基于Google高分歷史影像的楚雄市東南新城土地利用動態與景觀格局分析

饒艷 吳家敏 楊云源 李榕峰 段述雅

摘 要：下載2004年、2011年、2019年楚雄市東南新城Google高分遙感影像，依據現行土地利用分類標準進行土地利用動態監測與景觀格局分析。結果表明，2004—2019年，住宅用地增加400.79hm2，工業用地增加193.33hm2，公路用地增加167.57hm2，水澆地減少952.25hm2。2004—2011年，土地轉出最大的是水澆地（364.47hm2）和空閑地（294.24hm2），轉入最大的是工業用地（177.04hm2）。2011—2019年，土地轉出最大的是水澆地（930.74hm2），轉入最大的是住宅用地（327.81hm2）和空閑用地（327.47hm2）。3個監測時點，水澆地的PLAND和LPI指數呈減小趨勢，住宅用地與之相反;而景觀級LPI和CONTAG指數都減小。楚雄市三大無污染的優勢工業園區入駐東南新城，加快了其土地利用與景觀格局的變化;截至2019年，楚雄市東南新城片區空閑地囤積過多，州醫院以東-富民鎮沿線土地集約利用程度較低。

關鍵詞：Google高分歷史影像;土地利用動態變化;轉移矩陣;景觀格局分析;楚雄市

中圖分類號 F301文獻標識碼 A文章編號 1007-7731（2021）10-0098-05

Land Use Dynamics and Landscape Pattern Analysis of Southeast New Town in Chuxiong City Based on Google High Resolution Historical Image

RAO Yan et al.

（The School of Resources， Environment and Chemistry， Chuxiong City， Yunnan Province 675000， China）

Abstract： Based on the high resolution remote sensing images of the southeast new town of Chuxiong City in 2004， 2011 and 2019， the land use dynamic monitoring and landscape pattern analysis of the southeast new town of Chuxiong City from 2004 to 2019 were carried out. From 2004 to 2019， residential land increased by 400.79 ha， industrial land increased by 193.33 ha， road land increased by 167.57 ha， and irrigated land decreased by 952.25 ha respectively. From 2004 to 2011， irrigated land （364.47ha） and vacant land （294.24ha） were the largest transferred in types while industrial land （177.04ha） was the largest transferred out type. From 2011 to 2019， the largest amount of land transferred out type was irrigated land （930.74ha）， and the largest transfer in types were residential land （327.81ha） and vacant land （327.47 ha）. At the three monitoring points， the indices of PLAND and LPI of irrigated land were decreased， while that of residential land decreased; the PD of landscape level increased， while LPI and CONTAG decreased. The three pollution-free industrial parks of Chuxiong City settled in the southeast new town， accelerating the change of land use and landscape pattern. As of 2019， there was too much idle land， and the intensive land use along the east of state hospital and Fumin town was not high.

Key words： Google high resolution historical image; Land use dynamic change; Transfer matrix; Landscape pattern analysis; Chuxiong City

1 引言

基于遙感的城市土地利用動態監測，主要使用中分辨率的Landsat、CBERS等衛星遙感數據。近年來，無人機垂直攝影測量可獲取高分辨率的遙感圖像，以替代價格高昂的高分辨率衛星影像，但無人機獲取高分辨率影像成本過高、難于獲取時序數據。使用Bigemap衛星地圖下載器免費下載的高分辨率Google歷史影像，主要源自WorldView和QuickBird衛星。數據經過壓縮、增強等處理，已經沒有各波段光譜信息。Google歷史影像用于城市土地利用動態監測，經濟適用，可進行高分辨率的土地利用動態檢測。

基于高分辨率遙感的城市土地利用動態變化研究主要集中在信息提取[1-2]、圖像分類方法[3-4]、變化檢測與目標檢測[5-7]、變化強度及變化預測[8-9]、驅動力與機制[10]、景觀格局及生態環境效應[11]、環境適應等領域。如趙恒謙等[12]基于多源遙感數據進行了北京市通州區土地利用/覆蓋與生態環境變化監測。溫小樂[13]基于SPOT7高分遙感數據進行了平潭綜合實驗區景觀格局分析。Google影像主要用于導航、地物識別、地圖制圖[14-15]等。如陳沖等[16]進行了基于Google Earth遙感影像的城市建筑物高度反演。胡瓊[17]從數據質量的角度，主要運用地物的光譜信息對比了Google高分辨率遙感地圖和同源QuickBird地圖在土地利用傳統分類法上的精度差別。如宋金超[18]獲取Google遙感底圖數據，在圖像幾何校正基礎上，進行城市建成區邊界的目視判別。Google高分歷史影像存在著巨大的價值與潛力。新數據的出現，可能使歷史影像被忽略。可嘗試使用Google高分歷史影像，用于城市土地利用動態監測。

楚雄市東南新城擴張，在西部中小城市新城擴張中具有一定的代表性。隨著楚雄市城市化進程的加快，東南新城片區土地利用發生了劇烈變化。本研究以遙感RS-GIS為基礎，基于免費下載的3期Google歷史影像目視分類結果，計算土地利用轉移矩陣與景觀格局指數，分析東南新城片區的土地利用動態變化情況，以期為該區土地科學規劃及管理、合理有效開發及可持續利用提供決策依據。

2 研究區概況、數據與方法

依據《楚雄市城市總體規劃（2015—2035）》圈定龍川江以南及青龍河以東的東南新城區域，面積為25.4km2，約占楚雄市城區總面積的1/3。該區位于楚雄市壩區東南部，整體地形平坦開闊，屬亞熱帶季風氣候區。該區為城鄉結合部，農村用地和城鎮用地相互交織。楚雄市東南新城重點發展工業，是未來城市發展的核心區。

使用BigeMap全能版，下載2004年、2011年、2019年該區Google歷史影像，使用CGCS2000坐標系，高斯投影坐標，單位：m。考慮到3種數據源自QuickBird和WorldView衛星，空間分辨率不同，統一將分辨率調整到2.5米，存儲格式為TIF。

依據現行土地利用分類標準（《土地利用現狀分類標準（GBT 21010-2017）》），將研究區土地利用類型分為水澆地、農村宅基地、工業用地等共13種。內業使用ARCGIS進行圖斑預先勾繪與類型確定;打印彩圖，在高德導航APP輔助下、進行外業的實地調查，實地查勘圖上不能確定土地類型的區域;最后進行室內第2輪圖斑勾繪，得到3期土地利用現狀圖;利用土地利用轉移矩陣定量分析研究區土地利用變化情況，得到2004—2011年、2011—2019年的土地利用轉移矩陣。使用FRAGSTATS4.2軟件基于3期土地利用柵格數據，計算斑塊級、景觀級的景觀格局指數。

3 結果與分析

3.1 2004—2019土地利用動態 根據內業圖斑勾繪、野外調查和室內第二輪勾繪，制作楚雄市東南新城2004年、2011年和2019年土地利用分布圖（圖1）。為簡化制表，記城鎮村道路用地為DL、城鎮住宅用地為ZZ、工業用地為GY、公路用地為GL1、公園與綠地為GL2、灌木林地為GM、河流水面為HL、機關團體與新聞出版用地為JG、科教文衛用地為KJ、坑塘水面為KT、空閑地為KX、農村宅基地為ZJ、水澆地為SJ。分別進行3期土地利用現狀圖的各地類統計，得到楚雄市東南新城2004年、2011年、2019年3期共13個地類的面積變化數據，計算2004—2011年、2011—2019年、2004—2019年間的地類面積變化（表1）。

2004—2011年間，楚雄市東南新城13種地類顯著增加的是：城鎮住宅用地（+154.38hm2）、工業用地（+146.87hm2）、科教文衛用地（+69.94hm2）和公路用地（+51.23hm2），顯著減少的是空閑地（-251.42hm2）、水澆地（-115.47hm2）和坑塘水面（-55.3hm2）。2011—2019年間，楚雄市東南新城13種地類顯著增加的是：空閑用地（+279.63hm2）、城鎮住宅用地（+246.41hm2）、公路用地（+116.34hm2）、公園與綠地（+77.22hm2），顯著減少的是水澆地（-836.78hm2）。2004年-2019年，顯著增加的是城鎮住宅用地（+400.79hm2）、工業用地（+193.33hm2）、公路用地（+167.57hm2），急劇減少的是水澆地（-952.25hm2）。

為揭示研究區各土地利用類型的轉化情況，使用Arcgis的Intersect工具，分別將2004—2011年、2011—2019年土地利用現狀圖進行疊加分析，根據疊加新生成的地類多邊形的屬性，統計并制作楚雄市東南新城2004—2011年土地利用轉移矩陣（表2），楚雄市東南新城2011—2019年土地利用轉移矩陣（表3）。由表1和表2可看出：楚雄市東南新城2004—2011年轉出面積最大的地類依次為水澆地和空閑地。其中，空閑地轉出率為96.76%，水澆地為22.96%。轉入面積最大的地類（城鎮住宅用地、工業用地、科教文衛用地和公路用地共4類）中，轉入率都介于83.25%～97.74%。依據表1和表3可看出，楚雄市東南新城2011—2019年，轉出面積最大的地類為水澆地，轉出率為63.22%;轉入面積最大的地類（城鎮住宅用地、空閑用地、公路用地共3類）中，轉入率都介于75.60%～98.55%。

3.2 2004—2019景觀格局動態 將3期土地利用動態數據導入FRAGSTATS，分別計算斑塊級景觀格局指數：斑塊占景觀面積比例PLAND、斑塊密度PD、最大斑塊指數LPI、景觀形狀指數LSI。得到研究區斑塊級景觀格局指數變化匯總表（表4）。2004—2019年，斑塊級景觀格局指數變化最劇烈的是：水澆地占景觀面積比例從62.54%降至24.71%。住宅用地的PLAND指數從1.34%升至17.59%。城鎮村道路用地的PD指數從1.77升至10.35;坑塘用地的PD指數從5.12降至1.53。水澆地LPI指數從62.2%降至12.08%。城鎮村道路用地的LSI指數從4.88升至19.53。

計算研究區2004年、2011年、2019年3期景觀級的景觀格局指數：斑塊密度PD、最大斑塊指數LPI、景觀形狀指數LSI、蔓延度指數CONTAG指數、香農多樣性指數SHDI、均勻度指數SHEI。得到研究區景觀級景觀格局指數變化匯總表（表5）。2004—2019年，景觀格局級的6個指數中，顯著變化的是：LPI從62.20%降至12.08%;CONTAG從64%降至44.92%。

4 結論與討論

4.1 結論 （1）從各土地利用類型的數量變化上看：2004—2019年間3個監測時點（2004、2011、2019年）。楚雄市東南新城13種地類，顯著增加的是住宅用地，凈增400.79hm2;工業用地凈增193.33hm2;公路用地凈增167.57hm2。急劇減少的是水澆地，凈減少952.25hm2;空閑用地在3個監測時點出現較大波動值，分別為304.09hm2、52.67hm2、332.3hm2。

（2）從土地利用的轉移情況看：2個時段（2004—2011年、2011—2019年），土地利用轉出最大的是水澆地，累計轉出1295.21hm2;其次是空閑地，累計轉出342.081hm2。土地利用轉入最大的地類依次為：住宅用地累計轉入494.62hm2;空閑用地累計轉入389.92hm2。工業用地累計轉入284.73ha;

（3）景觀格局指數變化特征：水澆地斑塊占景觀面積比例PLAND（62.54%、58.06%、24.71%）、最大斑塊指數LPI（62.2、29.49、12.08）呈減小趨勢，對應地，住宅用地的以上2個指數都增大。景觀級的斑塊最大斑塊指數LPI（62.20、24.49、12.08）、蔓延度指數CONTAG指數（64.00、60.25、44.92）都呈現減少的趨勢。

4.2 討論 楚雄市東南新城（青龍河以東區域）是繼楚雄高新產業開發區（龍川江以北）之后楚雄市著力發展的區域。近15年來，東南新城城市化加快。繞城公路、主要干道貫通及其它基礎設施貫通、彝海公園建設完成，使得東南新城區位提升、環境優美。東南新城吸引了楚雄市重點培育的無污染的卷煙工業、生物制藥業和裝備制造業落戶該園區。因楚雄市著力發展無污染工業，使得該區域用地靈活，工業用地、住宅用地、公園綠地、科教文衛用地、機關團體與新聞出版用地等都能入駐。卷煙廠—彝海公園—州醫院成為該片區的核心區。東南新城除水澆地、空閑地、坑塘水面外，其余地類都顯著增加。如城鎮住宅用地從2004年的34.13hm2迅速增加至2019年的439.42hm2，兩期（2004—2011年、2011—2019年）轉入率達88.49%，75.60%。工業用地從2004年的44.28hm2迅速增加至2019年的237.61hm2，2期轉入率達92.62%，45.32%。

2期用地對比，空閑用地分別為-251.42hm2、+279.63hm2。2004—2011年的用地擴張主要是消耗了已積累的大量空閑地，空閑地從2004年的304.09hm2迅速降至2011年的52.67hm2，轉出率為96.76%（此階段水澆地僅減少115.47hm2，轉出率為22.96%）。2011—2019年的用地擴張主要是征收了大量的水澆地。水澆地此階段減少836.78hm2，轉出率為63.22%（2004—2011年水澆地減少115.47hm2，轉出率為22.96%）。截至2019年，東南新城囤積空閑用地達到332.3hm2，超過2004年和2010年，應注意加強用地監管。兩期用地對比，工業用地分別增加146.87ha、46.46ha。楚雄市培育的4類無污染重點工業，有3類在2011年前入駐東南新城，工業用地增加較快。但2011年后，工業用地增長勢頭減弱，應繼續引進無污染工業在該區落戶。

由于研究區原址地處城郊壩區鄉鎮，道路等基礎設置的改善對城市化起到了極大的促進作用，使得該區域的景觀格局對應的發生了改變，水澆地、坑塘水面變少、變得破碎，斑塊變多。水澆地、坑塘水面、空閑地等轉出地類被切割。用地從道路向著由道路切割的地塊的內部推移。東南新城東、西、南、北4個方向由于交通便利，土地集約利用程度高，城市化推進較快;州醫院以東至富民鎮（下富線）沿線，土地集約利用程度較低，還保留有農村村落及傳統耕作方式。高鐵及楚雄市區繞城高速的建設，也必將帶動東南新城土地利用的深刻變革。

參考文獻

[1]張天怡，代沁伶，徐偉恒.高分辨率遙感影像城市綠地提取方法研究[J].西南林業大學學報（自然科學），2020（04）：105-114.

[2]蔡凡.應用FMH模型的城市高分辨率遙感影像道路提取探究[J].中國公路，2020（13）：92-94.

[3]張鵬，林聰，杜培軍，等.南京市生態紅線區高分辨率遙感精準監測方法與應用[J].國土資源遙感，2020（03）：157-164.

[4]盧涵宇，胡超，張濤，等.基于深度學習的高分辨率遙感影像分類研究[J].廣西大學學報（自然科學版），2020（2）：328-335

[5]黃亮.多時相遙感影像變化檢測技術研究[J].測繪學報，2020（06）：801.

[6]張濤，方宏，韋玉春，等.顧及空間自相關性的高分遙感影像中建設用地的變化檢測[J].自然資源學報，2020，35（4）：963-976.

[7]李軍軍，曹建農，朱瑩瑩，等.高分辨率遙感影像建筑區域局部幾何特征提取[J].遙感學報，2020（3）：233-244.

[8]尹小嵐，侯英姿，王方雄.基于GIS的遼河三角洲土地利用動態變化研究[J].國土與自然資源研究，2019（02）：63-65.

[9]孫智斌，高敏華，崔雪鋒.基于遙感與GIS的天山北坡經濟帶2000—2015年土地利用動態變化研究[J].北京師范大學學報（自然科學版），2018，54（03）：397-404.

[10]安冠霖，郭晉平.文峪河流域土地利用/覆被變化及其驅動力分析[J].林業調查規劃，2020，45（03）：24-30+37.

[11]李子君，劉金玉，魯成秀，等.基于土地利用變化的沂河流域景觀格局與徑流關系的分析[J].中國農業大學學報，2020，25（10）：11-19.

[12]趙恒謙，賈梁，尹政然，等.基于多源遙感數據的北京市通州區土地利用/覆蓋與生態環境變化監測研究[J].地理與地理信息科學，2019，35（01）：38-43+2.

[13]溫小樂，趙林洪.基于高分辨率遙感影像的平潭綜合實驗區景觀格局分析[J].福州大學學報：自然科學版，2018（3）360-365.

[14]Malarvizhi K， Kumar S V， Porchelvan P. Use of High Resolution Google Earth Satellite Imagery in Landuse Map Preparation for Urban Related Applications[J]. Procedia Technology， 2016， 24：1835–1842.

[15]Giuseppe P， Flavio L. Mapping spatial patterns of urban agriculture in Rome （Italy） using Google Earth and web-mapping services [J].Land Use Policy， 2016， 59：49–58.

[16]陳沖，楊志勇，史曉亮，等.基于Google Earth遙感影像的城市建筑物高度反演.測繪通報，2020（1）：98-101.

[17]胡瓊，張建，徐保東，等.Google Earth影像與同源QuickBird影像在城市土地利用分類上的對比研究[J].華中師范大學學報（自然科學版），2013，47（2）：287-292.

[18]宋金超，李新虎，吝濤，等.基于夜晚燈光數據和Google Earth的城市建成區提取分析[J].地球信息科學，2015，17（6）：750-756.

（責編：王慧晴）