SVM算法支持下的耕地面積退化遙感監(jiān)測(cè)

張志坤　楊昆　王加勝　朱彥輝　洪亮

摘要 基于Landsat衛(wèi)星TM、ETM+和OLI數(shù)據(jù)，采用SVM算法結(jié)合RS和GIS技術(shù)，分別提取了呈貢區(qū)5個(gè)時(shí)期（1989、1996、2003、2009、2015年）的耕地面積。結(jié)果表明，1989—2015年呈貢區(qū)耕地面積由156.99 km2減少到40.02 km2，減少了74.51%，年平均減少450 km2；空間分布上，耕地集中在呈貢西部、西南部、東北部和中部地區(qū)，其中以中部地區(qū)減少最為劇烈和明顯。原因主要是政府的宏觀調(diào)控、城市化速率和城市建設(shè)占用了大量耕地。建議政府協(xié)調(diào)人、地、自然和城市發(fā)展建設(shè)之間的關(guān)系，嚴(yán)守耕地紅線，出臺(tái)耕地保護(hù)措施。

關(guān)鍵詞 SVM；耕地面積；城市化；呈貢區(qū)

中圖分類號(hào) S127；TP75 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 0517-6611（2017）01-0190-03

Remote Sensing Monitoring of Cultivated Land Degradation Supported by SVM Algorithm—A Case of Chenggong District，Kunming City

ZHANG Zhikun1，3， YANG Kun2，3*， WANG Jiasheng2，3 et al

（1.School of Tourism and Geographical Science，Yunnan Normal University，Kunming，Yunnan 650500；2. GIS Technology Research Center of Resource and Environment in Western China of Ministry of Education， Kunming，Yunnan 650500；3. School of Information Science and Technology，Yunnan Normal University， Kunming，Yunnan 650500）

Abstract It was used to extract the cultivated land area of Chenggong District that SVM algorithm combined with RS and GIS technology based on the Landsat TM， ETM+and OLI data in five periods （1989， 1996， 2003， 2009， 2015） respectively. The results showed that the degradation of cultivated land in Chenggong District reduced from 156.99 km2 to 40.02 km2 during 1989-2015，showed a decrease of 7415% and an annual reduction of 4.50 km2 in the past 26 years. Cultivated land concentrated in the western， southwest， northeast and central parts of Chenggong in spatial distribution， of which the central region reduced the most dramatic and obvious. The main reason was the governments macrocontrol， urbanization rate and urban construction occupied a lot of cultivated land. It was suggested that the government should coordinate the relationship between human， land， nature and urban development and construction， safeguard the red line of cultivated land and introduce the protection measures of cultivated land.

Key words SVM；Cultivated land area；Urbanization；Chenggong District

糧食是人類經(jīng)濟(jì)社會(huì)發(fā)展的重要保障，而耕地資源直接關(guān)乎糧食生產(chǎn)。合理的開發(fā)、監(jiān)測(cè)和保護(hù)耕地資源一直是重要的科學(xué)命題[1-2]。傳統(tǒng)的耕地監(jiān)測(cè)方法是野外實(shí)地考察測(cè)量，該方法適合于局部精細(xì)化耕地量測(cè)管理，而對(duì)于耕地整體監(jiān)測(cè)，不僅耗費(fèi)巨大的財(cái)力、物力和人力，而且不能有效地反映耕地資源的現(xiàn)勢(shì)性變化特征。近現(xiàn)代以來，耕地監(jiān)測(cè)最重要的手段是航空（無人機(jī)）攝影測(cè)量、遙感和地理信息技術(shù)[3-8]。通過這些方法獲取地表耕地信息，然后加以人工和計(jì)算機(jī)交互處理，達(dá)到快速實(shí)時(shí)耕地退化監(jiān)測(cè)。近現(xiàn)代耕地監(jiān)測(cè)最重要的2個(gè)步驟是人工目視解譯和計(jì)算機(jī)自動(dòng)識(shí)別，而耕地本身復(fù)雜的地形特征及其他背景地物的混淆，使得地形特征、分辨率（遙感平臺(tái)、影像、人眼）、空間物理誤差、幾何變形、算法等一直是制約耕地退化監(jiān)測(cè)的重要因素。

支持向量機(jī)（SVM）算法結(jié)合了人工智能和計(jì)算機(jī)模式識(shí)別，是一種結(jié)構(gòu)風(fēng)險(xiǎn)最小的圖像分類學(xué)習(xí)統(tǒng)計(jì)算法，其特征向量來源于遙感影像的像元值和識(shí)別出來的紋理信息[9-11]。SVM適合復(fù)雜地形條件地表地物信息豐富的耕地類型監(jiān)測(cè)。昆明市呈貢區(qū)屬于高原亞熱帶季風(fēng)氣候區(qū)，植被四季繁茂，農(nóng)作物類型多樣，政府宏觀驅(qū)動(dòng)明顯。因此，適合采用SVM算法針對(duì)Landsat多光譜遙感影像圍繞呈耕地面積變化、空間分布以及驅(qū)動(dòng)因素進(jìn)行研究，提出相應(yīng)的耕地開發(fā)和保護(hù)建議。

1 數(shù)據(jù)來源與研究方向

1.1 研究區(qū)概況

呈貢縣2011年5月撤縣設(shè)區(qū)，是昆明市城市化最快的城區(qū)，也是昆明市政府駐地。地處102°45′～103°00′ E，24°42′ ～25°00′ N，面積461 km2，地勢(shì)東部高，西部低，海拔1 775～2 820 m，屬低緯度高原季風(fēng)氣候，年平均日照時(shí)數(shù)2 200 h，年均溫度14.7 ℃，年平均降水量789.6 mm。2012年呈貢縣耕地面積62.40 km2。

1.2 數(shù)據(jù)獲取及預(yù)處理

Landsat衛(wèi)星數(shù)據(jù)來源于美國地質(zhì)勘查局（http：//www.usgs.gov/），GDEM（30 m）數(shù)據(jù)來自地理空間數(shù)據(jù)云（http：//www.gscloud.cn/），研究區(qū)行政區(qū)劃矢量圖來源于全球GADM數(shù)據(jù)庫（www.gadm.org），其他數(shù)據(jù)來源于呈貢區(qū)統(tǒng)計(jì)年鑒。遙感影像數(shù)據(jù)見表1。

運(yùn)用ArcGIS 10.2對(duì)以上基礎(chǔ)地理數(shù)據(jù)進(jìn)行預(yù)處理。首先均采用統(tǒng)一的UTM投影和WGS84橢球體建立坐標(biāo)系統(tǒng)；然后在ENVI 5.1中對(duì)遙感影像進(jìn)行幾何精校正、輻射定標(biāo)、大氣校正、圖像增強(qiáng)處理和圖像拼接，裁剪研究區(qū)。

1.3 研究方法

1.3.1 SVM算法。

SVM算法依據(jù)統(tǒng)計(jì)學(xué)習(xí)理論和結(jié)構(gòu)風(fēng)險(xiǎn)最優(yōu)原則，能夠解決多維、樣本少及不確定性等遙感分類問題。SVM算法對(duì)于線性可分的情況，設(shè)[（xi，yi），i=1，…，N]為N個(gè)樣本點(diǎn)，其中yi=1或-1，表示xi所屬的類。分類線性方程為：

而對(duì)于非線性可分的樣本點(diǎn)，先用一個(gè)非線性函數(shù)將樣本點(diǎn)空間映射到一個(gè)高維特征空間，在特征空間進(jìn)行線性分類。

假設(shè)存在映射ф，則內(nèi)積運(yùn)算（xi·x）=[ф（xi）·ф（x）]，也就是K（xi·x）=[ф（xi）·ф（x）]，稱函數(shù)K（xi·y）為核函數(shù)。因此，最優(yōu)分類超平面表示為：

SVM算法常用的核函數(shù)有多項(xiàng)式核函數(shù)、徑向基核函數(shù)以及Sigmoid核函數(shù)。該研究選用徑向基核函數(shù)。因?yàn)槎喙庾V遙感影像分類中耕地由若干像元組成，不同波段耕地像元特征不一樣，具有多維或高維的特點(diǎn)，而徑向基核函數(shù)可以將樣本映射到一個(gè)更高維的空間，可以處理類和特征之間的非線性關(guān)系的樣本。因此，采用SVM算法徑向基核函數(shù)進(jìn)行多光譜影像耕地提取具有很大的優(yōu)勢(shì)。

1.3.2 耕地提取及精度評(píng)價(jià)。

根據(jù)呈貢區(qū)耕地分布特征，輸入TM、ETM+和OLI多光譜遙感影像，針對(duì)樣本區(qū)域，選擇像元（像素）值和紋理信息作為SVM算法的特征向量，輸入到SVM算法分類器構(gòu)造函數(shù)中，選擇徑向基核函數(shù)作為SVM算法的核函數(shù)，通過空間映射在特征空間進(jìn)行地物類型分類，分別提取1989、1996、2003、2009和2015年耕地、林地、居民地、草地、水體和其他6類地物類型。針對(duì)分類結(jié)果，采用混淆矩陣對(duì)5個(gè)時(shí)期進(jìn)行精度評(píng)價(jià)，總體精度分別到達(dá)0913、0.928、0.905、0.944、0.939，Kappa系數(shù)分別為0.84、085、0.79、0.88、0.87。輸出分類結(jié)果到ArcGIS中提取耕地面積，制作耕地空間分布圖（圖1）。

2 結(jié)果與分析

2.1 耕地面積時(shí)空變化 1989—2015年呈貢區(qū)耕地面積變化見表2。

耕地面積變化是多因素共同作用的結(jié)果。從1989年開始，以7年或6年為時(shí)間間隔，1989、1996、2003、2009、2015年5個(gè)時(shí)期呈貢區(qū)耕地面積分別為156.99、12228、98.17、73.74、40.02 km2；耕地面積由1989年的15699 km2減少到2015年40.02 km2，減少了74.51%，年平均減少4.00 km2。1989—2015年呈貢區(qū)耕地面積呈現(xiàn)先快速、后放緩、再急劇減少的趨勢(shì)。其中，2009—2015年減少速度最快，從73.74 km2減少到40.02 km2，減少了4572%，年平均減少5.62 km2；1996—2003年減少速度最慢，從122.28 km2減少到98.17 km2，減少了19.72%，年平均減少3.44 km2。從空間分布上，耕地面積集中分布在呈貢中部、西部、西南和東北地區(qū)，1989—1996年東北部地區(qū)耕地減少明顯，2009—2015年中部地區(qū)耕地面積減少最為劇烈。

2.2 耕地變化驅(qū)動(dòng)力分析

2.2.1 城市化驅(qū)動(dòng)影響。

受政府宏觀調(diào)控的影響，呈貢區(qū)已成為新昆明城市化進(jìn)程最為迅速的核心區(qū)之一。2003年云南省委省政府提出了“一湖四片兩城”的新昆明城市發(fā)展戰(zhàn)略構(gòu)想，并將呈貢區(qū)主體定位為新昆明的新興工業(yè)區(qū)、科技文化中心和物流商貿(mào)中心。而隨著昆明市政府的遷入、新螺螄灣商貿(mào)城以及呈貢大學(xué)城（面積43.15 km2）的建立，城市化和新型城鎮(zhèn)化速率急劇增長(zhǎng)，截至2015年，呈貢城鎮(zhèn)化率已達(dá)到75%。城市的擴(kuò)張和主體功能區(qū)的建設(shè)[12-13]，直接和間接地占用了大量的耕地資源，已成為耕地資源退化重要的因素。

2.2.2 房地產(chǎn)投資和基礎(chǔ)設(shè)施建設(shè)的驅(qū)動(dòng)。

呈貢新區(qū)房地產(chǎn)開發(fā)投資、城市基礎(chǔ)設(shè)施建設(shè)，致使耕地在內(nèi)的土地資源急劇減少，成為呈貢區(qū)耕地退化另一重要的原因之一。截至2015年，“十二五”期間呈貢固定資產(chǎn)投資累計(jì)達(dá)21094億元，城市格局煥然一新，交通、水、電、氣等保障設(shè)施和樓宇經(jīng)濟(jì)、金融服務(wù)、旅游、商貿(mào)物流、生物醫(yī)藥及信息等產(chǎn)業(yè)欣欣向榮。新城區(qū)及其配套設(shè)施的不斷繁榮和發(fā)展無疑是耕地退化和和轉(zhuǎn)化的直接驅(qū)動(dòng)。

3 結(jié)論與建議

1989—2015年呈貢區(qū)耕地退化呈現(xiàn)先快速、后放緩、再急劇減少的趨勢(shì)，耕地面積由1989年的156.99 km2減少到2015年的40.02 km2，減少了74.51%，年平均減少4.50 km2。耕地面積空間上也呈現(xiàn)出差異變化，耕地集中分布在呈貢西部、西南部、東北部和中部地區(qū)，其中以呈貢昆明市行政中心區(qū)耕地面積減少最為劇烈和明顯。耕地退化原因主要是政府政策的宏觀調(diào)控、城市化速率和城市建設(shè)帶來的大量耕地面積減少、耕地退化和轉(zhuǎn)化。建議政府協(xié)調(diào)人、地、自然和城市發(fā)展建設(shè)之間的關(guān)系，嚴(yán)守耕地紅線，出臺(tái)耕地保護(hù)措施。

參考文獻(xiàn)

[1] 李效順，曲福田，譚榮，等.中國耕地資源變化與保護(hù)研究：基于土地督察視角的考察[J].自然資源學(xué)報(bào)，2009，24（3）：387-401.

[2] 張蚌蚌，孔祥斌，鄖文聚，等.我國耕地質(zhì)量與監(jiān)控研究綜述[J].中國農(nóng)業(yè)大學(xué)學(xué)報(bào)，2015，20（2）：216-222.

[3] 張松嶺，楊邦杰，王飛，等.基于GIS的耕地遙感監(jiān)測(cè)人機(jī)交互式圖像解譯系統(tǒng)[J].農(nóng)業(yè)工程學(xué)報(bào)，1999，15（2）：185-188.

[4] 王靜，張繼賢，何挺，等.基于3S技術(shù)的耕地退化監(jiān)測(cè)與評(píng)價(jià)技術(shù)方法探討[J].測(cè)繪科學(xué)，2002，27（4）：45-49.

[5] 王力凡，潘劍君.利用高—中—低分辨率遙感影像的大區(qū)域耕地快速監(jiān)測(cè)研究[J].遙感技術(shù)與應(yīng)用，2011，26（4）：496-500.

[6] 謝戈力，鄭巧鳳.基于WebGIS技術(shù)的耕地質(zhì)量動(dòng)態(tài)監(jiān)測(cè)信息系統(tǒng)[J].安徽農(nóng)業(yè)科學(xué)，2011，39（31）：19560-19563.

[7] 戴凡.基于3S的耕地動(dòng)態(tài)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].武漢：華中師范大學(xué)，2012.

[8] 楊艷青，柴旭榮.基于遙感和GIS的土地利用分類方法研究[J].山西師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2015（4）：69-74.

[9] VAPNIK V N.The nature of statistical learning theory[M].Berlin：SpringerVerlag，2000：988-999.

[10] 王振武，孫佳駿，于忠義，等.基于支持向量機(jī)的遙感圖像分類研究綜述[J].計(jì)算機(jī)科學(xué)，2016，43（9）：11-17，31.

[11] 陳強(qiáng)，田杰，黃海寧，等.基于統(tǒng)計(jì)和紋理特征的SAS圖像SVM分割研究[J].儀器儀表學(xué)報(bào)，2013，34（6）：1413-1420.

[12] 陳明玉，曹生國.基于RS和GIS的昆明市呈貢區(qū)城市擴(kuò)張驅(qū)動(dòng)力和阻力分析[J].遼寧農(nóng)業(yè)科學(xué)，2015（1）：23-27.

[13] 張海英.城市土地資源優(yōu)化配置研究[D].昆明：云南財(cái)經(jīng)大學(xué)，2015.