基于Landat时间序列的山西省建设用地扩张动态监测

柴旭荣， 晋宇

山西师范大学地理科学学院，山西 临汾 041000

0 引言

随着城镇化的快速发展，土地利用覆被也发生着快速结构变化，特别是建设用地的扩张，对区域的气候、水文及生态环境都产生了极大影响[1，2].遥感技术在建设用地扩张监测方面具有强大的应用潜力[3，4].以往关于建设用地变化的相关研究主要是利用研究时段的初始和结束两个时间节点的影像数据，这样对研究时段内详细变化过程信息不能捕捉.随着2008年Landsat影像免费获取政策的实施，相关文献开始关注Landsat时间序列数据的应用[5，6].将Landsat时间序列数据结合新的变化检测算法为土地覆被变化监测创造了新的机遇.特别是LandTrend等变化检测算法在云计算平台上的实现，为土地覆被变化监测创造了新的机遇[7].然而，目前关于LandTrend算法的应用，主要着眼点为森林的干扰和恢复方面[8，9]，还未见将该算法用于建设用地扩张方面的相关研究.

为此，本文利用Landsat时间序列影像，采用LandTrend算法，对山西省1988年—2018年时段内建设用地的扩张动态进行分析.目的包括两个方面：①探索LandTrend算法在建设用地扩张方面的应用潜力；②厘清研究区在研究时段内建设用地扩张的形态和过程，为区域土地利用总体规划和经济发展评价提供可靠的数据支撑.

1 数据与方法

1.1 研究区介绍

本文选择地处黄土高原东翼的山西省为研究区域.地理坐标介于东经110°14′～114°33′，北纬34°34′～40°44′之间，总面积1 589.01万公顷.区域内主要土地覆被类型有耕地、林地、草地、建设用地、水体和未利用地等.该区域地貌类型主要有河谷平原、丘陵、低山、中山、台地等.气候类型属于温带大陆性季风气候，区域内南北气候差异显著.随着社会经济发展和城镇化率的稳步推进，研究区的建设用地呈现明显的扩张趋势[10].

1.2数据

1.2.1 影像数据

本文选择1988年至2018年期间覆盖山西省范围的Landsat卫星系列影像数据，包括TM、ETM和OLI，共计14661景.图1显示各年可用影像数.

图1 每年可用Landsat影像景数
Fig.1 Number of Landsat images available for each year

1.2.2 样本点数据

本文利用Google Earth高清影像进行典型地类样本数据采集.采集耕地样本、建设用地样本、林地样本、草地样本、水域样本和未利用地样本共计1 580个.

1.3 方法

1.3.1 土地覆被分类方法

本文采用监督分类法进行土地覆被分类.分类标准采用中国科学院遥感监测土地利用分类系统[11]，具体分为耕地、林地、草地、水域、建设用地和未利用土地等六个类型.分类过程中，随机选择60 %的样本数据作为训练数据；分类算法采用随机森林算法.用其余40 %的样本作为验证数据，土地覆被分类精度验证采用总体精度和Kappa值等指标.

1.3.2 变化检测方法

本文采用LandTrendr算法进行影像变化检测.在LandTrendr算法执行过程，选择归一化燃烧指数(NBR)进行变化顶点识别.具体建设用地扩张变化识别过程如图2所示.图2展示的具体点位为：东经112.583°，北纬37.746°，变化过程为耕地转建设用地.图中小正方形点为像素的NBR指数时间序列轨迹，LandTrendr算法将其拟合为一系列直线段(图中圆点连线)，本文选择NBR变化幅度最大的线段，提取该线段顶点的年份和NBR数值，结合研究期开始和结束时间节点的分类结果，确定建设用地扩张图斑.

图2 LandTrendr算法检测建设用地扩张识别图
Fig.2 Examples of construction land expansion illustrated with LandTrendr pixel time series segmentation

2 结果与分析

2.1 土地覆被分类结果

研究时段起始年份1988年和终止年份2018年土地覆被分类结果如表3所示.1988年研究区建设用地总面积为91.70万公顷，2018年建设用地总面积为92.85万公顷.1988年至2018年期间，建设用地规模增加1.15万公顷.分类精度验证结果为： 1988年分类总体精度为81.68 %，Kappa值为0.74，2018年分类总体精度为85.78 %，Kappa值为0.80.可以看出，由于2018年具有更丰富的影像数据，其分类精度明显优于1988年.

表1 研究时段始末各土地覆被类型面积汇总表Tab.1 Summary of land cover type area at the beginning and end of the study period

2.2 建设用地扩张时空动态结果

为了显示LandTrendr算法结果的细节特征，本文选取了3个不同局部区域来显示建设用地扩张的时间和空间信息(图3).可以看出，各区域发生建设用地扩张的现象都比较明显，而且扩张现象发生在不同的年份.为了厘清研究区建设用地扩张的模式，本文从时间动态、空间布局、土地结构转换、地貌类型等几个方面对LandTrendr算法结果进行了进一步的空间统计分析.

图3 建设用地扩张图斑分布图
Fig.3 Distribution of pixels of construction land expansion

图4展示了研究时段内每年建设用地的增量信息.因为涉及年度变化监测，所以结果数据中不包含起始年份1988年和终止年份2018年.从图中可以看出，研究区建设用地规模处于一个持续增长的模式.1992年至1995年出现一个高峰时段，1996年至2002年经历了一个较低的扩张阶段，从2003年至2017年又出现一个持续扩张阶段.特别是1992年和2004年，扩张规模分为1 168公顷、1 188公顷.

图5列出了山西各地级市研究时段建设用地扩张规模.从图中可以看出，整个研究时段内，晋中市增加规模最大，为2 236公顷，其次是运城市、长治市和太原市，而增长规模最小的是朔州市，研究时段内建设用地增加了298公顷.

通过分析地类转换前NBR数值，并结合1988年土地覆被分类结果，可以获取增加的建设用地由哪些地类转换而得.分析结果显示，研究时段内建设用地增长由耕地、林地和牧草地转换而得.其中，由耕地转为建设用地的规模为9 527公顷，占建设用地总增量的82.67 %；而林地和牧草地所占比重仅为9.28 %和8 %.可见，建设用地的增加主要是通过占用耕地的方式.

图4 各年建设用地增加面积图Fig.4 Annual increased areas in construction land expansion图5 山西各地级市建设用地增加面积Fig.5 Increased area of construction land in various cities in Shanxi

通过建设用地扩张数据与研究区地貌数据进行空间叠加分析，可以得出各地貌类型上发生建设用地的扩张规模.表2列出了各地貌类型上研究时段建设用地增量.从表中可以看出，建设用地的扩张主要发生在地势平坦的河谷平原地区，占总增量的71.04 %；其次是相对较为平坦的台地地区，占总规模的14 %；而在低山和丘陵地区，发生建设用地扩张的比例较小.

表2 不同地貌类型建设用地增量Tab.2 Increased area of construction land in different landform types

3 结论

通过上述利用Landsat时间序列影像，采用LandTrendr算法，对山西省1988年至2018年期间建设用地扩张时空动态的量化分析，可以得出如下结论：

(1)LandTrendr算法能够有效地检测出建设用地扩张的时空特征，为准确地认识建设用地扩张过程提供了一条科学、快速的量化途径.

(2)研究时段内，山西省建设用地扩张规模为1.15万公顷.各地市扩张规模表现出明显的差异性，其中晋中市扩张规模最大，占山西省总规模的19.4 %，而朔州市扩张规模最小，占总规模的2.5 %.

(3)从时间动态看，每年的建设用地增量呈现出明显的差异性，其中1992年、2004年的增量显著高于其他年份.

(4)从土地利用结构变化看，研究时段内建设用地增加部分由耕地、林地和草地转换而得，而耕地为主要来源，占全部的82.67 %.同时也可以看出，耕地转建设用地主要发生在地势平坦的河谷平原区.