陳 奕， 闕 翔*， 崔愛寧

(福建農(nóng)林大學(xué) a.計算機與信息學(xué)院 b.生態(tài)與資源統(tǒng)計福建省高校重點實驗室 c.福建省資源環(huán)境空間信息統(tǒng)計研究中心， 福建 福州 350002)

0 引言

土地利用/土地覆蓋變化(land use/cover change，LUCC)是揭示人類活動與自然環(huán)境相互作用機理的重要途徑，其與人類生存發(fā)展、生態(tài)環(huán)境演變和物質(zhì)能量循環(huán)等息息相關(guān)[1-2].因此，科學(xué)合理地分析土地利用演變特征及其未來變化趨勢，對區(qū)域可持續(xù)發(fā)展具有重要意義.近年來，模擬土地利用變化主要通過構(gòu)建時空模型，如多智能體系統(tǒng)模型(multi-agent system, MAS)[3]、人工神經(jīng)網(wǎng)絡(luò)(artificial neural network, ANN)[4]、元胞自動機(cellular automato, CA)模型[5]、馬爾可夫(Markov)鏈[6]等.其中MAS模型是由微觀個體作用產(chǎn)生全局變化；而Agent決策行為的多樣性和土地覆蓋系統(tǒng)的復(fù)雜性，使得模擬難度增加[7]；ANN雖可以對土地變化過程進(jìn)行模擬預(yù)測，但其模擬時間長，且難以反映具體演變過程[8]；而CA-Markov模型綜合了Markov鏈的長期預(yù)測能力和CA模擬復(fù)雜系統(tǒng)空間變化的優(yōu)點[9-11]，能夠有效揭示土地覆蓋在空間與數(shù)量上的長期演變趨勢，廣泛應(yīng)用于不同地區(qū)土地覆蓋變化.

隨著遙感技術(shù)和云端算力的發(fā)展，谷歌地球引擎(google earth engine，GEE)已成為世界上最先進(jìn)PB級地理數(shù)據(jù)科學(xué)分析及可視化平臺之一[12]，其具有豐富的數(shù)據(jù)資源、靈活的編程運算能力以及強大的數(shù)據(jù)處理功能[13-14]，為開展多源、多尺度、大范圍衛(wèi)星遙感數(shù)據(jù)的快速、批量整合提供了便利.福建省沿海地區(qū)經(jīng)濟的快速發(fā)展、人口的急劇增長、城市的擴張，導(dǎo)致土地覆蓋類型變化頻繁，對區(qū)域可持續(xù)發(fā)展造成了一定阻礙[15-16].本文基于GEE平臺解譯1989-2021年Landsat影像，并結(jié)合土地覆蓋現(xiàn)狀空間分布專題地圖、土地利用動態(tài)度及轉(zhuǎn)移矩陣，分析福建濱海地區(qū)土地演變規(guī)律，最后通過CA-Markov模型模擬預(yù)測2025年的土地覆蓋情況，以期為制定更加科學(xué)合理的區(qū)域空間管理規(guī)劃提供參考依據(jù).

1 研究方法

依托GEE平臺，在影像預(yù)處理的基礎(chǔ)上，通過隨機森林模型提取影像覆被信息，并分析福建濱海地區(qū)的地表覆蓋變化特征.

1.1 特征選取

綜合影像的地類分布特點，選取Landsat影像中藍(lán)、綠、紅、近紅外、短波紅外、中紅外6個光譜波段，歸一化植被指數(shù)(normalized difference vegetation index，NDVI)、調(diào)整土壤亮度的植被指數(shù)(soil-adjusted vegetation index，SAVI)、歸一化建筑指數(shù)(normalized difference building index，NDBI)和改進(jìn)的歸一化差值水體指數(shù)(modified normalized difference water index，MNDWI)4個光譜特征指數(shù)，以及DEM坡度數(shù)據(jù)構(gòu)建分類特征集.其中，NDVI和SAVI能夠較好反映綠色植被的光譜特征，L取0.5時消除土壤反射率效果較好[17-18]，NDBI對提取城建有良好的效果，MNDWI是提取開闊水體的最常用的指標(biāo)之一[19]，4個指數(shù)計算公式分別為：

式中，ρNIR、ρMIR、ρRED、ρGRE分別為近紅外、中紅外、紅光和綠光波段的反射率值.

1.2 分類模型

隨機森林分類模型[20]采用bootstrap抽樣構(gòu)建訓(xùn)練樣本集，每個訓(xùn)練樣本集的大小約占原始訓(xùn)練樣本集的2/3，利用 CART算法生成若干棵互不相干的決策樹，并綜合所有決策樹的結(jié)果輸出最終分類情況，公式為：

式中，H(x)為分類模型，I為示性函數(shù)，hi(x)為第i棵決策樹，Y表示目標(biāo)類別，T為像元總數(shù).

通過混淆矩陣進(jìn)行精度驗證[21]，分別計算分類結(jié)果的總體精度(overall accuracy，OA)以及 Kappa 系數(shù).

1.3 土地覆蓋動態(tài)變化分析

土地利用動態(tài)度、轉(zhuǎn)移矩陣可定量表達(dá)土地覆蓋程度的總體水平、演變趨勢以及各類型之間的流轉(zhuǎn)關(guān)系.

1.3.1 土地利用動態(tài)度

土地利用動態(tài)模型[22]可以反映研究區(qū)一定時間范圍內(nèi)，某種土地覆蓋類型的變化速度和變化幅度，對比較地表覆被變化的差異和預(yù)測未來土地類別類型具有重要作用，其表達(dá)式為[23]：

式中，K為[a,b]時段內(nèi)某地物類型的動態(tài)度，Ua、Ub分別為a、b時刻的面積，T表示研究時間長度，本文取4.

1.3.2 土地轉(zhuǎn)移矩陣

土地轉(zhuǎn)移矩陣可以反映區(qū)域LUCC的結(jié)構(gòu)與各地類的變化特征，公式為：

式中，S表示土地面積轉(zhuǎn)移矩陣，n為轉(zhuǎn)移前后的土地類型，Sij為轉(zhuǎn)移面積.

1.4 CA-Markov預(yù)測模型

CA-Markov模型是由CA模型和Markov鏈組合生成的模型，可以合理推演土地覆蓋類型的空間變化.通過Markov模型生成不同時期系統(tǒng)狀態(tài)轉(zhuǎn)移概率矩陣，再利用CA模型表達(dá)復(fù)雜空間系統(tǒng)的動態(tài)變化過程[24-25].

Markov轉(zhuǎn)移狀態(tài)矩陣是由t到t+1時地物類型數(shù)量變化而構(gòu)成的，公式為：

式中，S(t)為t時刻的系統(tǒng)狀態(tài)，P是狀態(tài)轉(zhuǎn)移概率矩陣，n為地物類型該矩陣中每個元素必須為非負(fù)數(shù)，且每行元素之和為1.

CA模型是具有時空建模能力的動力學(xué)模型，具有時間、空間、狀態(tài)離散的特點，公式為[26]：

S(t+1)=f(S(t),N)，

式中，S(t)是t時刻元胞有限、離散的狀態(tài)集合，f為局部空間元胞狀態(tài)轉(zhuǎn)化規(guī)則，N為元胞鄰域.

2 研究區(qū)概況與數(shù)據(jù)來源

2.1 研究區(qū)概況

福建位于我國東南沿海，屬亞熱帶海洋季風(fēng)氣候，年均氣溫17～21℃，雨季集中在5-6月[27].其海岸線長達(dá)3752 km，居全國第二，曲折率全國第一，是我國海岸帶的重要組成部分.濱海地區(qū)是全省人口最稠密、經(jīng)濟最發(fā)達(dá)的區(qū)域，是人類生態(tài)屏障和動植物的棲息場所，具有重要的服務(wù)功能和價值.根據(jù)研究需要，選擇福建東部濱海地區(qū)(23°52′N～27°44′N，117°04′E～120°57′)，行政區(qū)包括福州、廈門、泉州、莆田、漳州和寧德6個地級市.研究區(qū)范圍基于全球地形模型和海陸邊界數(shù)據(jù).其中，濱海邊界提取參考劉明月[28]的方法，海洋水深數(shù)據(jù)采用ETOPT1全球地形模型獲取，該數(shù)據(jù)分辨率為1弧分，是目前分辨率最高的地形起伏數(shù)據(jù)，并利用GEODAS Grid Translator工具提取海深為15 m的等深線作為海洋方向的邊界.陸地邊界為2021年福建省行政區(qū)劃海陸邊界向內(nèi)陸延展20 km.

2.2 數(shù)據(jù)源及處理

選用1989、1993、1997、2001、2005、2009、2013、2017、2021年Landsat系列地表反射率數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)，空間分辨率為30 m.由于夏季水體、植被特征較為明顯，選擇6-9月的影像.影像數(shù)據(jù)通過GEE代碼調(diào)用，已完成大氣和地形校正，通過API工具進(jìn)行去云處理.然后，參考中國科學(xué)院土地利用/覆被變化遙感監(jiān)測數(shù)據(jù)集(CNLUCC)、《土地利用現(xiàn)狀分類》(GB/T 21010-2017)、《濕地分類》(GB/T 24708-2009)，采用林草地、耕地、天然濕地、人工濕地、建設(shè)用地和未利用地6種類型.研究區(qū)內(nèi)生成均勻隨機樣本點，采用目視解譯結(jié)合隨機森林對福建濱海地區(qū)土地類型進(jìn)行分類，并在分類過程中通過人工目視判讀對錯分區(qū)域進(jìn)行修正，得到每期樣地數(shù)目超過500個，除未利用地外的地類樣地數(shù)量均超過60個.將70%作為訓(xùn)練樣本，30%作為測試樣本，通過隨機森林分類器提取1989-2021年福建濱海區(qū)的土地覆蓋類型，其分類采用總體精度和kappa系數(shù)評價分類情況如圖1所示.由圖1可知，各期分類總體精度均大于94%，Kappa系數(shù)均大于0.9，滿足應(yīng)用精度要求.

圖1 1989-2021年分類精度折線圖

3 結(jié)果與分析

3.1 地表覆蓋結(jié)構(gòu)及類型變化特征

研究區(qū)土地覆蓋類型主要以林草地和天然濕地兩大地類為主(見圖2)，兩大地類面積占比超過總面積的68%.其中，林草地主要分布在離海岸線較遠(yuǎn)的區(qū)域，而天然濕地主要沿海岸線方向分布.耕地略高于建筑用地和人工濕地，而未利用地占比相對較低.福建省土地覆蓋類型變化顯著，主要特征為建筑用地的增加和耕地、林草地的減少.建筑用地為面積變化幅度最大的土地類型，從1989年的1619 km2上升至2021年的4215 km2.其中，廈門、泉州地區(qū)建筑用地面積有明顯的增長，可能由于該地經(jīng)濟發(fā)展水平相對較高，吸引外來人口遷入，導(dǎo)致建筑用地擴張需求不斷增加.林草地面積總體呈下降趨勢，1989年的11 619 km2減少至2021年的9042 km2.耕地面積與林草地面積變化負(fù)相關(guān),呈“N”型變化趨勢，1997-2017年持續(xù)減少，可能由于我國城鎮(zhèn)面積的擴大征用近郊土地、廢棄地復(fù)墾率低造成.城市用地需求與日增長，應(yīng)當(dāng)有效規(guī)劃城鎮(zhèn)化進(jìn)程，推動福建省經(jīng)濟有序發(fā)展.

圖2 1989-2021福建濱海地區(qū)各地面積變化折線圖

研究區(qū)各地類土地覆蓋變化情況如表1所示.建筑用地動態(tài)度較于其他地物類型相對較大，且基本為正向變化.人工濕地和耕地動態(tài)度正負(fù)波動明顯，林草地和天然濕地基本保持穩(wěn)定，可能由于其在研究區(qū)內(nèi)基數(shù)較大，變化比例不明顯.2009-2013年期間，人工濕地的動態(tài)度高于其他時段，達(dá)10.13%，可能由于福建省水產(chǎn)養(yǎng)殖業(yè)的快速發(fā)展，全省水產(chǎn)養(yǎng)殖面積約增長12.62%.

在1989-2021年福建濱海地區(qū)土地覆蓋面積轉(zhuǎn)移矩陣如表2所示.林草地向耕地轉(zhuǎn)移的面積最大，為2487.46 km2，占耕地轉(zhuǎn)入面積的17.76%，占林草地轉(zhuǎn)出面積的19.38%.耕地向建筑用地的轉(zhuǎn)移面積次之，為2022.01 km2，占建筑用地轉(zhuǎn)入面積的43.05%，耕地轉(zhuǎn)出面積的38.82%.建筑用地侵占林草地和耕地發(fā)生擴張，其中林草地轉(zhuǎn)為建筑用地的面積為890.03 km2，占建筑用地轉(zhuǎn)入面積的18.95%.研究期內(nèi)濱海地區(qū)城鎮(zhèn)化進(jìn)程加快,人口數(shù)量大幅上升，造成建筑用地侵占耕地、林草地,同時也存在耕地侵占林草地的現(xiàn)象，反映了在社會經(jīng)濟發(fā)展背景下，人類活動對于土地覆蓋的影響較大.

表1 1989-2021年福建濱海地區(qū)土地利用動態(tài)度 單位:%

表2 1989-2021年福建濱海地區(qū)土地面積轉(zhuǎn)移矩陣 單位：km2

3.2 土地覆蓋模擬預(yù)測

基于IDRISI 17.0軟件中的CA-Markov模塊模擬研究區(qū)土地覆蓋格局.以2017-2021年土地覆蓋解譯結(jié)果為基礎(chǔ)，設(shè)置循環(huán)次數(shù)為20，以5×5為鄰域構(gòu)建CA濾波器，進(jìn)行迭代預(yù)測模擬預(yù)測2021年的土地覆蓋情況.將2021年實際情況與模擬結(jié)果對比，計算Kappa系數(shù)為0.9217，整體模擬效果較好.

驗證模擬精度后，以2021年為基期，得到2025年福建濱海地區(qū)的土地覆蓋類型模擬結(jié)果(見表3)和土地面積轉(zhuǎn)移矩陣(見表4).在2021-2025年間，人工濕地與耕地之間的轉(zhuǎn)化趨于平衡，人工濕地轉(zhuǎn)向耕地面積為63.12 cm2，耕地轉(zhuǎn)向人工濕地面積為56.99 cm2.林草地預(yù)測面積呈現(xiàn)輕微減少趨勢.林草地也是轉(zhuǎn)出面積最多的地物類型，其轉(zhuǎn)移類型主要為耕地，預(yù)測減少面積為2101.91 km2，約占92.17%.其次是天然濕地預(yù)測出現(xiàn)小幅度的減少趨勢，主要轉(zhuǎn)為耕地和建筑用地，預(yù)測在將來的幾年中建筑用地將進(jìn)一步擴張，仍然可能出現(xiàn)建筑用地和耕地侵占天然濕地等現(xiàn)象.其中，廈門市預(yù)測轉(zhuǎn)移面積較多，空間變化依然活躍，這與該地經(jīng)濟狀況及常住人口數(shù)呈增長相符合.建設(shè)用地的增長是福建省未來土地利用的趨勢，需要在科學(xué)合理規(guī)劃下進(jìn)行開發(fā)建設(shè)，因地制宜合理利用特色產(chǎn)業(yè)資源，保護(hù)林草地、天然濕地資源，統(tǒng)籌區(qū)域土地利用與可持續(xù)發(fā)展.

表3 福建濱海地區(qū)土地覆蓋模擬結(jié)果

表4 2021-2025年福建濱海地區(qū)土地面積轉(zhuǎn)移矩陣 單位：km2

4 結(jié)論

本研究基于GEE實現(xiàn)了1989-2021年福建濱海區(qū)域多時相遙感影像土地覆蓋變化監(jiān)測，并采用GIS技術(shù)分析其變化規(guī)律，利用CA-Markov模型模擬預(yù)測未來4年的福建濱海地區(qū)土地覆蓋情況.得到如下結(jié)論：

(1)福建濱海地區(qū)景觀類型主要為林草地和天然濕地，面積占比超過總面積的68%.然而，林草地面積總體呈下降趨勢，城鎮(zhèn)用地、耕地占用是林草地減少的主導(dǎo)因素.

(2)福建省濱海地區(qū)建筑用地動態(tài)度最大，且基本為正向變化.建筑用地擴張是驅(qū)動濱海地區(qū)土地覆蓋變化的重要因素，其中經(jīng)濟發(fā)展水平較高的廈門、泉州等地建筑用地面積明顯增加.因此，在城市擴張建設(shè)的過程中要注意與生態(tài)環(huán)境的協(xié)調(diào)，合理利用土地資源.

(3)預(yù)測2021-2025年，福建濱海地區(qū)人工濕地與耕地之間的轉(zhuǎn)化總體趨于平衡，林草地面積有減少趨勢，建筑用地面積有增加趨勢但增速有所下降，仍可能存在建筑用地和耕地侵占天然濕地等現(xiàn)象.

由于土地覆蓋演變是一個復(fù)雜的工程，與區(qū)域地理條件、氣候變化及人類活動等因素息息相關(guān)，本文主要探討研究區(qū)土地覆蓋類型的數(shù)量演變關(guān)系，而對不同政策情景下土地變化規(guī)律的研究涉及較少，未來將關(guān)注多情景約束條件下濱海地區(qū)土地覆蓋演變規(guī)律.