哈尔滨市松北区2004～2016年土地利用时空变化分析

刘玉琴 臧淑英 李苗

摘 要：哈尔滨市松北区在哈尔滨市的自然和经济资源中占有重要的地位，其土地利用变化情况关系到市区整体的可持续发展能力，过往的土地利用情况能够有效揭示人与自然和谐发展问题。采用遥感影像作为数据源，通过监督分类得到松北区2004年、2010年和2016年植被、水域、未利用地、建设用地等土地利用类型图及属性信息。结果显示：松北区近十年来植被覆盖面积不断减少；水域面积有所波动；未利用地不断减少；建设用地不断增加，主要集中在松花江北岸地区。建设用地迅速增长的原因一方面是经济的快速发展，另一方面则是人口和人均用地的快速增长。

关键词：土地利用；动态变化；遥感监测；松北区

中图分类号：P963 文献标志码：A 文章编号：2095-2945（2019）02-0048-04

Abstract： Songbei District of Harbin City occupies an important position in the natural and economic resources of Harbin City， and its land use change is related to the sustainable development ability of the whole urban area. The situation of land use in the past can effectively reveal the harmonious development between man and nature. Using remote sensing images as the data source， land use type maps and attribute information of vegetation， water area， unused land and construction land in Songbei District in 2004， 2010 and 2016 were obtained by supervised classification. The results show that the area covered by vegetation is decreasing； the area of water area is fluctuating； the unused land is decreasing； and the land for construction is increasing， mainly in the north bank of Songhua River. One reason for the rapid growth of construction land on the one hand is the rapid development of the economy， while the other hand is the rapid growth of population and land per capita.

Keywords： land use； dynamic change； remote sensing monitoring； Songbei District

引言

土地利用變化监测关系到气候变化、生态平衡、人类生存活动等诸多全球变化中的核心问题。90年代以来，随着全球问题的普遍关注，遥感技术的突飞猛进，使得进行土地利用变化研究的力度和方法都大大加强，并逐渐成为现阶段的研究热点问题。1999年，“国际地圈和生物圈计划”和“全球环境变化人文计划”两大组织联合发表了《土地利用/土地覆盖变化科学研究计划》，其中对于土地利用变化课题的研究重点和研究方法进行了明确的界定。最初，对于土地利用变化的研究主要集中在国外发达国家，这部分国家已经达到了较高的物质文化水平，越来越多地将注意力转向环境保护问题，由此产生了LUCC这一研究领域。Lee（1922）最早论证了遥感技术在土地利用变化研究中的作用，并最早利用这种技术进行了实证分析，发现人类的活动都会对地表景象带来变化，这一结论极大的指导了人们对人与自然关系的认识[1]。Farhand（2012）从土地利用变化信息出发，探究了印度尼西亚岛屿生态脆弱性情况，认为土地利用变化会引起环境的链式反应[2]。Schweizer（2014）研究了密西西比河流域土地利用变化和森林面积变化的驱动因素[3]。20世纪90年代起，中国学者紧跟国际研究动态，对区域土地利用引起的生态环境变化也进行了较为深入的研究。众多学者选取生态脆弱区（东北样带、农牧交错带等）和人文、自然驱动力活跃的热点地区（深圳市、北京市等）进行相关研究，并提出合理的土地利用开发方案。通过对具有代表性的地区的土地覆被变化及其环境效应研究，呼应了国际LUCC研究计划[4-9]。

哈尔滨市松北区总面积736km2，户籍人口20余万，松北区在哈尔滨市的自然和经济资源中占有着重要的地位。面对新的发展形势，松北区进一步开发、利用以及保护自然资源对于松北区整体的未来发展十分重要。因此，选择哈尔滨市松北区为研究区，研究该地区2004～2016年12年间土地利用时空变化情况，将土地利用变化情况与地区经济和环境发展变化相结合分析，以期揭示松北区解决人与环境和谐发展问题的关键。

1 研究区与数据

1.1 研究区概况

松北区是黑龙江省哈尔滨市的一个下辖区，位于哈尔滨市松花江北岸。2004年，市政府批准设立松北区。总体上松北区的地貌属于内陆河川平原地貌，地势虽有起伏但总体较为平缓，区内多条河川纵横交错，松花江、呼兰河主流及部分支流穿过松北区。松花江流域径流量年内分布不均，冬季河冰封进入枯季径流，春季回暖冰雪消融，径流量增大，夏秋两季是流量较大时期，松花江流域的水量主要来源于大气降水，所以径流量季节变化较为明显[10]。

1.2 数据与预处理

选用的影像数据为2004年、2010年、2016年等3个时相的哈尔滨松北區遥感影像。遥感影像数据均来自于地理空间数据云，人口统计信息来自于哈尔滨市统计年鉴，降水量统计信息来源于黑龙江省气象局。获得多时相遥感影像后，对遥感影像进行图像预处理，影像预处理包括：遥感影像几何校正，图像剪裁以及图像增强。

2 研究方法

使用监督分类中的支持向量机分类方法来提取土地利用类型。支持向量机（Support Vector Machine简称SVM）是Corinna Cortes和Vapnik等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中，可以自动寻找那些对分类具有较大区分能力的支持向量，并且由此构建出分类器，将类与类之间的间隔最大化[11]。在裁剪图像上进行目视判读，选择具有代表性的典型兴趣区（ROIs），通过兴趣区中已知的各种地物的光谱特征，来训练计算机，对未知地物进行处理分类，归到已知的类中，达到自动识别的目的。支持向量机分类得到的影像具有较多小块的图斑，这些小图斑既影响图像的美观，又给之后的计算地物面积带来不必要的麻烦，所以利用Classification中的Majority/Minority Analysis 工具对小图斑进行处理。依照松北区土地利用覆被的特征，将土地类型分为：植被、建设用地、未利用地和水域。

3 结果与分析

3.1 遥感图像分类结果

利用支持向量机分类方法最终得到2004年、2010年和2016年松北区土地利用类型图，如图1所示。松北区植被空间很大，这是松北区的自然资源优势；水域面积存在变化幅度较大，根据图像情况可以看出水域是河流整体增减的，有部分水域仅在总体水量较大时出现。

3.2 土地利用动态变化分析

为了分析松北区土地利用类型动态变化、变化速度以及变化程度，引用土地利用动态变化模型，再结合转移矩阵方法对数据进行处理。单一土地利用类型动态度表达式为：

通过计算得到松北区土地利用变化统计表，如表1所示。从2004～2010年松北区土地利用变化较为显著。2004年植被面积为621.76km2，占总比的83.07%；到了2010年，松北区植被面积减少到了573.72km2，其面积占比为76.65%，这一期间植被面积减少了48.04km2，平均每年减少8.01km2，动态度为-1.55%。城市面积增加了18.02km2，动态度为5.93%。在此期间水域面积增加了36.43km2，面积的增加主要受当年降水量多少影响。2010～2016年，松北区土地利用/覆被变化中城市面积变化最为显著。2016年，城市面积为113.79km2，占比15.20%，与2010年相比，居民地面积增加了34.96km2，动态度为8.87%。在此期间植被面积为571.90km2，占比76.41%。2004～2016年，松北区土地利用类型变化最大的就是植被-城市的转化，城市面积共增加了52.98km2。

以上分析了松北区过去12年不同时间段的土地利用/覆被类型之间的转换强度与动态度，为了清楚不同土地利用类型转换量的多少，将通过不同土地利用类型间的转换矩阵来分析各种土地利用类型如何转换，以及转化的数量大小。2004～2010年，2010～2016年土地利用转换矩阵表如表2、表3所示。

由表2可看出，在2004～2010年期间，共有50.29km2的其他土地利用类型转化为植被，转化面积大小依次为：未利用地>城市>水域；而共有68.17km2的植被转换为其他土地利用类型，转换面积大小依次为：城市>水域>未利用地。其中25.86km2的植被转换为水域，28.82km2的植被土地利用类型转换成城市。在此期间，以植被与城市的转化为主，2004年是松北区建区设立的第一年，松北区政府在“开发松北，构建两岸繁荣城市发展新格局”的战略决策指引下，以工业化和城市化为目标，加快全区改革开放步伐。建区时人口为18.7万，2010年人口为19.5万，植被减少的主要原因是人口的增加，并结合当时黑龙江省发展规划，2009年哈尔滨市实施“北跃”战略目标，希望在松花江北岸再造一个现代化新城区，松北区作为战略的承载者，着手开发建造高楼，修建路桥，城乡面貌焕然一新，导致部分植被转换为居民地。

由表3可以看出，在2010-2016年这六年期间，建设用地面积仍旧呈增长趋势，这一期间植被与居民地的转化较为剧烈，共有38.31km2的植被转化为城市用地，城市面积变化迅速，人口的增长、生活水平的提高以及国家基础设施的扩建都是居民地变化迅速的原因。2010年之后，松浦大桥、公路大桥西桥、松浦大道、大耿家立交桥以及太阳岛月亮桥等一大批路桥工程建成，松北区的城市体系日趋完善，交通更为便利。以太阳岛风景区、东北虎林园和冰雪大世界为主以及周边辐射地区，特别是太阳岛风景区与“冰雪大世界”扮亮了“冰城夏都”的金字招牌，带动了冬夏两季旅游业的迅猛发展，促进了松北区旅游业的发展，吸引了大量人口到此定居，旅游以及从事经济活动。

4 结论

以哈尔滨市松北区为研究区，采用2004年、2010年和2016年三个时期的松北区遥感图像为数据源，获取三个时期土地利用状况，对该时间段内土地利用动态情况，结合区域自然数据以及社会经济数据对土地利用变化的影响因素进行分析。得到以下结论：

（1）在研究时期内，松北区土地利用变化显著，植被覆盖面积呈现逐年下降，居民用地逐年上涨，同时水域面积则不呈线性变化。通过分析，水域面积变化可能与松花江水流量变化有关，城市快速发展是土地利用变化的主要原因。2004年初建立松北区，人口较少，城市用地面积也相应较小。城市面积从2004年的60.808km2增长到2016年的113.79km2，就占比来看则从2004年的8.13%增长到2016年的15.20%，根据土地利用类型图像可以看出城市面积的增长主要集中在松花江北岸地区，该地区城市用地快速增长并可能在未来一段时间内覆盖该地区的全部土地。

（2）将土地利用数据和居民人口数据结合发现，建设用地迅速增长的原因一方面是居民人数的逐年上涨，另一方面则是人均用地的快速增长，后者更为重要。随着居民生活水平的提高，在居住需求、公共设施需求还是工作场所需要等方面，居民对于居住用地的需求都在不断增长。预计在未来的时期，松北区旅游服务产业收入将会进一步增加，松北区地区生产总值将会显著增加，人口以及城市面积也将显著增长。

参考文献：

[1]Lee W T. The face of the earth as seen from the air： Astudy in the application of airplanephotography to geography[C]. New York： American Geographical Society， Special Publication 4，1922.

[2]Farhan A R， Lim S. Vulnerability assessment of ecological conditions in Seribu Islands， Indonesia[J]. Ocean & Coastal Management， 2012，65（3）：1-14.

[3]Schweizer P E， Matlack G R. Factors driving land use change and forest distribution on the coastal plain of Mississippi， USA[J]. Landscape & Urban Planning， 2014，121（1）：55-64.

[4]張新荣，刘林萍，方石，等.土地利用、覆被变化（LUCC）与环境变化关系研究进展[J].生态环境学报，2014（12）：2013-2021.

[5]骈宇哲，姜朋辉，陈振杰，等.LUCC研究进展及其对干旱区生态环境的意义[J].水土保持研究，2015，22（5）：358-364.

[6]史晓亮，李颖，杨志勇.基于SWAT模型的诺敏河流域径流对土地利用/覆被变化的响应模拟研究[J].水资源与水工程学报，2016，

27（1）：65-69.

[7]李承桧，信桂新，杨朝现，等.传统农区土地利用与覆被变化（LUC

C）及其生态环境效应[J].西南大学学报（自然科学版），2016，38（5）：139-145.

[8]雷师，全斌，欧阳鸿，等.基于Markov模型的长沙市和泉州市土地利用变化预测及对比研究[J].水土保持研究，2013，20（6）：224-229.

[9]司慧娟，付梅臣，袁春，等.青海省土地利用结构信息熵时空分异规律及驱动因素分析[J].干旱区资源与环境，2016，30（6）：38-42.

[10]袁杰.松花江流域近50年来水沙演变及其驱动因分子分析[D].天津：南开大学，2011.

[11]闫会敏.基于SVM与子空间结合的高光谱图像分类算法研究[D].西安：西安科技大学，2014.