基于GEE 平臺的1991—2020 年環洱海地帶土地利用時空變化分析

李小祥，黃亮,2，李凱

( 1. 昆明理工大學 國土資源工程學院, 昆明 650093；2. 云南省高校高原山區空間信息測繪技術應用工程研究中心, 昆明 650093 )

0 引 言

洱海作為云南第二大淡水湖，是大理人民的生命源泉，也是云南省乃至全國的重要戰略資源儲備基地. 作為我國重點保護湖泊“新三湖”之一，其保護治理一直受到國家及地方政府的高度重視，習近平總書記在2015 年考察云南時，對洱海的保護治理提出明確要求和殷切期望. 多年來洱海一直是“全國城市近郊保護得最好的湖泊”之一，而近三十年來，伴隨著我國城鎮化進程快速推進，環洱海地帶社會經濟發展迅速，不合理的環境保護與經濟發展關系逐漸突出，人類活動、自然因素等共同作用使洱海地區土地利用現狀出現了不同程度的變化，林地和濕地面積減少、建筑物擴張等. 研究洱海地區土地利用/覆蓋變化(LUCC)有助于科學制定土地政策，合理調整土地利用結構.

隨著遙感技術更新迭代，遙感影像的空間分辨率向亞米級邁進，時間尺度也逐漸提升，中國已進入海量遙感數據時代[1]. 但由于存在影像收集、存儲、處理繁瑣，數據運算耗時長等問題，傳統的遙感方法研究對大范圍長時間序列的遙感影像使用較少. 遙感云計算平臺的出現有效地避免了這樣的缺陷，與傳統的遙感數據處理、空間分析方法相比，谷歌地球引擎(GEE)平臺云端處理海量數據，勉去了繁雜的數據下載和預處理工作，且能高效地結合輔助數據進行分析研究，近年國內外學者基于GEE 開展土地利用覆被的研究逐漸增多. 如胡云峰等[2]基于GEE 平臺上Landsat影像分析了北京市LUCC 變化規律，得出了北京市耕地、人造地表面積變化的驅動機制；婁佩卿等[3]基于GEE 獲取研究區1998—2018 年土地利用數據，定量分析京津冀的土地利用演變規律，并利用當量估算方法定量地估算京津冀地區的生態服務價值(ESV)；PHAN T N 等[4]基于Landsat8地表反射率數據(L8sr)，利用GEE 平臺進行影像合成后的8 個數據集獲取蒙古某區域的土地覆蓋圖，對多云、多雪覆蓋區域的土地利用分類問題進行了分析討論. 而針對洱海地區生態保護與經濟發展之間的問題，一些學者已對洱海周邊LUCC 變化及生態風險評估進行了相關研究. 如許泉立等[5]利用蟻群智能算法模擬洱海流域土地利用變化，推斷出2010—2020 年流域主要的人地矛盾會集中表現為城鎮用地不斷擴張，以及耕地面積持續性減少；王天山等[6]基于1990—2014 年4 期遙感數據采用遙感(RS)、地理信息系統(GIS)、地理學和景觀生態學的分析方法，分析洱海周邊土地利用及景觀格局變化，總結出區域內經濟迅速發展、城鎮用地擴張、景觀內部生物多樣性降低等是導致洱海地區人地矛盾突出的主要原因；王濤等[7]基于1995—2015 年3 期Landsat 影像解譯數據，對洱海流域生態風險時空變化及其演化機制進行了分析，并得出土地利用類型演變、人類活動、城鎮化推進是流域高生態風險等級區域增多和轉移的重要原因；張磊等[8]構建緩沖區與土地利用動態演變模型，分析探究大理洱海東環路沿線區域1997—2015年的土地利用變化特征.

綜上所述，眾多研究者運用不同的研究方法對洱海地區不同范圍、不同時間序列的LUCC 過程及其驅動力進行分析. 但多以洱海流域為研究區域，研究時限跨度較短，且分析洱海地區LUCC 與人類活動耦合關系的研究較少，以及對洱海地區Landsat 影像存在的云遮擋問題無法有效地處理. 鑒于此，本文以環洱海地帶為研究區域，基于GEE 平臺解譯1991—2020 年長時間序列Landsat 影像，并結合土地利用圖譜、人類活動強度指數分析洱海周邊人類活動強度及LUCC 變化，旨在緩解洱海周邊人地矛盾、生態與資源保護上提供科學合理的參考.

1 數據與方法

1.1 研究區概況

洱海(100°05′E～100°17′E , 25°36′N～25°58′N)位于云南省西北部，北起洱源，南至大理下關，多年湖泊平均水面面積約246 km2，是大理人民生活用水和工農業生產用水的源泉，同時具有調節區域氣候、發展漁業、推動旅游等多種功能. 洱海地處山谷盆地，四面環山，地勢北側高于南側，山地平均海拔西側高于東側. 據2017 年資源統計，洱海流域生產總值達450.55 億元，近十年間GDP 平均增速超過10%，尤其是環洱海地帶，一度成為云南省經濟發展較快的區域. 圖1 為實驗選取沿洱海湖面10 km 的范圍作為研究區域.

圖1 研究區及局部區域位置

1.2 數據來源及處理

研究基于GEE 平臺提供的7 個時段Landsat TM(1991、1995、2000、2005、和2010 年)及Landsat OLI(2015、2020 年)的地表反射率(SR)數據為基礎數據，其中7 期影像拍攝時間均在同年2～4 月. SR 數據已經過了幾何校正、大氣校正等預處理，同時數據中包含質量評估波段質量保證(QA)，該波段依據CFMask 算法[9]標注了每個像素質量. 利用ArcGIS對洱海湖面進行緩沖區分析得到研究區域矢量數據，再將矢量數據上傳至云平臺對7 期遙感影像進行裁剪處理.

由于研究區域西側Landsat 影像常年存在云量覆蓋，因此，影像篩選春季云量較小的影像為主影像，利用(同年、間隔1 年)春季時段的多景影像，結合QA 波段剔除主影像中質量差的像元，實現影像去云.TM、OLI 影像分別選用B7-B4-B1 及B6-B5-B2 波段組合進行地物解譯，但由于地表反射率(SR)數據彩色不飽和、地物圖像層次差的情況，還需要對組合波段數值量化值(DN)進行調整. 利用GEE 提供的polynomial 函數對Landsat 藍色波段進行非線性調整，從而增強影像對比度. 圖2 以2015 年數據中的局部區域，對比度增強為例.

圖2 影像對比度增強

1.3 研究方法

1.3.1 分類體系

參照《土地利用現狀分類》(GB/T21010—2017)及大理市2012 年、2019 年土地利用變更數據，同時考慮環洱海地區土地利用程度及特點，將研究區土地利用類型劃分為六個一級類型：林地、草地、耕地、水域，建設用地和濕地等六類.

1.3.2 隨機森林分類算法

隨機森林(RF)是Leo Breiman 于2001 年提出的一種機器學習算法，它由若干Bagging 集成學習技術訓練得到的決策樹構成[10]. RF 分類算法有很高的分類精度，對異常值和噪聲有較好的穩健性，同時具有實現簡單、運行快速、泛化能力強等優點[11]，相關文獻[12-14]已證實該方法被國內外學者廣泛應用于土地利用分類. 其分類原理為：1) 有放回地從原始訓練樣本中隨機抽取樣本，合成T個樣本集去構建決策樹；2) 在構建決策樹時隨機選取F個特征參數，輸入決策樹節點作為約束條件；3) 結合每顆決策樹的預測結果，利用投票方式決定最終分類結果.

1.3.3 訓練樣本及特征選取

選用中國多期土地利用土地覆被遙感監測數據集(CNLUCC)[15]，以及全球30 M 地表覆被數據集(GLC30-2010，GLC30-2000)，用于結合影像完成前3 期影像樣本點的選取，后幾期樣本選取主要參照Google Earth Pro 軟件中高分辨率影像.

考慮到研究區域一部分背陽坡植被與水體、裸露地表與建筑區呈現近似的光譜信息，為獲得較優的分類結果，本文在選取Landsat 影像的藍色、綠色、紅色、近紅外、短波紅外(SWIR 1 和SWIR 2) 波段等6 個光譜特征外，引入歸一化建筑指數(NDBI)、歸一化差異水體指數(NDWI)、增強型植被指數(EVI)、以及30 M 分辨率數字高程數據(GDEMV2 30M)等特征作為隨機森林算法的訓練變量. 其中CNLUCC 源于中科院資源環境科學數據中心(http://www.resdc.cn)，GDEMV2 30 M 源自地理空間數據云(www.gscloud.cn). 三種指數的計算公式如下：

1.3.4 土地利用變化圖譜

地學信息圖譜是一種旨在實現區域可持續發展的時空復合分析方法，將多維時空的土地利用/覆被變化信息以圖譜單元進行可視化，能定量表現多時空條件下“空間格局”及“時序特征”[16]. 土地利用變化圖譜代數運算公式為

式中：N為研究階段內土地利用變化模式的圖譜單元編碼，比如編碼0-1-2 表示土地變化過程為林地→草地→耕地；A、B、C分別為1991、2005、2020 年土地利用類型的編碼.

在分析研究區1991—2005、2005—2020 兩個階段土地利用變化圖譜情況下，結合環洱海地區的實際地類變化情況，將研究區土地利用變化模式劃分為5種圖譜變化模式：1) 穩定不變型，1991—2005 年和2005—2020 年兩個階段土地利用變化類型均未發生變化，如3-3-3 表示水體→水體→水體；2) 后期變化型,僅后一個階段(2005—2020)土地利用變化類型發生變化，如0-0-1 表示林地→林地→草地；3) 前期變化型，僅前一個階段土地利用變化類型發生變化，如0-4-4 表示林地→建設用地→建設用地；4) 反復變化型，研究起始與結束年份土地利用類型一致，如1-0-1 表示林地→草地→林地. 5) 連續變化型，兩個階段土地利用類型都發生不同的變化，如2-1-0 表示耕地→草地→林地.

1.3.5 人類活動強度指數評估模型

從人與自然的角度看，人類活動強度是指一定面積的區域受人類活動影響而產生的擾動程度[17]. 不同區域人類活動程度差異大，而人類活動的強弱對土地利用類型演變的速度影響不同. 本文采用人類活動強度指數(HAI)來直觀地分析研究區人類活動強度的時空分布，HAI 具體公式為

式中：HAI為人類活動強度指數；N為土地利用類型種類；Ai為第i種土地利用類型的面積；Pi為第i類土地所反映的人類活動強度系數；TA為土地利用總面積. 參考文獻[18-19]中各地類人類活動強度系數，確定研究區各土地利用類型對應的人類活動系數，如表1 所示，將其代入人類活動強度指數評估模型進行計算.

表1 不同土地利用類型人類活動強度系數

2 結果與分析

2.1 分類結果精度評定

精度評定采集驗證樣本集耕地樣本30 個、建設用地樣本25 個、林地樣本30 個、草地樣本25 個、水域樣本20 個、濕地樣本15 個. 表2 依據驗證樣本對7 期遙感影像分類結果進行混淆矩陣計算，得到精度評價指標OA、Kappa. 其中OA、Kappa 系數計算公式如下：

由表2 可知，基于GEE 平臺隨機森林分類方法解譯結果總體精度達91.5%以上，Kappa 系數均高于0.88，為后續研究提供了精度保障.

表2 1991—2020 年環洱海地帶土地利用分類精度評價

2.2 土地利用時空變化分析

2.2.1 研究區土地利用數量變化分析

1991—2020 年環洱海10 km 范圍內各土地利用類型時空分布如圖3 所示，結合表3 可以看出，環洱海地區在1991—2020 年土地利用類型存在較大的差異. 縱觀30 年間環洱海地區土地覆被類型以林地、耕地、水域為主，占研究區域總面積的80%以上，空間分布層次鮮明，從中心至邊緣分別為水域、耕地、林地. 從總體來看，在1991 年，環洱海地區林地、草地、耕地、水域、建設用地、濕地分別占研究區總面積的34.42%、13.15%、32.78%、16.02%、3.26%和0.37%.截至2020 年，林地、草地、耕地面積減少至33.47%、11.86%、31.61%；水域面積變化幅度較小，減少的面積比例為0.3%；建設用地面積增幅較大，相比1991 年增長了3.47%；濕地占地面積總體基數較小，占總面積比例為0.62%.

表3 1991—2020 年環洱海地區土地利用變化量

圖3 1991—2020 年環洱海地帶的土地利用分類結果

此外，對1991 年、以及1995—2020 年間每隔5 年的洱海湖面面積進行統計，分別為245.866 km2、239.688 km2、240.930 km2、241.482 km2、242.626 km2、243.431 km2、242.093 km2(研究區解譯數據的航拍時間均處于枯水期)，其中主要轉出至濕地1.331 km2和耕地1.485 km2，反映出人類在湖濱區域圍湖造田的活動，但從數據上看2005 年起湖面面積得到控制，表明了1999 年起大理州政府實施的“三退三還”等長期水環境保護戰略的重大意義.

從三個階段來看，草地在三個時段均呈現減少的態勢，而建設用地則成相反態勢，三個時段都呈現增加的趨勢. 在1991—2000 年期間，草地、耕地、水域面積分別減少了20.38 km2、18.62 km2、5.71 km2，林地、建設用地和濕地面積分別增加了13.33 km2、28.46 km2、2.92 km2；在2000—2010 年期間，林地和草地分別減少9.93 km2、7.22 km2，耕地、水域、建設用地和濕地分別為增長9.86 km2、1.66 km2、2.42 km2、3.2 km2；在1991—2000 年期間，林地、草地和濕地面積分別減少了17.89 km2、45.99 km2、2.31 km2，水域減少量相對水域總面積較小，將其忽略不計，而耕地、建設用地面積增加了43.73 km2、23.14 km2. 將三個時段進對比分析，可以看出在2010—2020 年期間草地和耕地的變化量相比1991—2000 年、2000—2010年期間變化較大，但從其總體占比而言，草地和耕地后兩個時段保持穩定，比例分別穩定在11.8%、31.6%，林地在相對總量上，三個時段變化趨于穩定.三個時期呈現主要原因在于2000 年城鎮化進程加快，大理市得到了較大的發展，特別是大理下關、鳳儀一帶，獨特的地理位置優勢，建設用地的大幅擴張，進而使林地、草地面積減少. 另一方面，1991—2020 年間水域面積在前期減少，后期趨于穩定，而濕地變化復雜，但占比從1991 年的0.37%逐漸上升，至2010 年達0.77%，前期縮減是由于早期人類活動圍湖造田、圈湖發展漁業有關，后期的穩定得益于國家及政府的宏觀調控，及“三退三還”、“兩取消”、“兩禁”等政策水環境保護的貫徹實施.

2.2.2 環洱海地區土地利用空間變化分析

依據1991—2020 年環洱海地區各個時序土地利用數據及轉移矩陣，建立土地利用變化圖譜，分析洱海周邊土地利用變化主要類型圖譜特征. 如表4 所示，表中主要轉移類型為該圖譜變化模式下轉移量較大的類型，其中連續變化型模式轉移方式多，但轉移量較分散. 從圖譜變化模式來看，在1991—2020 年期間土地利用變化模式以穩定不變型為主，轉移面積1 013.97 km2；后期變化型次之，轉移面積為192.47 km2；然后為前期變化型，轉移面積177.63 km2；反復變化型和連續變化型轉移面積分別為92.44 km2、72.26 km2.總體數據來看，1991—2020 年間近65%土地保持穩定，近35%的土地類型在不同程度上發生了轉變，但其中反復變化型、連續變化型轉移率較小，表明環洱海地區在1991—2005 年、2005—2020 年兩個階段中土地類型變化趨于穩定.

表4 1991-2020 年環洱海地區土地利用變化模式圖譜特征

從主要轉移類型來看，穩定不變型的轉移類型主要為“水體→水體→水體”，轉移面積為240.9 km2；后期變化型的主要轉移類型為“林地→林地→草地”和“耕地→耕地→耕地”，其轉移面積分別為39.25 km2、35.54 km2；前期變化型的主要轉移類型為“草地→林地→林地”和“草地→耕地→耕地”，其轉移面積分別為33.96 km2、30.8 km2；反復變化型的主要轉移類型為“耕地→草地→耕地”，轉移面積分別為27.45 km2.連續變化型的主要轉移類型為“耕地→草地→林地”，其轉移面積為8.48 km2.

綜合1991 年各土地類型面積，如表3 所示，穩定不變型中水體占比達97%，表明30 年來環洱海地區水域未發生太大變化，保持相對穩定；后期變化型中“草地→草地→耕地”、“耕地→耕地→建設用地”，以及前期變化型中草地向耕地、林地的轉換，兩種模式造成草地轉向耕地、耕地轉向建設用地的原因，主要是2000 年以來云南城鎮化進程大大提高，人類活動對土地利用類型影響占比越來越大，大理市下關鎮、鳳儀鎮等經濟發展較快的地區建設用地擴張速度加快，使得耕地轉向建設用地，而耕地的減少，又引發了毀林開荒等開辟農田的人類活動，最終出現林地、草地減少的去向與建設用地的新增來源呈現吻合狀態. 連續變化型模式中總體轉移面積小，但轉移復雜且種類多，一定程度反映了洱海地區城鄉建設過程中人類活動對土地的不合理利用及資源的破壞.

2.3 人類活動強度分析

為進一步分析城鎮化推進對洱海地區土地利用覆被變化的影響，本文采用500 m×500 m 格網，將研究區劃分成一系列子單元，分別計算各單元的HAT，利用ArcGIS10.3 對每個網格進行賦值并繪制人類活動強度空間分布圖，如圖4 所示，參考已有相關研究和研究區特征，將環洱海地區HAI 劃分為5 類：高影響(HAI>0.8)、較高影響(0.6

由圖4 可知，環洱海地區人類活動強度空間分布特征為：以低影響區為主；高影響區、中高影響區、低影響區分布較為集中，高影響區集中在環湖南側，中高影響區主要分布于環湖西側，低影響區主要分布在研究區外圍，中低影響區和中影響區分布較零散. 從人類活動強度隨時間變化趨勢上來看，由于2000 年后城鎮化速度加快，高影響區、中高影響區顯著增加，環湖地區人類活動強度上升，沿湖地區興起了許多城鎮和村落. 總體來看，環洱海地區人類活動強度呈逐年增長趨勢，特別在環湖南側、環湖西側最為明顯，主要原因是環湖西側有著平坦的地勢、肥沃的土地，是早期的城鎮、村落、農業用地、工業用地主要聚集地，隨著三十年來城鎮化進程推進，社會經濟發展及人類更高層次生活的追求，該區域人口密度逐年上升，建設用地大幅擴張使得耕地面積減少，草地和濕地人為轉移至耕地. 而環湖西北側(上關鎮)和東南側(鳳儀鎮)，早期相對環湖西側地理條件不佳，但隨著國家在城鎮建設中對環湖東側交通設施的大力投入，如大麗高速、大理機場等，東側的地理位置優勢逐漸凸顯，為響應城鎮化進程良性發展，同時要滿足區域糧食安全保障，導致部分林草地、濕地向耕地轉移，彌補了耕地轉移為建設用地的空缺.

圖4 環洱海地區人類活動強度空間分布圖

3 結 論

本文研究基于GEE 平臺和Landsat 影像數據，融合光譜、歸一化差異指數和EVI 特征，以及高程信息等，利用隨機森林分類方法實現了對洱海周邊1991、1995、2000、2005、2010、2015、2020 年土地利用圖的高效解譯，采用土地利用變化圖譜、人類活動強度指數分析環洱海地區各土地利用類型的時空變化及人類活動影響強度，主要結論如下：

1) 采用GEE 云平臺及隨機森林分類方法，對于長時間序列的土地利用分類具有顯著的優勢，總體分類精度均達到91.5%以上. 將本文1991 年、2015 年解譯結果與CNLUCC (1990 年、2015 年)對比分析，林地、水域、建設用地面積基本呈現一致狀態，耕地和草地存在的顯著分類差異. 分析其原因：對遙感影像解譯存在主觀性的差異；研究區域內的地類劃分種類不同，CNLUCC 未劃分濕地，其有可能將濕地劃分為耕地；CNLUCC 作為全國大區域土地利用覆蓋分類，雖各省單獨進行處理，但無法顧及局部區域氣候、土地類型的獨特性.

2) 綜合7 期土地利用數據分析，環洱海地帶土地覆被類型以林地、耕地和水域為主；1991—2020年間，地類之間轉化頻繁且復雜，轉化頻率較高的為耕地、林地、草地，其中耕地作為過渡類型，在林地、草地向耕地轉入的同時，耕地轉出至建設用地，使得林地、草地減少的去向與建設用地的新增來源呈現吻合狀態；從轉出與轉入總量上分析，建設用地大幅擴張，林地和草地呈減少趨勢，濕地呈現出先減少后增加的變化趨勢，其中2010—2020 年研究結果與許泉立等[5]利用蟻群算法對洱海流域土地利用變化模擬的變化趨勢相近，但環洱海地帶建設用地的擴張速度得到了有效控制；洱海湖面面積變化幅度小，變化呈現先減小后趨于穩定的趨勢，減少的部分主要轉向濕地和耕地.

3) 環洱海地區人類活動強度以低影響區為主，低影響區集中分布于研究區外圍，中高影響區在環湖西側成片分布，高影響區主要分布于環湖南側. 2000 年之前人類活動強度較低，2000 年后中高和高影響區顯著增長，中影響區逐漸向中高影響區轉變. 總體來看，環洱海地區人類活動強度呈穩定增長的變化趨勢，尤其在環湖南側這種變化最為明顯，這與洱海地區城鎮化率有密切關系.

本文借助GEE 平臺解決了傳統遙感解譯費時費力的問題，通過選取有效的特征進行隨機森林模型訓練，避免了信息冗余造成過擬合，得到了較高精度的土地利用覆被數據，最后定量地揭示了城鎮化進程下環洱海地區土地利用時空變化規律，對環洱海地帶經濟發展、國土空間規劃和環境治理具有一定的參考價值. 但由于早期高分辨率影像難以獲取，在解譯過程中選取訓練樣本時，個人主觀性影響較大，使得最終的土地利用覆被數據存在一定的偏差，在今后的研究中將考慮引入時序神經網絡解決在現有的不精準先驗知識下，模型有效地學習到整個研究時序的土地利用特征.