湟水谷地土地利用/覆蓋變化分析

劉朝松 肖可可

（1.中南大學 地球科學與信息物理學院，湖南 長沙 410083；2.中南大學 空間信息技術與可持續發展研究中心，湖南 長沙 410083；3.湖南省電力勘測設計院，湖南 長沙 410007）

0 前言

全球和區域尺度土地利用/土地覆被變化及其環境效應的研究是環境變化研究的重要領域之一[1]。目前，土地利用/土地覆被變化及其效應的研究主要集中在經濟發展熱點區域，中國西部地區自然環境較為復雜，水土流失嚴重，生態環境十分脆弱，針對該區域自然地理環境的遙感監測與分析具有重要意義[2]。21 世紀以來，為了保證中國西部地區的土地資源可持續利用，開展了大規模的退耕還林/草，以及一系列生態保護建設工程，土地利用發生顯著變化。因此，開展中國西部土地利用/土地覆被變化動態研究具有重要意義。湟水谷地地處青海高原東部，位居青藏高原與黃土高原的過渡地帶，生態環境脆弱，是生態環境治理的主要區域。同時，該區域又是青海東部城市群發展與新型工業化發展的重點區域。然而，針對近年來在環境治理與城鎮化等人為因素驅動下，該區域土地利用/覆蓋變化時空特征的分析尚顯不足。為此，本文以位于青海高原東部湟水谷地的平安縣為研究區，研究人為因素驅動下的區域土地利用/覆蓋變化時空特征，以便為青海高原東部土地資源的科學管理與規劃提供參考，也為中國西部生態環境建設、區域城鎮化的發展提供決策參考。

遙感技術是土地利用/土地覆被變化研究的重要手段之一，遙感影像分類方法倍受關注。遙感分類方法得到不斷的改善，有最大似然法，神經網絡分類，支持向量機法等。隨著群體智能理論的快速發展，許多學者嘗試將蟻群分類規則挖掘算法引入遙感影像分類，獲得了比最大似然法、神經網絡等分類算法更好的分類效果[3-4]。本文采用群智能算法，集成粒子群與蟻群算法進行區域土地利用/覆蓋分類研究，以此為干旱半干旱地區土地利用變化研究提供有效的技術手段。

表1 研究區TM 數據資料

1 研究區概況

本文以青海高原東部湟水谷地的平安縣為研究區，平安縣位于青海省東部，地理位置介于E101°49′～102°10′，N36°15′～36°34′之間，屬于青藏高原與黃土高原的過渡地帶，土地總面積為735.03km2。該區平均海拔在2066～4166.7m 之間，地貌以谷地、低中山地為主。研究區北部河谷地帶，坡度較小，經濟相對發達，人口密度較大，是以西寧市為中心的青海東部城市群及青海省新型工業化發展的重點區域；而研究區中部、南部區域，地形較為復雜，交通欠發達，經濟相對薄弱，以耕地、林地分布為主。

2 研究方法

2.1 遙感數據來源

（1）采用的遙感數據主要為Landsat TM/ETM+/OLI 影像，主要來源于國際科學數據服務平臺、USGS 網站，具體的獲取日期、類型、軌道編號見表1。將各期實驗數據經輻射校正、幾何校正和圖像裁剪等前期遙感圖像處理工作后得到研究區遙感圖像。

對TM 影像進行K-T 變換，以提升植被、土壤等地物信息的判別效果，突出地物紋理特征。

（2）采用DEM、坡度、坡向數據作為分類輔助數據。

2.2 遙感影像分類體系與分類方法

本文的土地利用/土地覆蓋分類參考體系主要參考文獻[5]的分類體系，將影像解譯為草地、耕地、林地、水域、建設用地五類。

由于研究區自然條件復雜，區域海拔高低懸殊，存在明顯的空間異質性，傳統的遙感分類方法難以達到滿意的分類精度；近年來，群體智能算法在遙感分類中的應用為遙感分類提供了一種新的智能化途徑，它無須統計分布等先驗知識，且具有較強的自學習、魯棒性、自適應性和存在正反饋機制等優點，在海量遙感圖像數據的信息提取上表現出了極大的優勢。本文在已有研究的基礎上，首先對數據進行預處理，然后對多源數據進行區域的植被區分，采用粒子群算法[6]尋找最優斷點，實現波段的自動離散化，再利用蟻群算法挖掘分類規則實現遙感數據的自動分類。

2.3 土地利用動態度

土地利用單一動態度能夠定量描述當前區域土地利用變化的速率，計算公式為：

式中K 為研究時段某一土地利用類型動態度；Ua、Ub指的是研究期初及研究期末某一種土地利用類型的數量；T 為研究時段長，通常其單位是年。

3 結果與分析

3.1 土地利用結構變化分析

通過遙感圖像分類，獲得研究區1995—2013年共5 期的土地利用/覆蓋分類圖，分類總體精度達到85%以上。并通過統計分析，獲得研究區1995—2013年間各期土地利用面積、土地利用結構和各土地利用變化（表2、表3）。

表2 1995—2013年土地利用結構及比例

表3 1995—2013年土地利用類型變化量

研究區土地利用/覆蓋以林地、草地、耕地為主（表2、表3），各期林地、草地、耕地面積占總面積分別為97.72%、97.37%、96.79%、96.47%、95.43%，三類生態用地所占的比重逐年下降。由于退耕還林和生態防護林建設，耕地和草地面積分別減少74.66km2和54.3km2，年均減少4.15km2和3.02km2。而林地增加112.1km2，占總面積的比重由1995年40.58%增加為2013年54.14%，生態環境的建設導致耕地的減少與林地的顯著增加。

與此同時，建設用地面積逐年增加，從1995年的9.98km2增加至2013年的26.7km2，西部大開發與城鎮化的發展在促進區域經濟社會發展的同時對區域土地利用/覆蓋變化產生較大的影響，也導致耕地的減少。

1995—2001年研究區各類土地利用/覆蓋面積比例變化大小依次為：林地＞耕地＞草地＞建設用地＞水域，其中以林地的增幅最大，共增加了39.11km2，耕地、草地面積急劇減少，分別減少了24km2和17.77km2。這主要是由于2000年開始實施退耕還林、生態防護林建設工作，耕地、草地等大量轉換為林地；2001—2006年草地、耕地進一步減少，分別減少了26.18km2和19.7km2，林地面積增加41.70km2，呈現明顯增加趨勢；2006—2013年林地、耕地、草地變化幅度明顯小于1995―2006年的變化幅度，說明隨著大規模生態退耕工程的結束，以及嚴格耕地保護制度的推行，耕地減少得到控制。總體上來說，1995—2006年各類土地利用變化幅度大于2006—2013年。

3.2 土地利用動態度分析

1995—2013年研究區土地利用發生了明顯的改變，18年間共有約261km2的土地利用/覆蓋類型發生了變化，占總面積的35.55%（表2、表3、表4）。

1）草地

1995—2013年，草地面積減少了54.3km2。2001—2006年期間減幅最大，面積減少26.18km2，年變化率為-2.84%；在2006—2009年間變化幅度最小，年變化率為-0.46%。區域生態保護建設工程的實施，生態林的建設導致草地的減少。

2）耕地

1995—2013年，耕地面積逐年減少，其變化速率呈現先上升后下降趨勢。2006―2009年達到最大值，年均減少3.65%，2009―2013年減幅速率明顯放緩，為1.91%。耕地減少的主要原因是2000年后退耕地還林政策的實施，致使大量的耕地轉變為林地。另外，隨著西部大開發的進程加速，城鎮化、城市化過程中侵占了大量耕地。

3）林地

由于國家實施了退耕還林政策，林地面積一直呈現增長趨勢。在2001―2006年間變化速率最快，年變化率達2.47%，隨著三江源自然生態保護區生態環境的治理與建設，具有重要生態功能的林地得到了有效的保護與建設。

4）建設用地

1995―2013年研究區土地利用/覆蓋變化速率最快的是建設用地，年均增加9.31%。從變化速率上看，2001―2013年大于1995―2001年。在西部大開發戰略的推動下，2000年以來研究區城鎮化、新型工業化得到快速發展。

表4 1995—2013年土地利用類型單一動態度變化

4 結論

1995—2013年，在生態環境治理與快速城鎮化、新型工業化的驅動下，青海高原東部湟水谷地土地利用/覆蓋時空變化顯著，并呈現顯著的階段性。

1）1995—2013年，在退耕還林和生態保護建設工程的推動下，具有重要生態功能的林地面積增加并得到有效保護；快速城鎮化、新型工業化的發展，以及基礎設施的改善導致建設用地逐年增加；與此同時該區域有限的耕地面積的持續減少，耕地保護與質量提高任務逐步加重。

2）1995—2001 林地增加39.11km2，增幅最大，耕地和草地分別減少24km2和17.77km2，這都得益于2000年開始實施的退耕還林工程；2001—2006年耕地面積也減少約19.7km2，林地增加41.70km2，表明退耕還林、生態保護與建設工程成效顯著效；2006—2013年各類土地變化量小于1995―2006年，隨著大規模生態工程告一段落，人為因素驅動的土地利用/覆蓋變化區域緩和。

3）1995―2013年研究區建設用地動態度最大，說明在西部開發、區域城鎮化、新型工業化快速推進下，18年間建設用地迅速增加。2001―2009年期間，由于退耕還林和西部大開發戰略的實施，土地利用動態度最大。

［1］史培軍，宮鵬，李曉兵，等.土地利用/覆蓋變化研究的方法與實踐[M].北京：科學出版社，2000：3-35.

［2］曾永年，靳文憑，何麗麗，等.青海高原東部農業區土地利用遙感分類制圖[J].農業工程學報，2012.

［3］陳玉敏.基于神經網絡的遙感影像分類研究[J].測繪信息與工程，2002(27)：6-8.

［4］劉小平，黎夏，何晉強，等.基于蟻群智能的遙感影像分類新方法[J].遙感學報，2008，12(2)：253-262.

［5］馬正龍.長株潭城市群土地利用/覆蓋變化遙感動態分析[D].長沙：中南大學，2011.

［6］Kennedy J，Eberhart R C.Particle swarm optimization [C]//Proceeding of IEEE International conference on Neural Networks，Piscataway，NJ：IEEE CS，1995：1942-1948.