Landsat系列影像支持下的凤阳县石英砂矿区土地利用动态监测

2018-07-03吴艳民刘吉凯安徽科技学院安徽凤阳3300北京创时空科技发展有限公司北京00083

测绘通报 2018年6期

张伟，吴艳民，刘吉凯(. 安徽科技学院，安徽凤阳 3300； . 北京创时空科技发展有限公司，北京 00083)

遥感技术是当前矿山土地调查与变化监测的重要手段之一。在国外，对矿区土地利用遥感监测始于土地利用/覆被变化(land use and land cover change,LUCC)研究，初期主要是对土地利用/覆被变化及其驱动力、与环境响应的作用机制展开研究，后期逐步发展为评估生态环境变化[1-2]。Gupta[3]利用时序Landsat TM影像，通过波段运算监测印度Jharia煤矿区土地利用变化，结果表明随着矿区面积的增加，居民点数不断增加，植被却持续减少。Effah等[4]利用1995—2000年间的序列TM影像，从景观格局的角度分析了德国Lusatia煤矿区土地利用变化及其对生物多样性的影响。Nuray等[5]利用多时相高分辨率遥感影像，采用支持向量机的分类方法监测土耳其Goynuk煤矿区2004—2008年间里的土地生态变化。

在国内，矿区土地利用遥感监测研究中，数据源以中高分辨率遥感数据为主，如Landsat影像[6-7]、SPOT影像[8]等。何芳等[9]从矿山遥感监测数据源的选择和最佳比例尺计算的角度出发，明确了合理选择遥感数据信息源、利用制图软件计算遥感影像图比例尺及编制野外调查和成果解译图的技术方法。研究方法主要为目视解译[10-11]、人机交互分类[9,12]和计算机自动分类[13]相结合的方法。宋亚婷等[14]以GF-1影像为例，在面向对象的影像分类基础上，探讨了露天煤矿区用地类型信息提取优先顺序对最终分类精度的影响。

从时间尺度来看，当前的研究多侧重于矿区土地资源的利用现状和短时间尺度的变化研究[8,15]，缺乏从土地系统长期、动态角度的变化研究。从研究对象来看，多集中在金属矿区和非金属的煤矿、稀土矿的研究，而对石英砂矿区的遥感监测相对较少。因此，本文通过对比1991—2015年间Landsat系列遥感影像，基于支持向量机的分类技术，分析凤阳县石英砂矿区25年来土地利用时空变化特征和演变规律，以期为凤阳县矿区土地合理利用、生态环境评价和综合治理提供依据。

1 研究区、数据源和研究方法

1.1 研究区概况

凤阳县隶属滁州市，地处淮河中游南岸，北纬32°37′—33°03′、东经117°19′—117°57′。凤阳县石英砂矿产资源丰富，矿区面积为80 km2，探明储量在100亿吨以上，被誉为“中国优质石英砂原料基地”和“中国日用玻璃产业基地”。

1.2 数据源

选择Landsat系列卫星数据作为凤阳县石英砂矿区土地利用变化监测的数据源。选用的数据为1991—2015年25年间的6期Landsat卫星遥感影像，为了验证土地信息提取精度，同时选取对应研究区的2015年Google Earth高分数据，具体见表1。其中Landsat数据空间分辨率为30 m，轨道号为121-37，产品级别L1T，时间分辨率为16 d，来源于中国科学院计算机网络信息中心地理空间数据云平台(http:∥www.gscloud.cn)，Google Earth数据的空间分辨率为4 m。辅助数据为凤阳县1∶50 000土地利用现状图、野外实地调查资料、县界矢量、县内主要的水系和道路及数字高程模型等。

1.3 数据预处理

为保证矿区土地信息遥感解译的正确性，需要对数据进行预处理：①去条带处理。对2010年的ETM+数据去条带处理，利用同一景影像完好的数据部分，对数据缝隙进行插值。②辐射校正。利用ENVI 5.1软件的Radiometric Calibration模块和FLAASH Atmospheric Correction模块对系列影像分别进行辐射校正和大气校正。③几何校正。参考1∶50 000土地利用现状图，以Google Earth为基准影像，采用二次多项式和双线性内插法对2015年OLI影像几何精度纠正，保证误差在0.5个像元内；再以OLI影像为准，对其他时相影像几何配准，误差控制在1个像元以内。④影像裁剪。对预处理后的系列影像，按照石英砂矿区集中分布的区域裁剪处理，得到矿区Landsat系列预处理数据，结果如图1所示。

表1 Landsat系列卫星影像表列

图1 凤阳县石英砂矿区Landsat系列影像(波段合成顺序：1991—2010年RGB-542，2015年RGB-654)

1.4 研究方法

采取支持向量机(support vector machine classifier,SVM)算法，对凤阳县石英砂矿区土地利用信息进行分类提取[16]。基于土地利用转移矩阵与变化速度，分析石英砂矿区土地利用变化，具体计算公式见参考文献[17]。

2 基于Landsat系列影像的石英砂矿区土地分类

2.1 矿区土地分类体系的确立

石英砂矿山土地系统遥感动态变化监测的重要前提与关键环节是建立合理的分类系统。根据凤阳石英矿区的土地利用现状和覆被特征，以及影像信息提取的可行性，借鉴查东平[2]、尚慧[6]等对矿区土地系统进行划分，构建凤阳石英矿区土地分类体系，包括工矿用地、建筑用地、水域、林地、草地和耕地6类。

2.2 Landsat系列影像的石英砂矿区土地利用信息提取

根据土地系统分类体系(子类)，结合矿区影像特征和野外调查资料，勾选多种土地利用类型的训练样本集，并建立相应的解译标志。利用SVM的方法提取石英砂矿区土地利用类型信息，核函数选择径向基核函数。初分类后，对分类结果进行Majority/Minority分析、聚类分析和过滤处理；然后参考凤阳县土地利用现状图，通过人机交会的方式完成对2015年影像错分或漏分类型信息的修正，并顺次倒推，依次修正其他时期影像的分类误差；最后将多个子类合并成6种土地利用类型，得到各时期的凤阳县石英砂矿区土地利用现状图(如图2所示)。

图2 凤阳县石英砂矿区1991—2015年土地利用空间分布

2.3 精度评价

由于野外调查数据与高分数据均来源于2015年，理论上只能对2015年的矿区分类结果进行精度评价，考虑到其他时期Landsat系列数据处理的一致性(提取方法一致和分类后交会解译一致)，本文认为2015年分类结果的精度分析对其他时期影像是可接受的，对宏观趋势的判断是可行的[18]。将野外实地调查的土地类型位置信息叠加在Google Earth高分影像上，参考土地利用现状图，通过目视解译将实测点信息转化成真实感兴趣区，由此建立混淆矩阵，计算总体精度、Kappa系数、用户精度和制图精度，以评价凤阳县石英砂矿区土地利用类型提取的精度，见表2。

表2 凤阳县石英砂矿区土地系统分类精度(2015年)

从表2可知，分类的效果较为理想，总体精度达87.72%，Kappa系数为0.844 9，说明基于SVM方法对矿区土地利用类型提取具有较高的正确率。6类土地利用类型中，除草地外，其余类型的用户精度和制图精度均高于80%。进一步分析，与草地易混淆的类型为耕地和林地，主要原因是草地与低矮灌木林地的空间分布和光谱信息过于接近，在空间分辨率为30 m的影像上，存在“异物同谱”的现象，仅靠基于光谱信息的SVM分类方法无法高精度区分。草地与耕地虽然空间位置信息不同，但二者的光谱信息，特别是与地里肥沃的生长作物相近，难以有效区分。为了提高草地的分类精度，分类后经过简单人机交互修正，使总体精度上升到94.78%，Kappa系数达0.934 0。

3 凤阳县石英砂矿区土地利用时空变化分析

基于本文获得的各时期凤阳县石英砂矿区土地利用现状解译结果，采用GIS空间分析功能统计各时期土地利用现状、变化速度及变化转移矩阵，见表3。

表3 凤阳县石英砂矿区土地利用结构及其变化

从表3分析可知，1991—2015年凤阳县石英砂矿区土地利用发生了很大变化：25年间变化总面积为3 932.64 hm2，占研究区总面积的33.23%；从各个时段来看，其中1991—2000年间变化面积为2 544.48 hm2(占面积比为21.50%，下同)，2000—2010年变化面积远超过前个10年的变化，变化的面积比达27.32%，为3 233.16 hm2，2010—2015年，5年间的变化(2 725.11/23.03%)已超过了1991—2000年间的变化，且仅比2000—2010年的变化低4.29%。可见，25年来凤阳县石英砂矿区土地利用的变化趋于剧烈，且变化范围愈加扩大。不同土地利用类型的变化具体分析如下：

3.1 工矿用地

工矿用地的面积变化反映了过去25年间石英砂开采活动的强度和开采后生态环境恢复的程度。由表3可知，工矿面积发生了剧烈变化，Landsat系列数据清晰地反映了石英砂矿区的发展历程。1991年，矿区面积仅为6.84 hm2，占研究区总面积的0.06%；2015年，矿区面积增至438.12 hm2(3.70%)，净增加431.28 hm2，动态度高达252.21%，是所有土地利用类型中最大的。由表3分析，增加的工矿用地主要由草地和林地转化而来，草地转化量为356.31 hm2，林地为75.87 hm2，二者分别占3个监测时段增量的97.45%、95.38%和91.57%，仅少量由水域和耕地转化而来，这是由空间临近关系决定的。废弃的矿区主要转化为了草地和林地，但变化量远远小于增加量，因此对废弃矿区的生态恢复要给予足够重视。

分时段来看，1991—2000年是石英砂矿区变化最为剧烈的时段，矿区开采从无到有，动态度高达153.68%，进一步统计分析发现，这一剧烈变化主要集中发生在1991—1995年间，动态度为135.26。2000—2010年，工矿用地变化总量为211.59 hm2，年变化量为19.24 hm2，均高于其他两个监测时段，表明：2000—2010年是石英砂矿产开采规模最大的时间段。2010—2015年，动态度降低到5.92%，在5年时间里，下降了11.28%，矿区面积变化速度骤降，意味着矿业规模的发展速度渐缓。

3.2 建筑用地

1991—2015年，建筑用地面积持续增加，总净增量为691.29 hm2，动态度达95.71%，变化速度仅次于矿区用地，其中2000—2010年的年均增量为40.21 hm2，远高于其他两个监测时段。建筑用地面积变化速度由25.89%增加到38.79%再锐减到5.32%，从侧面说明了：2000—2010年是矿区经济发展最好的10年。在乡镇城镇化过程中，受侵占最严重的土地类型为耕地、草地和水域，分别占增量的80.43%、10.57%和8.17%，尤其是原有乡镇(村庄)周边相对平坦的耕地和草地，以及对河流的侵占。笔者在实际调查时发现，新增的建筑用地除了原有居民点的扩张外，大部分为石英砂企业的厂房，由此说明，建筑用地的增加与矿区经济密切相关。建筑用地在增加的同时，也有部分转化为耕地和草地，主要以拆迁后人为开垦和植被自然恢复为主。

3.3 水域

随着石英砂矿业开采强度的加大，矿区地貌破坏，塌陷的地势已发展成积水区，会导致矿区水域面积的增加。2000—2010年石英砂矿产开采规模空前，研究区内水域面积有所增加，净增量为34.92 hm2，但由表3知，增加的水域主要由耕地、草地和工矿用地转化而来，可见这一时段内，增量除部分来自于矿区地势塌陷外，大部分来自于水利工程的新建与扩大。但从整个时间段(1991—2015年)来看，水域面积是净减少的，减少量为186.03 hm2，主要转化为了耕地、草地和建筑用地，分别为97.74 hm2(52.54%)、43.29 hm2(23.27%)和38.70 hm2(20.80%)。实际调查时也发现，河流两侧建满了建筑物，导致部分河流段的宽度仅为5～10 m，枯水期甚至断流，原本在影像上(2000年)清晰可见的河流，到现在却不复存在(2010年)，另外，河底及周围覆盖一层细细的石英砂粉末，阻塞水流，流域环境问题严重，急需解决。

3.4 林地

1991—2000年，林地面积由1 235.25 hm2增加到1 942.02 hm2，面积比重由10.38%增大到16.32%，年增量为70.68 hm2。进一步分析发现，1991—1995年，林地面积是减少的，5年间减少了178.02 hm2，主要转化为了草地和工矿用地，转化比率高达95.24%，主要是由石英砂矿开采、大量砍伐林木导致的。1993年起，凤阳县政府大力鼓励封山育林，开山造林，发展林业经济，林业面积不减反增，1995—2000年间增量为884.79 hm2，年均144.47 hm2，主要由草地和耕地转化而来。2000—2010年，林地面积仅增加了157.59 hm2，主要由草地和耕地转化而来，分别占比86.59%和12.70%，说明：矿业开采导致林地的减量小于人工林场育林的增量。2010—2015年，林地面积迅速减少，5年间减少了240.03 hm2，年均减40.01 hm2，仅次于耕地的年均减少量(-55.49 hm2)，主要转化为了草地、耕地和工矿用地，这与林场改革与林业经济不景气有一定的关系。总的来看，1991—2015年，25年间林业面积净增624.33 hm2，使矿区植被覆盖率提高，有利于矿区生态环境的改善。

3.5 草地

草地面积急剧减少，在25年间共减少1 076.85 hm2，减幅26.94%，年均减少43.07 hm2，是所有土地利用类型中总变化量和年变化量最大的。1991—2010年，呈持续减少的趋势，共减少1 318.32 hm2，其中1991—2000年的减少量最多，为919.53 hm2，年均91.95 hm2，主要转化为了林地、耕地和工矿用地，三者转化面积占减少量的96.99%。1991—2000年，三者转化占比92.58%，说明在1991—2010年里大部分草地被造林、垦荒和矿产资源开发侵占。2010—2015年，大量的林地、耕地、水域和工矿用地转化为草地，草地面积正增长，增量为241.47 hm2，主要是由林地砍伐后再生长(低矮灌草)、耕地撂荒自然生长野草和矿区生态修复导致的。

3.6 耕地

1991—2015年，耕地面积发生了重大变化，由5 896.80 hm2减少到5 231.34 hm2，年均减少26.62 hm2，面积比重由49.55%下降到44.20%。分析表明，减少的耕地主要转化为了建筑用地、草地和水域，分别为597.15 hm2(48.87%)、550.53 hm2(45.05%)和68.22 hm2(5.58%)，原因为耕地废弃、闲置或被建筑用地扩张占用，主要分布在乡镇(村庄)、河流周边。耕地的增加量主要由草地、水域和林地转化而来，三者转化量为582.57 hm2，占面积比重的98.85%。

分时段来看，1991—2000年，耕地面积增加了115.11 hm2，增量不多，主要由草地和水域转化而来，与经济增速，人口增长有关。2000—2015年，耕地面积持续减少，净变化量为-780.57 hm2，占2015年耕地总面积的14.92%，主要转化为了建筑用地、草地、水域和林地，其中2000—2010年间转化的建筑面积多于草地面积，林地面积多于水域面积，也证明了本文上文的分析：2000—2010年10年间经济快速发展，居民区及设施大量兴建。虽然耕地的动态度远低于其他土地利用类型，但由于其面积比重最大，使得其面积变化量较高。

综上所述，不同监测时段的土地利用类型变化速度存在差异：25年间，工矿用地和建筑用地面积持续增加，均在2000—2010年间年增幅最大，二者之间呈正相关。水域面积总变化量不大，在3个时段呈现先减后增的趋势。林地面积在前 20年里迅速增加，增速前10年远大于后10年，但却在最近5年里急剧减少，减速不容忽视。草地面积在25年里变化总量最大，先急剧减少后增加，与政府对生态环境治理的大背景有关。耕地面积先增加后急剧减少，减少量明显，应予以高度重视。就变化速度而言，工矿用地>建筑用地>林地>草地>耕地>水域(如图3所示)，耕地和草地尽管变化速度不是最大的，但面积占比大，变化面积最高。

图3 1991—2015年凤阳县石英砂矿区土地利用类型变化速度

4 结论与讨论

本文利用Landsat系列影像，基于SVM算法对研究区25年间的Landsat遥感影像进行了精准的土地类型分类，总体分类精度达87.72%，Kappa系数为0.844 9，为凤阳县石英砂矿区土地生态动态变化监测奠定了良好的基础。

1991—2015年凤阳县石英砂矿区土地利用方式和空间格局发生了显著变化。工矿用地面积持续增加，变化速度是所有土地利用类型中最大的，增加的工矿主要由草地和林地转化而来。建筑用地面积也持续增加，主要是侵占耕地、草地和水域所得。水域总面积变化量不大，呈现先减后增的趋势。草地面积虽然变化速度不大，但总变化量和年变化量最大。25年间，草地面积急剧减少，主要转化为了林地、耕地和工矿用地。林地和耕地面积均先增后减，但二者的净变化量方向却相反，林地面积正增长；耕地废弃、闲置或被建筑用地扩张占用，主要分布在乡镇(村庄)、河流周边。

2000—2010年是凤阳县石英砂矿产开采规模最大的时间段，工矿用地和建筑用地面积迅速增加，二者呈正相关，其代价是对草地、耕地和水域的过度侵占。2010—2015年，工矿用地和建筑用地变化速度骤降，但对林地和耕地的破坏不减反增，矿区土地生态系统质量朝着变差的方向发展，应当给予足够的重视。

凤阳县石英砂矿区土地生态系统质量逐渐下降，矿区环境恢复和改善任重而道远，建议在后续矿山生态环境治理过程中对采矿区、排土堆和尾矿库进行详细规划，有计划地逐步恢复采矿区被破坏的植被和压占的农田，恢复河流功能等。

对矿区地类解译时，由于受限于遥感影像空间分辨率的精度，土地利用类型以大类为主，并未进一步展开，如将工矿用地细分为开采场、排土堆和尾矿库，可能与矿区实际利用情况有一定差距，因此在未来矿区生态环境评价中，要重新定义分类体系，改善解译方式，提高工作效率，以获取高精度细分类的解译结果。

参考文献：

[1] 张登荣,许思莹,谢斌,等.近40年椒江-台州湾滩涂围垦土地利用变化的遥感调查[J].国土资源遥感,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] 张航,仲波,洪友堂,等.近20多年来赣州地区稀土矿区遥感动态监测[J].遥感技术与应用,2015,30(2):376-382.

[7] 林怡,王鹏育,何丽玲,等.混合核函数SVM分类模型下采矿区时空变化监测[J].中国科技论文,2015,10(3):316-321.

[8] 马红花.多时相矿区土地利用/覆被变化及驱动因素分析[D].焦作：河南理工大学,2011.

[9] 何芳,李林,徐友宁,等.矿山遥感编图中的高分辨率遥感数据选择与比例尺计算方法[J].地质通报,2015,34(11):2037-2046.

[10] 方雪娟,丁镭,张志.大冶陈贵镇小型尾矿库分布特征及环境影响分析[J].国土资源遥感,2013,25(1):155-159.

[11] 安志宏,聂洪峰,王皓,等.ZY-1 02C星数据在矿山遥感监测中的应用研究与分析[J].国土资源遥感,2015,27(2):174-182.

[12] 赵鹏.新街台格庙矿区开发初期土地利用动态遥感监测[J].国土资源遥感,2015,27(4):144-149.

[13] 祝振江.基于面向对象分类法的高分辨率遥感影像矿山信息提取应用研究[D].北京：中国地质大学,2010.

[14] 宋亚婷,江东,黄耀欢,等.基于面向对象方法的露天煤矿用地类型提取优先级分析[J].遥感技术与应用,2016,31(3):572-579.

[15] 王杰.基于多源数据的矿区空间变化监测与分析[D].唐山：河北联合大学,2014.

[16] 邓书斌,陈秋锦,杜会建,等.ENVI遥感图像处理方法[M].2版.北京：高等教育出版社,2016:137.

[17] 徐嘉兴.典型平原矿区土地生态演变及评价研究——以徐州矿区为例[D].徐州：中国矿业大学,2013.