基于Google高分历史影像的楚雄市东南新城土地利用动态与景观格局分析

饶艳 吴家敏 杨云源 李榕峰 段述雅

摘 要：下载2004年、2011年、2019年楚雄市东南新城Google高分遥感影像，依据现行土地利用分类标准进行土地利用动态监测与景观格局分析。结果表明，2004—2019年，住宅用地增加400.79hm2，工业用地增加193.33hm2，公路用地增加167.57hm2，水浇地减少952.25hm2。2004—2011年，土地转出最大的是水浇地（364.47hm2）和空闲地（294.24hm2），转入最大的是工业用地（177.04hm2）。2011—2019年，土地转出最大的是水浇地（930.74hm2），转入最大的是住宅用地（327.81hm2）和空闲用地（327.47hm2）。3个监测时点，水浇地的PLAND和LPI指数呈减小趋势，住宅用地与之相反;而景观级LPI和CONTAG指数都减小。楚雄市三大无污染的优势工业园区入驻东南新城，加快了其土地利用与景观格局的变化;截至2019年，楚雄市东南新城片区空闲地囤积过多，州医院以东-富民镇沿线土地集约利用程度较低。

关键词：Google高分歷史影像;土地利用动态变化;转移矩阵;景观格局分析;楚雄市

中图分类号 F301文献标识码 A文章编号 1007-7731（2021）10-0098-05

Land Use Dynamics and Landscape Pattern Analysis of Southeast New Town in Chuxiong City Based on Google High Resolution Historical Image

RAO Yan et al.

（The School of Resources， Environment and Chemistry， Chuxiong City， Yunnan Province 675000， China）

Abstract： Based on the high resolution remote sensing images of the southeast new town of Chuxiong City in 2004， 2011 and 2019， the land use dynamic monitoring and landscape pattern analysis of the southeast new town of Chuxiong City from 2004 to 2019 were carried out. From 2004 to 2019， residential land increased by 400.79 ha， industrial land increased by 193.33 ha， road land increased by 167.57 ha， and irrigated land decreased by 952.25 ha respectively. From 2004 to 2011， irrigated land （364.47ha） and vacant land （294.24ha） were the largest transferred in types while industrial land （177.04ha） was the largest transferred out type. From 2011 to 2019， the largest amount of land transferred out type was irrigated land （930.74ha）， and the largest transfer in types were residential land （327.81ha） and vacant land （327.47 ha）. At the three monitoring points， the indices of PLAND and LPI of irrigated land were decreased， while that of residential land decreased; the PD of landscape level increased， while LPI and CONTAG decreased. The three pollution-free industrial parks of Chuxiong City settled in the southeast new town， accelerating the change of land use and landscape pattern. As of 2019， there was too much idle land， and the intensive land use along the east of state hospital and Fumin town was not high.

Key words： Google high resolution historical image; Land use dynamic change; Transfer matrix; Landscape pattern analysis; Chuxiong City

1 引言

基于遥感的城市土地利用动态监测，主要使用中分辨率的Landsat、CBERS等卫星遥感数据。近年来，无人机垂直摄影测量可获取高分辨率的遥感图像，以替代价格高昂的高分辨率卫星影像，但无人机获取高分辨率影像成本过高、难于获取时序数据。使用Bigemap卫星地图下载器免费下载的高分辨率Google历史影像，主要源自WorldView和QuickBird卫星。数据经过压缩、增强等处理，已经没有各波段光谱信息。Google历史影像用于城市土地利用动态监测，经济适用，可进行高分辨率的土地利用动态检测。

基于高分辨率遥感的城市土地利用动态变化研究主要集中在信息提取[1-2]、图像分類方法[3-4]、变化检测与目标检测[5-7]、变化强度及变化预测[8-9]、驱动力与机制[10]、景观格局及生态环境效应[11]、环境适应等领域。如赵恒谦等[12]基于多源遥感数据进行了北京市通州区土地利用/覆盖与生态环境变化监测。温小乐[13]基于SPOT7高分遥感数据进行了平潭综合实验区景观格局分析。Google影像主要用于导航、地物识别、地图制图[14-15]等。如陈冲等[16]进行了基于Google Earth遥感影像的城市建筑物高度反演。胡琼[17]从数据质量的角度，主要运用地物的光谱信息对比了Google高分辨率遥感地图和同源QuickBird地图在土地利用传统分类法上的精度差别。如宋金超[18]获取Google遥感底图数据，在图像几何校正基础上，进行城市建成区边界的目视判别。Google高分历史影像存在着巨大的价值与潜力。新数据的出现，可能使历史影像被忽略。可尝试使用Google高分历史影像，用于城市土地利用动态监测。

楚雄市东南新城扩张，在西部中小城市新城扩张中具有一定的代表性。随着楚雄市城市化进程的加快，东南新城片区土地利用发生了剧烈变化。本研究以遥感RS-GIS为基础，基于免费下载的3期Google历史影像目视分类结果，计算土地利用转移矩阵与景观格局指数，分析东南新城片区的土地利用动态变化情况，以期为该区土地科学规划及管理、合理有效开发及可持续利用提供决策依据。

2 研究区概况、数据与方法

依据《楚雄市城市总体规划（2015—2035）》圈定龙川江以南及青龙河以东的东南新城区域，面积为25.4km2，约占楚雄市城区总面积的1/3。该区位于楚雄市坝区东南部，整体地形平坦开阔，属亚热带季风气候区。该区为城乡结合部，农村用地和城镇用地相互交织。楚雄市东南新城重点发展工业，是未来城市发展的核心区。

使用BigeMap全能版，下载2004年、2011年、2019年该区Google历史影像，使用CGCS2000坐标系，高斯投影坐标，单位：m。考虑到3种数据源自QuickBird和WorldView卫星，空间分辨率不同，统一将分辨率调整到2.5米，存储格式为TIF。

依据现行土地利用分类标准（《土地利用现状分类标准（GBT 21010-2017）》），将研究区土地利用类型分为水浇地、农村宅基地、工业用地等共13种。内业使用ARCGIS进行图斑预先勾绘与类型确定;打印彩图，在高德导航APP辅助下、进行外业的实地调查，实地查勘图上不能确定土地类型的区域;最后进行室内第2轮图斑勾绘，得到3期土地利用现状图;利用土地利用转移矩阵定量分析研究区土地利用变化情况，得到2004—2011年、2011—2019年的土地利用转移矩阵。使用FRAGSTATS4.2软件基于3期土地利用栅格数据，计算斑块级、景观级的景观格局指数。

3 结果与分析

3.1 2004—2019土地利用动态 根据内业图斑勾绘、野外调查和室内第二轮勾绘，制作楚雄市东南新城2004年、2011年和2019年土地利用分布图（图1）。为简化制表，记城镇村道路用地为DL、城镇住宅用地为ZZ、工业用地为GY、公路用地为GL1、公园与绿地为GL2、灌木林地为GM、河流水面为HL、机关团体与新闻出版用地为JG、科教文卫用地为KJ、坑塘水面为KT、空闲地为KX、农村宅基地为ZJ、水浇地为SJ。分别进行3期土地利用现状图的各地类统计，得到楚雄市东南新城2004年、2011年、2019年3期共13个地类的面积变化数据，计算2004—2011年、2011—2019年、2004—2019年间的地类面积变化（表1）。

2004—2011年间，楚雄市东南新城13种地类显著增加的是：城镇住宅用地（+154.38hm2）、工业用地（+146.87hm2）、科教文卫用地（+69.94hm2）和公路用地（+51.23hm2），显著减少的是空闲地（-251.42hm2）、水浇地（-115.47hm2）和坑塘水面（-55.3hm2）。2011—2019年间，楚雄市东南新城13种地类显著增加的是：空闲用地（+279.63hm2）、城镇住宅用地（+246.41hm2）、公路用地（+116.34hm2）、公园与绿地（+77.22hm2），显著减少的是水浇地（-836.78hm2）。2004年-2019年，显著增加的是城镇住宅用地（+400.79hm2）、工业用地（+193.33hm2）、公路用地（+167.57hm2），急剧减少的是水浇地（-952.25hm2）。

为揭示研究区各土地利用类型的转化情况，使用Arcgis的Intersect工具，分别将2004—2011年、2011—2019年土地利用现状图进行叠加分析，根据叠加新生成的地类多边形的属性，统计并制作楚雄市东南新城2004—2011年土地利用转移矩阵（表2），楚雄市东南新城2011—2019年土地利用转移矩阵（表3）。由表1和表2可看出：楚雄市东南新城2004—2011年转出面积最大的地类依次为水浇地和空闲地。其中，空闲地转出率为96.76%，水浇地为22.96%。转入面积最大的地类（城镇住宅用地、工业用地、科教文卫用地和公路用地共4类）中，转入率都介于83.25%～97.74%。依据表1和表3可看出，楚雄市东南新城2011—2019年，转出面积最大的地类为水浇地，转出率为63.22%;转入面积最大的地类（城镇住宅用地、空闲用地、公路用地共3类）中，转入率都介于75.60%～98.55%。

3.2 2004—2019景观格局动态 将3期土地利用动态数据导入FRAGSTATS，分别计算斑块级景观格局指数：斑块占景观面积比例PLAND、斑块密度PD、最大斑块指数LPI、景观形状指数LSI。得到研究区斑块级景观格局指数变化汇总表（表4）。2004—2019年，斑块级景观格局指数变化最剧烈的是：水浇地占景观面积比例从62.54%降至24.71%。住宅用地的PLAND指数从1.34%升至17.59%。城镇村道路用地的PD指数从1.77升至10.35;坑塘用地的PD指数从5.12降至1.53。水浇地LPI指数从62.2%降至12.08%。城镇村道路用地的LSI指数从4.88升至19.53。

计算研究区2004年、2011年、2019年3期景观级的景观格局指数：斑块密度PD、最大斑块指数LPI、景觀形状指数LSI、蔓延度指数CONTAG指数、香农多样性指数SHDI、均匀度指数SHEI。得到研究区景观级景观格局指数变化汇总表（表5）。2004—2019年，景观格局级的6个指数中，显著变化的是：LPI从62.20%降至12.08%;CONTAG从64%降至44.92%。

4 结论与讨论

4.1 结论 （1）从各土地利用类型的数量变化上看：2004—2019年间3个监测时点（2004、2011、2019年）。楚雄市东南新城13种地类，显著增加的是住宅用地，净增400.79hm2;工业用地净增193.33hm2;公路用地净增167.57hm2。急剧减少的是水浇地，净减少952.25hm2;空闲用地在3个监测时点出现较大波动值，分别为304.09hm2、52.67hm2、332.3hm2。

（2）从土地利用的转移情况看：2个时段（2004—2011年、2011—2019年），土地利用转出最大的是水浇地，累计转出1295.21hm2;其次是空闲地，累计转出342.081hm2。土地利用转入最大的地类依次为：住宅用地累计转入494.62hm2;空闲用地累计转入389.92hm2。工业用地累计转入284.73ha;

（3）景观格局指数变化特征：水浇地斑块占景观面积比例PLAND（62.54%、58.06%、24.71%）、最大斑块指数LPI（62.2、29.49、12.08）呈减小趋势，对应地，住宅用地的以上2个指数都增大。景观级的斑块最大斑块指数LPI（62.20、24.49、12.08）、蔓延度指数CONTAG指数（64.00、60.25、44.92）都呈现减少的趋势。

4.2 讨论 楚雄市东南新城（青龙河以东区域）是继楚雄高新产业开发区（龙川江以北）之后楚雄市着力发展的区域。近15年来，东南新城城市化加快。绕城公路、主要干道贯通及其它基础设施贯通、彝海公园建设完成，使得东南新城区位提升、环境优美。东南新城吸引了楚雄市重点培育的无污染的卷烟工业、生物制药业和装备制造业落户该园区。因楚雄市着力发展无污染工业，使得该区域用地灵活，工业用地、住宅用地、公园绿地、科教文卫用地、机关团体与新闻出版用地等都能入驻。卷烟厂—彝海公园—州医院成为该片区的核心区。东南新城除水浇地、空闲地、坑塘水面外，其余地类都显著增加。如城镇住宅用地从2004年的34.13hm2迅速增加至2019年的439.42hm2，两期（2004—2011年、2011—2019年）转入率达88.49%，75.60%。工业用地从2004年的44.28hm2迅速增加至2019年的237.61hm2，2期转入率达92.62%，45.32%。

2期用地对比，空闲用地分别为-251.42hm2、+279.63hm2。2004—2011年的用地扩张主要是消耗了已积累的大量空闲地，空闲地从2004年的304.09hm2迅速降至2011年的52.67hm2，转出率为96.76%（此阶段水浇地仅减少115.47hm2，转出率为22.96%）。2011—2019年的用地扩张主要是征收了大量的水浇地。水浇地此阶段减少836.78hm2，转出率为63.22%（2004—2011年水浇地减少115.47hm2，转出率为22.96%）。截至2019年，东南新城囤积空闲用地达到332.3hm2，超过2004年和2010年，应注意加强用地监管。两期用地对比，工业用地分别增加146.87ha、46.46ha。楚雄市培育的4类无污染重点工业，有3类在2011年前入驻东南新城，工业用地增加较快。但2011年后，工业用地增长势头减弱，应继续引进无污染工业在该区落户。

由于研究区原址地处城郊坝区乡镇，道路等基础设置的改善对城市化起到了极大的促进作用，使得该区域的景观格局对应的发生了改变，水浇地、坑塘水面变少、变得破碎，斑块变多。水浇地、坑塘水面、空闲地等转出地类被切割。用地从道路向着由道路切割的地块的内部推移。东南新城东、西、南、北4个方向由于交通便利，土地集约利用程度高，城市化推进较快;州医院以东至富民镇（下富线）沿线，土地集约利用程度较低，还保留有农村村落及传统耕作方式。高铁及楚雄市区绕城高速的建设，也必将带动东南新城土地利用的深刻变革。

参考文献

[1]张天怡，代沁伶，徐伟恒.高分辨率遥感影像城市绿地提取方法研究[J].西南林业大学学报（自然科学），2020（04）：105-114.

[2]蔡凡.应用FMH模型的城市高分辨率遥感影像道路提取探究[J].中国公路，2020（13）：92-94.

[3]张鹏，林聪，杜培军，等.南京市生态红线区高分辨率遥感精准监测方法与应用[J].国土资源遥感，2020（03）：157-164.

[4]卢涵宇，胡超，张涛，等.基于深度学习的高分辨率遥感影像分类研究[J].广西大学学报（自然科学版），2020（2）：328-335

[5]黄亮.多时相遥感影像变化检测技术研究[J].测绘学报，2020（06）：801.

[6]张涛，方宏，韦玉春，等.顾及空间自相关性的高分遥感影像中建设用地的变化检测[J].自然资源学报，2020，35（4）：963-976.

[7]李军军，曹建农，朱莹莹，等.高分辨率遥感影像建筑区域局部几何特征提取[J].遥感学报，2020（3）：233-244.

[8]尹小岚，侯英姿，王方雄.基于GIS的辽河三角洲土地利用动态变化研究[J].国土与自然资源研究，2019（02）：63-65.

[9]孙智斌，高敏华，崔雪锋.基于遥感与GIS的天山北坡经济带2000—2015年土地利用动态变化研究[J].北京师范大学学报（自然科学版），2018，54（03）：397-404.

[10]安冠霖，郭晋平.文峪河流域土地利用/覆被变化及其驱动力分析[J].林业调查规划，2020，45（03）：24-30+37.

[11]李子君，刘金玉，鲁成秀，等.基于土地利用变化的沂河流域景观格局与径流关系的分析[J].中国农业大学学报，2020，25（10）：11-19.

[12]赵恒谦，贾梁，尹政然，等.基于多源遥感数据的北京市通州区土地利用/覆盖与生态环境变化监测研究[J].地理与地理信息科学，2019，35（01）：38-43+2.

[13]温小乐，赵林洪.基于高分辨率遥感影像的平潭综合实验区景观格局分析[J].福州大学学报：自然科学版，2018（3）360-365.

[14]Malarvizhi K， Kumar S V， Porchelvan P. Use of High Resolution Google Earth Satellite Imagery in Landuse Map Preparation for Urban Related Applications[J]. Procedia Technology， 2016， 24：1835–1842.

[15]Giuseppe P， Flavio L. Mapping spatial patterns of urban agriculture in Rome （Italy） using Google Earth and web-mapping services [J].Land Use Policy， 2016， 59：49–58.

[16]陈冲，杨志勇，史晓亮，等.基于Google Earth遥感影像的城市建筑物高度反演.测绘通报，2020（1）：98-101.

[17]胡琼，张建，徐保东，等.Google Earth影像与同源QuickBird影像在城市土地利用分类上的对比研究[J].华中师范大学学报（自然科学版），2013，47（2）：287-292.

[18]宋金超，李新虎，吝涛，等.基于夜晚灯光数据和Google Earth的城市建成区提取分析[J].地球信息科学，2015，17（6）：750-756.

（责编：王慧晴）