基于TM和OLI数据山西省潞城市土地利用动态变化分析与预测

桑 潇， 国巧真， 潘应阳， 付 盈

(天津城建大学地质与测绘学院，天津 300384)

0 引言

土地利用直观地记录了被人类改变的地球表面特征的空间格局。人类的生存生产等活动依存于土地，人类长久发展的前提是土地资源的合理利用。土地利用研究的目的是了解土地利用在研究区域范围内的连续变化，能直观地表明人与环境的相互关系。从全球变化的角度看，主要研究的是土地利用和土地覆盖变化(land use and land cover change，LUCC)对全球气候等变化的影响[1]。从区域研究的角度看，主要研究的是LUCC对区域经济的可持续发展作用[2]。

目前对于土地利用的研究已经应用在各种不同的领域，如环境评估、土地资源管理规划、历史遗迹保护和大气污染等[3-8]。随着现代科学技术的发展，LUCC研究可以借助许多新兴的技术，如GIS技术、RS技术和计算机技术等。通过各种技术与资源的结合不仅扩大了土地资源变化研究的深度与广度，同时建立了适应各种不同地区的模型，进而提高了研究的精确度，为土地等资源的可持续利用提供理论与技术上的支持[9-14]。

本文以山西省潞城市为研究区，基于RS与GIS技术，利用1995—2015年间5期遥感影像数据对研究区20 a间的土地利用动态变化情况进行分析研究，并采用灰度预测法GM(1，1)模型对2020年的土地利用情况进行预测，进而为该区的可持续发展提供依据。

1 研究区概况及数据源

潞城市位于山西省的东南部，太行山西麓，地理坐标在E112°59′36″～113°25′40″，N36°14′00″～36°29′30″之间。作为国家园林城市、国家卫生城市及山西省造林绿化先进市，研究区历史悠久、自然资源丰富。

本文所用的数据为山西省潞城市1995年、2000年、2005年和2010年4期TM影像、2015年OLI影像、行政区划图以及其他文字资料。

2 数据预处理

利用行政边界矢量数据对遥感影像进行裁剪，提取出研究区范围。根据土地分类系统原则与潞城市的区域特点将研究区内的土地利用类型分为5类： 林地、耕地、居民地、水域及未利用地。采用决策树分类算法(classification and regression tree，CART)进行分类，提取土地利用信息，并对已分类的图像进行后处理得到最终的结果。

CART算法是把数据集中最小的Gini值作为节点将数据集分为2个子数据集，最后根据验证数据进行剪枝。Gini指数[15]是判断收入分配公平程度的指标，也被用来度量任何不均匀分布，其范围在[0，1]之间，值越小说明数据对象为同一类的概率越高。所以，基于CART获取规则的决策树是结构简单的二叉树。CART算法不适用于有多个离散特征的情况，因此若要使用此方法，最好先将离散特征取值缩减。基于CART获取规则的决策树分类法的步骤为： ①构建多源数据集，包括： Landsat5 TM和Landsat8 OLI影像的多光谱波段、归一化差值植被指数(normalized difference vegetation index,NDVI)和迭代自组织数据分析技术(iterative self-organizing data analysis technique,ISODATA)非监督分类结果； ②获取规则，通过选择训练样本获取规则； ③土地覆盖信息提取，在Decision Tree中选择决策树txt文件，提取出土地覆盖信息。最终分类结果如图1所示。对结果进行精度评定，评价结果如表1所示。从图1和表1中可以看出，分类结果可以满足本文对数据质量的精度要求。

(a) 1995年 (b) 2000年 (c) 2005年

(d) 2010年 (c) 2015年

图1潞城市土地利用分类结果

Fig.1LanduseclassificationresultsofLuchengCity

3 土地利用动态变化分析

研究区总面积为61 235.77 hm2，其在1995年、2000年、2005年、2010年和2015年5个时期各类土地利用类型面积的大小及其对于研究区总面积的占比情况如表2所示。

表2 潞城市各类土地利用类型面积及占比Tab.2 Area and ratio change of land use types of Lucheng City

由表2可知，林地和耕地是研究区主要土地利用类型，约占研究区总面积的85%。耕地占地面积最大，主要分布在西部与南部； 其次是林地，主要在研究区东南部和北部地区； 居民地主要集中在中南部与西北部。在1995—2015年的20 a间，耕地面积变化最大，约减少了10%； 水域面积基本保持不变； 林地面积有少量持续增加； 未利用地面积逐期减少； 居民地面积不断增加。

3.1 土地利用变化量

3.1.1 土地利用变化幅度

土地利用变化幅度为土地利用类别面积的变化[9]，即

(1)

式中：S为研究区某一土地利用类型的土地利用变

化幅度，正值表示增加的幅度，负值表示减少的幅度；Ui和Uj分别表示研究初期和研究末期的某一土地利用类型面积。

把研究区1995—2015年间土地利用类别的面积导入式(1)中进行计算，可以得到研究区1995—2015年每5 a间的土地利用类型的变化幅度，其结果见表3。

表3 潞城市1995年、2000年、2005年、2010年和2015年土地利用变化幅度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间，研究区土地利用类型中面积呈正增长的为林地和居民地2类，其中面积增加最多同时变化幅度最大的是居民地，增加面积为1 002.42 hm2，增加幅度为17.81%； 土地利用类型中面积呈负增长的有耕地、水域和未利用地3类，耕地面积减少最多，为1 673.80 hm2，水域面积虽有所减少但是幅度很小可忽略不计，而未利用地减少幅度最大，为13.38%。在2000—2005年5 a间，研究区土地利用类型中面积呈正增长的有林地、居民地和水域3类，其中面积增加最多的是林地，为1 315.20 hm2，增加幅度最大的是居民地，为7.30%，水域面积虽有小幅度增加但可忽略不计； 土地利用类型中面积呈负增长的有耕地和未利用地2类，耕地面积减少最多，为1 496.00 hm2，未利用地减少幅度最大，为14.84%。在2005—2010年5 a间，研究区土地利用类型中面积呈正增长的有林地、居民地和水域3类，面积增加最多的是林地，为1 126.50 hm2，增加幅度最大的是居民地，为7.18%，水域面积虽有小幅度增加但可忽略不计； 土地利用类型中面积呈负增长的有耕地和未利用地2类，面积减少最多的是耕地，为1 346.50 hm2，减少幅度最大的是未利用地，为16.75%。在2010—2015年5 a间，研究区土地利用类型中面积呈正增长的有林地和居民地2类，其中面积增加最多的是林地，为734.30 hm2，增加幅度最大的是居民地，为8.26%； 土地利用类型中面积呈负增长的有耕地、水域和未利用地3类，其中面积减少最多的是耕地，为901.90 hm2，减少幅度最大的是未利用地，为29.16%。

3.1.2 单一土地利用动态度

单一土地利用动态度为研究区某一土地利用类型的年均变化情况[9]，即

K=S/T，

(2)

式中：K为研究区某一土地利用类型的单一土地利用动态度；T为研究初期与末期的间隔年数。

将研究区5个年份的土地利用变化幅度导入式(2)中进行计算，得到研究期间潞城市的单一土地利用动态度，其结果见表4。

表4潞城市1995年、2000年、2005年、2010年和2015年单一土地利用动态度

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

土地利用类型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

根据表4对潞城市1995年、2000年、2005年、2010年和2015年的土地利用动态变化情况进行详细分析。近20 a间，潞城市林地面积有所增加，且其单一土地利用动态度始终为正，截止到2015年研究区林地面积呈增加状态，且年均增长0.89%； 耕地面积有所减少，其单一土地利用动态度始终为负，截止到2015年研究区耕地面积呈减少状态，且年均减少0.92%； 居民地面积有所增加，其单一土地利用动态度始终为正，截止到2015年研究区居民地面积呈增加状态，年均增长2.33%； 水域面积有所减少，其单一土地利用动态度有正有负，截止到2015年研究区水域面积呈减少状态，年均减少0.29%； 未利用地面积有所减少，其单一土地利用动态度始终为负，截止到2015年研究区未利用地面积呈减少状态，年均减少2.83%。

3.2 土地利用变化程度

土地的属性是人与自然的总体反应效果，体现了人类对土地利用的特点。本文结合土地利用现状分类标准(GBT21010—1007)与研究区土地利用的特点以及人类对土地的开发利用程度将该研究区土地利用类型分为4个等级，见表5。

表5 土地利用类型分级指数Tab.5 Land use type classification index

土地利用程度变化综合指数为研究区内土地利用的程度[16]，即

(3)

式中：L为研究区内土地利用程度变化的综合指数；Ai为第i类土地利用类别的分级指数；Ci为第i类土地利用类别的面积占比；n为土地利用类别总数。

把研究区5个年份的土地利用类别的面积占比与相应的分级指数带入式(3)中进行计算，得到研究期间研究区土地利用程度变化综合指数，其结果见表6。

表6 潞城市土地利用程度变化综合指数Tab.6 Land use change composite index of Lucheng City

由表6可知，研究区土地利用程度在1995—2015年间无显著变化。从土地利用程度变化综合指数的范围(100～400)来看，潞城市的开发程度已达到中等程度，土地利用还有很大的发展空间，政府可以在可持续利用的前提下开发土地资源发展经济，提高居民的生活质量。

3.3 土地利用变化结构

通过研究区各土地利用类型的面积占比可以得到研究区土地利用结构情况，其结果如图2所示。

图2 潞城市土地利用类型结构

从类别角度分析数据，研究区面积占比最大的2类土地利用类型是林地与耕地，这2类在各时期所占研究区总面积均在80%以上； 其次，居民地在各时期所占研究区总面积介于9%～14%之间； 而其他各类在各时期所占研究区总面积都不足5%。

“现在，我们这里有30多个村庄变成了旅游专业村，包括石头村、软籽石榴村、齐长城村、画家村、摄影村、奇石村等。我们尽量挖掘文化要素，基本没有同质化的村庄，使游客始终有一种新鲜感，回头客不减。”山东淄博市淄川区文化和旅游局局长唐加福说，有温度的产品、有文化的包装、有品质的服务，才能真正实现可带走的记忆。

从时间角度分析数据，①林地的变化在1995—2015年间面积占比逐渐增大，尤其在2000—2005年间的变化幅度最大，为2.14%，2010—2015年间的变化幅度最小，为1.20%； ②耕地的变化在1995—2015年间面积占比逐渐减少，在1995—2000年间的变化幅度最大，为2.74%，2010—2015年间的变化幅度最小，为1.47%； ③居民地的变化在1995—2015年间面积占比逐渐增大，在1995—2000年间的变化幅度最大，为1.64%，2000—2005年间的变化幅度最小，为0.79%； ④水域的变化在1995—2015年面积占比有增有减，最终呈减少趋势，在2010—2015年间的变化幅度最大，为0.05%，在1995—2000年与2005—2010年间无变化，变化幅度为0； ⑤未利用地的变化在1995—2015年间面积占比逐渐减少，在2010—2015年间的变化幅度最大，为0.70%，在2005—2010年间的变化幅度最小，为0.48%。

4 土地利用预测

科学有效地对土地利用进行预测能够为研究区的可持续发展提供相应的技术支持[17]。灰色预测法是一种对含有不确定因素的系统进行预测的方法。首先，通过关联分析来鉴别系统各因素之间的发展趋势的相异程度； 然后，生成处理原始数据寻找出系统的变化规律，即生成一组具有较强规律性的数据序列； 最后，通过建立相应的微分方程模型预测出事物未来的发展状况。

本文利用GM(1，1)模型，首先利用1995年、2000年、2005年和2010年4期的遥感数据对研究区2015年的居民地面积进行预测并与实际数据进行对比，再利用1995年、2000年、2005年、2010年和2015年5期的数据对研究区2020年的耕地与居民地进行预测。

GM(1，1)模型中建立的微分方程为

(4)

式中：X(t+1)表示预测年份的相应预测结果；a为发展系数，表示行为序列估计值的发展态势；b为灰色作用量，是从行为序列中挖掘出来的数据，反映了数据变化的关系。此模型使用均方差比值C与小误差概率P作为检验模型预测精度的标准。具体指标如表7所示。

表7 精度预测等级Tab.7 Level of prediction accuracy

4.1 2015年土地利用预测

将研究区1995年、2000年、2005年和2010年4期的居民地面积带入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： 参数a=-0.069 816；b=6 009.080 448。

根据GM(1，1)模型得到的式(5)对2000年、2005年和2010年居民地拟合结果如表8所示。

表8 2000年、2005年和2010年居民地拟合结果Tab.8 Fitting results for residential area in 2000,2005,2010

评价结果：C=0.002 8，P=1.000 0，表明当前模型的评价效果很好。计算得到2015年预测值为8 175.894 08 hm2，而实际面积为8 256.78 hm2，相差80.885 92 hm2，仅占总面积的0.013 2%，误差很小，满足精度要求。

4.2 2020年土地利用预测

4.2.1 耕地预测

将研究区5期的耕地面积数值带入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： 参数a=0.049 017；b=29 817.656 301。

利用式(6)对2000年、2005年、2010年和2015年耕地拟合结果如表9所示。

表9 2000年、2005年和2010年和2015年耕地拟合结果Tab.9 Fitting results for agriculture area in2000,2005,2010,2015

评价结果：C=0.062 9，P=1.000 0，表明当前模型的评价效果较好。2020年耕地面积的预测值为22 759.324 45 hm2，耕地持续减少的趋势保持不变。由于城市有更多的就业机会、更好的教育资源和居住环境，这些因素使得大量的农村劳动力涌入城市，而缺乏劳动力的农村使得部分耕地退化为荒地，面积减少。

4.2.2 居民地预测

将研究区域5期的居民地面积数值带入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： 参数a=-0.072 892 ，b=5 966.783 952。

利用式(7)对2000年、2005年、2010年和2015年居民地拟合结果如表10所示。

表10 2000年、2005年和2010年和2015年居民地拟合结果Tab.10 Fitting results for residential area in2000,2005,2010,2015

评价结果：C=0.022 0，P=1.000 0，表明当前模型的评价效果很好。2020年居民地面积的预测值为8 854.757 69 hm2，居民地持续增加的趋势保持不变。城镇化的加速发展使得更多的农村人口涌入城市，城市常住人口的增加使得城市不断扩张，居民地面积增加。

5 结论

1)1995—2015年间，研究区林地和居民地所占用地逐渐增加，耕地和未利用地所占用地逐渐减少，水域所占用地基本保持不变。

2)1995年、2000年、2005年、2010年和2015年该区土地利用程度变化综合指数分别为262.59，263.66，263.30，263.26和264.53。从土地利用程度变化综合指数的范围来看，研究区开发程度已达到中等水平，近20 a间研究区处于发展时期。

3)在土地利用结构方面，从类别角度看，林地与耕地是研究区2大土地利用类型； 从时间角度看，截止到2015年研究区面积增加的有林地和居民地； 面积减少的有耕地、水域和未利用地。

4)应用GM(1，1)模型，采用1995年、2000年、2005年和2010年4期数据预测2015年居民地面积为8 175.89 hm2，实际面积为8 256.78 hm2，相差80.89 hm2； 应用该模型，采用1995年、2000年、2005年、2010年和2015年5期数据预测2020年耕地面积为22 759.32 hm2，居民地面积为8 854.76 hm2。

参考文献(References)：

[1] 何美香.县域土地利用动态变化研究——以山西省怀仁县为例[D].长沙:中南大学,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] 朱晓强,李满春,金晓斌,等.土地利用规划在城市郊区历史遗迹保护中的应用——以无锡市新区为例[J].北京第二外国语学院学报,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] 吴健生,谢舞丹,李嘉诚.土地利用回归模型在大气污染时空分异研究中的应用[J].环境科学,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,谈建国,等.基于土地利用和人为热修正的城市夏季高温数值试验[J].热带气象学报,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] 史泽鹏,马中文,马友华,等.基于J48决策树算法的遥感土地利用变化分析[J].遥感信息,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.辅以纹理特征的面向对象遥感影像土地分类研究——以南通市港闸区为例[D].南京:南京林业大学,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 华.基于eCognition面向对象技术的高分辨率遥感影像土地利用分类——以福州琅岐岛为例[J].海峡科学,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] 领 梅,安慧君,贺晓辉,等.基于决策树的凉城县土地利用分类研究[J].内蒙古农业大学学报,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] 吴健生,潘况一,彭 建,等.基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例[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 艳,姜琦刚,王 斌,等.基于Relief F和PSO混合特征选择的面向对象土地利用分类[J].农业工程学报,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] 黄秀霞,孙 力.C4.5算法的优化[J].计算机工程与设计,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] 吴琳娜,杨胜天,刘晓燕,等.1976年以来北洛河流域土地利用变化对人类活动程度的响应[J].地理学报,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 玮.上海海岸带土地利用/覆盖格局变化及驱动机制研究[D].上海:华东师范大学,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.