SVM算法支持下的耕地面積退化遙感監測

張志坤　楊昆　王加勝　朱彥輝　洪亮

摘要 基于Landsat衛星TM、ETM+和OLI數據，采用SVM算法結合RS和GIS技術，分別提取了呈貢區5個時期（1989、1996、2003、2009、2015年）的耕地面積。結果表明，1989—2015年呈貢區耕地面積由156.99 km2減少到40.02 km2，減少了74.51%，年平均減少450 km2；空間分布上，耕地集中在呈貢西部、西南部、東北部和中部地區，其中以中部地區減少最為劇烈和明顯。原因主要是政府的宏觀調控、城市化速率和城市建設占用了大量耕地。建議政府協調人、地、自然和城市發展建設之間的關系，嚴守耕地紅線，出臺耕地保護措施。

關鍵詞 SVM；耕地面積；城市化；呈貢區

中圖分類號 S127；TP75 文獻標識碼 A 文章編號 0517-6611（2017）01-0190-03

Remote Sensing Monitoring of Cultivated Land Degradation Supported by SVM Algorithm—A Case of Chenggong District，Kunming City

ZHANG Zhikun1，3， YANG Kun2，3*， WANG Jiasheng2，3 et al

（1.School of Tourism and Geographical Science，Yunnan Normal University，Kunming，Yunnan 650500；2. GIS Technology Research Center of Resource and Environment in Western China of Ministry of Education， Kunming，Yunnan 650500；3. School of Information Science and Technology，Yunnan Normal University， Kunming，Yunnan 650500）

Abstract It was used to extract the cultivated land area of Chenggong District that SVM algorithm combined with RS and GIS technology based on the Landsat TM， ETM+and OLI data in five periods （1989， 1996， 2003， 2009， 2015） respectively. The results showed that the degradation of cultivated land in Chenggong District reduced from 156.99 km2 to 40.02 km2 during 1989-2015，showed a decrease of 7415% and an annual reduction of 4.50 km2 in the past 26 years. Cultivated land concentrated in the western， southwest， northeast and central parts of Chenggong in spatial distribution， of which the central region reduced the most dramatic and obvious. The main reason was the governments macrocontrol， urbanization rate and urban construction occupied a lot of cultivated land. It was suggested that the government should coordinate the relationship between human， land， nature and urban development and construction， safeguard the red line of cultivated land and introduce the protection measures of cultivated land.

Key words SVM；Cultivated land area；Urbanization；Chenggong District

糧食是人類經濟社會發展的重要保障，而耕地資源直接關乎糧食生產。合理的開發、監測和保護耕地資源一直是重要的科學命題[1-2]。傳統的耕地監測方法是野外實地考察測量，該方法適合于局部精細化耕地量測管理，而對于耕地整體監測，不僅耗費巨大的財力、物力和人力，而且不能有效地反映耕地資源的現勢性變化特征。近現代以來，耕地監測最重要的手段是航空（無人機）攝影測量、遙感和地理信息技術[3-8]。通過這些方法獲取地表耕地信息，然后加以人工和計算機交互處理，達到快速實時耕地退化監測。近現代耕地監測最重要的2個步驟是人工目視解譯和計算機自動識別，而耕地本身復雜的地形特征及其他背景地物的混淆，使得地形特征、分辨率（遙感平臺、影像、人眼）、空間物理誤差、幾何變形、算法等一直是制約耕地退化監測的重要因素。

支持向量機（SVM）算法結合了人工智能和計算機模式識別，是一種結構風險最小的圖像分類學習統計算法，其特征向量來源于遙感影像的像元值和識別出來的紋理信息[9-11]。SVM適合復雜地形條件地表地物信息豐富的耕地類型監測。昆明市呈貢區屬于高原亞熱帶季風氣候區，植被四季繁茂，農作物類型多樣，政府宏觀驅動明顯。因此，適合采用SVM算法針對Landsat多光譜遙感影像圍繞呈耕地面積變化、空間分布以及驅動因素進行研究，提出相應的耕地開發和保護建議。

1 數據來源與研究方向

1.1 研究區概況

呈貢縣2011年5月撤縣設區，是昆明市城市化最快的城區，也是昆明市政府駐地。地處102°45′～103°00′ E，24°42′ ～25°00′ N，面積461 km2，地勢東部高，西部低，海拔1 775～2 820 m，屬低緯度高原季風氣候，年平均日照時數2 200 h，年均溫度14.7 ℃，年平均降水量789.6 mm。2012年呈貢縣耕地面積62.40 km2。

1.2 數據獲取及預處理

Landsat衛星數據來源于美國地質勘查局（http：//www.usgs.gov/），GDEM（30 m）數據來自地理空間數據云（http：//www.gscloud.cn/），研究區行政區劃矢量圖來源于全球GADM數據庫（www.gadm.org），其他數據來源于呈貢區統計年鑒。遙感影像數據見表1。

運用ArcGIS 10.2對以上基礎地理數據進行預處理。首先均采用統一的UTM投影和WGS84橢球體建立坐標系統；然后在ENVI 5.1中對遙感影像進行幾何精校正、輻射定標、大氣校正、圖像增強處理和圖像拼接，裁剪研究區。

1.3 研究方法

1.3.1 SVM算法。

SVM算法依據統計學習理論和結構風險最優原則，能夠解決多維、樣本少及不確定性等遙感分類問題。SVM算法對于線性可分的情況，設[（xi，yi），i=1，…，N]為N個樣本點，其中yi=1或-1，表示xi所屬的類。分類線性方程為：

而對于非線性可分的樣本點，先用一個非線性函數將樣本點空間映射到一個高維特征空間，在特征空間進行線性分類。

假設存在映射ф，則內積運算（xi·x）=[ф（xi）·ф（x）]，也就是K（xi·x）=[ф（xi）·ф（x）]，稱函數K（xi·y）為核函數。因此，最優分類超平面表示為：

SVM算法常用的核函數有多項式核函數、徑向基核函數以及Sigmoid核函數。該研究選用徑向基核函數。因為多光譜遙感影像分類中耕地由若干像元組成，不同波段耕地像元特征不一樣，具有多維或高維的特點，而徑向基核函數可以將樣本映射到一個更高維的空間，可以處理類和特征之間的非線性關系的樣本。因此，采用SVM算法徑向基核函數進行多光譜影像耕地提取具有很大的優勢。

1.3.2 耕地提取及精度評價。

根據呈貢區耕地分布特征，輸入TM、ETM+和OLI多光譜遙感影像，針對樣本區域，選擇像元（像素）值和紋理信息作為SVM算法的特征向量，輸入到SVM算法分類器構造函數中，選擇徑向基核函數作為SVM算法的核函數，通過空間映射在特征空間進行地物類型分類，分別提取1989、1996、2003、2009和2015年耕地、林地、居民地、草地、水體和其他6類地物類型。針對分類結果，采用混淆矩陣對5個時期進行精度評價，總體精度分別到達0913、0.928、0.905、0.944、0.939，Kappa系數分別為0.84、085、0.79、0.88、0.87。輸出分類結果到ArcGIS中提取耕地面積，制作耕地空間分布圖（圖1）。

2 結果與分析

2.1 耕地面積時空變化 1989—2015年呈貢區耕地面積變化見表2。

耕地面積變化是多因素共同作用的結果。從1989年開始，以7年或6年為時間間隔，1989、1996、2003、2009、2015年5個時期呈貢區耕地面積分別為156.99、12228、98.17、73.74、40.02 km2；耕地面積由1989年的15699 km2減少到2015年40.02 km2，減少了74.51%，年平均減少4.00 km2。1989—2015年呈貢區耕地面積呈現先快速、后放緩、再急劇減少的趨勢。其中，2009—2015年減少速度最快，從73.74 km2減少到40.02 km2，減少了4572%，年平均減少5.62 km2；1996—2003年減少速度最慢，從122.28 km2減少到98.17 km2，減少了19.72%，年平均減少3.44 km2。從空間分布上，耕地面積集中分布在呈貢中部、西部、西南和東北地區，1989—1996年東北部地區耕地減少明顯，2009—2015年中部地區耕地面積減少最為劇烈。

2.2 耕地變化驅動力分析

2.2.1 城市化驅動影響。

受政府宏觀調控的影響，呈貢區已成為新昆明城市化進程最為迅速的核心區之一。2003年云南省委省政府提出了“一湖四片兩城”的新昆明城市發展戰略構想，并將呈貢區主體定位為新昆明的新興工業區、科技文化中心和物流商貿中心。而隨著昆明市政府的遷入、新螺螄灣商貿城以及呈貢大學城（面積43.15 km2）的建立，城市化和新型城鎮化速率急劇增長，截至2015年，呈貢城鎮化率已達到75%。城市的擴張和主體功能區的建設[12-13]，直接和間接地占用了大量的耕地資源，已成為耕地資源退化重要的因素。

2.2.2 房地產投資和基礎設施建設的驅動。

呈貢新區房地產開發投資、城市基礎設施建設，致使耕地在內的土地資源急劇減少，成為呈貢區耕地退化另一重要的原因之一。截至2015年，“十二五”期間呈貢固定資產投資累計達21094億元，城市格局煥然一新，交通、水、電、氣等保障設施和樓宇經濟、金融服務、旅游、商貿物流、生物醫藥及信息等產業欣欣向榮。新城區及其配套設施的不斷繁榮和發展無疑是耕地退化和和轉化的直接驅動。

3 結論與建議

1989—2015年呈貢區耕地退化呈現先快速、后放緩、再急劇減少的趨勢，耕地面積由1989年的156.99 km2減少到2015年的40.02 km2，減少了74.51%，年平均減少4.50 km2。耕地面積空間上也呈現出差異變化，耕地集中分布在呈貢西部、西南部、東北部和中部地區，其中以呈貢昆明市行政中心區耕地面積減少最為劇烈和明顯。耕地退化原因主要是政府政策的宏觀調控、城市化速率和城市建設帶來的大量耕地面積減少、耕地退化和轉化。建議政府協調人、地、自然和城市發展建設之間的關系，嚴守耕地紅線，出臺耕地保護措施。

參考文獻

[1] 李效順，曲福田，譚榮，等.中國耕地資源變化與保護研究：基于土地督察視角的考察[J].自然資源學報，2009，24（3）：387-401.

[2] 張蚌蚌，孔祥斌，鄖文聚，等.我國耕地質量與監控研究綜述[J].中國農業大學學報，2015，20（2）：216-222.

[3] 張松嶺，楊邦杰，王飛，等.基于GIS的耕地遙感監測人機交互式圖像解譯系統[J].農業工程學報，1999，15（2）：185-188.

[4] 王靜，張繼賢，何挺，等.基于3S技術的耕地退化監測與評價技術方法探討[J].測繪科學，2002，27（4）：45-49.

[5] 王力凡，潘劍君.利用高—中—低分辨率遙感影像的大區域耕地快速監測研究[J].遙感技術與應用，2011，26（4）：496-500.

[6] 謝戈力，鄭巧鳳.基于WebGIS技術的耕地質量動態監測信息系統[J].安徽農業科學，2011，39（31）：19560-19563.

[7] 戴凡.基于3S的耕地動態監測系統設計與實現[D].武漢：華中師范大學，2012.

[8] 楊艷青，柴旭榮.基于遙感和GIS的土地利用分類方法研究[J].山西師范大學學報（自然科學版），2015（4）：69-74.

[9] VAPNIK V N.The nature of statistical learning theory[M].Berlin：SpringerVerlag，2000：988-999.

[10] 王振武，孫佳駿，于忠義，等.基于支持向量機的遙感圖像分類研究綜述[J].計算機科學，2016，43（9）：11-17，31.

[11] 陳強，田杰，黃海寧，等.基于統計和紋理特征的SAS圖像SVM分割研究[J].儀器儀表學報，2013，34（6）：1413-1420.

[12] 陳明玉，曹生國.基于RS和GIS的昆明市呈貢區城市擴張驅動力和阻力分析[J].遼寧農業科學，2015（1）：23-27.

[13] 張海英.城市土地資源優化配置研究[D].昆明：云南財經大學，2015.