基于遙感影像的上海市土地覆被變化及驅(qū)動(dòng)力分析

楊麗君

(上海市地質(zhì)調(diào)查研究院，上海市國(guó)土資源調(diào)查研究院，上海 200072)

0 引言

自20世紀(jì)90年代以來，全球環(huán)境變化研究領(lǐng)域逐漸加強(qiáng)了對(duì)土地利用/覆被變化(land use and cover change,LUCC)的研究。繼“國(guó)際地圈與生物圈計(jì)劃”和“全球環(huán)境變化人文計(jì)劃”后，1995年發(fā)起了“土地利用/覆被變化”研究計(jì)劃[1]，2005年又發(fā)布“全球土地計(jì)劃”，以深化地球系統(tǒng)演化背景下人類—陸地環(huán)境系統(tǒng)的研究[2]。我國(guó)的LUCC 研究也已進(jìn)行幾十年，開展了一系列如土地利用變化監(jiān)測(cè)、驅(qū)動(dòng)力、變化趨勢(shì)預(yù)測(cè)等方面的研究，研究對(duì)象集中于全國(guó)[3]、流域或區(qū)域[4-7]、城市[8-12]三個(gè)空間尺度，為如何規(guī)劃、利用和節(jié)約有限的土地資源提供理論依據(jù)。

近30年來，上海城市規(guī)劃建設(shè)和土地覆被格局都發(fā)生了翻天覆地的變化，其中土地規(guī)劃和利用的問題不可小覷。國(guó)內(nèi)學(xué)者對(duì)該地區(qū)的土地利用變化及其驅(qū)動(dòng)力開展了一定的研究，并獲得了一些成果。史利江等[10]運(yùn)用航空影像人機(jī)交互目視解譯方法結(jié)合GIS分析、數(shù)理統(tǒng)計(jì)方法分析了1994—2006年上海市土地利用的時(shí)空變化特征，以及人口、經(jīng)濟(jì)等因素對(duì)土地利用格局的影響。繆麗娟等[11]利用C5決策樹分類方法提取遙感影像分類圖，揭示了1990—2008年北京、上海城市用地格局變化的空間規(guī)律及異同點(diǎn)，并從人口、產(chǎn)業(yè)結(jié)構(gòu)角度對(duì)城市化驅(qū)動(dòng)機(jī)制進(jìn)行了分析。李永浮等[12]采用地類轉(zhuǎn)換矩陣法開展了浦東新區(qū)2009—2014年期間土地利用變化特征，并從城市人口、核心功能等方面分析浦東土地利用變化的影響因素。

在當(dāng)前國(guó)家全面推進(jìn)建立國(guó)土空間規(guī)劃體系并監(jiān)督實(shí)施的新形勢(shì)下，根據(jù)上海市城市總體規(guī)劃(2017—2035年)[13]，在嚴(yán)格控制城市規(guī)模的大背景下，必須堅(jiān)持節(jié)約和集約利用土地，實(shí)現(xiàn)緊約束下的睿智發(fā)展。因此，深入開展土地覆被變化研究及驅(qū)動(dòng)力分析對(duì)有效提高土地覆被利用效率，促進(jìn)上海城市開發(fā)邊界內(nèi)空間緊湊集約，切實(shí)實(shí)現(xiàn)規(guī)劃目標(biāo)具有積極的現(xiàn)實(shí)意義。

1 數(shù)據(jù)來源及處理

1.1 數(shù)據(jù)來源

本文選取2006、2010與2015年三期的Landsat遙感(RS)影像數(shù)據(jù)對(duì)2006—2015年間上海市土地覆被類型的變化進(jìn)行探究，數(shù)據(jù)來自地理空間數(shù)據(jù)云(http://www.gscloud.cn/)，具體參數(shù)見表1。

表1 影像詳細(xì)信息表

1.2 數(shù)據(jù)處理

本文以ENVI4.7軟件作為數(shù)據(jù)處理平臺(tái)，遵循遙感影像處理的常規(guī)步驟，對(duì)數(shù)據(jù)進(jìn)行了預(yù)處理、幾何糾正、圖像增強(qiáng)、圖像融合及鑲嵌等相關(guān)處理，因篇幅原因只闡述以下對(duì)信息提取比較關(guān)鍵的兩點(diǎn)：

1)大氣校正 利用FLAASH模塊(Basic Tools-Preprocessing-Calibration Utilities-FLAASH)對(duì)三期影像進(jìn)行大氣校正，以降低云層和大氣對(duì)影像光譜的影響，提高影像分類效果。尤其是2010年的Landsat7影像經(jīng)過大氣校正處理后，質(zhì)量明顯提升。

2)彩色合成 選取三個(gè)波段組合作為RGB通道并進(jìn)行疊加處理后獲得彩色影像以進(jìn)行彩色合成。經(jīng)過多種組合的嘗試，最終選擇采用標(biāo)準(zhǔn)假彩色合成(432)，效果比743組合要好，分類質(zhì)量更優(yōu)(見圖1)。

1.3 圖像解譯

目前學(xué)術(shù)界中主流遙感圖像的地物分類主要有非監(jiān)督分類及監(jiān)督分類兩種。本研究選取監(jiān)督分類的最大似然法作為基于傳統(tǒng)統(tǒng)計(jì)分析學(xué)的代表，選取支持向量機(jī)作為模式辨別的代表來實(shí)現(xiàn)對(duì)地物進(jìn)行分類。

1.3.1 類別判定

基于Landsat影像的最小分辨率及上海市區(qū)的土地覆被特征，本研究范圍的土地覆被類型分為林地、耕地、草地、水域、建設(shè)用地和未利用地6類。

確定分類規(guī)則后在ENVI軟件上建立ROI選取多邊形樣本，選取后可計(jì)算出若干個(gè)樣本的可分離程度。可分離程度參數(shù)的數(shù)值均小于2，且參數(shù)越接近2即表明樣本之間的可分離程度越高，樣本選取質(zhì)量越高，效果越好。一般情況下，大于1.5為及格樣本。由2006、2010與2015年的ROI分離性報(bào)告(見圖2～圖4)看來，樣本質(zhì)量較佳。

1.3.2 精度驗(yàn)證

在ENVI 4.7軟件中，可使用混淆矩陣及ROC曲線作為評(píng)價(jià)標(biāo)準(zhǔn)。本研究選取混淆矩陣進(jìn)行精度驗(yàn)證。分類結(jié)果的混淆矩陣具有多個(gè)評(píng)估指標(biāo)，如卡帕系數(shù)(Kappa)和總體分類精度(OA)。本研究選取這兩個(gè)指標(biāo)來對(duì)分類結(jié)果進(jìn)行評(píng)估。Kappa計(jì)算公式為：

通過對(duì)最大似然的分類成果評(píng)估得到3期圖像的混淆矩陣，整理后得到最大似然法和支持向量機(jī)法2006、2010與2015年三期影像分類的總體精度和Kappa系數(shù)(見表2)。Kappa系數(shù)通常落在0～1之間，數(shù)值越高則表示一致性越高，即分類精度越高，0.81～1表示可信度極高。

通過對(duì)比最大似然法與支持向量機(jī)法，從混淆矩陣的兩個(gè)評(píng)估指標(biāo)來看，最大似然法的精確性高于支持向量機(jī)法。原因可能是影像的分辨率一般，無法展示出支持向量機(jī)的真正效果。比較后選取最大似然法作為本研究的最終分類手段。

表2 最大似然法和支持向量機(jī)法的總體精度和Kappa系數(shù)

2006、2010及2015年研究區(qū)域分類結(jié)果見圖5。經(jīng)過ENVI4.7軟件分類后，三期的各類土地類型面積結(jié)果見表3。

表3 上海市土地覆被類型面積Tab.3 Shanghai land use type areakm2

2 結(jié)果分析

2.1 土地覆被變化分析

建立土地覆被變化模型可以清晰、直觀地從定量分析的角度研究土地資源數(shù)量變化[14]。

2.1.1 上海市土地覆被變化

1)土地覆被動(dòng)態(tài)度模型

土地覆被動(dòng)態(tài)度模型可從定量分析角度清晰直觀地研究土地資源數(shù)量變化[15]。

?單一土地覆被動(dòng)態(tài)度可以反映出某個(gè)研究范圍內(nèi)一定時(shí)間段特定土地覆被利用類型的數(shù)目改變的具體狀況[3]，具體公式為：K=(U2-U1)/U1×(1/(t2-t1))×100%，其中：K指單一土地覆被動(dòng)態(tài)度的數(shù)值；U1、U2分別是研究區(qū)域中兩個(gè)時(shí)間節(jié)點(diǎn)特定某一種土地覆被類型的面積數(shù)值；t1、t2分別為初期時(shí)間與末期時(shí)間。

利用ENVI4.7軟件進(jìn)行影像分類得到的2006、2010與2015年三年的各類土地覆被類型數(shù)據(jù)，整理后得到2006—2015年的單一覆被動(dòng)態(tài)度(見表4)。

表4 2006—2015年上海市單一土地覆被動(dòng)態(tài)度

計(jì)算得出2006—2015年上海市綜合土地覆被動(dòng)態(tài)度,2006—2010年為5.39%，2010—2015年為6.33%，2006—2015年為5.78%。

2)轉(zhuǎn)移矩陣分析

土地覆被轉(zhuǎn)移矩陣可描述研究范圍內(nèi)不同覆被類型間的轉(zhuǎn)移變遷情況。本文選取ENVI4.7軟件生成轉(zhuǎn)移矩陣，通過將2006、2010與2015年上海土地覆被狀況圖進(jìn)行空間疊加處理，然后對(duì)疊置后的土地覆被變遷專題圖進(jìn)行計(jì)算分析，得到土地轉(zhuǎn)移矩陣，從而得到上海市內(nèi)6種土地覆被之間彼此轉(zhuǎn)化的結(jié)果(見表5、表6)。

表5 2006—2010年上海土地覆被轉(zhuǎn)移矩陣

表6 2010—2015年上海土地覆被轉(zhuǎn)移矩陣

整體上看：2006—2015年上海市林地與耕地面積都在逐漸萎縮減少；草地面積小幅度上升后增長(zhǎng)迅速；水域面積增長(zhǎng)后回落，絕對(duì)數(shù)值變化并不是很大；建設(shè)用地穩(wěn)步上升；未利用地的年增長(zhǎng)率達(dá)到了232.74%，這種情況應(yīng)該與2010年上海市舉行世博會(huì)及浦東機(jī)場(chǎng)填海擴(kuò)建等有關(guān)，使得未利用地大幅度增加。而且，從綜合土地覆被動(dòng)態(tài)度大小來看，2006—2010年為5.39%，低于2010—2015年的6.33%，說明世博會(huì)之后土地覆被變化要比之前更為劇烈。

從轉(zhuǎn)移矩陣不難看出：耕地的持續(xù)減少主要是因?yàn)檗D(zhuǎn)化成了林地和建設(shè)用地這兩種土地覆被類型；草地面積前期雖與其他土地類型交換很大但絕對(duì)數(shù)量不大，后期草地增加主要由林地和建設(shè)用地轉(zhuǎn)化而成；建設(shè)用地的增長(zhǎng)主要由林地、耕地及未利用地減少再改變利用方式形成的。

2.1.2 市轄區(qū)土地覆被變化

為方便研究，本文將上海市的黃浦、徐匯、長(zhǎng)寧、楊浦、虹口、普陀及靜安這7個(gè)行政區(qū)合并為中心城區(qū)。通過土地覆被轉(zhuǎn)移矩陣，結(jié)合2006、2010與2015年三期土地覆被分布圖，能夠得出2006—2015年6種土地覆被類型的變化圖(見圖6)，直觀清楚地表現(xiàn)出特定6種土地覆被類型分布及增減情況：

從草地變化來看，浦東新區(qū)、崇明縣和中心城區(qū)的草地面積增幅不大，其他行政區(qū)均明顯增加，且集中于閔行區(qū)及奉賢區(qū)一帶，青浦區(qū)西北部的草地覆被有減少的跡象。

從耕地變化來看，新增耕地主要集中于崇明縣，少數(shù)新增耕地分布于浦東新區(qū)及青浦區(qū)，其他郊區(qū)耕地都呈現(xiàn)出減少的態(tài)勢(shì)，說明上海市對(duì)農(nóng)業(yè)發(fā)展的依賴性和重視性降低。

從林地變化來看，2006年林地主要集中分布于崇明縣、奉賢區(qū)和浦東新區(qū)的邊緣地帶；2015年，崇明縣的林地面積較2006年略微下降；林地在城區(qū)、浦東新區(qū)和閔行區(qū)也呈現(xiàn)減少趨勢(shì)；新增的林地集中分布于上海西部的青浦區(qū)和松江區(qū)。

建設(shè)用地變化方面，中心城區(qū)、浦東新區(qū)、閔行區(qū)、寶山區(qū)和嘉定區(qū)的建設(shè)用地變化幅度較??；崇明縣建設(shè)用地增長(zhǎng)的同時(shí)，其東南部建設(shè)用地有部分也轉(zhuǎn)化為了耕地；其他行政區(qū)的建設(shè)用地也表現(xiàn)出不斷增長(zhǎng)的趨勢(shì)。

新增的未利用地主要集中于崇明縣，崇明縣東南部的少量未利用地被加以改造成林地。其他行政區(qū)的未利用地也都呈現(xiàn)增長(zhǎng)趨勢(shì)，可能是為下一步的土地改造做準(zhǔn)備。

2.2 驅(qū)動(dòng)力分析

土地覆被利用類型的改變主要受自然地理、人類社會(huì)經(jīng)濟(jì)及土地覆被管理等因素的影響。在針對(duì)土地類型變動(dòng)的驅(qū)動(dòng)力作用研究中，較為主流和有效的定量分析方法為主成分分析法[16]。主成分分析通過降維，將若干個(gè)參數(shù)轉(zhuǎn)化為少數(shù)幾個(gè)綜合參數(shù)，可簡(jiǎn)單變量，使結(jié)果更科學(xué)有效[17]。從2006年至2015年的土地覆被利用變動(dòng)來看，耕地是其中變化最為明顯的土地類型，所以本研究將以耕地為例，結(jié)合《上海統(tǒng)計(jì)年鑒》數(shù)據(jù)，對(duì)耕地變動(dòng)的驅(qū)動(dòng)因子進(jìn)行定量分析研究。

經(jīng)過綜合考量，本研究利用SPSS 22.0軟件將2006—2015年的數(shù)據(jù)作為樣本，再?gòu)挠绊懜乩米兓纳鐣?huì)經(jīng)濟(jì)因子中選取了15個(gè)指標(biāo)。首先對(duì)耕地及15個(gè)社會(huì)經(jīng)濟(jì)因子進(jìn)行相關(guān)分析，結(jié)果見表7，其中居民消費(fèi)水平、房屋竣工的面積大小、第一產(chǎn)業(yè)產(chǎn)值比例和地方財(cái)政收入與支出都與耕地面積存在較為顯著的相關(guān)關(guān)系，需使用主成分分析進(jìn)一步探究。

表7 耕地面積與15個(gè)社會(huì)經(jīng)濟(jì)因子相關(guān)分析表

由表8知，變量相關(guān)系數(shù)矩陣有兩個(gè)特征值明顯比1大，即11.413及2.492，與之對(duì)應(yīng)的第一、第二主成分的貢獻(xiàn)率分別為71.329%和15.577%，還有一個(gè)特征值略大于1，即1.003，貢獻(xiàn)率為6.268%。三個(gè)比1大的特征值所屬的主成分累計(jì)貢獻(xiàn)率達(dá)到了93.173%，故利用前三個(gè)主成分可囊括絕大部分的有效信息[18]。

表8 耕地面積驅(qū)動(dòng)力因子的主成分特征值和貢獻(xiàn)率

由表9知，全市居民消費(fèi)水平、戶籍人口和建筑業(yè)總產(chǎn)值與第一主成分的正相關(guān)關(guān)系最大；第二主成分主要與人口自然增長(zhǎng)率存在正相關(guān)關(guān)系。由此表明，耕地面積的變化與近年來上海市居民生活水平的逐步提高、人口的不斷攀升，以及建筑業(yè)的快速發(fā)展有很大的關(guān)系，這些因素是引起耕地面積變動(dòng)的主要驅(qū)動(dòng)力因子。

表9 耕地覆被的驅(qū)動(dòng)力因子載荷矩陣

3 結(jié)論與展望

本文利用數(shù)理統(tǒng)計(jì)分析手段并結(jié)合RS及GIS技術(shù)，客觀分析了上海市2006—2015年土地覆被類型變化的具體狀況，分析了6種土地覆被類型變遷的數(shù)量、空間和幅度特征。同時(shí)使用SPSS 22.0軟件探究了上海市耕地面積變動(dòng)的主要驅(qū)動(dòng)力，即為全市居民消費(fèi)水平、戶籍人口、建筑業(yè)總產(chǎn)值和人口自然增長(zhǎng)率。從研究的結(jié)果來看，本文有助于上海市政府對(duì)土地覆被變化的思考，并提供了科學(xué)性建議，認(rèn)為其關(guān)鍵在于提高土地利用效率。

利用遙感和圖像分類技術(shù)對(duì)地物進(jìn)行解譯再作分析已成為地理學(xué)研究的一種主流方法，但由于多種因素的限制，尚存在不足，未來將會(huì)從以下幾個(gè)方面開展后續(xù)研究：1)選取更高精度的遙感影像并嘗試多種有效分類手段，提高分類精度質(zhì)量；2)因經(jīng)濟(jì)驅(qū)動(dòng)機(jī)制和人口驅(qū)動(dòng)機(jī)制的極度復(fù)雜性，要著重圍繞經(jīng)濟(jì)和人口對(duì)土地變遷的驅(qū)動(dòng)機(jī)制開展探究。