基于RS的重庆市土地利用变化特征研究

2018-04-02

福建质量管理 2018年16期

(成都理工大学四川成都 610000)

一、引言

土地利用是由土地质量特性和人类劳动需求协调所决定的土地功能过程，这一过程表现为人类与土地之间进行的物质、能量和信息、价值的交流转换[1]。土地利用既受自然条件制约，又受社会、经济和技术条件影响，是这些因素共同作用的结果。由于技术的进步，人类改造和利用自然环境的能力日益提高，土地利用变化愈演愈烈，引起的环境问题也日渐突出。探究土地利用类型的时空动态变化特征，是实现自然和人类社会和谐发展的迫切需要[2]。重庆市作为西南地区城市群的引领者，其土地资源的利用和变化对西南山地城市的发展至关重要，本研究运用RS和GIS技术，对重庆市近20年土地利用变化进行分析，以期为重庆市的土地利用和城市可持续发展提供数据支持。

二、研究区概况

重庆市地处中国西南部、长江上游地区，是青藏高原与长江中下游平原的过渡地带。位于东经105°11'-110°11'、北纬28°10'-32°13'之间。东临湖南湖北，西接四川，南接贵州，北连陕西，面积约8.24万km2，为北京、天津、上海三市总面积的2.39倍。地势由南北向长江河谷逐级降低，西北部和中部以丘陵、低山为主。气候为亚热带季风性湿润气候。近年来，随着经济的快速发展，重庆市土地利用发生了较为显著的变化[3]。

三、数据来源及预处理

参考《土地利用现状分类(GB/T21010-2007)》，将重庆市土地利用分为耕地、林地、草地、水域、建设用地和未利用土地六大类。本研究使用的2005年和2015年30m分辨率TM遥感影像和1:25万土地利用数据均来源于中科院地理所资源环境数据中心。在ENVI软件的支持下，对两期TM影像进行几何校正、投影转换、波段融合等预处理，然后通过研究区的行政边界进行裁剪，得到研究区的遥感影像图。

四、研究方法

利用ENVI5.1对研究区两期遥感影像进行土地利用分类，所使用的分类方法为监督分类中的神经网络法。近年来，神经网络法被广泛应用于遥感图像分类，可靠性较高[4]。基本分类过程包括定义训练样本、执行监督分类、评价分类结果和分类后处理。然后在ArcGIS软件中运用叠加分析，建立研究区土地利用面积变化的转移矩阵。

五、精度评价与结果分析

(一)分类精度评价

执行监督分类之后，由于采用的是数学模型和先验知识进行的分类，其结果只是尽可能的接近自然性质，与实际地物仍存在偏差，所以需要对分类精度进行评估[5]。ENVI5.1提供了多种分类结果评价方法，本次研究采用混淆矩阵的方法。对分类结果进行精度评价时，混淆矩阵方法需要地表真实感兴趣区，因此在高分辨率影像上，通过目视解译选取与执行监督分类时相同数量的训练样本，以此样本代表地表真实感兴趣区执行混淆矩阵分类精度评价，计算得到2005年总体分类精度为：89.937%，Kappa系数为0.899；2015年总体分类精度为：89.979%，Kappa系数为0.902。

(二)土地利用面积变化分析

利用ArcGIS软件中的空间分析和统计分析等工具，得到重庆市2005年和2015年两期土地利用面积以及所占比例数据。2005年各土地利用类型的面积占比依次为林地(58.83%)、耕地(31.24%)、草地(2.12%)、水域(1.11%)、建设用地(0.74%)和未利用地(0.02%)。2015年各土地利用类型的面积占比依次为林地(63.74%)、耕地(31.24%)、草地(1.96%)、水域(1.39%)、建设用地(1.65%)和未利用地(0.02%)。由此看出重庆市土地利用类型主要由耕地和林地组成，2005-2015年期间发生明显改变的土地利用类型是耕地和建设用地，呈现一减一增的趋势。林地和水域所占面积比例均呈增加趋势，而草地和未利用地土地面积占比呈减少趋势。

(三)土地利用空间变化分析

由2005-2015年土地利用类型面积转移概率矩阵可知，近10年期间每一种土地利用类型都向其他类型有不同程度的转化，最主要的转化关系存在于耕地、林地和草地之间。10年期间有64%的耕地保持原有类型，32%的耕地转为林地，少量向草地和建设用地转移；林地中有13%的面积转为耕地，草地除了未转向未利用地，对其他用地类型均有不同程度的转移；96%的建设用地保持原有地类不变，共3%的建设用地转向了耕地和水域；水域也有向耕地、建设用地、林地和草地这几类转移，转移面积概率均较小，未利用地中少量转为林地和耕地，仍有70%的土地未能被开发为其他的用地类型。