朱赞 王建琦* 莫瑞芳 朱娅婷

1 桂林航天工业学院 电子信息与自动化学院，广西 桂林 541004；2 桂林航天工业学院 广西高校桂林无人机遥测重点实验室，广西 桂林 541004；3 南京林业大学 林学院，江苏 南京 210037

城区土地利用变化是指城市区域内的各类用地的利用情况，城区土地利用情况及时空演变特征能在一定程度上反映城市社会经济发展水平，预测城市的未来发展空间，以及影响城市人居环境的适宜性[1]。近20年来，随着中国城市化进程的发展，城市规模不断扩张，城区土地利用变化较快，这给国土资源和住建部门获取和管理实时的土地利用数据带来了较大困难。通过常规的实地测绘获取城区土地利用数据的方式存在效率低、更新速度慢和成本较高等缺点[2-3]。卫星遥感技术以其非接触、高效和低成本等特性目前已被广泛应用于国土信息获取[4]、森林资源调查与保护[5]、农作物估产与长势监测[6]、水污染与环境保护监测[7-8]等相关行业的应用。

桂林作为世界知名的自然与人文景观交融的旅游城市，城市景观与土地利用规划在其城市发展中具有重要地位[9]，基于卫星遥感技术能实时获取和监测城区土地利用现状的结构和变化。众多学者进行过针对桂林市的卫星遥感探测：梁保平等人[9-11]基于TM影像对桂林市区的植被覆盖、地表温度监测和建设用地扩张监测等环境和空间要素维度进行了系统的遥感探测研究。其研究成果在桂林市区的城市建设与规划、生态环境和旅游景观规划等方面发挥了一定的作用。娄佩卿等人[12]以Landsat影像为数据源，基于谷歌地球引擎(GEE)对桂林主城区进行了热环境变化定量遥感分析，取得了良好的效果；秦润君等人[13]基于遥感和GIS 技术对漓江的自然地貌破坏现状进行了调查，为漓江生态景观修复工作提供了基础资料；王恺宁等人[14]基于Landsat卫星数据针对喀斯特城市地貌的特点对桂林市区地表温度的时空变化及地物覆盖的影响进行了遥感探测分析，取得了良好的效果。综上所述，基于卫星影像进行桂林城区的多层次、多维度遥感探测研究已经具有了一定了深度和经验，且在实际的城市建设、生态环境监测、景观规划等方面发挥了一定的作用。

Landsat是美国国家航空航天局(NASA)发射的系列陆地卫星，目前Landsat7和Landsat8两颗卫星在轨运行。Landsat卫星具有多波段、重访周期短和全球覆盖等特点，因此Landsat遥感影像成为目前全球应用最为广泛的遥感数据之一[15]。本文以20年来覆盖桂林市主城区的5期Landsat遥感影像为数据源，在ENVI平台上通过构建的地类分类指标对遥感影像进行分类与精化处理，并提取各地类图斑。最后再通过ArcGIS平台对各地类图斑面积进行统计和变化分析。

1 Landsat影像数据获取与预处理

1.1 研究区概况

桂林是举世闻名的世界级风景旅游胜地和国家历史文化名城，它地处南岭山系西南部，坐落于广西壮族自治区的东北部，位于E 109°45′～104°40′，N 24°18′～25°41′。全市下辖6区10县，代管1个县级市，区域总面积为2.78万平方公里。为保证20年来监测数据的完整性和后续分析的逻辑性，结合本研究监测周期较长和现有数据的情况，近年来新规划的临桂新区由于开发时间较晚，故而不在本文的研究范围内。本文的主要研究区域包含了桂林主城区的秀峰区、叠彩区、七星区、象山区和雁山区五区的大部。研究区范围具体如图1所示。

图1 研究区范围

1.2 Landsat遥感影像获取

本研究所选取的数据源为2002、2006、2010年三期桂林主城区的Landsat7影像和2015、2019年的两期Landsat8影像。每期遥感影像都由4景30 m分辨率的标准图幅组成，共20景影像。考虑到季节变化对地面植被状态和云量的影响，影像选取的时间段控制在每年4月至11月之间，云量控制在5%以下。Landsat7和Landsat8遥感卫星的主要参数如表1所示。

表1 Landsat7和Landsat8遥感卫星的主要参数

1.3 遥感影像数据预处理

遥感影像的数据预处理主要包括影像辐射定标、大气校正、影像镶嵌、影像融合、影像裁剪四个基础环节。本研究的遥感影像数据预处理实验在ENVI遥感影像数据处理平台上完成，具体操作步骤如下。

1.3.1 辐射定标与大气校正

遥感影像的辐射定标是将传感器记录的数字量化值(DN)转换为绝对辐射亮度值，或者转换与地表反射率、表面温度等物理量有关的相对值的处理过程。大气校正的目的是消除大气和光照等因素对地物反射的影响，获得地表的反射率、辐射率、地表温度等真实物理模型参数，用以消除大气分子和气溶胶散射的影响。本实验采用FLASH大气校正方法，对覆盖整个研究区的5期，共20景影像进行辐射定标与大气校正处理。

1.3.2 影像镶嵌

遥感影像镶嵌是指将覆盖整个研究区的，相邻行号和带号的多景遥感影像进行镶嵌处理，使其拼接为同一幅影像。本实验中分别将2002、2006、2010、2015、2019年的每期4景影像进行镶嵌处理，最终获得覆盖整个研究区的5幅影像。

1.3.3 影像融合

遥感影像融合是将在空间、波谱、时间上冗余或者互补的多源遥感数据按照一定的规则或算法进行处理，生成具有新的空间、波谱、时间特征的合成影像数据。合成影像具有比任何单一数据更精确、更丰富的信息，并能保持多光谱特性和提高空间分辨率。在本实验中，在ENVI平台上分别对5期影像进行融合，融合后的Landsat影像分辨率可达到15 m。

1.3.4 影像裁剪

遥感影像裁剪是指利用研究区范围线对遥感影像进行裁剪以获取目标区域的过程。本实验在ENVI平台上利用绘制的研究区矢量范围线分别对经过上述处理的5期遥感影像进行裁剪，裁剪结果如图2所示。

图2 裁剪后的影像(2010年，Landsat 7)

2 土地利用类型遥感分类提取

2.1 遥感影像监督分类

监督分类又称为训练分类法，它是指以基于确认类别的像元作为样本，并根据其特征去识别其他未知类别像元的图像分类方法。本实验采用监督分类的方法对城市用地类型进行分类提取。根据桂林城区的地类特征，将提取的目标地类分类划分为6类：林地、绿地、耕地、裸地、建设用地和水体，并在影像上选取一定数量的各地类样本，各期影像选取的分类训练样本数量如表2所示，并对各地类样本进行了可分离性计算，可分离阈值>1.9方可进入分类处理环节。运用ENVI平台监督分类的最大似然法分别对各期影像进行分类处理，分类处理成果以2002年为例，如图3所示。

表2 2002—2019年各期监督分类的样本数

图3 监督分类成果(2002年)

2.2 分类成果后处理

分类成果如图4(c)所示，处理主要包括小斑处理、聚类处理和过滤处理。

2.2.1 小斑处理

遥感分类成果中存在一些细碎的小斑块，这些小斑块不仅影响美观，还会在后续的分析中造成干扰，因此需要通过小斑处理将分类成果中小的斑块去除。本实验主要采用ENVI平台的Majority/Minority方法对小斑块进行处理，处理结果如图4(b)所示。

2.2.2 聚类处理

聚类处理(Clump)是一种运用数学形态学算子，将两个相邻的类似分类图斑进行聚类与合并的图像处理方法。小斑处理后的分类成果在ENVI平台上利用聚类分析工具进行处理，处理结果如图4(c)所示。

2.2.3 过滤处理

过滤处理主要是用于解决分类成果中存在的一些图斑孤岛问题。聚类处理后的分类成果进行过滤处理后如图4(d)所示。

图4 分类成果后处理(2002年，局部)

2.3 分类成果统计

对分类成果进行面积统计与分析，其基本思路是：首先将分类成果的栅格图在ENVI平台上转换为矢量数据；然后将矢量数据按照分类的地类类别分层转换为shp要素文件；再将地类要素shp文件分层导入ArcGIS平台，按地类分别统计出每期分类成果的面积数据，各期分类成果的地类面积数据统计如表3所示。

表3 2002—2019年桂林市各期土地利用遥感分类面积统计 单位：km2

3 土地利用变化监测分析

3.1 土地利用面积变化分析

土地利用面积的变化主要在ArcGIS平台分别对2002—2019年的5期遥感影像分类成果图斑进行面积统计和变化分析，统计结果如图5所示。

图5 2002—2019年桂林市城区土地利用面积变化

如图5所示，2002年-2015年，桂林市城区土地利用面积变化呈现以下特点：①绿地面积在2002至2006年间呈现快速下跌，而在2006至2019年间又呈现匀速上升态势；②水体面积在2002至2019年间波动很小，呈现平稳状态；③林地和裸地在2002至2019年间呈现一定波动，但整体变化幅度并不大；④耕地面积在2002至2019年间呈现匀速下降的趋势，年均减少率为4.97%；⑤建设用地面积在2002至2019年间呈现匀速上升的趋势，年均上升率为2.55%。

3.2 土地利用变化率监测

土地利用变化率是指在某一时间段内某地类转变为另一地类的比率，通常采用转移矩阵的形式表示。本实验在ENVI平台上利用2002至2019年间的5期桂林市区的土地利用遥感分类成果分别计算2002—2006年、2006—2010年、2010—2015年、2015—2019年的地类转移矩阵，计算成果如表4所示。

表4 2002—2019年桂林城区土地利用变化转移矩阵

根据对表4中的数据分析分析可得出2002至2019年间桂林城区土地利用变化率的主要特征为：

(1)在2002年至2006年间，各土地利用类型转出率从大到小排列分别为：耕地(56.32%)>裸地(54.70%)>林地(40.51%)>水体(36.80%)>绿地(28.69%)>建设用地(22.40%)；各土地利用类型转入率从大到小排列为:建设用地(87.53%)>绿地(59.28%)>耕地(43.97%)>裸地(34.81%)>林地(11.10%)>水体(2.73%)；

(2)在2006年至2010年间，各土地利用类型转出率从大到小排列分别为：耕地(87.23%)>裸地(48.54%)>林地(33.11%)>建设用地(28.66%)>水体(27.23%)>绿地(20.45%)；各土地利用类型转入率从大到小排列为:绿地(111.9%)>建设用地(55.65%)>裸地(49.89%)>林地(18.03%)>耕地(7.67%)>水体(2.07%)；

(3)在2010年至2015年间，各土地利用类型转出率从大到小排列分别为：绿地(56.02%)>裸地(42.46%)>耕地(39.48%)>建设用地(26.68%)>林地(13.82%)>水体(9.95%)；各土地利用类型转入率从大到小排列为:裸地(67.45%)>建设用地(52.19%)>林地(23.12%)>绿地(21.74%)>耕地(19.88%)>水体(4.03%)；

(4)在2015年至2019年间，各土地利用类型转出率从大到小排列分别为：裸地(40.38%)>耕地(40.15%)>绿地(28.62%)>林地(22.86%)>建设用地(15.83%)>水体(10.08%)；各土地利用类型转入率从大到小排列为:建设用地(54.33%)>裸地(42.49%)>绿地(24.81%)>林地(20.48%)>耕地(10.53%)>水体(5.28%)。

综上所述可以得出以下结论：①在2002—2019年间的4个时间段内，耕地的转出率都在39%以上，且其转出率在6个用地类型中都排在前3位。建设用地的转入率都在52%以上，且其转入率在6个用地类型中都排在前2位。这标志着在此时间段内，桂林的城市建设在不断扩张；②在2002—2019年间的4个时间段内，绿地的转入率分别为59.28%、111.9%、21.74%、24.81%，转出率分别为：28.69%、20.45%、56.02%、28.62%。这说明在2002—2010年间，桂林的城市绿化建设在快速增长，而在2010-2019年间，城市绿化速度放缓；③在2002—2019年间，水体面积的转入和转出率在6种地类中都基本保持在最低的位置，说明水域用地的转移率并不大。

3.3 土地利用结构变化分析

土地利用结构主要是指同一时间某区域各土地利用类型所占比例情况。通过对基于ArcGIS平台统计的桂林市区5期土地利用情况进行分析，5期土地利用结构统计如图6所示。

图6 2002—2019年桂林城区土地利用结构变化统计

如图6所示，2002年至2019年，桂林城区建设用地占比分别为15.8%、19.7%、26.0%、23.6%和24.8%，增长速度呈现先快速，后缓慢的态势；耕地占比分别为16.28%、10.68%、5.73%、3.14%和1.9%呈现出缓慢降低的态势；水体所占比例整体保持在2.0%左右，变化较小；其他地类整体呈现出小幅波动的态势。

4 结束语

针对传统测绘技术获取城市土地利用信息存在成本高、更新周期长、获取信息不完全等问题，本文以Landsat遥感影像为数据源，通过监督分类方法分别对桂林主城区2002—2019年的土地利用信息进行分类提取，并对此时间段内的土地利用情况进行监测分析。得出以下结论：

(1)桂林城区的耕地面积和土地利用结构所占比例都在逐渐减小，且保持着较高的耕地转出率；建设用地的面积和土地利用所占比例都在逐渐增大，且保持较高的转入率；

(2)城区绿地的转入率呈现先快速增长，后缓慢增长的特征；

(3)城区水体面积、转入转出率和土地结构所占比例几个特征要素的波动都较小；

(4)城区的其他地类林地、裸地在该时间段内都呈现出一定幅度的波动，无法追寻到一定的规律。

利用卫星遥感技术对桂林市城区的土地利用现状与历史变化情况进行监测，从经济方面而言，相对于传统测绘方法大大降低了外业工作量和节省了成本，调查数据更加完整，并能保证每2年进行一次土地利用现状调查与信息更新；从获取数据信息的应用方面而言，基于遥感影像获取的土地利用现状与历史信息数据能够为国土资源、城乡规划、城市建设、环境保护等相关管理部门提供基础数据与决策依据。同时，也能为桂林国际旅游胜地的规划与建设提供基础数据。此外，由于前期数据的限制和监测周期较长的影响，近年发展起来的临桂新区未纳入本文的研究区范围内，在后续的研究中可以桂林临桂新区为高速发展新兴城区的典型代表做周期为1～2年的新开发城区土地利用变化遥感监测和分析。