近40年老哈河流域土地利用變化監測與分析

方秀琴，任立良，李瓊芳

(1.河海大學地球科學與工程學院，南京 210098;2.河海大學水文水資源與水利工程科學國家重點實驗室，南京 210098)

近40年老哈河流域土地利用變化監測與分析

方秀琴1，任立良2，李瓊芳2

(1.河海大學地球科學與工程學院，南京 210098;2.河海大學水文水資源與水利工程科學國家重點實驗室，南京 210098)

利用決策樹和支持向量機分類方法，基于多期Landsat MSS，TM and ETM+遙感圖像和其他輔助數據，對1970s以來近40年半干旱的老哈河流域土地利用變化(land use and land cover change，LUCC)進行動態監測，并利用GIS方法對LUCC進行了定量分析和空間分布制圖。結果顯示，利用支持向量機分類方法對該地區1976年、1989年、1999年和2007年土地覆蓋類型分類可達到較滿意的效果;近40年老哈河流域土地利用變化顯著，水體和草地減少，城鄉用地持續擴張，耕地大幅增加，林地和未利用地大幅度波動、總體減少。LUCC主要發生在林地、草地和耕地之間，表明農、林、牧用地之間轉換顯著，且在各個時期的空間分布差別較大。從變化強度來看，土地利用的年綜合變化率最大值漸趨增大，年均土地動態度在空間分布上差異很大，另外在各研究期赤峰市區周邊動態度都很大，反映了赤峰市持續性的城市化進程。

遙感;GIS;老哈河流域;土地利用變化;分類

0 引言

土地利用/覆蓋變化(land use and land cover change，LUCC)研究是目前全球變化研究的熱點之一［1］，遙感以快速、準確、周期短等特點在大中尺度LUCC監測中具有傳統方法所無法比擬的優勢，在國內外已經得到非常廣泛的應用［2］。最近很多工作［3－7］都說明了衛星遙感技術能夠精確且及時地反映LUCC，為區域LUCC提供時間趨勢和空間分布的信息［8］。

精確的遙感分類對于變化監測來說至關重要，尤其是在分類后處理的變化監測中。近年來，遙感分類方法不斷改善，精度進一步提高，決策樹法(decision tree，DT)和支持向量機法(support vector machine，SVM)是近些年出現的2種比較受關注的高精度分類方法。DT方法因基于知識和規則、分類過程符合人的認識過程等優點，在全球及區域土地覆蓋遙感制圖中已得到廣泛應用［9－16］。SVM方法在1995年被提出，最初針對兩類線性可分數據，后被推廣到處理線性不可分數據［17］。研究表明SVM在學習速度、自適應能力、特征空間高維不受限制等方面具有優勢［18］，不僅被成功應用于數據挖掘和醫學影像分析等模式識別領域，而且在遙感分類中也得到了應用［5，19－27］。然而，由于研究區實際情況和遙感數據源等多種因素的影響，很難保證哪一種分類方法一定適用，而且一種分類方法往往不可能對所有類型的識別都有效，這在某種程度上限制了分類精度的提高。另外，盡管國內外已經提出了一些多源信息融合的分類方法，不再停留于基于光譜分類，但對地物多特征空間的分析、判斷、選擇和應用仍不夠理想［28］。

北方地區氣候和環境的干旱化是我國最為嚴峻的生存環境問題之一，制約著東北商品糧基地發展和老工業基地振興［29］。土地利用的變化改變了流域的水文過程，導致了水資源供需的變化，從而對流域生態、環境以及經濟發展產生顯著影響。本文利用遙感信息，采用多種分類方法對地物的多特征空間進行分析和判斷，探討最適用的分類方法，對北方半干旱區的老哈河流域進行1970s以來的LUCC動態監測，為今后研究土地利用格局改變對水分蒸散發及徑流過程的影響等課題提供重要前提。

1 研究區概況及數據源

老哈河是西遼河源頭西拉木倫河的一級支流，流經內蒙古赤峰市，流域地跨 E 117°～120°，N 41°～43°，面積約1.9萬 km2(圖1)。流域內地形變化較大，屬中溫帶半干旱大陸性氣候區，干燥、少雨、多風沙，下墊面多為起伏的黃土丘陵區，水土流失較嚴重。

圖1 研究區地理位置Fig.1 Location of the study area

為了探究近40 a來的老哈河流域LUCC，選用的Landsat圖像成像于無云晴朗天氣下的4個年代的生長季(表1)。DEM數據、1990年和1996年的土地利用現狀圖以及2006年8月和2008年8月對流域進行的兩次實地科學考查獲取的土地利用調查點作為輔助數據。

表1 研究所用的Landsat圖像Tab.1 Landsat images used in this study

2 土地利用信息提取

2.1 土地利用分類類型的確定

根據流域特點并結合實地考察，將土地利用的類型確定為6類，其代碼及具體描述參見表2。

表2 土地利用/覆蓋類別方案Tab.2 Land use and land cover classification scheme

2.2 土地利用分類特征集的確定

特征構建是信息識別與提取的關鍵。由于“同物異譜”和“異物同譜”現象的存在，需要利用除了反射率信息之外的其他特征，如紋理、植被指數、地形等，這些特征的參與可以更好地提高精度。基于前人研究，本文采用以下特征集:光譜反射率、主成分分析特征、紋理特征和地形特征以及針對不同地物的反射率變化特征，包括歸一化差值植被指數(normalized difference vegetation index，NDVI)［30］、歸一化差值水體指數(normalized difference water index，NDWI)［31］和歸一化差值建筑指數(normalized difference building index，NDBI)［32］。上述各指數的計算公式分別為

式中 Rn，Rr，Rg和 Rswir分別是近紅外波段、紅光波段、綠光波段和短波紅外波段的反射率。

具體來說，采用的特征集為:對于TM和ETM+而言，包含了6個光譜反射率波段，NDVI，NDWI，NDBI，3 個主成分分量(PC1，PC2 和 PC3)，4 個紋理特征(均值mean、方差variance、對比度contrast和相關度correlation)以及3個地形特征(高程、坡度和坡向)，總共19個;對于MSS而言，由于波段設置的不同，特征集包含的是4個光譜反射率波段，NDVI，NDWI，2個主成分分量(PC1和PC2)，4個紋理特征(同上)以及3個地形特征(同上)，總共15個。

2.3 遙感圖像分類與制圖

分別使用DT和SVM兩種高精度方法對研究區圖像進行分類。為了使得結果具有可比性，2種方法在分類和計算精度時分別使用相同的訓練數據和精度驗證數據。在DT分類中，利用分類回歸樹(classification and regression tree，CART)算法分析樣本，分別構建分類規則，對4個時期的圖像分別進行分類，其中測試誤差的評價采用10重交叉驗證，總共訓練10次，估計出的測試誤差是10次誤差的平均。在SVM分類中，核函數模型采用被證明為多光譜遙感圖像分類中最有效的RBF［33－34］核函數，其關鍵參數懲罰系數C和間隔γ使用交叉驗證的方法來確定。

在分類結果中隨機選擇2 000個驗證樣本建立混淆矩陣，計算出各個分類圖的總精度和Kappa系數(表3)。

表3 各圖像分類精度統計Tab.3 Classification accuracy of each merged image

由表3可知，對于總體分類結果而言，SVM優于DT;而4期分類圖的混淆矩陣中各類別的制圖精度和用戶精度顯示，SVM在多數情況下高于DT，僅少數情況下低于DT，且DT分類精度較高的類型主要以未利用地為主，而未利用地在本研究區所占面積甚少。因此，選擇SVM作為本研究區最適宜的分類方法，并以此為基礎進行4個時期的土地利用/覆蓋制圖(圖2)。

3 土地利用變化結果與分析

3.1 土地利用類型的面積變化

對各期分類結果進行統計，得到土地利用類型占流域面積的百分比(表4)。

表4 各土地利用/覆蓋類型所占面積Tab.4 Area percentages of land use/cover types (%)

從表4可知，近40 a來各類土地利用的面積變化各不相同:水體基本保持減少狀態;城鄉用地保持增加趨勢，在2007年達到最多，占總面積的2.53%，表明流域內城市化進程在持續，但城市化面積仍不高;林地在1976—1989年期間大幅減少，而從1990s以來一直增加，但直到2007年也未超過1970s，40 a間總體上略有減少;耕地在1989—1999年期間有微弱幅度的減少，其余時段基本保持著增加趨勢，40 a間總體增加幅度最大;草地一直呈減少趨勢;未利用地變化起伏較大，在1976—1989年期間大幅增加，1989—1999年期間又大幅減少，1999—2007年期間又有較小幅度增加，40 a間總體減少。

3.2 土地利用類型間的轉移變化

利用GIS空間分析進行1976—1989年、1989—1999年和1999—2007年3個研究期LUCC類型間轉移的制圖和分析。具體做法是:研究期起始年的類型編碼不變，將終止年的6種類型重新編碼為0、－6、－12、－18、－24和 －30，然后將起始年的6個類型碼分別減去終止年的6個重新編碼值，得到的36個不同值分別對應36種變化方式(表5)。

表5 土地利用變化方式代碼定義Tab.5 Coding of land use changes

由表5可知，這36種變化方式代碼互相沒有重復和遺漏。將每一個研究期起始年土地利用圖和終止年重編碼的土地利用圖逐像元相減，并統計每種變化的像元面積占流域面積的百分比，認定其中≥1%的為明顯變化，并刪除其中不變及變化＜1%的類型，得到土地利用類型間變化統計表(表6)及專題圖(圖3)。

表6 土地利用變化統計(≥1%)Tab.6 Statistics of land use changes(≥1%)

圖3 土地覆蓋變化圖Fig.3 Thematic maps of land cover changes

結合圖1、表6和圖3可知:

1)在1976—1989年期間，林地和草地向耕地的轉化最顯著，約占流域面積的25.98%。其中林地向耕地的轉化(代碼21)主要發生在各河流的上游;草地向耕地的轉化(代碼23)主要在流域西部陰河和烏力代河上游以及北部的召蘇河上游，表明這些區域農業耕作有顯著發展，土地利用由牧業向農業轉化;耕地向草地的轉化(代碼28)主要在坤頭河和錫泊河之間;林地向草地的轉化(代碼27)主要在英金河上游以及老哈河下游區域;草地向林地的轉化(代碼17)發生在召蘇河和陰河之間的區域;草地向未利用地的轉化(代碼35)主要在召蘇河流域及錫泊河中游區域。總體看來，這一時期LUCC主要發生在流域內各條河流的上游。

2)在1989—1999年期間，草地向耕地的轉化(代碼23)最大，約占流域面積19.08%，主要分布于流域東部;耕地向林地和草地的轉化(代碼16和28)主要在各條河流上游;草地向林地的轉化(代碼17)主要在陰河和西路嘎河中部;林地向草地的轉化(代碼27)主要在陰河下游區域;林地向耕地的轉化(代碼21)呈零星的散布。總體看來，這一時期LUCC主要分布于流域的東部。

3)在1999—2007年期間，變化方式與上一研究期相同，但分布區域和面積有較大變化，這一期間LUCC面積都在流域面積10%以下。其中草地向耕地的轉化(代碼23)所占面積最大，主要分布于西部的陰河中上游和中部坤頭河的西邊以及錫泊河下游;耕地向林地和草地的轉化(代碼16和28)以老哈河下游和英金河南面區域為主;林地向耕地的轉化(代碼21)則集中于西部陰河上游;草地向林地的轉化(代碼17)主要在中部的西路嘎河和錫泊河中游及半支箭河上游;林地向草地的轉化(代碼27)呈零星分布。總體看來，這一時期LUCC主要分布于流域的西部和中部。

將3個研究期綜合起來分析，可發現近40 a來，老哈河流域主要的LUCC發生在林地、草地和耕地之間，表明農、林、牧用地之間轉換顯著，且各個研究期的LUCC空間分布差別較大:1970s—1980s，LUCC主要發生于各條河流的上游區域，耕地大量增加;到了1990s，LUCC趨于復雜，耕地、林地和草地之間交叉轉化，流域東部土地利用變化顯著;在2000s，土地利用變化面積變小，且主要分布于流域西部和中部，東部和北部則趨于穩定。

3.3 LUCC 動態度

采用動態度模型研究近40a來老哈河流域LUCC的劇烈程度。動態度是常用的一種表征區域土地利用變化指數的模型，也稱動態度指數，其計算公式為［35］

式中:LC為動態度指數;LUi為研究期初i類土地利用類型面積;LUi－j為研究期內i類土地利用轉化為j類(j=1，…，n;j≠i)土地利用類型的面積;T為研究時段，當用年表示時模型結果即為該區域內土地利用的年綜合變化率。

由于土地利用/覆蓋圖為30 m空間分辨率，為方便計算和反映特點區域，以3 km×3 km為格網單元，計算動態度指數，得到各研究期土地利用年動態度的空間分布圖(圖4)。

圖4 各研究期土地利用年動態度圖Fig.4 Annual dynamic degrees of land use of each study period

由圖4可知，3個研究期的土地利用的年綜合變化率最大值由小到大依次為:1976—1989年，1989—1999年，1999—2007年。各研究期的土地利用年均土地動態度在空間分布上差異很大:1976—1989年期間各條河流的上游以及老哈河的下游區域土地利用動態度較大，總體上流域西部變化大于東部;1989—1999年期間東部的坤頭河和老哈河區域動態度最大，西部諸河上游動態度較大，北部的英金河兩側地區變化最小，總體上流域東部變化大于西部;1999—2007年期間錫泊河附近的赤峰市區周邊動態度最大，流域西北角的陰河中上游變化度較大，流域東部和南部則變化較小，總體上流域北部變化大于南部。在這3個研究期期間，赤峰市區周邊動態度都很大，其中以1999—2007年土地利用變化為最大，達到13.81%，這主要是由赤峰市區、紅山區和元寶山區的城市用地的顯著擴張所致。

4 結論

1)本文選擇光譜反射率特征結合紋理特征、植被指數、地形坡度等光譜和空間信息的衍生特征，構建了豐富的特征集，更好地提高了土地利用和覆蓋的分類精度。

2)分類結果表明，在本研究區SVM方法優于決策樹方法，故選擇SVM方法進行研究。需要注意的是，分類方法的比較結果是根據區域地物屬性和數據特征而異的，本文的比較結果不具有普適性，在其他區域上，需對數據做具體分析才可以判斷兩種方法的優劣。

3)定量分析和空間分布制圖結果表明，近40 a來老哈河流域LUCC顯著，水體、草地減少，城鄉用地持續擴張，耕地大幅度增加，林地和未利用地大幅度波動、總體減少。

4)主要的LUCC發生在林地、草地和耕地之間，表明農、林、牧用地之間轉換顯著，且各時期的LUCC空間分布差別較大:1970s—1980s，LUCC主要發生于流域內各條河流的上游區域，耕地大量增加;到了1990s，LUCC趨于復雜，耕地、林地和草地之間交叉轉化，流域東部土地利用變化顯著;在2000s，土地利用變化面積變小，且主要分布于流域的西部和中部，東部和北部則趨于穩定。

5)劇烈程度分析顯示土地利用的年綜合變化率最大值漸趨增大，土地利用年均土地動態度在空間分布上差異很大:1976—1989年期間總體上流域西部變化大于東部，1989—1999年期間總體上東部變化大于西部，1999—2007年期間總體上北部變化大于南部;在這3個研究期，赤峰市區周邊動態度都很大，主要是由于赤峰市區、紅山區、元寶山區的城市用地顯著擴張所導致，反映了赤峰市持續性的城市化進程。

［1］于興修，楊桂山，王 瑤.土地利用/覆被變化的環境效應研究進展與動向［J］.地理科學，2004，24(5):627 －633.

［2］李天宏，韓 鵬.廈門市土地利用/覆蓋動態變化的遙感檢測與分析［J］.地理科學，2001，21(6):537 －543.

［3］Alberti M，Weeks R，Coe S，et al.Urban Land Cover Change Analysis in Central Puget Sound［J］.Photogrammetric Engineering ＆Remote Sensing，2004，70(9):1043 －1052.

［4］Goetz S J，Varlyguin D，Smith A J，et al.Application of Multitemporal Landsat Data to Map and Monitor Land Cover and Land Use Change in the Chesapeake Bay Watershed［C］//Smits P C，Bruzzone L.Proceedings of the Second International Workshop on the Analysis of Multi－ temporal Remote Sensing Images.Singapore:World Scientific Publishing Co，2004.

［5］Yang X J.Satellite Monitoring of Urban Spatial Growth in the Atlanta Metropolitan Area［J］.Photogrammetric Engineering ＆Remote Sensing，2002，68(7):725 －734.

［6］Knorn J，Rabe A，Radeloff V C，et al.Land Cover Mapping of Large Areas Using Chain Classification of Neighboring Landsat Satellite Images［J］.Remote Sens Environ，2009，113(3):957 － 964.

［7］方秀琴，任立良.西遼河的老哈河流域土地利用遙感動態監測［J］.地球信息科學學報，2009，11(1):125 －131.

［8］Elvidge C D，Sutton P C，Wagner T W.Urbanization ［C］//Gutman G，Janetos A，Justice C，et al.Land Change Science:Observing，Monitoring，and Understanding Trajectories of Change on the Earth’s Surface.Dordrecht，Netherlands:Kluwer Academic Publishers:315－328.

［9］劉勇洪，牛 錚，王長耀.基于MODIS數據的決策樹分類方法研究與應用［J］.遙感學報，2005，9(4):405 －412.

［10］Hanson M C，Dubayah R，DeFries R S.Classification Trees:an Alternative to Traditional Land Cover Classifiers［J］.Int J Remote Sens，1996，17(5):1075 －1081.

［11］Friedl M A，McIver D K，Hodges J C F，et al.Global Land Cover-Mapping from MODIS:Algorithms and Early Results［J］.Remote Sens Environ，2002，83(1/2):287 －302.

［12］Joy S M，Reich R M，Reynolds R T.A Non － parametric，Supervised Classification of Vegetation Types on the Kaibab National Forest Using Decision Trees［J］.Int J Remote Sens，2003，24(9):1835－1852.

［13］Sesnie S E，Gessler P E，Finegan B，et al.Integrating Landsat TM and SRTM－DEM Derived Variables with Decision Trees for Habitat Classification and Change Detection in Complex Neotropical Environments［J］.Remote Sens Environ，2008，112(5):2145 －2159.

［14］趙 萍，傅云飛，鄭劉根，等.基于分類回歸樹分析的遙感影像土地利用/覆被分類研究［J］.遙感學報，2005，9(6):708 －716.

［15］張友靜，高云霄，黃 浩，等.基于SVM決策支持樹的城市植被類型遙感分類研究［J］.遙感學報，2006，10(2):191 －196.

［16］陳艷華，張萬昌.地理信息系統支持下的山區遙感影像決策樹分類［J］.國土資源遙感，2006(1):69－74

［17］Vapnik V N.The Nature of Statistical Learning Theory［M］.New York:Springer Verlag，1995.

［18］駱劍承，周成虎，梁 怡，等.支撐向量機及其遙感影像空間特征提取和分類的應用研究［J］.遙感學報，2002，6(1):50 －55.

［19］Zhu G B，Blumberg D G.Classification Using ASTER Data and SVM Algorithms:The Case Study of Beer Sheva，Israel［J］.Remote Sens Environ，2002，80(2):233 －240.

［20］趙書河，馮學智，都金康，等.基于支持向量機的SPIN－2影像與SPOT－4多光譜影像融合研究［J］.遙感學報，2003，7(5):407－411.

［21］Foody G M，Mathur A.Toward Intelligent Training of Supervised Image Classifications:Directing Training Data Acquisition for SVM Classification［J］.Remote Sens Environ，2004，93(1/2):107 －117.

［22］Foody G M，Mathur A.The Use of Small Training Sets Containing Mixed Pixels for Accurate Hard Image Classification:Training on Mixed Spectral Responses for Classification by a SVM［J］.Remote Sens Environ，2006，103(2):179 －189.

［23］張錦水，何春陽，潘耀忠，等.基于SVM的多源信息復合的高空間分辨率遙感數據分類研究［J］.遙感學報，2006，10(1):49－57.

［24］Mazzoni D，Garay M J，Davies R，et al.An Operational MISR Pixel Classifier Using Support Vector Machines［J］.Remote Sens Environ，2007，107(1/2):149 －158.

［25］Su L H，Chopping M J，Rango A，et al.Support Vector Machines for Recognition of Semi－arid Vegetation Types Using MISR Multi－ angle Imagery［J］.Remote Sens Environ，2007，107(1/2):299－311.

［26］Huang C，Song K，Kim S，et al.Use of a Dark Object Concept and Support Vector Machines to Automate Forest Cover Change Analysis［J］.Remote Sens Environ，2008，112(3):970 －985.

［27］Esch T，Himmler V，Schorcht G，et al.Large － area Assessment of Impervious Surface Based on Integrated Analysis of Single－date Landsat－7 Images and Geospatial Vector Data［J］.Remote Sens Environ，2009，113(8):1678 －1690.

［28］李建平，張 柏，張 泠，等.濕地遙感監測研究現狀與展望［J］.地理科學進展，2007，26(1):33 －43.

［29］符淙斌，延曉冬，郭維棟.北方干旱化與人類適應——以地球系統科學觀回答面向國家重大需求的全球變化的區域響應和適應問題［J］.自然科學進展，2006，16(10):1216 －1223.

［30］Rouse J W，Haas R H，Schell J A.Monitoring the Vernal Advancement of Retrogradation of Natural Vegetation［R］.Greenbelt，MD:NASA/GSFC(Type III，Final Report)，1974.

［31］McFeeters S K.The Use of the Normalized Difference Water Index(NDWI)in the Delineation of Open Water Features［J］.Int J Remote Sens，1996，17(7):1425 －1432.

［32］查 勇，倪紹祥，楊 山.一種利用TM圖像自動提取城鎮用地信息的有效方法［J］.地理學報，2003，7(1):37 －41.

［33］何靈敏，沈掌泉，孔繁勝，等.SVM在多源遙感圖像分類中的應用研究［J］.中國圖象圖形學報，2007，12(4):648 －654.

［34］張錦水，潘耀忠，韓立建，等.光譜與紋理信息復合的土地利用/覆蓋變化動態監測研究［J］.遙感學報，2007，11(4):500 －510.

［35］朱會義，李秀彬.關于區域土地利用變化指數模型方法的討論［J］.地理學報，2003，58(5):643 －650.

The Detection and Analysis of Land Use Change in the Laoha River Basin During the Past Four Decades

FANG Xiu－qin1，REN Li－liang2，LI Qiong－fang2
(1.School of Earth Sciences and Engineering，Hohai University，Nanjing 210098，China;2.State Key Laboratory of Hydrology，Water Resources and Hydraulic Engineering，Hohai University，Nanjing，210098，China)

On the basis of the multiple remote sensing images of Landsat MSS，TM and ETM+and other auxiliary data，two classification approaches of decision tree and support vector machine were applied to land use/cover classifications in the semiarid Laoha river basin over the past 40 years since the 1970s.The land use changes and their spatial distribution were analyzed quantitatively and mapped with GIS techniques.The results show that land use/cover maps in 1976，1989，1999 and 2007 could be generated based on the implementation of support vector machine classification with satisfying results.The analysis shows that land use has changed very obviously in the study area over the last 40 years.The areas of water body and grassland have decreased while rural and urban areas increased persistently.The cultivated land area has increased substantially.Forest land and fallow land have changed in fluctuation with a decrease on the whole.It’s obvious that the most remarkable change has been the interconversion of lands for agriculture(cultivated land)，for forestry(forest land)，and for animal husbandry(grassland).Moreover，the spatial distribution of the conversion was greatly different in different periods.An analysis of the intensity of land use changes indicates that the highest annual rate of land use change has been increased gradually and the annual intensity has been spatially heterogeneous.Moreover，the suburbs surrounding Chifeng city always have changed intensively during the past decades，suggesting the persistent urbanization of Chifeng city.

remote sensing;GIS;Laoha river basin;land use change;classification

TP 79

A

1001－070X(2012)02－0125－07

方秀琴(1978－)，女，安徽池州人，講師，主要從事遙感信息提取以及遙感和GIS在水文水資源領域的應用等研究。E － mail:kinkinfang@gmail.edu.cn。

(責任編輯:邢 宇)

10.6046/gtzyyg.2012.02.23

2011－08－12;

2011－10－28

國家重點基礎研究發展(973計劃)項目(編號:2006CB400502)、教育部、國家外國專家局“高等學校學科創新引智計劃”(編號:B08048)及中央高校基本科研業務費專項資金(編號:2010B08114)共同資助。