Landsat系列影像支持下的鳳陽縣石英砂礦區土地利用動態監測

張 偉，吳艷民，劉吉凱(. 安徽科技學院，安徽 鳳陽 3300； . 北京創時空科技發展有限公司，北京 00083)

遙感技術是當前礦山土地調查與變化監測的重要手段之一。在國外，對礦區土地利用遙感監測始于土地利用/覆被變化(land use and land cover change,LUCC)研究，初期主要是對土地利用/覆被變化及其驅動力、與環境響應的作用機制展開研究，后期逐步發展為評估生態環境變化[1-2]。Gupta[3]利用時序Landsat TM影像，通過波段運算監測印度Jharia煤礦區土地利用變化，結果表明隨著礦區面積的增加，居民點數不斷增加，植被卻持續減少。Effah等[4]利用1995—2000年間的序列TM影像，從景觀格局的角度分析了德國Lusatia煤礦區土地利用變化及其對生物多樣性的影響。Nuray等[5]利用多時相高分辨率遙感影像，采用支持向量機的分類方法監測土耳其Goynuk煤礦區2004—2008年間里的土地生態變化。

在國內，礦區土地利用遙感監測研究中，數據源以中高分辨率遙感數據為主，如Landsat影像[6-7]、SPOT影像[8]等。何芳等[9]從礦山遙感監測數據源的選擇和最佳比例尺計算的角度出發，明確了合理選擇遙感數據信息源、利用制圖軟件計算遙感影像圖比例尺及編制野外調查和成果解譯圖的技術方法。研究方法主要為目視解譯[10-11]、人機交互分類[9,12]和計算機自動分類[13]相結合的方法。宋亞婷等[14]以GF-1影像為例，在面向對象的影像分類基礎上，探討了露天煤礦區用地類型信息提取優先順序對最終分類精度的影響。

從時間尺度來看，當前的研究多側重于礦區土地資源的利用現狀和短時間尺度的變化研究[8,15]，缺乏從土地系統長期、動態角度的變化研究。從研究對象來看，多集中在金屬礦區和非金屬的煤礦、稀土礦的研究，而對石英砂礦區的遙感監測相對較少。因此，本文通過對比1991—2015年間Landsat系列遙感影像，基于支持向量機的分類技術，分析鳳陽縣石英砂礦區25年來土地利用時空變化特征和演變規律，以期為鳳陽縣礦區土地合理利用、生態環境評價和綜合治理提供依據。

1 研究區、數據源和研究方法

1.1 研究區概況

鳳陽縣隸屬滁州市，地處淮河中游南岸，北緯32°37′—33°03′、東經117°19′—117°57′。鳳陽縣石英砂礦產資源豐富，礦區面積為80 km2，探明儲量在100億噸以上，被譽為“中國優質石英砂原料基地”和“中國日用玻璃產業基地”。

1.2 數據源

選擇Landsat系列衛星數據作為鳳陽縣石英砂礦區土地利用變化監測的數據源。選用的數據為1991—2015年25年間的6期Landsat衛星遙感影像，為了驗證土地信息提取精度，同時選取對應研究區的2015年Google Earth高分數據，具體見表1。其中Landsat數據空間分辨率為30 m，軌道號為121-37，產品級別L1T，時間分辨率為16 d，來源于中國科學院計算機網絡信息中心地理空間數據云平臺(http:∥www.gscloud.cn)，Google Earth數據的空間分辨率為4 m。輔助數據為鳳陽縣1∶50 000土地利用現狀圖、野外實地調查資料、縣界矢量、縣內主要的水系和道路及數字高程模型等。

1.3 數據預處理

為保證礦區土地信息遙感解譯的正確性，需要對數據進行預處理：①去條帶處理。對2010年的ETM+數據去條帶處理，利用同一景影像完好的數據部分，對數據縫隙進行插值。②輻射校正。利用ENVI 5.1軟件的Radiometric Calibration模塊和FLAASH Atmospheric Correction模塊對系列影像分別進行輻射校正和大氣校正。③幾何校正。參考1∶50 000土地利用現狀圖，以Google Earth為基準影像，采用二次多項式和雙線性內插法對2015年OLI影像幾何精度糾正，保證誤差在0.5個像元內；再以OLI影像為準，對其他時相影像幾何配準，誤差控制在1個像元以內。④影像裁剪。對預處理后的系列影像，按照石英砂礦區集中分布的區域裁剪處理，得到礦區Landsat系列預處理數據，結果如圖1所示。

表1 Landsat系列衛星影像表列

圖1 鳳陽縣石英砂礦區Landsat系列影像(波段合成順序：1991—2010年RGB-542，2015年RGB-654)

1.4 研究方法

采取支持向量機(support vector machine classifier,SVM)算法，對鳳陽縣石英砂礦區土地利用信息進行分類提取[16]。基于土地利用轉移矩陣與變化速度，分析石英砂礦區土地利用變化，具體計算公式見參考文獻[17]。

2 基于Landsat系列影像的石英砂礦區土地分類

2.1 礦區土地分類體系的確立

石英砂礦山土地系統遙感動態變化監測的重要前提與關鍵環節是建立合理的分類系統。根據鳳陽石英礦區的土地利用現狀和覆被特征，以及影像信息提取的可行性，借鑒查東平[2]、尚慧[6]等對礦區土地系統進行劃分，構建鳳陽石英礦區土地分類體系，包括工礦用地、建筑用地、水域、林地、草地和耕地6類。

2.2 Landsat系列影像的石英砂礦區土地利用信息提取

根據土地系統分類體系(子類)，結合礦區影像特征和野外調查資料，勾選多種土地利用類型的訓練樣本集，并建立相應的解譯標志。利用SVM的方法提取石英砂礦區土地利用類型信息，核函數選擇徑向基核函數。初分類后，對分類結果進行Majority/Minority分析、聚類分析和過濾處理；然后參考鳳陽縣土地利用現狀圖，通過人機交會的方式完成對2015年影像錯分或漏分類型信息的修正，并順次倒推，依次修正其他時期影像的分類誤差；最后將多個子類合并成6種土地利用類型，得到各時期的鳳陽縣石英砂礦區土地利用現狀圖(如圖2所示)。

圖2 鳳陽縣石英砂礦區1991—2015年土地利用空間分布

2.3 精度評價

由于野外調查數據與高分數據均來源于2015年，理論上只能對2015年的礦區分類結果進行精度評價，考慮到其他時期Landsat系列數據處理的一致性(提取方法一致和分類后交會解譯一致)，本文認為2015年分類結果的精度分析對其他時期影像是可接受的，對宏觀趨勢的判斷是可行的[18]。將野外實地調查的土地類型位置信息疊加在Google Earth高分影像上，參考土地利用現狀圖，通過目視解譯將實測點信息轉化成真實感興趣區，由此建立混淆矩陣，計算總體精度、Kappa系數、用戶精度和制圖精度，以評價鳳陽縣石英砂礦區土地利用類型提取的精度，見表2。

表2 鳳陽縣石英砂礦區土地系統分類精度(2015年)

從表2可知，分類的效果較為理想，總體精度達87.72%，Kappa系數為0.844 9，說明基于SVM方法對礦區土地利用類型提取具有較高的正確率。6類土地利用類型中，除草地外，其余類型的用戶精度和制圖精度均高于80%。進一步分析，與草地易混淆的類型為耕地和林地，主要原因是草地與低矮灌木林地的空間分布和光譜信息過于接近，在空間分辨率為30 m的影像上，存在“異物同譜”的現象，僅靠基于光譜信息的SVM分類方法無法高精度區分。草地與耕地雖然空間位置信息不同，但二者的光譜信息，特別是與地里肥沃的生長作物相近，難以有效區分。為了提高草地的分類精度，分類后經過簡單人機交互修正，使總體精度上升到94.78%，Kappa系數達0.934 0。

3 鳳陽縣石英砂礦區土地利用時空變化分析

基于本文獲得的各時期鳳陽縣石英砂礦區土地利用現狀解譯結果，采用GIS空間分析功能統計各時期土地利用現狀、變化速度及變化轉移矩陣，見表3。

表3 鳳陽縣石英砂礦區土地利用結構及其變化

從表3分析可知，1991—2015年鳳陽縣石英砂礦區土地利用發生了很大變化：25年間變化總面積為3 932.64 hm2，占研究區總面積的33.23%；從各個時段來看，其中1991—2000年間變化面積為2 544.48 hm2(占面積比為21.50%，下同)，2000—2010年變化面積遠超過前個10年的變化，變化的面積比達27.32%，為3 233.16 hm2，2010—2015年，5年間的變化(2 725.11/23.03%)已超過了1991—2000年間的變化，且僅比2000—2010年的變化低4.29%。可見，25年來鳳陽縣石英砂礦區土地利用的變化趨于劇烈，且變化范圍愈加擴大。不同土地利用類型的變化具體分析如下：

3.1 工礦用地

工礦用地的面積變化反映了過去25年間石英砂開采活動的強度和開采后生態環境恢復的程度。由表3可知，工礦面積發生了劇烈變化，Landsat系列數據清晰地反映了石英砂礦區的發展歷程。1991年，礦區面積僅為6.84 hm2，占研究區總面積的0.06%；2015年，礦區面積增至438.12 hm2(3.70%)，凈增加431.28 hm2，動態度高達252.21%，是所有土地利用類型中最大的。由表3分析，增加的工礦用地主要由草地和林地轉化而來，草地轉化量為356.31 hm2，林地為75.87 hm2，二者分別占3個監測時段增量的97.45%、95.38%和91.57%，僅少量由水域和耕地轉化而來，這是由空間臨近關系決定的。廢棄的礦區主要轉化為了草地和林地，但變化量遠遠小于增加量，因此對廢棄礦區的生態恢復要給予足夠重視。

分時段來看，1991—2000年是石英砂礦區變化最為劇烈的時段，礦區開采從無到有，動態度高達153.68%，進一步統計分析發現，這一劇烈變化主要集中發生在1991—1995年間，動態度為135.26。2000—2010年，工礦用地變化總量為211.59 hm2，年變化量為19.24 hm2，均高于其他兩個監測時段，表明：2000—2010年是石英砂礦產開采規模最大的時間段。2010—2015年，動態度降低到5.92%，在5年時間里，下降了11.28%，礦區面積變化速度驟降，意味著礦業規模的發展速度漸緩。

3.2 建筑用地

1991—2015年，建筑用地面積持續增加，總凈增量為691.29 hm2，動態度達95.71%，變化速度僅次于礦區用地，其中2000—2010年的年均增量為40.21 hm2，遠高于其他兩個監測時段。建筑用地面積變化速度由25.89%增加到38.79%再銳減到5.32%，從側面說明了：2000—2010年是礦區經濟發展最好的10年。在鄉鎮城鎮化過程中，受侵占最嚴重的土地類型為耕地、草地和水域，分別占增量的80.43%、10.57%和8.17%，尤其是原有鄉鎮(村莊)周邊相對平坦的耕地和草地，以及對河流的侵占。筆者在實際調查時發現，新增的建筑用地除了原有居民點的擴張外，大部分為石英砂企業的廠房，由此說明，建筑用地的增加與礦區經濟密切相關。建筑用地在增加的同時，也有部分轉化為耕地和草地，主要以拆遷后人為開墾和植被自然恢復為主。

3.3 水 域

隨著石英砂礦業開采強度的加大，礦區地貌破壞，塌陷的地勢已發展成積水區，會導致礦區水域面積的增加。2000—2010年石英砂礦產開采規模空前，研究區內水域面積有所增加，凈增量為34.92 hm2，但由表3知，增加的水域主要由耕地、草地和工礦用地轉化而來，可見這一時段內，增量除部分來自于礦區地勢塌陷外，大部分來自于水利工程的新建與擴大。但從整個時間段(1991—2015年)來看，水域面積是凈減少的，減少量為186.03 hm2，主要轉化為了耕地、草地和建筑用地，分別為97.74 hm2(52.54%)、43.29 hm2(23.27%)和38.70 hm2(20.80%)。實際調查時也發現，河流兩側建滿了建筑物，導致部分河流段的寬度僅為5～10 m，枯水期甚至斷流，原本在影像上(2000年)清晰可見的河流，到現在卻不復存在(2010年)，另外，河底及周圍覆蓋一層細細的石英砂粉末，阻塞水流，流域環境問題嚴重，急需解決。

3.4 林 地

1991—2000年，林地面積由1 235.25 hm2增加到1 942.02 hm2，面積比重由10.38%增大到16.32%，年增量為70.68 hm2。進一步分析發現，1991—1995年，林地面積是減少的，5年間減少了178.02 hm2，主要轉化為了草地和工礦用地，轉化比率高達95.24%，主要是由石英砂礦開采、大量砍伐林木導致的。1993年起，鳳陽縣政府大力鼓勵封山育林，開山造林，發展林業經濟，林業面積不減反增，1995—2000年間增量為884.79 hm2，年均144.47 hm2，主要由草地和耕地轉化而來。2000—2010年，林地面積僅增加了157.59 hm2，主要由草地和耕地轉化而來，分別占比86.59%和12.70%，說明：礦業開采導致林地的減量小于人工林場育林的增量。2010—2015年，林地面積迅速減少，5年間減少了240.03 hm2，年均減40.01 hm2，僅次于耕地的年均減少量(-55.49 hm2)，主要轉化為了草地、耕地和工礦用地，這與林場改革與林業經濟不景氣有一定的關系。總的來看，1991—2015年，25年間林業面積凈增624.33 hm2，使礦區植被覆蓋率提高，有利于礦區生態環境的改善。

3.5 草 地

草地面積急劇減少，在25年間共減少1 076.85 hm2，減幅26.94%，年均減少43.07 hm2，是所有土地利用類型中總變化量和年變化量最大的。1991—2010年，呈持續減少的趨勢，共減少1 318.32 hm2，其中1991—2000年的減少量最多，為919.53 hm2，年均91.95 hm2，主要轉化為了林地、耕地和工礦用地，三者轉化面積占減少量的96.99%。1991—2000年，三者轉化占比92.58%，說明在1991—2010年里大部分草地被造林、墾荒和礦產資源開發侵占。2010—2015年，大量的林地、耕地、水域和工礦用地轉化為草地，草地面積正增長，增量為241.47 hm2，主要是由林地砍伐后再生長(低矮灌草)、耕地撂荒自然生長野草和礦區生態修復導致的。

3.6 耕 地

1991—2015年，耕地面積發生了重大變化，由5 896.80 hm2減少到5 231.34 hm2，年均減少26.62 hm2，面積比重由49.55%下降到44.20%。分析表明，減少的耕地主要轉化為了建筑用地、草地和水域，分別為597.15 hm2(48.87%)、550.53 hm2(45.05%)和68.22 hm2(5.58%)，原因為耕地廢棄、閑置或被建筑用地擴張占用，主要分布在鄉鎮(村莊)、河流周邊。耕地的增加量主要由草地、水域和林地轉化而來，三者轉化量為582.57 hm2，占面積比重的98.85%。

分時段來看，1991—2000年，耕地面積增加了115.11 hm2，增量不多，主要由草地和水域轉化而來，與經濟增速，人口增長有關。2000—2015年，耕地面積持續減少，凈變化量為-780.57 hm2，占2015年耕地總面積的14.92%，主要轉化為了建筑用地、草地、水域和林地，其中2000—2010年間轉化的建筑面積多于草地面積，林地面積多于水域面積，也證明了本文上文的分析：2000—2010年10年間經濟快速發展，居民區及設施大量興建。雖然耕地的動態度遠低于其他土地利用類型，但由于其面積比重最大，使得其面積變化量較高。

綜上所述，不同監測時段的土地利用類型變化速度存在差異：25年間，工礦用地和建筑用地面積持續增加，均在2000—2010年間年增幅最大，二者之間呈正相關。水域面積總變化量不大，在3個時段呈現先減后增的趨勢。林地面積在前 20年里迅速增加，增速前10年遠大于后10年，但卻在最近5年里急劇減少，減速不容忽視。草地面積在25年里變化總量最大，先急劇減少后增加，與政府對生態環境治理的大背景有關。耕地面積先增加后急劇減少，減少量明顯，應予以高度重視。就變化速度而言，工礦用地>建筑用地>林地>草地>耕地>水域(如圖3所示)，耕地和草地盡管變化速度不是最大的，但面積占比大，變化面積最高。

圖3 1991—2015年鳳陽縣石英砂礦區土地利用類型變化速度

4 結論與討論

本文利用Landsat系列影像，基于SVM算法對研究區25年間的Landsat遙感影像進行了精準的土地類型分類，總體分類精度達87.72%，Kappa系數為0.844 9，為鳳陽縣石英砂礦區土地生態動態變化監測奠定了良好的基礎。

1991—2015年鳳陽縣石英砂礦區土地利用方式和空間格局發生了顯著變化。工礦用地面積持續增加，變化速度是所有土地利用類型中最大的，增加的工礦主要由草地和林地轉化而來。建筑用地面積也持續增加，主要是侵占耕地、草地和水域所得。水域總面積變化量不大，呈現先減后增的趨勢。草地面積雖然變化速度不大，但總變化量和年變化量最大。25年間，草地面積急劇減少，主要轉化為了林地、耕地和工礦用地。林地和耕地面積均先增后減，但二者的凈變化量方向卻相反，林地面積正增長；耕地廢棄、閑置或被建筑用地擴張占用，主要分布在鄉鎮(村莊)、河流周邊。

2000—2010年是鳳陽縣石英砂礦產開采規模最大的時間段，工礦用地和建筑用地面積迅速增加，二者呈正相關，其代價是對草地、耕地和水域的過度侵占。2010—2015年，工礦用地和建筑用地變化速度驟降，但對林地和耕地的破壞不減反增，礦區土地生態系統質量朝著變差的方向發展，應當給予足夠的重視。

鳳陽縣石英砂礦區土地生態系統質量逐漸下降，礦區環境恢復和改善任重而道遠，建議在后續礦山生態環境治理過程中對采礦區、排土堆和尾礦庫進行詳細規劃，有計劃地逐步恢復采礦區被破壞的植被和壓占的農田，恢復河流功能等。

對礦區地類解譯時，由于受限于遙感影像空間分辨率的精度，土地利用類型以大類為主，并未進一步展開，如將工礦用地細分為開采場、排土堆和尾礦庫，可能與礦區實際利用情況有一定差距，因此在未來礦區生態環境評價中，要重新定義分類體系，改善解譯方式，提高工作效率，以獲取高精度細分類的解譯結果。

參考文獻：

[1] 張登榮,許思瑩,謝斌,等.近40年椒江-臺州灣灘涂圍墾土地利用變化的遙感調查[J].國土資源遙感,2016,28(1):101-106.

[2] TUENER B L，MOSS R H，SKOLE D L.Relating Land Use and Global Land Cover Change：A Proposal for an IGBP-HDP Core Project[R].Stockholm:IGBP Report,1993.

[3] PRAKASH A,GUPTA R P.Land-use Mapping and Change Detection in a Coal Mining Area—A Case Study in the Jharia Coalfield，India[J].International Journal of Remote Sensing,1998,19(3):391-410.

[4] EFFAH A，RENE K，GERHARD W.Detecting the Effect of Disturbance on Habitat Diversity and Land Cover Change in a Post-mining Area Using GIS[J].Landscape and Urban Planning,2008,87(1):22-32.

[5] NURAY D，SEBNEM D，MUSTAFA K E.Landuse Change Detection in a Surface Coal Mine Area Using Multi-temporal High-resolution Satellite Images[J].International Journal of Mining Reclamation and Environment,2011,25(4):342-349.

[6] 張航,仲波,洪友堂,等.近20多年來贛州地區稀土礦區遙感動態監測[J].遙感技術與應用,2015,30(2):376-382.

[7] 林怡,王鵬育,何麗玲,等.混合核函數SVM分類模型下采礦區時空變化監測[J].中國科技論文,2015,10(3):316-321.

[8] 馬紅花.多時相礦區土地利用/覆被變化及驅動因素分析[D].焦作：河南理工大學,2011.

[9] 何芳,李林,徐友寧,等.礦山遙感編圖中的高分辨率遙感數據選擇與比例尺計算方法[J].地質通報,2015,34(11):2037-2046.

[10] 方雪娟,丁鐳,張志.大冶陳貴鎮小型尾礦庫分布特征及環境影響分析[J].國土資源遙感,2013,25(1):155-159.

[11] 安志宏,聶洪峰,王皓,等.ZY-1 02C星數據在礦山遙感監測中的應用研究與分析[J].國土資源遙感,2015,27(2):174-182.

[12] 趙鵬.新街臺格廟礦區開發初期土地利用動態遙感監測[J].國土資源遙感,2015,27(4):144-149.

[13] 祝振江.基于面向對象分類法的高分辨率遙感影像礦山信息提取應用研究[D].北京：中國地質大學,2010.

[14] 宋亞婷,江東,黃耀歡,等.基于面向對象方法的露天煤礦用地類型提取優先級分析[J].遙感技術與應用,2016,31(3):572-579.

[15] 王杰.基于多源數據的礦區空間變化監測與分析[D].唐山：河北聯合大學,2014.

[16] 鄧書斌,陳秋錦,杜會建,等.ENVI遙感圖像處理方法[M].2版.北京：高等教育出版社,2016:137.

[17] 徐嘉興.典型平原礦區土地生態演變及評價研究——以徐州礦區為例[D].徐州：中國礦業大學,2013.

[18] 白曉燕,陳曉宏,王兆禮.基于面向對象分類的土地利用信息提取及其時空變化研究[J].遙感技術與應用,2015,30(4):798-809.