基于遥感影像数据的土地利用分类变化研究<br/>——以重庆市北碚区为例

基于遥感影像数据的土地利用分类变化研究
——以重庆市北碚区为例

2020-08-11陈义菁张尹祯陈明珠

科学技术创新 2020年22期

陈义菁张尹祯陈明珠邓超

（重庆交通大学，重庆400074）

土地利用分类是一个用以区分土地利用空间地域组成单元的过程。全面准确掌握土地状况，以便对各类土地进行合理开发、利用与管理，对区域进行土地利用分类、土地利用动态变化研究极为重要。本文研究北碚区2010 年至2017 年期间的土地利用类型变化，结合近几年人口、城镇化及工业化、产业发展因素探索出该区域土地地物类型变化的原因，为北碚区的土地空间合理优化和产业布局科学调整提供参考。

1 研究区域与数据预处理

1.1 研究区概况

北碚区地处东经106°18′02″～106°40′57″，北纬29°37′～30°05′08″，东邻渝北区，西接璧山区，南连沙坪坝区，北接合川区。幅员面积达754.21km2，区内多山地丘陵，平坝较少，属于"六分丘陵、三分山地，一分平坝"的自然特征。该区域土壤类型多样，主要为水稻土、潮土、紫色土、石灰土、黄壤土。其中，水稻土和紫色土占全区土壤面积最大适合耕种，有利农作物和森林植被的生长。

1.2 数据来源

本文所使用的数据为地理空间数据云检索下的遥感数据图像，选取内容为 2010.5.23Landsat4-5TM 图像和2017.5.26Landsat8OLI_TIRS 图像。着重从土地类型的5 大类（草地、旱地、林地、建筑和水域）土地利用动态变化状况进行研究。利用软件ArcGIS 进行相应的绘制，最终以专题图呈现。

2 研究方法

支持向量分类（SVM），是一种基于统计学理论的机器方法，统计学是其理论基础，其模型是在特征空间上找到最佳的分离超平面使得训练集上有正负样本间隔最大，在支持向量机中，距离超平面最近的且满足一定条件的几个训练样本被称为支持向量。

SVM在本文中用于分类，算法描述如下：

（1）已知的训练样本集为{（xi，yi），i=1，2，...，n}，期望输出yi∈{+1，-1}，xi∈Rn。

（2）选择核函数K（x，xT）和惩罚函数C，构造并解最优化问题，如式（3）。

S.t

得到最优解α*=（α*1，...，α*n）。

（3）选择α*的一个小于C 的正分量α*j，依此解算

（4）解决策函数：

3 土地利用变化原因分析

3.1 人口增长

研究时间段内的北碚区人口数量不断增长，土地利用程度、类型及部分地物占地面积产生相应变化。解决此类问题，必然会导致建设用地和耕地面积的增加，但由于耕地面积增速不足以填补人口增长产生的土地需求缺口，使得人均耕地面积不断减少。人口增长的建设需求还导致该地区耕地、林地等面积锐减，产生植被破坏、水土流失等负面影响，改变了土地利用变化的格局。

3.2 第三产业发展

经济因素对土地利用变化的影响主要表现在产业结构的调整变化。第三产业的发展，必然导致城市建设用地的增加；且第三产业发展所带来的经济和消费水平的不断提升，也给城市土地利用类型带来了明显变化。北碚区拥有较为丰富的自然资源与土地资源，在旅游业发展较为迅速。该区域的第三产业中，旅游业所占比重不可忽视，第三产业的发展必然会带来相应的建设用地和生活配套设施的需求量增加，使得“人多地少”的矛盾日益加深。

3.3 城镇化与工业化

城镇化与工业化可通过人口与产业的集中来占用土地，使土地利用类型转为非农业化，也可通过生活方式，改变原有土地利用结构。近几年北碚区加快城镇化与工业化的步伐，追求高质量、高水平的工业技术。城镇化与工业化的不断发展，导致各种建设事业对土地需求量逐渐增加，特别是对城市郊区和与交通沿线的优质耕地占用程度有所增加。这些原因必然会导致工矿企业以及城市建设用地和居住用地的需求量增加。

4 结果分析

2010 年-2017 年期间，北碚区土地利用方式发生明显变化，建筑用地面积大幅增加，旱地面积减少，可能是城镇化与工业化通过人口与产业的集中来占用土地，使土地利用类型转为非农业化；或许是因为阶段性社会建设发展的影响造成一定程度区域人口规模增大，建筑设施用地以大量占用其他未利用旱地的方式增加。2017 年后，由于国家出台政策影响，打造生态城市成为主流，环境保护及绿地发展尤为重要。即便建筑设施用地保持增长趋势，林地与草地的总比例依然保持增长态势；水域面积变化基本趋于平稳状态，这与北碚区多山地丘陵、依山傍水有关。