基于Landsat影像的城市土地利用動態監測

摘要：土地是自然界不可或缺的資源，土地利用反映了人地關系。隨著人口數量的持續增加和社會工業化、城市化的持續推進，如何科學地開發利用寶貴的土地資源越來越受到人們的重視。本文通過2013年和2023年的Landsat影像數據，結合遙感與GIS，對10年間合肥市土地資源進行監測與分析，結果表明，經過10年的城市發展，合肥市耕地面積減少了65 707.92hm2，建設用地增長了39 181.05hm2，林地減少了1 728.27hm2，水域增加了28 255.14hm2。

關鍵詞：遙感；地理信息系統；土地利用；動態監測

中圖分類號：P642 文獻標識碼：A doi：10.12128/j.issn.1672-6979.2024.08.007

引文格式：趙德良，盧曉龍，李鵬，等.基于Landsat影像的城市土地利用動態監測［J］.山東國土資源，2024，40（8）：42-47.ZHAO Deliang， LU Xiaolong， LI Peng，" et al. Dynamic Monitoring of Urban Land Use Based on Landsat Images［J］.Shandong Land and Resources，2024，40（8）：42-47.

0 引言

土地是人類生產和生活的載體，也是人類生存和延續的主要物質基礎和物質來源，土地利用、土地覆蓋是整個地球環境變化探索領域的重要組成部分之一［1］。以現代遙測和地理信息系統技術為工具，分析研究土地利用、土地覆蓋的時空變化特征和驅動因素，對優化及調整土地資源，改善生態環境，推動地區持續發展發揮著十分重要的指導作用。土地利用變化研究的數據來源包括遙感數據和統計數據，土地利用結構變化驅動力研究常采用多元變量統計的方法，使用較多的有主成分分析、逐步回歸分析、灰色關聯分析和典型相關分析［2-7］。

1 研究區域概況

合肥市地處華東地區、長江流域下游及長江三角洲西端，江淮之間，安徽省中部。與7個地級市接壤，分別是東南部馬鞍山市、蕪湖市，西南部安慶市、銅陵市，西部六安市，北部淮南市，東北部滁州市。截至2023年，全市下轄4個區、4個縣，代管1個縣級市，總面積11445km2，常住人口985.3萬人，城鎮化率85.55%，中國內地城市綜合排名17名［8］。

2 數據與方法

2.1 數據

我國的衛星遙感事業在2012年后突飛猛進，陸續發射了多種衛星，包含了光學衛星、雷達衛星、高光譜衛星，衛星遙感技術已經處于世界先進行列［9］。近年來，衛星遙感技術得到快速發展，遙感影像包含了越來越豐富的地表信息，為遙感解譯各地物屬性提供了更多可利用的決策信息［10-12］。本文選用合肥地區2008年Landsat-5 TM數據，2018年Landsat-8 OLI數據（表1、表2）。

結合表1、表2及合肥地區的土地利用類型，最終確認2013年的陸地衛星TM遙感影像數據采用的波段組合是標準假彩色合成的方法，即432（RGB）波段，2023年的陸地衛星OLI影像選取的波段組合以標準假彩色543（RGB）波段。由于兩期圖像的數據都是陸地衛星系列數據，從地理空間數據云上下載所得，大大減少了數據預處理的工作量，無需對影像數據進行Radiation correction和geometric correction處理，對原始影像數據進行輻射定標和大氣校正即可。本文采用envi5.3軟件作為處理的主要工具，在envi5.3中使用輻射定標工具Radiometric Calibration進行輻射定標的處理工作，Flaash大氣校正模塊對影像數據進行大氣校正處理，用合肥市矢量行政邊界圖層對影像數據進行裁剪處理，最終得到2013年、2023年地區研究影像（圖1、圖2）。

2.2 遙感影像的分類方法

平行算法和最小距離方法沒有顧慮到不同頻帶上每個類的內部方差，以及不同類別的直方圖重疊的頻率分布。假設類別a和b的平均亮度不同，但是在整個亮度分布之間存在重疊，并且兩種類型重疊的頻率不同。假設亮度值c落在其重疊區域中，根據平行算法和最小距離方法，除非定義任意閾值，否則難以將c歸于a或b。

最大似然規則使用有效的決策規則來確定誰更類似于類別a或類別b。該算法基于訓練樣本的均值和方差來評估其他像素和訓練類別之間的相似性，可以同時定量地考慮兩個或多個波段和類別，并且是一種廣泛使用的分類器［10-11］。最大似然法分類方法是遙感監督分類器中最被廣泛使用的方法之一。與其他方法相比，具有明確的參數解釋能力，易于與先進的經驗知識集成，易于實現。假設每個類別訓練數據的統計信息是高斯正態分布，計算給定像素屬于特定分類樣本的似然性，并將像素劃分為具有最大似然的像素［10］。

在本文當中使用envi5.3 classic版對合肥地區的待研究影像數據進行監督分類，對分類后的數據做聚類統計處理。在envi中完成分類后，利用ArcGIS10.2軟件對圖層更進一步優化處理，得到2013年、2023年合肥地區的土地利用現狀圖（圖3、圖4）。

3 結果與誤差分析

3.1 誤差

分類結果評價是進行土地覆蓋、遙感動態監測的重要一環，同時也是分類結果是否可信的一種度量，所以通常采用誤差矩陣法或混淆矩陣法作為評定分類結果的主要依據。從混淆矩陣中得到各種精度的統計值，如總體精度、使用者精度、Kappa coefficient等。

（1）總體分類精度?？傮w分類準確度等于被正確分類的像元數量總和除以總的像元數。并且被正確分類的像元數量沿混淆矩陣的對角線排列，總體像元數目等于所有真實參考源的像元總數［10］。

（2）Kappa coefficient。它是把所有實際參考的像元總數（N）乘以混淆矩陣對角線（Xkk），減去某一個類中實際參考像元數與該類中像元總數的乘積。除以像元總數的平方，并減去某一類中真實參考像元總數與該類中被分類像元總數之積，然后對所有類別的結果求和。通常kappa系數在0～1之間，可分為5組，表示不同水平的一致性：0.0～0.20表示非常低的一致性，0.21～0.40表示一般一致性，0.41～0.60表示中等一致性。性別，0.61～0.80表示高度一致性，0.81～1表示幾乎相同一致［10］。

（3）用戶精度。指其中的一個像元被分配至其中指定對應的地物類別的概率［4］。通過envi5.3中工具箱Post Classification內的工具條可得到兩期影像的混淆矩陣，進行匯總后如表3、表4。

可以看出，本次監督分類的精度較為理想，2013年與2023年影像分類的總體使用精度與系數均在90%以上，在用戶精度上只有2013年的耕地精度為73.68%，其他地物的用戶精度都比較良好，總的來說各類地物的辨別度都比較高，能滿足使用的要求。

3.2 土地利用類型時空變化特征

3.2.1 土地利用類型時間變化序列

（1）土地利用類型轉移矩陣

通常在土地利用類型覆蓋變化研究當中，對土地利用轉移矩陣的研究是一種非常直觀且對比性強，識別度高的重要方法［11］。因為轉移矩陣可以更加直接，更加具體地闡明土地類型變化的動向以及對應的土地變化數量。在envi5.3中使用Change Detection Statistics工具選項，分析兩個時期的影像數據可得到土地利用轉移矩陣，清晰地表示出兩個階段的土地利用類型變更情況（表5）。

（2）土地轉移數量分析

建設用地轉移數量分析。2013—2023年，有102.69hm2的建設用地轉變為林地，4357.53hm2的建設用地轉為水域，32428.71hm2的建設用地轉為耕地。建設用地主要來源于耕地的74026.62hm2，來自林地、水域分別是753.12hm2、1290.24hm2。

林地轉移數量分析。林地要分布在合肥市東南部，2013—2023年，有11908.08hm2轉為耕地，753.12hm2轉為建設用地，629.55hm2轉為水域，林地主要來源于耕地的11416.95hm2，水域和建設用地分別是42.84hm2、102.69hm2。這10年間耕地和林地轉換比較頻繁。

耕地轉移數量分析。合肥市是屬于平原地區，土地肥沃，耕地占比達七成。2013—2023年，共有74026.62hm2的耕地轉為建設用地，11416.95hm2轉為林地，26702.37hm2轉為水域。耕地主要來源于建設用地和林地，分別是32428.71hm2、11908.08hm2，水域有2101.23hm2轉為耕地。這10年間耕地的總面積有所下降，這一方面也是城市經濟發展的需要，另一方面，耕地的面積來源又有所補充，說明隨著合肥市的經濟發展人民的生活水平不斷提升，越來越多的人已經意識到對耕地，土地的保護和合理的使用。

水域轉移分析。水域主要分布在北部和東部及巢湖，2013—2023年，水域面積有所上升，共有1290.24hm2轉為建設用地，轉為林地、耕地，分別為42.84hm2、2101.23hm2。水域主要來自于耕地和建設用地，分別為26702.37hm2和4357.53hm2，林地有629.55hm2轉為水域。水域的變化不僅影響著城市的水環境、水資源的分布，還與城市的綠化，熱島效應密切相關。

除林地外，每一種地物類型都存在著不同程度的轉變，而林地的面積下降了一部分，但就總的10年間的發展而言，其間的變換趨勢仍比較明顯且耕地面積gt;水域面積gt;建設用地面積gt;林地面積。

3.2.2 土地利用類型空間變化序列

通過分類處理后結果的對比分析，認為合肥市建設用地主要分布在主城區及其鄰近的周邊區域，巢湖市中心，廬江縣縣城及長豐縣縣城。主城區建設用地呈現出以主城區為中心向四周延伸的趨勢，且以NE—SW方向增加尤為顯著；巢湖市建設用地呈現以市中心為中心向東北方向增加的趨勢；長豐縣建設用地則是以縣城為中心向周邊發展，主要是往西和往南發展最為顯著；廬江縣建設用地呈現出以縣城為中心向其鄰近區域發展的趨勢［12-19］。

4 結論

通過近10年landsat衛星影像的數據的監測，基于RS和GIS，對10年間的土地利用情況進行了定量的分析，2013—2023年，耕地資源下降嚴重，減少了65707.92hm2，建設用地的面積上升比較明顯，2013年建設用地面積為74821.95hm2，2023年為114003hm2，是4類地物中增長幅度最大的。此外，水域面積有所上升，增長約28255.14hm2。林地面積有所下降，下降幅度不大，減少面積為1728.27hm2。充分說明城市經濟的快速發展，土地職能轉變是城市發展的需要，如何用有限的土地上創造更多更大的價值，是當前或者今后一段時期需要迫切考慮的問題，隨著“鄉村振興戰略”的提出，如何合理地實現產業轉化，生態宜居，生活富裕，已經是寫在日程上的方案。促進農村城鎮化進程，發展新型農村建設，振興鄉村促進鄉村旅游，離不開土地分配，離不開土地集約使用，離不開生態文明的建設。

參考文獻：

［1］鄧創.漢南區土地利用及覆蓋變化的遙感動態監測研究［D］.武漢：華中科技大學，2017：1-20.

［2］周生路，黃勁松.東南沿海低山丘陵區土地利用結構的地域分異研究［J］.土壤學報，2003，40（1）：37-45.

［3］劉紀遠，張增祥，徐新良，等.21世紀初中國土地利用變化的空間格局與驅動力分析［J］.地理學報，2009，64（12）：1411-1420.

［4］熊琛.福州市土地利用結構動態變化及驅動力分析［D］.福州：福建師范大學，2011：1-10.

［5］張淑娟，陳峰.山東省典型縣市土地利用與經濟發展協調度評價［J］.山東國土資源，2017，32（8）：98-104.

［6］唐宏，喬旭寧，楊德剛，等.土地利用變化時空特征與區域發展關系研究：以渭干河流域為例［J］.干旱地區農業研究，2012，30（3）：205-213.

［7］高琳，鄧清海，耿許可，等.基于遙感的青島市區土地利用動態變化研究［J］.山東國土資源，2017，32（7）：86-91.

［8］吳后建，王學雷，寧龍梅，等.土地利用變化對生態系統服務價值的影響：以武漢市為例［J］.長江流域資源與環境，2006，15（2）：185-190.

［9］李國庭，王德強，趙德良，等.基于多源異構數據的糧食作物種植面積提取［J］.山東國土資源，2022，38（8）：51-55.

［10］楊樹文，董玉森，羅小波，等.遙感數字圖像處理與分析：ENVI5.x實驗教程（第2版）［J］．北京：電子工業出版社，2019：1-15.

［11］趙英時．遙感應用分析原理與方法［M］.北京：科學出版社，2003：1-20.

［12］王小葵，李美艷，葛朝民，等.基于多源數據的地表覆蓋制圖與分析：以廣東省廣州市為例［J］.山東國土資源，2023，39（5）：67-71.

［13］張亞男，張承明，李芳.基于多源遙感數據的城市擴張監測與分析［J］.山東國土資源，2020，36（5）：55-62.

［14］劉效才，江泳，劉孝陽，等.Landsat ETM+遙感數據在尋找臨沂地熱中的應用［J］.山東國土資源，2015，31（5）：76-81.

［15］王宇昊.基于Landsat7ETM+的青島地區熱島效應反演及分析［J］.山東國土資源，2013，29（6）：62-66.

［16］戴文婷，鐘鳴，李芳芳，等.濟南市商河縣2011—2020年土地利用時空分異特征及其成因［J］.山東國土資源，2024，40（1）：71-78.

［17］張夢虹，姜鵬，趙麗，等.1980—2020年濟南市土地利用變化對生態系統服務價值的影響［J］.山東國土資源，2024，40（2）：56-64.

［18］高琳，鄧清海，耿許可，等.基于遙感的青島市區土地利用動態變化研究［J］.山東國土資源，2017，33（7）：86-91.

［19］于衍桂，馬毅，靳曉華，等.2003—2010年青島經濟技術開發區土地利用高分辨率遙感變化監測［J］.山東國土資源，2012，28（1）：43-47.

Dynamic Monitoring of Urban Land Use Based on Landsat Images

ZHAO Deliang1，2， LU Xiaolong3， LI Peng1，2， WANG Yuanmei1，2， WANG Xiufeng4， WU Yanyan5， QI Jian6

Abstract：Land is an indispensable resource in nature， and land use reflects the relationship between humans and land. Accompanying with continuous increase in population and continuous promotion of social industrialization and urbanization， how to scientifically develop and utilize valuable land resources has been increasingly valued by people. In this paper， by using Landsat image data from two periods in 2013 and 2023， and combining with remote sensing and GIS， land resources in Hefei city over the past decade" have been monitored and analyzed. As showed by the comparison results， after ten years of urban development， the cultivated land area in Hefei city has decreased by 65707.92 hectares， construction land has increased by 39181.05 hectares， forest land has decreased by 1728.27 hectares， and water bodies have increased by 28255.14hm2.

Key words：Remote sensing; geographic information systems; land use; dynamic monitoring

收稿日期：2024-04-30；修訂日期：2024-05-10；編輯：曹麗麗

基金項目：山東省地質測繪院2019年度科研項目，基于空天地一體多源異構數據融合的糧食作物識別關鍵技術研究，編號KY201907

作者簡介：趙德良（1981—），男，山東濟南人，高級工程師，主要從事測繪地理信息等方面的研究；E-mail：zhaodeliangzhao@163.com

*通訊作者：吳艷艷（1982—），女，山東臨沂人，高級工程師，主要從事測繪地理信息等方面的研究；E-mail：116587885@qq.com