基于高分影像的神木縣大柳塔鎮土地利用動態監測

喻愷陽, 張 瑞, 魏文革, 賈利紅, 田 博

(黃河水利委員會 晉陜蒙接壤地區水土保持監督局, 陜西 榆林 719000)

土地是人類賴以生存的重要自然資源。隨著中國城市化進程不斷加快和城市化水平的日益提高，城市對土地的需求不斷增加，土地利用方向發生了變化。在中國陜北能源集中區，煤礦、石油、天然氣等礦產資源開發突飛猛進，煤制油、煤制天然氣、鐵路、公路、光伏、風電等建設項目眾多，人類活動造成的水土流失時有發生。為了控制水土流失，各級水行政部門加大了水土保持監督力度，要求生產建設單位，按照水土保持方案開展水土流失治理。通過多年治理，水土保持措施逐年增加，從很大程度上遏制了人為水土流失嚴重加劇的趨勢，通過加強水土流失治理，土地利用結構也在發生著巨大變化[1]。

為了及時、全面、準確地了解水土流失類型、面積、強度、分布、危害以及預防和治理情況，掌握水土流失程度和生態環境狀況，科學評價水土保持生態建設成效，國家從2013年開始實施了全國水土流失動態監測與公告項目。鑒于此，本研究擬以神木市大柳塔鎮為例，以2010年高分辨率航空遙感數據為本底值，2015年動態監測與公告項目數據作為對比值，采用了航空遙感、衛星遙感、無人機遙感、轉移矩陣分析等技術[2]，以土地利用變化為對象，對土地利用類型及植被覆蓋變化、空間分布格局和分布特征進行綜合分析和評價，探究大柳塔鎮土地利用變化對該鎮土地資源可持續利用、水土保持規劃和生態環境保護等決策的影響。

1 研究區概況及數據來源

1.1 研究區概況

大柳塔鎮位于陜西省榆林市神木市(原神木縣，2017年4月撤縣設市)北端，地處世界8大煤田之一神府東勝煤田腹地中心。南距神木市50 km多，距榆林市170 km多，北與內蒙古鄂爾多斯市接壤。總土地面積376 km2。該區屬于風沙區和丘陵溝壑區的過渡地帶，西部為風沙區，地勢較平坦，占總面積的80%。東部為丘陵溝壑區，溝壑縱橫，支離破碎。海拔在738～1 448 m。多年平均降水量405.6 mm。年內分配極不均勻，7—9月占到年降水總量的60%～70%，且多為暴雨。年均氣溫8.7 ℃，年平均風速2.5～2.7 m/s，最大28 m/s，全年大于5級風的日數為45 d。區域已探明煤炭總儲量4.0×109t，屬于中國優質煤集中區，以煤炭開采和煤化工、煤電為主的工礦用地居多。長期的風沙侵蝕和人類活動，造成了土地沙化、地面塌陷、地表水滲漏，水土流失十分嚴重。20世紀90年代以來，水土保持部門和生產建設單位加大了水土流失預防和治理力度，開展了水土流失補償費返還治理、淤地壩建設等水土保持工程，人為水土流失惡化的趨勢得到遏制，還出現了一批水土流失治理的典型示范區，生態環境明顯改觀。

1.2 數據來源

主要研究數據為大柳塔鎮2015年高分辨率衛星遙感影像和2010年航空遙感影像數據。2015年的研究數據是以2 m分辨率的天繪1號為主，以資源3號、高分1號以及高分2號影像補充，時相為7—10月；2010年研究數據主要依據窟野河、禿尾河等區域0.36 m高分辨率數碼航空攝影數據，通過影像處理、裁切，獲得研究區1 m分辨率正射影像，該影像的航攝時間為2010年9月。兩期遙感影像分辨率基本接近，時相基本一致，具有可比較性。典型小流域、部分生產建設項目、野外驗證點采用了無人機航飛資料，分辨率優于1 m。

2 研究方法

綜合采用了遙感技術(航空、航天、無人機等)、地理信息技術、轉移矩陣分析等相結合的技術方法[3]。

2.1 技術路線

以2010，2015年高分遙感影像為主要數據源，采用人機交互式解譯和面向對象分類相結合的方法，對土地利用類型、面積、分布等信息進行提取，結合野外調查和現場觀測等方法進行野外驗證，通過地理信息系統軟件統計2010，2015年土地利用數據。通過轉移矩陣分析，得出土地利用變化等，分析土地利用狀況，并就下一步土地利用方向提出建議[4]。本研究的技術路線如圖1所示。

圖1 研究技術路線圖

2.2 主要技術流程

2.2.1 遙感圖像處理 2010年信息源為高分辨率數碼航空遙感數據，先進行遙感影像處理，然后進行人機交互式解譯。影像處理過程包括：像控點外業測量、內定向、相對定向、絕對定向、特征點(線)采集、DTM(digital terrain model，數字地面模型)生成、正射糾正、影像拼接、研究區域裁切，形成研究區域高分辨率正射影像，用于影像解譯[5]。

2015年高分辨率衛星影像解譯前也要進行相關處理，包括影像糾正、融合、增強、勻色、鑲嵌、裁切等。影像幾何糾正、正射糾正以1∶10 000地形圖和DEM為依據，融合、增強、勻色、鑲嵌、裁切等處理在專業遙感軟件下逐幅進行。地形圖、DEM和遙感影像均需糾正到相同的投影和坐標系統內[6]。

2.2.2 建立解譯標志 影像交互式解譯前，分別建立2010和2015年解譯標志，基于遙感影像，對土地利用類型、植被類型、植被覆蓋度等在遙感影像上體現的形狀、色調、陰影、紋理、圖案、位置和布局等特征進行調查，并詳細記錄解譯標志的坐標、地貌實況等信息[7]。解譯標志重點是水澆地、梯田、坡耕地、喬木林、灌木林、草地、居民地及工礦用地、水域及水利設施用地、交通用地、裸地等地類。

2.2.3 人機交互式解譯 人機交互解譯是基于處理后的遙感影像，根據影像的直接解譯標志及其他間接解譯標志、有關專題圖件和經驗，沿影像上土地利用類別的邊緣準確勾繪圖斑邊界，并賦對應的類別代碼[8]。

2.2.4 面向對象分類 針對人機交互解譯工作量大，周期長的不足，在2015年遙感影像解譯中應用了面向對象分類方法。采用了德國DefiniensImaging公司的eCognition遙感影像分析軟件，它突破了傳統影像分類方法的局限性，提出了分類新技術-面向對象分類。充分利用了對象信息(色調、形狀、紋理、層次)，類間信息(與鄰近對象、子對象、父對象的相關特征)[9]。解譯過程更智能，更精確，更高效把遙感影像數據轉化為空間地理信息。面向對象的影像解譯工作效率比較高，對植物措施的解譯精度高，但是工程措施的解譯精度相對較差，還需要人工修正計算機無法識別或識別錯誤的圖斑[10]。本次試驗在自動分類基礎上了進行了大量修改和完善工作，經對比基本達到了人機交互式解譯精度，工作效率有很大提高。

2.2.5 野外驗證 對室內解譯中存在的疑難點進行記錄，通過野外實地調查與驗證，判斷解譯圖斑的準確性與賦碼的正確性。野外驗證采用典型調查和路線調查等方法，驗證圖斑一般采用隨機抽樣的方法確定。在對2015年解譯結果驗證工作中，除常規調查驗證外，對典型小流域、典型地塊應用了無人機航飛，采用了PIX4D mapper軟件進行處理[11]，提高了驗證的精度和效率。經驗證，兩期解譯圖斑屬性的判對率均在96%以上。

2.2.6 圖斑修改與面積量算 通過驗證，對解譯圖斑中的錯誤進行修正，將勾繪出的所有圖斑以ArcGIS軟件的專用矢量數據.shp格式保存成文件，形成圖像解譯最終成果。在完成解譯結果查錯修改后，進行解譯成果的圖幅接邊，再進行不同土地利用類別和水土保持措施面積計算和統計工作[12]。

2.2.7 土地利用動態分析 利用ArcGIS 10.0中的空間分析功能來制作兩期(2010,2015年)土地利用轉移矩陣，分析兩期土地利用類型的相互轉換關系。具體步驟包括：融合兩期的數據，疊置分析，計算面積并導出屬性表，利用數據透視表制作出土地利用轉移矩陣，利用ArcToolbox工具中的轉換工具，生成2期土地利用變化分布圖等[13]。

3 土地利用動態分析

3.1 解譯結果

通過解譯，大柳塔鎮2010年耕地面積1 887.87 hm2，占總面積的5.12%；林地面積22 921.48 hm2，占總面積的62.14%；草地面積6 382.56 hm2，占總面積的17.30%；居民點及工礦交通用地4 059.17 hm2，占總面積的11%；水域及水利設施用地865.95 hm2，占總面積的2.35%；沙地、裸地等其他土地770.43 hm2，占總面積的2.09%。 2010—2015年大柳塔鎮土地利用變化見圖2。2010年大柳塔鎮土地利用現狀見附圖8。

2015年耕地面積2 496.90 hm2，占總面積的6.77%；園地面積為15.42 hm2，占總面積的0.04%；林地面積為21 430.31 hm2，占總面積的58.10%；草地6 415.64 hm2，占總面積的17.39%；居民點及工礦交通用地5 181.89 hm2，占總面積的14.05%；水域及水利設施用地1 083.61 hm2，占總面積的2.94%；沙地、裸地等其他土地263.71 hm2，占總面積的0.71%。2015年大柳塔鎮土地利用現狀見附圖8。

注：1為耕地； 2為園地； 3為林地； 4為草地； 5為居民點及工礦交通用地； 6為水域及水利設施用地； 7為其他土地

圖22010-2015年土地利用變化

3.2 土地利用動態分析

通過比較2015與2010年土地利用1級分類面積，耕地面積增加了609.03 hm2，增加32.26%；林地面積減少了1 491.17 hm2，減少6.5%；草地面積增加了33.07 hm2，增加0.52%；居民點及工礦交通用地增加了1 122.72 hm2，增加27.66%；水域及水利設施用地增加了217.65 hm2，增加25.13%；沙地、裸地等其他土地減少了506.72 hm2，減少65.77%。

為了詳細了解兩期土地利用變化及流向，通過2010和2015年土地利用專題圖空間運算獲得土地利用轉移矩陣，得出了2010—2015年2期主要土地利用類型變化信息(詳見表1)。兩期土地利用變化分布見圖3。

表1 2010-2015年主要土地利用類型變化信息 hm2

圖3 2010-2015年土地利用變化分布

3.3 土地利用變化原因分析

通過對土地利用類型轉移矩陣的分析，得出2010—2015年土地利用變化特點如下：

(1) 耕地變化。耕地面積增加609.03 hm2，年均增長6.45%。通過分析，一方面，大柳塔城鎮化建設加快，人口增長導致對耕地的需求增加，擴大耕地面積可以更好的滿足人們對于糧食的需求。2010—2015年期間，大柳塔人口從9.3萬人增長到10.4萬人，其中常住人口7.3萬人，流動人口3.1萬人。另外，近幾年隨著煤炭價格的下降，礦產資源開發放緩，一部分工礦企業轉型為農業綜合開發企業，出現了一批規模化的農業開發公司，大量開墾農地，增加水利設施，種植高附加值農作物。

(2) 林地變化。林地面積減少1 491.17 hm2，年均減少1.30%。減少的主要原因是工礦用地和城市建設用地大幅度增加造成的。大柳塔位于神府東勝礦區的核心區，煤礦、煤化工、光伏、鐵路、公路、輸油、輸氣管道等建設項目眾多，占用了大量的疏林地。據資料可知，目前大柳塔有煤礦19家，煤炭加工、非煤礦山企業400多家，個體工商企業5 000多家，已建成何家塔、烏蘭色大、賈家畔等工業集中區。經統計，2010—2015年，有1 234.61 hm2的林地因修建居民用地、工礦用地、公路、鐵路等而被占用，但同時，還有110.53 hm2的沙地和138.52 hm2的裸地進行了植樹造林。小城鎮建設、農業綜合開發項目也占用了一部分疏林地。另外，所采用的遙感資料對林地的變化也可能造成影響。2010年采用的遙感影像分辨率為1 m，幼林地、小塊林地基本上能解譯出來。2015年采用2 m分辨率影像，部分影像的質量還不是很好，因此新造的幼林地、小塊林地解譯困難，沒有統計在造林面積中，也是林地面積減少的一個原因。

(3) 草地變化。草地較2010年增加了33.07 hm2。主要是當地政府鼓勵群眾大力發展畜牧業，種植牧草，另外，一部分生產建設項目的工業場地、棄渣場等進行了植草恢復治理，增加了草地面積。

(4) 居民點及工礦交通用地變化。居民點及工礦交通用地增加1 122.72 hm2，年均增長5.53%。在推進工業化和城鎮化的進程中，大柳塔加快了城鎮化建設力度，使其成為神木市重要的產業集中區和人口聚集區。2010—2015年，增加了大量的居民點及基礎設施，城鎮面積已經達到10.5 km2。2016年9月，經國務院批準撤鎮設市，成為小城鎮試點市。同時，以煤炭、電力、化工、建材為骨干的多元化工業體系比重日益上升，增加了大量的建設用地。

(5) 水域及水利設施用地變化。水域及水利設施用地面積增加了217.65 hm2，年均增長5.03%。變化的主要原因是近幾年國家和地方政府高度重視水利工程，增加了水利投資，加上水土流失補償費返還治理工程，修建河道整治工程、小型水利設施以及淤地壩建設等增加了占地面積。

(6) 其他土地變化。沙地、裸地等其他用地減少506.72 hm2，年均減少13.15%。變化的主要原因是近幾年國家和地方政府重視了水土保持工作，加大了水土流失治理力度，區域內大部分沙地和裸地得到了治理。

4 結 論

研究分析表明，從2010—2015年，神木縣大柳塔鎮土地利用方式發生了比較大的變化，5 a來，隨著城鎮化建設加快，人口增加造成對糧食需求增加，以及部分工礦企業轉型為農業綜合開發企業，增加了耕地面積。同時，城鎮化建設，以及以煤炭、電力、煤化工、鐵路、公路、輸油、輸氣管道等為主的建設項目，增加了大量的居民地及工礦、交通用地；國家和地方政府增加了水利投資，修建了大批水利和水土保持工程，增加了水域及水利設施用地；畜牧業發展及部分生產建設項目恢復林草植被，增加了草地面積；國家、地方政府、建設企業加大了水土流失治理力度，沙地和裸地得到了治理，沙地、裸地等其他土地面積大幅度減少。但是，工礦用地、城市建設用地、農業綜合開發項目等也占用了一部分疏林地，造成林地面積減少(受資料限制，部分幼林地未統計在2015年資料中，也可能造成林地面積減少)。總體來看，土地利用結構趨于合理，也真實地反映了一個能源開發型小城鎮建設發展的實際情況。

為了更好的合理利用土地，使得土地資源利用可持續發展，提出以下幾點建議。 ①大區域監測采用中低分辨率遙感影像，有一些小地塊的變化被掩蓋(如小片坡耕地、小片林地、幼林地等)。小區域采用高分辨率遙感影像，解譯工作量大且受人為因素影響較多。遙感影像分辨率和解譯方法極大的影響著解譯精度[14]。提高土地利用動態監測的精度才能更準確的分析土地利用年際變化情況。②對全鎮土地利用進行一次科學規劃，確定各類土地利用的比例。優化城鄉用地布局，使有限的土地資源能得到高效利用。③切實保護好現有的基本農田，今后在生產建設項目用地方面，盡量少占或著不占基本農田。同時，增加水利設施，運用農業新技術、新工藝來提高糧食產量。 ④嚴格控制工礦等建設企業和城鎮建設用地規模，要求建設單位優化空間布局，盡量少占地。同時，嚴格土地使用的審批程序。⑤采用遙感和GIS技術，對土地利用情況進行動態監測，及時發現不合規的土地使用并予以糾正。通過合理開發利用土地，實現土地資源社會效益、經濟效益、生態效益的相統一。

致謝：在研究過程中，河北工程大學測繪學院張安兵、王賀封老師，黃河流域水土保持生態環境監測中心趙幫元教高、馬寧教高、殷寶庫高工給予大力支持和技術指導，在此一并表示感謝！

[1] 何葦航,耿丹丹,王瑤,等.武夷山市土地利用變化遙感監測分析[J].測繪科學,2017(11):1-12.

[2] 張玉杰,劉新俠,張安兵,等.基于TM影像的漳河流域土地利用時空演變分析[J].河北工程大學學報:自然科學版,2016,33(1):76-80.

[3] 李鵬杰,何政偉,李璇瓊.基于RS和GIS的土地利用/覆被動態變化監測:以九龍縣為例[J].水土保持研究,2012,19(2):38-42.

[4] 郭曉清,鄭粉莉,萬培余.基于多期遙感影像的森林資源動態監測研究:以延安市橋北林業局直羅林場為例[J].水土保持研究,2011,18(6):46-50.

[5] 楊武年,劉恩勤,陳寧,等.成都市土地利用遙感動態監測及驅動力分析[J].西南交通大學學報,2010,45(2):185-190.

[6] 岳書平,閆業超.定量遙感支持下的磐石市土壤侵蝕動態監測[J].水土保持通報,2009,29(6):126-130.

[7] 蔚霖,常慶瑞,孟慶香.風蝕水蝕過渡區近20 a土地利用/覆被動態分析:以橫山縣為例[J].西北農林科技大學學報:自然科學版,2009,37(11):212-218.

[8] 卓靜,劉安麟,鄧鳳東.延安市土壤侵蝕和土地利用時空變化分析[J].水土保持通報,2008,28(3):148-151.

[9] 閆正龍,黃強,暢建霞,等.基于3S技術的塔里木河干流土地利用動態監測[J].水土保持學報,2008,24(1):190-193.

[10] 余德貴,吳群.基于Logistic-Markov方法的土地利用結構變化多因素驅動預測模型研究與應用[J].水土保持通報,2017,37(1):149-154.

[11] 康璇,王雪梅,柴仲平.近25 a來渭—庫綠洲土地利用/覆被變化及其影響因素[J].水土保持通報,2016,36(5):333-339.

[12] 肖濤,韓廣,韓華瑞.干旱區縣域土地覆被變化特征及其生態環境效應:以內蒙古自治區翁牛特旗為例[J].水土保持通報,2016,36(6):240-246.

[13] 楊云川,廖麗萍,燕柳斌,等.北海市銀灘土地利用演變特征及其影響因素[J].水土保持通報,2016,36(6):223-230.

[14] 王紅巖,李強子,吳利橋,等.基于RS和GIS的水土流失敏感性評價及動態監測[J].水土保持研究,2015,22(2):64-68.