可以用來長時間序列的監測。土地利用變化受多因素驅動，主要有城市擴張、人口增長、經濟發展及環境氣候的變化，受多種因素相互作用，至于各種因素如何具體影響土地利用變化的發展趨勢，有待進一步研究。

參考文獻

[1]

葛全勝，趙名茶，鄭景云.20世紀中國土地利用變化研究[J].地理學報，2000，55（6）：698-706.

[2] 劉慧平，朱啟疆.應用高分辨率遙感數據進行土地利用與覆蓋變化監測的方法及其研究進展[J].資源科學，1999，21（3）：23-27.

[3] 王良健，包浩生，彭補拙.基于遙感與GIS的區域土地利用變化的動態監測與預測研究[J].經濟地理，2000，20（2）：47-51.

[4] 廖克，成夕芳，吳健生，等.高分辨率衛星遙感影像在土地利用變化動態監測中的應用[J].測繪科學，2006，31（6）：11-15.

[5] 曹雪，柯長青.基于TM影像的南京市土地利用遙感動態監測[J].武漢大學學報（信息科學版），2006，31（11）：958-961.

[6] ELKAWY O R A，RD J K，ISMAIL H A，et al.Land use and land cover change detection in the western Nile delta of Egypt using remote sensing data[J].Applied geography，2011，31（2）：483-494.

[7]

DEWAN A M，YAMAGUCHI Y.Land use and land cover change in Greater Dhaka，Bangladesh：Using remote sensing to promote sustainable urbanization[J].Applied geography，2009，29（3）：390-401.

[8] 朱華友，郝瑩瑩.長春市經濟技術開發區對長春市的經濟貢獻研究[J].經濟地理，2004，24（2）：172-176.

[8] 孫道瑋，俞穆清，陳田，等.生態旅游環境承載力研究：以凈月潭國家森林公園為例[J].東北師大學報（自然科學版），2002，34（1）：66-71.

[9] MUN ～ OZVILLERS L E，LPEZBLANCO J.Land use/cover changes using Landsat TM/ETM images in a tropical and biodiverse mountainous area of centraleastern Mexico[J].International journal of remote sensing，2008，29（1）：71-93.

[10] 戴昌達，雷莉萍.TM圖像的光譜信息特征與最佳波段組合[J].遙感學報，1989，4（4）：282-292.

[11] 湯競煌，聶智龍.遙感圖像的幾何校正[J].測繪與空間地理信息，2007，30（2）：100-102.

[12] SONG C H，WOODCOCK C E，SETO K C，et al.Classification and change detection using landsat TM data：When and how to correct atmospheric effects？[J].Remote sensing of environment，2001，75（2）：230-244.

[13] 閆琰，董秀蘭，李燕.基于ENVI的遙感圖像監督分類方法比較研究[J].北京測繪，2011（3）：14-16.

[14] 李樹國，馬仁會.對我國土地利用分類體系的探討[J].中國土地科學，2000（1）：39-40.

[15] 肖鵬峰，劉順喜，馮學智，等.中分辨率遙感圖像土地利用與覆被分類的方法及精度評價[J].國土資源遙感，2004，16（4）：41-45.

[16] 朱華友，郝瑩瑩.長春市經濟技術開發區對長春市的經濟貢獻研究[J].經濟地理，2004，24（2）：172-176.

[17] 高鋒，王寶書，楊雪艷.長春市氣溫變化與城市化影響分析[J].吉林氣象，2008（3）：6-8.

[18] 韓維崢，王冬明，馬欣，等.城市化背景下近60年長春市氣候變化分析[C]//多元與包容： 2012中國城市規劃年會論文集.昆明：云南科技出版社，2012.