基于TM和OLI數據山西省潞城市土地利用動態變化分析與預測

桑 瀟， 國巧真， 潘應陽， 付 盈

(天津城建大學地質與測繪學院，天津 300384)

0 引言

土地利用直觀地記錄了被人類改變的地球表面特征的空間格局。人類的生存生產等活動依存于土地，人類長久發展的前提是土地資源的合理利用。土地利用研究的目的是了解土地利用在研究區域范圍內的連續變化，能直觀地表明人與環境的相互關系。從全球變化的角度看，主要研究的是土地利用和土地覆蓋變化(land use and land cover change，LUCC)對全球氣候等變化的影響[1]。從區域研究的角度看，主要研究的是LUCC對區域經濟的可持續發展作用[2]。

目前對于土地利用的研究已經應用在各種不同的領域，如環境評估、土地資源管理規劃、歷史遺跡保護和大氣污染等[3-8]。隨著現代科學技術的發展，LUCC研究可以借助許多新興的技術，如GIS技術、RS技術和計算機技術等。通過各種技術與資源的結合不僅擴大了土地資源變化研究的深度與廣度，同時建立了適應各種不同地區的模型，進而提高了研究的精確度，為土地等資源的可持續利用提供理論與技術上的支持[9-14]。

本文以山西省潞城市為研究區，基于RS與GIS技術，利用1995—2015年間5期遙感影像數據對研究區20 a間的土地利用動態變化情況進行分析研究，并采用灰度預測法GM(1，1)模型對2020年的土地利用情況進行預測，進而為該區的可持續發展提供依據。

1 研究區概況及數據源

潞城市位于山西省的東南部，太行山西麓，地理坐標在E112°59′36″～113°25′40″，N36°14′00″～36°29′30″之間。作為國家園林城市、國家衛生城市及山西省造林綠化先進市，研究區歷史悠久、自然資源豐富。

本文所用的數據為山西省潞城市1995年、2000年、2005年和2010年4期TM影像、2015年OLI影像、行政區劃圖以及其他文字資料。

2 數據預處理

利用行政邊界矢量數據對遙感影像進行裁剪，提取出研究區范圍。根據土地分類系統原則與潞城市的區域特點將研究區內的土地利用類型分為5類： 林地、耕地、居民地、水域及未利用地。采用決策樹分類算法(classification and regression tree，CART)進行分類，提取土地利用信息，并對已分類的圖像進行后處理得到最終的結果。

CART算法是把數據集中最小的Gini值作為節點將數據集分為2個子數據集，最后根據驗證數據進行剪枝。Gini指數[15]是判斷收入分配公平程度的指標，也被用來度量任何不均勻分布，其范圍在[0，1]之間，值越小說明數據對象為同一類的概率越高。所以，基于CART獲取規則的決策樹是結構簡單的二叉樹。CART算法不適用于有多個離散特征的情況，因此若要使用此方法，最好先將離散特征取值縮減。基于CART獲取規則的決策樹分類法的步驟為： ①構建多源數據集，包括： Landsat5 TM和Landsat8 OLI影像的多光譜波段、歸一化差值植被指數(normalized difference vegetation index,NDVI)和迭代自組織數據分析技術(iterative self-organizing data analysis technique,ISODATA)非監督分類結果； ②獲取規則，通過選擇訓練樣本獲取規則； ③土地覆蓋信息提取，在Decision Tree中選擇決策樹txt文件，提取出土地覆蓋信息。最終分類結果如圖1所示。對結果進行精度評定，評價結果如表1所示。從圖1和表1中可以看出，分類結果可以滿足本文對數據質量的精度要求。

(a) 1995年 (b) 2000年 (c) 2005年

(d) 2010年 (c) 2015年

圖1潞城市土地利用分類結果

Fig.1LanduseclassificationresultsofLuchengCity

3 土地利用動態變化分析

研究區總面積為61 235.77 hm2，其在1995年、2000年、2005年、2010年和2015年5個時期各類土地利用類型面積的大小及其對于研究區總面積的占比情況如表2所示。

表2 潞城市各類土地利用類型面積及占比Tab.2 Area and ratio change of land use types of Lucheng City

由表2可知，林地和耕地是研究區主要土地利用類型，約占研究區總面積的85%。耕地占地面積最大，主要分布在西部與南部； 其次是林地，主要在研究區東南部和北部地區； 居民地主要集中在中南部與西北部。在1995—2015年的20 a間，耕地面積變化最大，約減少了10%； 水域面積基本保持不變； 林地面積有少量持續增加； 未利用地面積逐期減少； 居民地面積不斷增加。

3.1 土地利用變化量

3.1.1 土地利用變化幅度

土地利用變化幅度為土地利用類別面積的變化[9]，即

(1)

式中：S為研究區某一土地利用類型的土地利用變

化幅度，正值表示增加的幅度，負值表示減少的幅度；Ui和Uj分別表示研究初期和研究末期的某一土地利用類型面積。

把研究區1995—2015年間土地利用類別的面積導入式(1)中進行計算，可以得到研究區1995—2015年每5 a間的土地利用類型的變化幅度，其結果見表3。

表3 潞城市1995年、2000年、2005年、2010年和2015年土地利用變化幅度Tab.3 Extent of land use change of Lucheng City in 1995, 2000, 2005, 2000, 2015

由表3可知，在1995—2000年5 a間，研究區土地利用類型中面積呈正增長的為林地和居民地2類，其中面積增加最多同時變化幅度最大的是居民地，增加面積為1 002.42 hm2，增加幅度為17.81%； 土地利用類型中面積呈負增長的有耕地、水域和未利用地3類，耕地面積減少最多，為1 673.80 hm2，水域面積雖有所減少但是幅度很小可忽略不計，而未利用地減少幅度最大，為13.38%。在2000—2005年5 a間，研究區土地利用類型中面積呈正增長的有林地、居民地和水域3類，其中面積增加最多的是林地，為1 315.20 hm2，增加幅度最大的是居民地，為7.30%，水域面積雖有小幅度增加但可忽略不計； 土地利用類型中面積呈負增長的有耕地和未利用地2類，耕地面積減少最多，為1 496.00 hm2，未利用地減少幅度最大，為14.84%。在2005—2010年5 a間，研究區土地利用類型中面積呈正增長的有林地、居民地和水域3類，面積增加最多的是林地，為1 126.50 hm2，增加幅度最大的是居民地，為7.18%，水域面積雖有小幅度增加但可忽略不計； 土地利用類型中面積呈負增長的有耕地和未利用地2類，面積減少最多的是耕地，為1 346.50 hm2，減少幅度最大的是未利用地，為16.75%。在2010—2015年5 a間，研究區土地利用類型中面積呈正增長的有林地和居民地2類，其中面積增加最多的是林地，為734.30 hm2，增加幅度最大的是居民地，為8.26%； 土地利用類型中面積呈負增長的有耕地、水域和未利用地3類，其中面積減少最多的是耕地，為901.90 hm2，減少幅度最大的是未利用地，為29.16%。

3.1.2 單一土地利用動態度

單一土地利用動態度為研究區某一土地利用類型的年均變化情況[9]，即

K=S/T，

(2)

式中：K為研究區某一土地利用類型的單一土地利用動態度；T為研究初期與末期的間隔年數。

將研究區5個年份的土地利用變化幅度導入式(2)中進行計算，得到研究期間潞城市的單一土地利用動態度，其結果見表4。

表4潞城市1995年、2000年、2005年、2010年和2015年單一土地利用動態度

Tab.4SinglelandusedynamicdegreeofLuchengCityin1995,2000,2005,2000,2015(%)

土地利用類型1995—2000年2000—2005年2005—2010年2010—2015年1995—2005年2000—2010年2005—2015年1995—2015年林地0.851.080.880.540.991.010.730.89耕地-1.14-1.08-1.02-0.72-1.08-1.02-0.86-0.92居民地3.561.461.441.662.641.501.602.33水域-0.070.190.22-1.480.060.21-0.64-0.29未利用地-2.68-2.97-3.35-5.84-2.62-2.91-4.03-2.83

根據表4對潞城市1995年、2000年、2005年、2010年和2015年的土地利用動態變化情況進行詳細分析。近20 a間，潞城市林地面積有所增加，且其單一土地利用動態度始終為正，截止到2015年研究區林地面積呈增加狀態，且年均增長0.89%； 耕地面積有所減少，其單一土地利用動態度始終為負，截止到2015年研究區耕地面積呈減少狀態，且年均減少0.92%； 居民地面積有所增加，其單一土地利用動態度始終為正，截止到2015年研究區居民地面積呈增加狀態，年均增長2.33%； 水域面積有所減少，其單一土地利用動態度有正有負，截止到2015年研究區水域面積呈減少狀態，年均減少0.29%； 未利用地面積有所減少，其單一土地利用動態度始終為負，截止到2015年研究區未利用地面積呈減少狀態，年均減少2.83%。

3.2 土地利用變化程度

土地的屬性是人與自然的總體反應效果，體現了人類對土地利用的特點。本文結合土地利用現狀分類標準(GBT21010—1007)與研究區土地利用的特點以及人類對土地的開發利用程度將該研究區土地利用類型分為4個等級，見表5。

表5 土地利用類型分級指數Tab.5 Land use type classification index

土地利用程度變化綜合指數為研究區內土地利用的程度[16]，即

(3)

式中：L為研究區內土地利用程度變化的綜合指數；Ai為第i類土地利用類別的分級指數；Ci為第i類土地利用類別的面積占比；n為土地利用類別總數。

把研究區5個年份的土地利用類別的面積占比與相應的分級指數帶入式(3)中進行計算，得到研究期間研究區土地利用程度變化綜合指數，其結果見表6。

表6 潞城市土地利用程度變化綜合指數Tab.6 Land use change composite index of Lucheng City

由表6可知，研究區土地利用程度在1995—2015年間無顯著變化。從土地利用程度變化綜合指數的范圍(100～400)來看，潞城市的開發程度已達到中等程度，土地利用還有很大的發展空間，政府可以在可持續利用的前提下開發土地資源發展經濟，提高居民的生活質量。

3.3 土地利用變化結構

通過研究區各土地利用類型的面積占比可以得到研究區土地利用結構情況，其結果如圖2所示。

圖2 潞城市土地利用類型結構

從類別角度分析數據，研究區面積占比最大的2類土地利用類型是林地與耕地，這2類在各時期所占研究區總面積均在80%以上； 其次，居民地在各時期所占研究區總面積介于9%～14%之間； 而其他各類在各時期所占研究區總面積都不足5%。

“現在，我們這里有30多個村莊變成了旅游專業村，包括石頭村、軟籽石榴村、齊長城村、畫家村、攝影村、奇石村等。我們盡量挖掘文化要素，基本沒有同質化的村莊，使游客始終有一種新鮮感，回頭客不減。”山東淄博市淄川區文化和旅游局局長唐加福說，有溫度的產品、有文化的包裝、有品質的服務，才能真正實現可帶走的記憶。

從時間角度分析數據，①林地的變化在1995—2015年間面積占比逐漸增大，尤其在2000—2005年間的變化幅度最大，為2.14%，2010—2015年間的變化幅度最小，為1.20%； ②耕地的變化在1995—2015年間面積占比逐漸減少，在1995—2000年間的變化幅度最大，為2.74%，2010—2015年間的變化幅度最小，為1.47%； ③居民地的變化在1995—2015年間面積占比逐漸增大，在1995—2000年間的變化幅度最大，為1.64%，2000—2005年間的變化幅度最小，為0.79%； ④水域的變化在1995—2015年面積占比有增有減，最終呈減少趨勢，在2010—2015年間的變化幅度最大，為0.05%，在1995—2000年與2005—2010年間無變化，變化幅度為0； ⑤未利用地的變化在1995—2015年間面積占比逐漸減少，在2010—2015年間的變化幅度最大，為0.70%，在2005—2010年間的變化幅度最小，為0.48%。

4 土地利用預測

科學有效地對土地利用進行預測能夠為研究區的可持續發展提供相應的技術支持[17]。灰色預測法是一種對含有不確定因素的系統進行預測的方法。首先，通過關聯分析來鑒別系統各因素之間的發展趨勢的相異程度； 然后，生成處理原始數據尋找出系統的變化規律，即生成一組具有較強規律性的數據序列； 最后，通過建立相應的微分方程模型預測出事物未來的發展狀況。

本文利用GM(1，1)模型，首先利用1995年、2000年、2005年和2010年4期的遙感數據對研究區2015年的居民地面積進行預測并與實際數據進行對比，再利用1995年、2000年、2005年、2010年和2015年5期的數據對研究區2020年的耕地與居民地進行預測。

GM(1，1)模型中建立的微分方程為

(4)

式中：X(t+1)表示預測年份的相應預測結果；a為發展系數，表示行為序列估計值的發展態勢；b為灰色作用量，是從行為序列中挖掘出來的數據，反映了數據變化的關系。此模型使用均方差比值C與小誤差概率P作為檢驗模型預測精度的標準。具體指標如表7所示。

表7 精度預測等級Tab.7 Level of prediction accuracy

4.1 2015年土地利用預測

將研究區1995年、2000年、2005年和2010年4期的居民地面積帶入GM(1，1)模型中，得到

X(t+1)=91 700.248 281e0.069 816 t-86 070.388 281，

(5)

式中： 參數a=-0.069 816；b=6 009.080 448。

根據GM(1，1)模型得到的式(5)對2000年、2005年和2010年居民地擬合結果如表8所示。

表8 2000年、2005年和2010年居民地擬合結果Tab.8 Fitting results for residential area in 2000,2005,2010

評價結果：C=0.002 8，P=1.000 0，表明當前模型的評價效果很好。計算得到2015年預測值為8 175.894 08 hm2，而實際面積為8 256.78 hm2，相差80.885 92 hm2，僅占總面積的0.013 2%，誤差很小，滿足精度要求。

4.2 2020年土地利用預測

4.2.1 耕地預測

將研究區5期的耕地面積數值帶入GM(1，1)模型中，得到

X(t+1)=-578 846.731 18e-0.049 017 t+608 311.231 118，

(6)

式中： 參數a=0.049 017；b=29 817.656 301。

利用式(6)對2000年、2005年、2010年和2015年耕地擬合結果如表9所示。

表9 2000年、2005年和2010年和2015年耕地擬合結果Tab.9 Fitting results for agriculture area in2000,2005,2010,2015

評價結果：C=0.062 9，P=1.000 0，表明當前模型的評價效果較好。2020年耕地面積的預測值為22 759.324 45 hm2，耕地持續減少的趨勢保持不變。由于城市有更多的就業機會、更好的教育資源和居住環境，這些因素使得大量的農村勞動力涌入城市，而缺乏勞動力的農村使得部分耕地退化為荒地，面積減少。

4.2.2 居民地預測

將研究區域5期的居民地面積數值帶入GM(1，1)模型中，得到

X(t+1)=87 488.284 157e0.072 892 t-81 858.424 157 ，

(7)

式中： 參數a=-0.072 892 ，b=5 966.783 952。

利用式(7)對2000年、2005年、2010年和2015年居民地擬合結果如表10所示。

表10 2000年、2005年和2010年和2015年居民地擬合結果Tab.10 Fitting results for residential area in2000,2005,2010,2015

評價結果：C=0.022 0，P=1.000 0，表明當前模型的評價效果很好。2020年居民地面積的預測值為8 854.757 69 hm2，居民地持續增加的趨勢保持不變。城鎮化的加速發展使得更多的農村人口涌入城市，城市常住人口的增加使得城市不斷擴張，居民地面積增加。

5 結論

1)1995—2015年間，研究區林地和居民地所占用地逐漸增加，耕地和未利用地所占用地逐漸減少，水域所占用地基本保持不變。

2)1995年、2000年、2005年、2010年和2015年該區土地利用程度變化綜合指數分別為262.59，263.66，263.30，263.26和264.53。從土地利用程度變化綜合指數的范圍來看，研究區開發程度已達到中等水平，近20 a間研究區處于發展時期。

3)在土地利用結構方面，從類別角度看，林地與耕地是研究區2大土地利用類型； 從時間角度看，截止到2015年研究區面積增加的有林地和居民地； 面積減少的有耕地、水域和未利用地。

4)應用GM(1，1)模型，采用1995年、2000年、2005年和2010年4期數據預測2015年居民地面積為8 175.89 hm2，實際面積為8 256.78 hm2，相差80.89 hm2； 應用該模型，采用1995年、2000年、2005年、2010年和2015年5期數據預測2020年耕地面積為22 759.32 hm2，居民地面積為8 854.76 hm2。

參考文獻(References)：

[1] 何美香.縣域土地利用動態變化研究——以山西省懷仁縣為例[D].長沙:中南大學,2010.

He M X.Study on Dynamic Change of County-Level Land Use：A Case Study of Huairen Country in Shanxi Province[D].Changsha:Central South University,2010.

[2] Durieux L,Lagabrielle E,Nelson A.A method for monitoring building construction in urban sprawl areas using object-based analysis of SPOT5 images and existing GIS data[J]. ISPRS Journal of Photogrammetry and Remote Sensing,2008,63(4):339-408.

[3] Sylla L,Xiong D,Zhang H Y,et al.A GIS technology and method to assess environmental problems from land use/cover changes: Conakry,Coyah and Dubreka region case study[J].The Egyptian Journal of Remote Sensing and Space Science,2012,15(1):31-38.

[4] Zhang Y J,Li A J,Fung T.Using GIS and multi-criteria decision analysis for conflict resolution in land use planning[J].Procedia Environmental Sciences,2012,13:2264-2273.

[5] Martine N.GIS and multi-criteria decision analysis for land use resource planning[J].Journal of Geographic Information System,2012,4(4):341-348.

[6] 朱曉強,李滿春,金曉斌,等.土地利用規劃在城市郊區歷史遺跡保護中的應用——以無錫市新區為例[J].北京第二外國語學院學報,2006(5):43-46,22.

Zhu X Q,Li M C,Jin X B,et al.Application of land use planning in historic sites protection in urban fringe： Example the studies of the new district of Wuxi[J].Journal Beijing International Studies University,2006(5):43-46,22.

[7] 吳健生,謝舞丹,李嘉誠.土地利用回歸模型在大氣污染時空分異研究中的應用[J].環境科學,2016,37(2):413-419.

Wu J S,Xie W D,Li J C.Application of land-use regression models in spatial-temporal differentiation of air pollution[J].Environmental Science,2016,37(2):413-419.

[8] 李 炟,束 炯,談建國,等.基于土地利用和人為熱修正的城市夏季高溫數值試驗[J].熱帶氣象學報,2015,31(3):364-373.

Li D,Shu J,Tan J G,et al.A numerical simulation experiment of an urban summer heat wave based on modified data of land-use and anthropogenic heat[J].Journal of Tropical Meteorology,2015,31(3):364-373.

[9] 史澤鵬,馬中文,馬友華,等.基于J48決策樹算法的遙感土地利用變化分析[J].遙感信息,2014,29(1):78-84.

Shi Z P,Ma Z W,Ma Y H,et al.Land use change of remote sensing based on J48 decision tree algorithm[J].Remote Sensing Information,2014,29(1):78-84.

[10] 丁月平.輔以紋理特征的面向對象遙感影像土地分類研究——以南通市港閘區為例[D].南京:南京林業大學,2014.

Ding Y P.Research on Land Classification of Object Oriented Remote Sensing Image Based on Texture Features ：A Case Study of Gangzha District of Nantong City[D].Nanjing:Nanjing Forestry University,2014.

[11] 江 華.基于eCognition面向對象技術的高分辨率遙感影像土地利用分類——以福州瑯岐島為例[J].海峽科學,2014(8):12-17.

Jiang H.High resolution remote sensing image classification of land use based on eCognition object-oriented technology：Setting Langqi Island of Fuzhou as an example[J].Straits Science,2014(8):12-17.

[12] 領 梅,安慧君,賀曉輝,等.基于決策樹的涼城縣土地利用分類研究[J].內蒙古農業大學學報,2013,34(6):43-48.

Ling M,An H J,He X H,et al.Research of land use classification based on decision tree in Liangcheng[J].Journal of Inner Mongolia Agricultural University,2013,34(6):43-48.

[13] 吳健生,潘況一,彭 建,等.基于QUEST決策樹的遙感影像土地利用分類——以云南省麗江市為例[J].地理研究,2012,31(11):1973-1980.

Wu J S,Pan K Y,Peng J,et al.Research on the accuracy of TM images land-use classification based on QUEST decision tree:A case study of Lijiang in Yunnan[J].Geographical Research,2012,31(11):1973-1980.

[14] 肖 艷,姜琦剛,王 斌,等.基于Relief F和PSO混合特征選擇的面向對象土地利用分類[J].農業工程學報,2016,32(4):211-216.

Xiao Y,Jiang Q G,Wang B,et al.Object based land-use classification based on hybrid feature selection method of combining Relief F and PSO[J].Transactions of the Chinese Society of Agricultural Engineering,2016,32(4):211-216.

[15] 黃秀霞,孫 力.C4.5算法的優化[J].計算機工程與設計,2016,37(5):1265-1270,1361.

Huang X X,Sun L.Optimization of C4.5 algorithm[J].Computer Engineering and Design,2016,37(5):1265-1270,1361.

[16] 吳琳娜,楊勝天,劉曉燕,等.1976年以來北洛河流域土地利用變化對人類活動程度的響應[J].地理學報,2014,69(1):54-63.

Wu L N,Yang S T,Liu X Y,et al.Response analysis of land use change to the degree of human activities in Beiluo River basin since 1976[J].Acta Geographica Sinica,2014,69(1):54-63.

[17] 宗 瑋.上海海岸帶土地利用/覆蓋格局變化及驅動機制研究[D].上海:華東師范大學,2012.

Zong W.Research on Land Use/Land Cover Change and Driving Forces Mechanism in Coastal Zone of Shanghai[D].Shanghai:East China Normal University,2012.