基于Landsat的宁河县土地利用变化监测

马梦茹，张永彬，王奕丹

(华北理工大学 矿业工程学院，河北 唐山 063210)

0引言

土地是人类生存的重要资源保障和生活的必要物质基础。对于中国这样的农业大国，农产品种类繁多且种植结构复杂，合理利用土地资源便更加重要。同时，随着人口数量的增长和社会经济的发展，土地利用变化成为了当代研究热点。Landsat影像具有容易获取、时间跨度大、分辨率高和覆盖范围广等优点，在土地利用变化监测、农作物提取、面积监测等领域得到了广泛的应用[1]。张永彬等人以3期Landsat遥感影像作为数据源，通过计算土地利用类型数量的转移和重心偏移方向，从时间和空间2个视角剖析唐山市路北区为期15年的耕地变动情况[2]。夏清等人基于多时相TM遥感影像，通过监督分类对兴宾区进行土地分类，并从土地利用动态变化和转移矩阵两方面对兴宾区土地利用变化进行研究[3]。全璟等人利用Landsat8遥感影像，通过遥感解译的方法提取安庆市大别山区的水稻种植面积，并对研究区域的水稻种植面积进行动态实时监测[4]。卢霞等人以两期WorldView和一期高分GF遥感影像为数据源,以江苏盐城大丰麋鹿国家级自然保护区第三核心区为研究区域 ,通过决策树分类法提取研究区域的土地利用信息, 并分别计算土地利用动态度和土地利用转移矩阵，对研究区域的土地利用变化进行监测[5]。

位于天津市东北部的宁河县作为天津市整体规划的重要地区，被归入东部滨海经济发展地带，在天津市的发展布局中占据重要的作用。该项研究以2012年和2017年的2期Landsat遥感影像为数据源，以天津市宁河县为研究区域，利用面向对象的最邻近分类方法提取研究区域的土地利用信息，分别计算单一土地利用动态度和土地利用转移矩阵，统计分析2012年和2017年2年的各土地利用类型的变化，为政府及人民合理利用宁河县的土地资源提供参考依据。

1研究区概括

宁河县地处于东经117°18'54＂至117°55'37＂、北纬39°09'06＂至39°36'01＂之间，位于天津的东北部。宁河县下辖16个乡镇，是天津市重要交通枢纽。作为京津唐3个城市中心包围地带，芦台镇作为宁和县的县城，距离北京210 km，距离唐山45 km。具体地理位置见图1。宁河县属大陆性季风性气候，具有得天独厚的自然资源，尤其是水资源。该县的年平均降水量达到642 mm。宁河县具有地势较低且平、土质松软湿润、土层深厚肥沃等优点。全县以耕作为主的土地利用方式已历史悠久，自古素有“鱼米之乡”之称，是典型的农业大县。该县长年种植的粮食作物主要有3种，分别是：水稻、小麦、玉米。

图1 宁河县的地理位置

2研究数据与影像分类

2.1 数据来源

通过对宁河县进行调查，该地的主要农作物的生产规律如表1所示：该地区水稻种植为5月中旬，6月份水稻大多处于幼苗期；小麦播种时间为10月中上旬，到5月下旬，最晚至6月初收割，而玉米的播种时间为7月中旬，收割时间为10月中下旬。因此，通过地理空间数据云下载了6月份覆盖天津市宁河县研究区的遥感影像，遥感影像的详细信息见表2。

表1 宁河县主要农作物的生长期

表2 2015年和2017年遥感影像信息介绍

另外，用到的辅助数据还有宁河县的矢量边界、Google Earth 高分辨率影像。

2.2 影像预处理

该项研究利用ENVI5.1软件对两期landasat遥感影像进行预处理。对Landsat7去条带处理。使用的宁河县矢量文件的基准面为WGS84，与下载的遥感影像的基准面相同，不必再进行几何校正，先对研究区的2期遥感影像进行辐射定标、大气校正以便获得地表辐射亮度值和反射率值，再将15 m的全色影像与经过辐射定标、大气校正过的Landsat影像融合以便获得更高分辨率的影像，最后通过宁河县的矢量边界数据对融合后的影像进行裁剪以便获得研究区的准确范围。

2.3 分类标准

土地利用现状分类的主要依据是土地用途、土地经营方式、土地利用方式和土地覆盖特征等，表示与土地结合的人类活动而产生的不同利用方式[6]。该项研究依据国土资源部在2017年修订的国家标准《土地利用现状分(GB/T21010-2017)》，结合天津市的土地利用分布状况和变化特点，最后将宁河县的土地利用类型按土地用途划分为住宅地、水浇地、水田、水域和其他用地5类。

2.4 影像分类

Landsat8影像的432波段是自然真彩色显示，由于该地区80%以上为农业用地，为了便于解译影像，更好地区分地类，2017年的Landsat8 影像波段组合选择 6-5-4，如此可使植被呈现鲜艳的绿色。因传感器不同，2012年的Landsat7影像选择5-4-3波段组合显示。

传统的分类方法仅利用像元的光谱信息进行分类，面向对象的分类方法充分利用了对象(多个像素)的纹理信息、光谱信息、空间信息，采用先分割后分类的方法对影像进行分类，改善了“椒盐”现象[7]。

该项目使用Landsat7 ETM (2012年) 以及Landsat8(2017年) 2期时相相近的遥感影像作为土地利用信息提取的数据源, 基于ENVI软件, 采用面向对象的最邻近分类法提取宁河县的土地利用信息, 获得研究区域在2012年和2017年的土地利用类型的分布结果，分类结果见图2。借助Google Earth对比遥感影像，通过人工目视解译，在研究区影像图上随机均匀的选取足够数量的验证样本，最终2期影像分类的总体精度分别为87.2%、89.3% ，精度满足要求。

图2 宁河县土地利用图

3土地利用动态变化监测

3.1 土地利用动态度

土地利用动态度是用来描述在一定时间范围内研究区域土地利用类型的变化速度，包含单一土地利用动态度和综合土地利用动态度，其中综合土地利用动态度表示研究区土地利用整体的变化速度[8]。该项目只选择一个研究区域，没有局部相对于整体的对照性，因此，通过计算单一土地利用动态度来描述各地类的变化速度。

(1)

式中：K—单一土地利用动态度，%;

ua—研究时间范围内第一年的某土地利用类型的面积数量，(公顷)hm2;

ub—研究时间范围内最后一年的某土地利用类型的面积数量，hm2;

t—研究时间范围内第一年到研究时间范围内最后一年的相隔年数。

K值与土地利用变化强度关系十分密切，当计算得到的K值越大，代表该类型土地利用变化越强烈；K值越小，代表该类型土地利用变化越缓慢[9]。

根据公式(1)计算得到宁河县的5种地类的单一土地动态度，如表3所示。根据表3观察不同土地利用类型面积及变化速度的差异。

表3 2012年和2017年宁河县土地类型面积及动态度

基于获得的2期宁河县土地类型分类结果，利用GIS空间分析，2012年和2017年统计出的各种土地类型的面积变化，如图3所示。

图3 2012年和2017年宁河县土地类型面积和变化

结合表3和图3得知：(1)从土地利用结构来看，2012年土地利用面积排名前三位的土地类型依次是：水浇地>水域>住宅用地，2017年土地利用面积排名前三位的土地类型依次是：水浇地>水田>住宅用地。(2)从单一动态度来看，水田的动态度最大，其值为25.38%，表明在2012年和2017年水田的增加速度是最快的，土地利用面积减少的土地类型为：水浇地和水域，其中水域减小的速度快，动态度为-4.07%。(3)从土地总面积来看，耕地总面积即水田与水浇地的总面积最大，从2012年的97 609.08 hm2增至101 145.52 hm2，增加了3 536.43 hm2。

宁河县的耕地面积较大，且2012年和2017年的耕地面积还在增加，原因是当地政府在国土资源规划期间，加强土地整改，严格保护耕地，节约土地资源的使用，尤其是基本农田。相关部门积极响应当地的土地利用规划政策，整理土地、挖潜存量土地。2012到2017年水域面积相对减少。原因是该区域降雨主要集中在6～8月份，2012年的研究影像为6月1日，2017年的研究影像选择的6月12日，并通过对可利用水域的开发整改，将其改造为水浇地，落实耕地保有量和基本农田保护面积目标。

3.2 土地利用转移矩阵

土地利用转移矩阵包括某一研究区域在某一研究时间段中前期和后期各种土地类型的面积信息，表示研究时间段中各土地类型面积之间相互转化的丰富的动态过程信息，其中各种土地利用类型相互之间的转入转出数据更为详细[10]。其形式一般如式(2)所示。

(2)

式中：S—土地类型面积，hm2；

n—土地类型总数；

Sij—由第i类土地类型转移到第j类土地类型的面积，hm2；

通过ArcGIS 10.3软件对2个研究时期土地利用现状数据进行融合、叠置、相交分析等，计算土地利用变化面积值，导出土地利用面积变化信息。通过数据透视表，生成土地利用类型转移矩阵，详细转移变化情况见表4。

表4 2012年和2017年宁河县土地利用转移矩阵/hm2

注：横行代表2012年，列行代表2017年。

从表4可知，在2012年和2017年，土地利用的动态变化中，转出面积最多的是水浇地，其转出面积是21 742.32 hm2，转入面积最多的是水田，其转入面积是14 698.87 hm2。其中就水浇地而言，转入水田的面积最多，值为13 389.32 hm2，占水田转入面积的91.1%。以上数据结合分类结果图2可以更直观地看出，水田的大幅度增加主要由水浇地转化而来。水田的大面积增加是由于当地农民为了种植水稻以获得更大的经济效益，研究区域的优质小站稻非常出众，是国家指定的生产基地。小站稻作为首批原产地标记注册商品，荣获国家认证商标。当地相关部门积极发展当地良种原产地优势，帮助农民走上致富道路，水稻种植逐渐成为该县的特色产业。

4 结论

(1)使用ENVI5.1软件对2期Landsat遥感影像进行预处理，通过面向对象最邻近分类方法对宁河县的土地利用情况进行分类，分类总体精度分别为87.2%、89.3%，并对提取结果通过动态度和转移矩阵的方法获取了研究区域的土地利用动态变化情况。

(2)2012年和2017年，宁河县的土地利用变化整体来说是趋于稳定发展的状态，其中动态变化中，耕地总面积增多，且水浇地转换为水田的变化最为明显，这是由于当地政府在土地规划政策实施中严格规定保护耕地并且尽可能的开发耕地后备资源，并且水稻种植逐渐成为该县的特色产业，本研究为区域耕地保护政策实施和实现区域经济可持续发展提供理论基础。