2000—2015年安徽省林地遥感制图与时空变化分析

邵亚奎, 朱长明,*, 徐新良, 张新, 沈谦

2000—2015年安徽省林地遥感制图与时空变化分析

邵亚奎1, 朱长明1,*, 徐新良2, 张新3, 沈谦1

1. 江苏师范大学, 地理测绘与城乡规划学院, 江苏 徐州 221116 2. 中国科学院地理科学与资源研究所, 资源与环境信息系统国家重点实验室, 北京 100101 3. 中国科学院, 遥感与数字地球研究所, 北京 100101

林地作为一种重要的自然资源和生态因子在区域发展和环境保护中发挥了重要保障作用, 及时获取空间分布特征和变化信息对林地资源保护和开发具有重要的意义。在2000—2015年安徽省林业遥感调查数据的基础上, 完成了安徽省2000、2005、2010、2015年4期林地遥感制图和时空分析, 并从时间序列和空间尺度上探讨了2000年以来安徽省林地资源的分布特征、时空动态及其主要驱动力要素。结果表明:在时间上, 近15年来安徽省林地面积总体上呈下降趋势。在空间上, 安徽省林地地区分布不均, 空间分布差异性较大, 集中分布在皖南地区, 沿江丘陵和淮北平原林地比重较少。林地变化活跃区集中在年均气温15—18℃, 降水量1000—2000mm, 坡度小于15°、高程低于500m的地方。在变化原因上, 自然因素影响了安徽林地的总体空间分布特征, 但是短期内政策调控、经济发展是林地时空变化的主要驱动因子。

安徽林地; 遥感调查; 制图分析; 时空变化; 驱动因素

0 引言

森林作为一种重要的自然资源和生态因子, 在区域发展和环境保护中发挥着重要保障作用, 它具有维护全球碳平衡, 改善区域生态环境, 保持生物多样性, 防风固沙, 涵养水源等功能[1-2]。而林地作为森林资源的重要组成部分和林业可持续发展的根本, 在区域土地生态格局、生物多样性保护、基础设施建设以及气候调节等方面发挥着重要作用, 是实现国民经济可持续发展的根本和保障[3]。林地动态变化关系到生态环境安全, 及时获取和掌握林地变化信息具有重要意义。

在林地资源变化研究方面, 国内外学者展开了大量的研究。例如: 宋开山等利用土地利用动态变化模型及景观模型分析吉林省中东部地区林地面积的变化特征[4], Xie等以逻辑回归模型研究京津冀地区1985—2000年林地变化及影响因素[5], 张佩霞等利用统计数据等资料对广东省鹤山市林业生态规划进行研究[6]。从以上研究文献可以看出, 目前林地研究多侧重于东北、西北、东南等区域, 相比较而言对中部地区尤其是安徽省这一重要的生态区关注较少。由于林地多分布于山区和偏远区域, 可达性较差, 传统的林地调查主要是采集数据、外业核实、现地调查等, 不仅费时费力, 而且时效性差。随着遥感技术的发展, 遥感被广泛应用与林业资源普查和监测。在林业遥感调查相关研究中, 乔玉良等通过监督分类与非监督分类相结合对珠海森林专题信息进行提取[7], 李秀芬等采用人工目视解译方法分析了晋西北防护林30年来的动态变化情况[8], 张清雨等利用ERDAS软件监督分类与GIS空间分析功能提取商洛地区各类型变化信息[9]。纵观现有的遥感林地提取方法, 主要有监督分类和非监督分类以及决策树分类[10], 从计算尺度角度可以分为像素级分类和对象级分类[11]。像素级分类对影像分类局限在单一栅格单元层次, 因光谱特征丰富而同物异谱现象更为突出, 产生的错误很难纠正, 容易产生过分类现象[12]。而面向对象分类是一种智能化影像分析方法, 尤其是Ecognition商业软件的推出, 它更加贴合人类感知系统和认知模式, 通过对影像进行分割, 转图像像元到目标基元, 成功避免了“椒盐现象”, 在遥感信息提取中得到了广泛应用[13]; 但是由于地物目标的复杂性、混合像元影响、光谱的不确定性以及“同物异谱异物同谱”现象, 在林业遥感制图方面, 现有的自动提取算法仍然无法取代人类在地物类型的感知方面的作用, 人工目视解译准确度高, 对地物类型实质性感知是优于自动判读的[14]。

本文以安徽地区为切入点, 在遥感和GIS技术的支持下, 利用2000年、2005年、2010年和2015年安徽省4期遥感监测数据, 同时结合高程、坡度、气温、水文和安徽省统计年鉴数据等辅助数据, 提取2000—2015年林地变化信息, 发掘林地时空动态特征, 分析用地结构转化特征, 探讨该地区驱动林地转化因素, 以期为安徽省林地规划、发展和保护提供决策支持和科学参考。

1 研究区与数据源

1.1 研究区

安徽省位于中国大陆东部, 介于东经114°54′—119°37′, 北纬29°41′—34°38′之间, 在气候差异上以淮河为分界线, 淮河以北是暖温带半湿润季风气候, 夏季暖热多雨, 冬季寒冷干燥。淮河以南是亚热带湿润季风气候, 夏季高温多雨, 冬季温和湿润[15]。土地利用方式以耕地、建设用地、林地、草地、未利用地为主, 其中林业用地面积约4.49×104km2, 活立木蓄积量2.61×108m³, 按全省6949万人口(2015年)计算, 人均占有林业用地只有646 m2, 人均拥有蓄积量只有3.75 m³。安徽省地形复杂, 地貌类型丰富, 皖南地区以山地和丘陵为主, 皖北地区以平原为主, 降水有南多北少, 山区多、平原丘陵少的特点。

1.2 数据源

本研究所采用的数据主要有: 遥感监测数据, 气象数据(年平均气温、年平均降水量)、统计年鉴数据、安徽省行政区划数据、高程数据(DEM)等。数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn/)、地理空间数据云(http: //www.gscloud.cn)和美国地质调查局(USGS)网站(http: //glovis.usgs.gov)。其中年平均气温、年平均降水量是基于气象站点日观测数据通过整理、计算、插值而成的产品, 地面高程数据空间分辨率为90m。林地遥感监测数据是基于2000—2015年安徽省Landsat/ETM+/OLI等影像, 综合影像纹理、色调、形态等信息建立解译标志, 通过面向对象与人工目视解译得到, 林地分为有林地、灌木林、疏林地、其它林地4种类型, 经过手持GPS实地采样验证, 四类林地分类平均正确率达到85%以上。利用Arcgis软件对DEM数据进行提取得到坡度数据, 并对年平均气温、年平均降水量、高程、坡度进行重分类分级。将四期数据统一到相同的坐标系和投影下, 进行叠加分析和处理制作专题图集。

2 结果与分析

2.1 2000—2015年林地空间分布制图

2000—2015年安徽省林地4期空间动态分布图见图2。2000年以来, 整个安徽的林地呈现有规律的地带分布, 总体上由南到北林地图斑呈现递减的趋势, 结构构成以有林地和灌木林为主, 主要分布在皖南地区, 在行政区划上以黄山市、宣城市、六安市、池州市、滁州市等城市林地分布较为集中, 全省林地分布呈现南多北少的格局, 大部分集中在南部、东南、西南等区域, 一部分位于中部及皖东地区, 皖北地区分布少。林地区域分布差异大, 结构不尽合理, 疏林地和其它林地较少, 空间分布不均, 皖南、皖西地区山区林地面积较大, 淮北平原和沿江丘陵地区少, 江淮分水岭地区林地覆盖率不高。皖南、皖西地区山区比重大, 城市面积较小, 人口较为分散, 地形地貌上以山地、丘陵为主, 林地面积大, 人均占有量大, 沿江丘陵城市密集, 人口集聚, 林地较为分散, 淮北平原地势平坦, 人口聚集, 耕地面积广阔, 林地面积较少, 人均占有量较少。

2.2 2000—2015年林地结构与面积变化

2000—2015年安徽省林地分布面积及其数量变化见图3和表1。从中可以看出, 15年来安徽省林地面积总体上呈现减少的趋势, 但是2000—2005年安徽林地增长率以及增长幅度明显超过其他两个时期。所以以2005年为界, 整个变化过程可以分为两个部分: 2000—2005年增长阶段和2005-2015的下降阶段。2000-2005年安徽林地净增22.9km2, 净增加量为2005年林地总面积的0.07%, 占有率相比2000年提高0.0263%, 达到了23.0263%, 增长率为0.08%。相比较而言, 2005—2010年安徽林地共减少34.4km2, 变化率为-0.11%, 而2010—2015年林地减少63.6km2, 变化率为-0.19%, 总体上林地面积变化不大。林地内部疏林地变化波动较大, 其它林地变化曲线较平缓。

2000—2015年安徽省林地变化转移矩阵见表2。其中非林地包括耕地、草地、湿地、建设用地、未利用地等。近15年来, 有林地、灌木林、其它林地、转化为非林地的面积为83 km2、18.6 km2、9.4 km2, 疏林地转化为非林地的面积相对较少, 为4.5 km2。有林地转化到灌木林、其它林地的面积分别为1.31 km2、0. 8km2, 灌木林转化到有林地、疏林地的面积分别为4 km2、1 km2, 疏林地转化到有林地、其它林地的面积分别为0.9 km2、1 km2。林地新增主要来源于非林地转化为林地。非林地主要转化为有林地和其他林地, 面积分别为43.9 km2、8.45 km2, 转化为疏林地的面积较少, 为1 km2。总的来说, 15年来林地向非林地转化的面积远大于非林地向林地转化的面积。

图2 2000年—2015年安徽林地空间分布

Figure 2 The spatial distribution of forestland in Anhui Province from 2000 to 2015

2.3 2000—2015年林地时空变化分析

2000—2015年安徽省林地变化转移矩阵见表2。其中非林地包括耕地、草地、湿地、建设用地、未利用地等。近15年来, 有林地、灌木林、其它林地、转化为非林地的面积为83 km2、18.6 km2、9.4 km2, 疏林地转化为非林地的面积相对较少, 为4.5 km2。有林地转化到灌木林、其它林地的面积分别为1.31 km2、0.8 km2, 灌木林转化到有林地、疏林地的面积分别为4 km2、1 km2, 疏林地转化到有林地、其它林地的面积分别为0.9 km2、1 km2。林地新增主要来源于非林地转化为林地。非林地主要转化为有林地和其他林地, 面积分别为43.9 km2、8.45 km2, 转化为疏林地的面积较少, 为1 km2。总的来说, 15年来林地向非林地转化的面积远大于非林地向林地转化的面积。

图3 2000年—2015年安徽不同林地面积变化率

Figure 3 The change rate of different forestland area variation in Anhui Province from 2000 to 2015

表1 2000—2015年不同林地类型面积统计(单位/km2)

表2 2000—2015年林地变化转移矩阵(单位/km2)

3 林地变化驱动因素探讨

3.1 自然因素

自然驱动因素形成大范围的林地空间分布格局, 但对林地利用变化的影响常常需要较大的时间尺度才能体现出来。通过叠加林地分布面积与自然要素(如降水量、气温、坡度、高程), 得到安徽省林地在不同自然要素中的分布面积(图4)。林地在年平均气温小于15 ℃、15—16 ℃、16—17 ℃、17—18 ℃、18—20 ℃的分布面积分别为4819 km2、6403 km2、12224 km2、8033 km2、200 km2; 在年平均降水量小于800 mm、800—1000 mm、1000—1500 mm、1500—2000 mm、大于2000 mm的分布面积分别为1759 km2、3944 km2、9738 km2、5819 km2、9093 km2; 在坡度小于5°、5—15°、25—35°、大于35°分布面积分别为12632 km2、12960 km2、4538 km2、969 km2、411 km2; 在高程小于200 m、200—500 m、500—800 m、800—1000 m、大于1000 m的分布面积分别为12700 km2、13045 km2、4509 km2、947 km2、451 km2。综上, 该地区林地主要分布在降水量1000—2000 mm, 年均气温15—18 ℃, 坡度小于15°、高程低于500 m的区域。

2000—2005年林地增加的56.25%和2005—2010年林地减少的66.66%、2010—2015年林地减少的60.56%以上均发生在坡度小于15°的区域; 2000—2005年林地增加的66.66%和2005—2010林地减少的77.7%、2010—2015年林地减少的75.61%均发生高程小于500m的区域; 2000—2015年林地增加的92%和减少的90%以上均发生在年平均降水量1000—2000 mm的区域; 15年来林地增加量的93.25%和减少量的95%以上均发生在年平均气温15—18 ℃的地方(图5)。林地变化活跃区主要集中在年均气温15—18 ℃, 降水量1000—2000mm, 坡度小于15°、高程低于500 m的地方。林地因降水量、年均气温等而呈现有规律的分布格局, 坡度、高程影响其水热因子的组合, 安徽省林地分布受到自然地理环境的控制, 由于水热条件适宜, 有一定坡度和高程, 长期演变和协调形成了独特的林地景观。

图4 林地分布与自然要素空间关系

Figure 4 The spatial relationship among forest distribution and natural factors

图5 安徽林地变化与不同自然因素的关系

Figure 5 Relationship between forestland variation and different natural factors in Anhui Province

3.2 人为因素

人为因素的影响主要体现在: 政策因素、经济因素等方面。在15年的短时间尺度下, 研究认为林地资源变化的主要原因是国家政策引导和调控下的人类活动。国家和地方政府制定以及实施的政策与法律法规, 深刻影响了安徽省林地的发展与变化情况。2002—2009年, 全省共有17个市参与退耕还林工程实施; 2009年, 省委省政府制定了《关于加快林业改革发展的若干意见》, 提出提高全省森林覆盖率、城镇绿化覆盖率和林木绿化率; 2012年开始, 安徽省省委省政府启动了“千万亩森林增长工程”, 大力发展丘陵、山地、平原防护林建设; 开创了三项创建活动, 加强了森林城镇、森林村庄、森林长廊创建活动。大规模的退耕还林多集中在2000年以后, 林地占有率2000年为22.96%, 到2005年增至23.0263%, 变化动态度为0.070%, 而其他两个5年期(2005—2010年和2010—2015年)动态度分别为-0.0154%、-0.0376%, 总体面积变化不大。安徽省经济的发展、中部崛起战略的实施, 城市化不断发展, 很大程度促进了土地结构之间的变化, 增加了用地需求, 15年间建设用地共增加1867 km2, 三个5年期的动态度分别为0.479%、1.126%、1.137%, 新增的建设用地主要来源为耕地, 其中有89 km2林地转化为建设用地。

4 结论与讨论

本文利用遥感与GIS技术手段, 完成了2000—2015年四期林地信息的提取、制图, 并在此基础上对安徽省林地的时空变化特征及其驱动力因子进行了深刻分析与探索, 研究得出以下结论:

(1)安徽省林地资源空间分布不均, 地区差异显著。主要集中分布在皖南地区, 林地分布活跃区集中在年均气温15—18 ℃、降水量1000—2000 mm、坡度小于15°、高程低于500 m的地方。

(2)在变化过程上, 2000—2015年全省林地面积总体上呈下降趋势, 总面积变化不大, 2000—2005年增长速度快, 增长率高于2005—2010年和2010—2015年, 2005—2015年呈现下降趋势, 动态度变化较大。

(3)在变化原因上, 虽然自然因素决定了安徽省林地资源的时空分布格局, 但是短期内人为因素是其林地时空演变的主要驱动因子。近15年来安徽林地转化主要为非林地(建设用地, 耕地等)占用。

[1] 唐守正. 中国森林资源及其对环境的影响[J]. 生物学通报. 1998, 33(11): 2–6.

[2] 徐雨晴, 周波涛, 於琍, 等. 气候变化背景下中国未来森林生态系统服务价值的时空特征[J]. 生态学报, 2018, 38(6): 1952–1963.

[3] 金佳, 裴亮, 戴激光. 基于多源遥感数据的林地信息提取[J] . 测绘与空间地理信息. 2016, 39(12): 166–169.

[4] 宋开山, 张柏, 段洪涛, 等. 近20年吉林中东部地区林地的时空变化及成因浅析[J]. 资源科学, 2005, 27(2): 77–82.

[5] XIE Xue, XIE Hualin, FAN Yuanhua. Spatiotemporal Patterns and Drivers of Forest Change from 1985-2000 in the Beijing-Tianjin-Hebei Region of China[J]. Journal of Resources and Ecology, 2016, 7(4): 301–308.

[6] 张佩霞, 范桑桑, 侯长谋, 等. 广东省鹤山市林业生态规划研究[J]. 生态科学, 2012, 31(5): 488–493.

[7] 乔玉良, 王鹏, 尚彦玲. 珠海市森林绿地遥感动态监测与驱动力分析[J]. 航天返回与遥感, 2009, 30(4): 19–25.

[8] 李秀芬, 苏蕾, 张金鑫, 等. 晋西北防护林30年来时空变化特征及影响要素[J]. 生态学杂志, 2013, 32(9): 2382–2389.

[9] 张清雨, 白红英, 孙华, 等. 近30年秦岭山地商洛段林地类型时空变化及其驱动力[J]. 环境科学学报, 2010, 30(2): 424–430.

[10] MAS J F. Mapping land use/cover in a tropical coastal area using satellite sensor data, GIS and artificial neural networks[J]. Estuarine Coastal & Shelf Science, 2004, 59(2): 219–230.

[11] 吴田军, 胡晓东, 夏列钢, 等. 基于对象级分类的土地覆盖动态变化及趋势分析[J]. 遥感技术与应用, 2014, 29(4): 600–606.

[12] 李刚, 万幼川. 基于改进的像素级和对象级的遥感影像合成分类[J]. 测绘学报, 2012, 41(6): 891–897.

[13] 贾明明, 王宗明, 张柏, 等. 综合环境卫星与MODIS数据的面向对象土地覆盖分类方法[J]. 武汉大学学报: 信息科学版, 2014, 39(3): 305–310.

[14] LANG S, SCHÖPFER E, LANGANKE T. Combined object-based classification and manual interpretation: Synergies for a quantitative assessment of parcels and biotopes[J]. Geoca­rto International, 2009, 24(2): 99–114.

[15] 张红, 黄勇, 刘慧娟. 安徽省近30年气候变化的空间特征[J]. 生态环境学报, 2012(12): 1935–1942.

Analysis of spatial and temporal changes and attribution discrimination of forestland in Anhui Province from 2000 to 2015

SHAO Yakui1, ZHU Changming1,*, XU Xinliang2, ZHANG Xin3, SHEN Qian1

1. College of Geography and Geomatics, Jiangsu Normal University, Jiangsu Xuzhou 221116, China 2. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China. 3. State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China

Forestland, an important natural resource and ecological factor, plays a vital and protective role in regional development and environmental protection. It is essential for the protection and development of forestland resources and to obtain spatial distribution features and information regarding changes over time. Using forestry survey data, we conducted remote sensing mapping and spatiotemporal analyses for four time periods (years 2000, 2005, 2010, and 2015) in Anhui Province. Till date, the distribution characteristics, the spatiotemporal dynamic changes, and the major driving factors of forestland resources in Anhui from 2000 onward have been discussed from the perspectives of time sequence and space scale. The findings indicate that over time, the gross areas of forestland in Anhui Province have been decreasing since the past 15 years. In terms of spatial scale, the distribution of forestland is uneven with a fairly large difference. Areas in southern Anhui are dense with forests; however, hills along the Yangtze River and the Huaibei Plain share much less of such resources. Regions with active changes were primarily found in areas with the following traits: mean annual temperature of 15°C—18°C, mean annual precipitation of 1000mm—2000mm; the slope less than 15°, the elevation less than 500m. From the perspective of changing reason, although natural factors have affected the overall spatial distribution features in Anhui Province, short-term policy adjustment and economic boom are primary driving factors responsible for the temporal and spatial changes in forestland.

forestland in Anhui Province; remote sensing survey; mapping and analysis; temporal and spatial variation; attribution analysis

10.14108/j.cnki.1008-8873.2019.06.003

TP75; TP79

A

1008-8873(2019)06-015-07

2018-11-06;

2019-09-29

国家重点研发计划项目资助(2017YFB0504201);国家自然科学基金(61473286, 41201460); 中国科学院A类战略性先导科技专项资助(XDA20020101); 江苏省研究生创新计划项目(KYCX17_1691/2); 江苏师范大学创新项目(2019XKT041)

邵亚奎(1992—), 男, 硕士研究生, 主要研究方向为遥感与GIS应用, E-mail: syk227816_gis@163.com.

朱长明(1983—), 男, 博士, 副教授, 主要研究方向为遥感智能提取, E-mail: zhuchangming@jsnu.edu.cn

邵亚奎, 朱长明, 徐新良, 等. 2000—2015年安徽省林地遥感制图与时空变化分析[J]. 生态科学, 2019, 38(6): 15-21.

SHAO Yakui, ZHU Changming, XU Xinliang,et al. Analysis of spatial and temporal changes and attribution discrimination of forestland in Anhui Province from 2000 to 2015[J]. Ecological Science, 2019, 38(6): 15-21.