1985 —2015年厦门市土地利用变化及驱动力

林柳璇^1,2,3, 尤添革^1,2, 刘金福^1,2,3, 陈远丽^1,2,3, 黄嘉航^2,3, 旷开金⁴, 路春燕^1,2

(1.福建农林大学计算机与信息学院，福建 福州 350002；2.生态与资源统计福建省高校重点实验室，福建 福州 350002；3.福建农林大学海峡自然保护区研究中心，福建 福州 350002；4.福建江夏学院金融学院,福建 福州 350002)

摘要 : 运用面向对象分类法得出厦门市1985—2015年土地利用覆盖数据，结合土地利用转移矩阵分析法、动态度分析法对厦门市30年城市用地变化过程进行动态监测与分析.结果表明：30年间林地和耕地分别减少了60.96和108.33 km²，减少的部分主要转化为建设用地和交通用地；水域和其他用地分别减少了14.23和15.89 km²，主要转化为建设用地；养殖水面面积1985年后增加31.00 km²，主要占用耕地，但2005—2015年减少了38.35 km²，主要转化为建设用地.气候变化、经济发展、人口剧增及旅游业发展是厦门市土地利用发生变化的主要原因.

关键词 : 土地利用; 遥感; 厦门; 动态监测

土地是人类赖以生存和发展的物质基础.上世纪以来土地利用成为研究全球环境变化的热点话题^[1-2].随着中国沿海城市城镇化水平不断提高，沿海城市土地利用发生巨大的变化，引起城市发展与生态环境的失衡.厦门市是中国沿海重要的中心城市，近年来厦门市飞速发展致使土地利用随之变化.带来不少生态问题.为确保城市的可持续发展，科学合理规划土地利用必不可少.

目前，国内外学者针对土地利用变化做了许多探索和实践：Friedl et al^[3]利用单变量决策树法进行全球土地覆盖分类，证实了该方法在大尺度土地覆盖的分类中具有较好的稳健性；刘世梁等^[4]采用支持向量机分类器对广西滨海区域湿地进行监督分类，分类精度更高，但两种方法都存在“椒盐”现象，导致大量破碎图斑产生，影响分类效果；渠爱雪等^[5]采用土地利用现状图与遥感影像分析徐州城区土地利用变化和空间格局，但分析过程过于繁杂不够灵活.厦门市由于地物光谱的混淆性和异质性，传统分类方法很难将道路与城市其他地物区分开^[6]，例如周梦瑶等^[7]采用最大似然法探讨厦门市土地利用变化对植被覆盖度的影响，但分类图像较破碎，误差较大.面向对象分类方法是以多个邻近像元为对象，对遥感影像数据进行分类和目标地物提取的分类方法.该方法利用光谱、几何和结构信息对影像进行多尺度分割，避免破碎图斑的产生，同时充分利用地物光谱、形状、纹理和空间关系特征，在一定程度上减少“同物异谱”和“异物同谱”对分类的影响^[8-10].本研究主要运用面向对象分类法、土地利用转移矩阵与动态度分析法，分析厦门市30年土地变化情况，结合社会经济和气象数据，客观地解释变化的驱动因素，旨在为厦门市城市建设提供科学的决策依据.

1 研究区概况

厦门市地处福建省东南沿海(118°04′04″E，24°26′46″N)，九龙江入海处，由厦门岛、鼓浪屿、内陆九龙江北岸的沿海部分地区及同安组成，陆地面积约1 699 km²，海域面积超过300 km²，是一个国际性海港风景城市^[11].该区域属亚热带海洋性季风气候，温暖湿润，雨量充沛，年均温度在20 ℃左右，年均降雨量在1 200 mm左右.

从表2可以看出，不同覆盖条件下幼虾存活率由高到低为对照、单层薄膜覆盖、双层薄膜覆盖；在60 cm水深条件下，幼虾存活率由高到低为对照、单层薄膜覆盖、双层薄膜覆盖，而在30 cm水深条件下，除对照组幼虾存活率较高外，单层薄膜覆盖和双层薄膜覆盖相差不大。在相同覆盖条件下，投放在60 cm水深的幼虾存活率均高于投放在30 cm水深的存活率。

建立起地方政府、科研院所、推广站、企业和农户之间的五位一体的新型推广模式。地方政府、科研院所、推广站、企业和农户之间的供求与服务关系如图2所示。

该市地势由西北向东南倾斜，有中山、低山、高丘、低丘、台地、平原、滩涂等^[12].全市主要土地利用类型有林地、耕地、水域、养殖水面、建设用地及交通用地等.据厦门市统计局公布的《多元驱动厦门高城镇化》^[13]报告可知，厦门市城镇化水平已进入高级阶段，领先于全省全国许多城市.

2 数据来源与处理

2.1 数据来源

式中：分别代表两期土地利用类型，C _i×j 为由k 时期到k +1时期的土地利用变化矩阵，表现土地利用类型变化的类型及其空间分布.

表1 遥感影像数据来源 ¹)
Table 1 Data source of remote sensing image

¹⁾行列号均为119043.

2.2 数据预处理

首先，对4期遥感影像进行预处理，包括辐射校正(辐射定标和大气校正)、几何精校正、裁剪，所有处理在ENVI 5.1平台上进行.

(2)综合土地利用动态度L _c ^[20].用于描述研究区域的土地利用变化速度，即该研究区土地利用年变化率，其表达式为：

通过以下例句，学生可以归纳出先行词是“人”的时候，如何用关系代词that，who和whom实现对其的照应，同时还能体会和比较限制性定语从句和非限制性定语从句的区别。

通过分类结果得出各土地利用类型面积和比重变化.由表2可得，1985—2015年厦门市主要土地利用类型为林地、耕地和建设用地，占试验区总面积比重的变化分别为:52.27%～49.17%、20.46%～14.87%、19.05%～29.06%.林地、耕地的面积逐年下降，建设用地呈现上升趋势，且上升幅度不断增大.至2015年，厦门市交通用地面积已增加到1985年的两倍，增长0.6%.厦门市内其他用地，包括荒地、沙地、空闲地呈下降趋势，从2.51%下降到1.69%.为满足厦门市商业住宅区、旅游区开发的用地需求，水域、耕地、林地及其他用地加快向建设用地和交通用地转化.水域面积先减少后增加，从2.32%下降到1.43%，2005年后又有小幅度增加.养殖水面面积先增后减，1985—2005年从2.83%增长到4.44%，而近10年又下降至2.45%.

面向对象的遥感信息提取技术是以相同特征的对象为基本分析单元，最小分类单元同时具有光谱、形状、纹理及拓扑等多种特征的影像，因此面向对象分类法精度高、效果好^[14].面向对象分类法主要包括两个步骤：先根据尺度、形状和紧密度等参数进行多尺度影像分割生成对象，然后基于对象的分类.该方法突破了传统的以像元为基本分类的局限性，可高效地进行遥感影像分类，并有效避免产生严重“椒盐现象”^[15].

再次，采用eCognition 9.0软件对土地利用类型进行面向对象分类，主要流程为：多尺度影像分割、影像信息的提取及分类精度评价.

组织实施有关质量管理体系程序，负责质量管理体系文件的归口管理，负责质量目标分解并发布至各相关部门和岗位，对分解目标进行考核、汇总分析，组织质量手册和程序文件的编写与修改工作，协助行政部门组织质量体系管理方面的培训。

最后，将分类结果在ArcGIS 10.3软件中叠加分析，得到厦门市1985年、1995年、2005年和2015年4个时期土地利用类型分布图.

3 研究方法

3.1 面向对象分类法

电力电量平衡是电力系统调度计划编制的核心,它为电力系统的安全、稳定、经济运行提供了保障[1]。通过预测及保证电力电量的平衡,可以确定未来一段时间电网的基本运行方式,并为设备检修计划、联络线送受电计划、需求侧管理计划、煤炭采购计划以及财务预算计划等制定提供依据。在满足电力电量平衡和电力供应的前提下,能够实现水、火联合发电的经济调度模式,使全网效益最好[2]。为此,电力电量平衡分析一直是研究热点。

3.2 土地利用转移矩阵

土地利用转移矩阵是将土地利用变化类型转移面积按矩阵形式加以列出，可细致反映各地类之间相互转化关系，进而了解转移前后各地类结构特征^[16].史培军等^[17]提出了利用土地代数为原理，得到土地利用转移矩阵方法，具体公式如下：

(1)

研究数据源共3部分：(1)Landsat卫星系列1985、1995、2005年TM遥感影像及2015年OLI遥感影像，具体影像来源信息见表1；(2)厦门市气象数据；(3)1985—2015年厦门市GDP与人口相关数据.其中，遥感影像下载自美国地质调查局(USGS，http:∥glovis.usgs.gov/)；厦门市气象数据来自中国气象数据共享网络(http :∥data.cma.cn/)；厦门市GDP与人口相关数据从《中国城市统计年鉴》获取.

依据1985—2015年的土地利用遥感数据，在ArcGIS 10.3平台中对4期土地利用数据图进行叠加和统计分析，得到1985—1995年、1995—2005年、2005—2015年厦门市土地利用转移矩阵和动态变化的相关数据，分析30年土地利用动态变化情况.

3.3 动态变化测度

(1)单一土地利用类型动态度K 和P ^[18].这类参数表达的是一定时间范围内某种土利用类型数量变化情况，K 反映的是土地利用类型变化的幅度，P 反映土地利用类型变化的趋势，表达式如下：

(2)

式中：K 为研究时段内某一土地利用类型动态度；U _a 、U _b 分别为研究期初及期末某种土地利用类型的数量；T 为研究时段长^[19].

(3)

式中：ΔU _in和ΔU _out分别表示研究时段内i 类型转化为非i 类型和非i 类型向i 类型转化的面积.当0<P ≤1时，表示该类型呈增长状态；当-1≤P ≤0时，表示该类型处于萎缩状态.

其次，遵循“全国遥感监测土地利用/覆盖分类体系”，采用一级分类系统原则，结合厦门市土地资源现状和实地调查结果，将土地利用类型分为7类，即耕地、林地、水域、养殖水面、建筑用地、交通用地和其他.

(4)

式中：LU _ij 为监测起始时间第i 类土地利用类型面积；ΔLU _ij 为监测时段内第i 类土地利用类型转为j 类土地利用类型面积；T 为研究时段长.

Step 4 Calculate the degraded Jacobian matrix Jf(Jf2 R6?7,where subscript means ‘failure’)corresponding to each joint configuration in the configuration set A as follows:

4 结果与分析

4.1 土地利用现状

1985—2015年4期土地利用类型分布情况见图1.为验证分类精度，实地采样收集了345个样点，采用混淆矩阵分析，得到总体分类精度为93.25%，Kappa系数为0.922，表明运用面向对象分类法得到的分类精度较高.

项链包装在首饰盒里。出走老凤祥银楼，妻子拿出白金项链，要我替她戴上。项链的搭扣是螺丝的，头对头扭转几下就合上。一路上，白金项链就戴在妻子的脖子上。我觉得妻子不知不觉地有了某种变化。这个变化，不在她脖子上的白金项链上，而在她的心里。

图1 1985 —2015年厦门市土地利用类型分布
Fig.1 Spatial distribution of land use in Xiamen City from 1985 to 2015

表2 厦门市1985 —2015年各土地利用类型面积及比重
Table 2 Area and proportion of land use in Xiamen City from 1985 to 2015

4.2 土地利用变化规律

4.2.1 转移变化 厦门市30年土地利用类型变化的幅度和速率见表3.1985—1994年养殖水面面积增加最多，主要占用耕地，速率为0.5；交通用地增幅次之，主要占用耕地，速率为0.33；建设用地面积增幅第三，主要占用林地；其他用地小幅度增加，主要占用耕地，变化速度最慢.耕地面积减少得最多，林地和水域次之，大部分转化为建设用地.

1995—2004年建设用地面积增加最多，主要占用耕地，变化速率为0.16；其次是养殖水面和交通用地面积，主要占用其他用地和耕地，交通用地增速最快，为0.23.耕地面积减少得最多，主要转换为建设用地，速率为-0.14；林地和水域次之，大部分转换为建设用地，且水域的变化速度较大,为-0.21；其他用地的面积也开始减少，大部分转换为建设用地.

2005—2015年建设用地面积增加最多，主要占用林地；交通用地和水域增幅次之，主要占用林地和养殖水面，且交通用地的变化速度较大(0.26)，养殖水面的变化速度最大(-0.44)，围海造地力度大是养殖水面减少的主要原因.耕地面积减幅次之，主要转换为建设用地；其他用地面积持续减少，主要转换为养殖水面，且变化速度较大(-0.25).

表3 1985 —2015年厦门市土地利用转移矩阵
Table 3 Land use transition matrix of Xiamen City from 1985 to 2015

4.2.2 动态度测定 由表4可知，1985—1994年K 值最大的土地利用类型是养殖水面，其他按顺序递减为：交通用地、水域、其他、建设用地、耕地、林地.1995—2004年，K 值按递减排序为：水域、其他、交通用地、养殖水面、建设用地、耕地、林地.2005—2015年，K 值按递减排序为：其他、养殖水面、水域、交通用地、建设用地、耕地、林地.养殖水面、交通用地和水域在3个时间段内K 值均较大，即变化得最大最快.

4.3.1 气候对土地利用变化的影响 厦门市近30年来气候变化详见图2，年平均气温波动较大，呈上升趋势.气候变暖，上层海水变热膨胀，导致海平面上升，沿海地势低的滨海养殖水面、林地、耕地、水域等被淹没，面积减小，也引起土地退化.图2年平均降水量呈波动变化，总体变化趋势相对稳定.可见1985—2015年气温变化对厦门市城市化进程中土地利用与生态环境之间平衡产生影响，而降水量变化对其影响不大.

深松耕、免耕和常规耕作方式能够明显增加夏玉米生育期内0～10 cm土层土壤微生物生物量碳和微生物活性，土壤表现出“上富下贫”的现象。深松耕和免耕方式可以增加土壤含水量，增加土壤黏粒含量，有利于提高土壤的抗侵蚀能力。深松耕和免耕方式均能降低夏玉米生育期内土壤呼吸， 能够较好地改善土壤生态因子。

综合动态度(L _C )从0.25%上升到0.33%，呈现缓慢上升趋势，说明厦门市土地利用总体上较为活跃、变化速度加快.可见厦门市土地利用正处于发展阶段，土地利用的集约程度不断提高，各土地利用类型的综合变化程度逐步上升，城市处于发展阶段.

表4 厦门市1985 —2015年土地利用动态度
Table 4 Land use dynamic in Xiamen City from 1985 to 2015

4.3 土地利用变化驱动因素

同时，由表4可知，耕地、交通用地的P 值均大于0.5，处于不平衡状态.养殖水面、林地的P 值先降后升，说明其变化先处于不平衡状态，恢复稳定后又转为不平衡状态.建筑用地、其他用地的P 值逐年增大，说明变化状态渐进式不稳定，呈趋势上升.水域P 值上升后再下降，表现出由不平衡向平衡趋势变化.

图2 厦门市1985 —2015年年均气温与降水量
Fig.2 Average annual temperature and precipitation of Xiamen City from 1985 to 2015

4.3.2 经济发展对土地利用变化的影响 由表5可得，厦门市GDP总量从1985年的18.36亿元大幅增长到2015年的3 466.03亿元，说明30年厦门市经济飞速发展.为实现城镇化建设目标和满足居民日益增长的物质文化需求，厦门市投入了大量资源进行工业生产和居民区、道路扩建，建设用地、其他用地和交通用地面积随之增大，城市空间增大，林地和耕地的面积减小.

相比于其他经济增长方式，耕地效益较低，为了增加经济效益，耕地林地向经济效益更高的养殖水面和其他用地转变.同时为满足城市建设的用地需求及补充减少的耕地，政府填海造田.农业发展引起用水需求量增加，导致水域面积继续减小，养殖水面面积随之减小.

4.3.3 人口增加对土地利用变化的影响 作为城市发展必不可少的因素，人口是影响土地利用变化的关键.由表5可知，厦门市人口从1985年的53.26万人增加到2015年的134.36万人，翻了3倍.城市人口大量增加导致对居住设施和公共环境的要求提高，即人口数量变化对土地利用变化产生了极大影响，具体表

表5 厦门市1985 —2015年GDP与人口数统计表
Table 5 GDP and population in Xiamen from 1985 to 2015

现为：围湖造田，水域面积不断减小，耕地利用程度增强；耕地、林地等生态用地被占用，荒地等其他用地被开垦；对公用设施需求增大，各种住宅、大型商业及公共设施(如影院、超市、体育馆等)的兴建，使得建设用地面积增加；对城市交通的需求增加，厦门市1988—2013年在交通设施投入了大量资金，如1988年启用的长途汽车站，是当年全省最大的汽车站，及后来建设的厦门大桥(1991年)、海沧大桥(1999年)、快速交通系统(BRT)(2008年)、成功大道(2009)，和2013年完工的厦深铁路，均为厦门市为满足城市化交通需求所做的努力.人口急剧增长，城镇化趋势日益扩大，可利用土地资源减少，给城市土地利用的变化带来了极大的影响.

4.3.4 旅游发展对土地利用变化的影响 旅游业是一个城市发展和土地利用变化的重要驱动力.按照《厦门市旅游发展总体规划》，厦门拥有58种旅游资源基本类型，是福建省旅游资源最富集的地区.至2010年10月，全市有旅行社129家，分社24家，旅游饭店560家，宾馆、旅社、招待所490家，旅游景区(点)20多家，旅游购物企业10多家及上百家各类型的旅游餐馆企业，形成了包括旅游饭店、旅行社、旅游交通、旅游餐饮、旅游娱乐、旅游景区、旅游商品购物的完整产业体系^[21].由此对土地利用产生了较大影响，反映出建设用地面积的增大.城市化使得厦门市土地利用类型从农业用地为主导，转变为如今以城镇和旅游为主导，随着旅游体系完善，带动了耕地林地向建设用地转变的过程.

从揭幕战到圣诞大战，同样的对手，同样的结果，但球队呈现出来的竞技状态、精神面貌已经判若两队。绝对核心的离去、仓促交接带来的水土不服，这些都是造成目前状态的原因，但更重要的，我们似乎还没有找到西王集团的体育基因。这家跨界进入篮球产业的民营企业，正面临着从传统行业到现代文娱的转型挑战。

旅游业的发展带动着交通行业的发展，离交通线路越接近的地方，土地利用类型转变的幅度越大.作为福建省著名的滨海旅游城市，政府为厦门市提供了旅游业发展的有利条件.如1985年后厦门市交通业飞速发展，完善道路、机场和铁路的建设，多元化的交通运输方式等，交通用地面积逐年增大.

5 结论

应用面向对象分类法、土地利用转移矩阵和动态度分析法对厦门市1985—2015年土地利用变化特征规律及驱动因子进行分析，结果表明：

(1)1985—2015年间，耕地面积大幅度减小，变化速率逐年增大；林地因转化为建设用地，逐年减少；建设用地和交通用地面积有较大幅度增大，主要占用林地和耕地，变化均趋于不稳定状态；水域和和养殖水面受到填海造路等因素影响，30年间均总体呈减小趋势.在经济效益的驱动下，养殖水面在2005年前大幅度增大；其他用地由于荒地等裸地的利用，也有较大幅度减少，趋于不稳定状态.

(2)厦门市3个时段内养殖水面、交通用地和水域的单一土地利用动态度值最大，即变化得最快；厦门市综合土地利用度逐年缓慢增加，即厦门市的土地利用结构在每个时期都有变化，城市建设在持续发展中.

非小细胞肺癌(non-small cell lung cancer，NSCLC)是世界范围内最常见的肿瘤，居癌症死因首位[1]。TNM分期中ⅠA阶段的患者术后5年生存率仅为67%，这与NSCLC在初始阶段就容易转移有关[2]。而肿瘤细胞在侵犯细胞外基质并向远处的器官转移时，需要与肿瘤基质中的细胞相互作用，因此充分理解微环境内相应成分对癌细胞的影响，有利于认识NSCLC患者的不良预后[3]。

(3)在厦门市土地利用驱动力研究中，可知土地利用格局的驱动因子主要有气候变化、经济飞速发展、人口急剧增长和旅游业发展.由于城市化发展，厦门市尽管在旅游、经济方面都有很大程度地发展，并影响建筑用地和交通用地面积使其持续增长，但也影响了生态环境，使得耕地林地面积减小.

综上所述，建议厦门市在城市化进程中，强调注重生态与城市发展的平衡，转向新型城镇化建设，迈入以生态文明为导向的新时代，将生态文明融入城市化进程中，减轻城市化对生态环境的破坏作用，同时控制人口增长，减轻人类对自然资源过度利用.研究为厦门市生态资源和水资源保护及城市生态建设提供信息服务.

参考文献

[1] 刘彦随,陈百明.中国可持续发展问题与土地利用/覆被变化研究[J].地理研究,2002,21(3):324-330.

[2] 陈佑启,杨鹏.国际上土地利用/土地覆盖变化研究的新进展[J].经济地理,2001,21(1):95-100.

[3] FRIEDL M A, BRODLEY C E, STRAHLER A H. Maximizing land cover classification accuracies produced by decision trees at continental to global scales[J]. IEEE Transactions on Geoscience and Remote Sensing, 1999, 37(2):969-977.

[4] 刘世梁,安南南,尹艺洁,等.广西滨海区域景观格局分析及土地利用变化预测[J].生态学报,2017,37(18):5 915-5 923.

[5] 渠爱雪,卞正富,朱传耿,等.徐州城区土地利用变化过程与格局[J].地理研究,2009,28(1):97-108.

[6] 赵文智,雒立群,郭舟,等.光谱特征分析的城市道路提取[J].光谱学与光谱分析,2015,35(10):2 814-2 819.

[7] 周梦遥.何东进,覃德华,等.1995—2015年厦门市土地利用变化对植被覆盖度的影响[J].森林与环境学报,2017,37(4):440-445.

[8] 刘翔,刘会玉,林振山,等.基于Landsat OLI影像的盐城滨海湿地分类方法对比研究[J].湿地科学,2017,15(5):689-696.

[9] HUE S W, KOROM A, SENG Y W, et al. Land use and land cover change in Vientiane area, Lao PDR using object-oriented classification on multi-temporal Landsat data[J]. Advanced Science Letters, 2017,23(11):11 340-11 344.

[10] LEMMA H, FRANKL A, POESEN J, et al. Classifying land cover from an object-oriented approach-applied to Landsat 8 at the regional scale of the Lake Tana Basin (Ethiopia)[C]∥Vienna: European Geoscience Union, 2017.

[11] 陈国斌.厦门海域赤潮现状与对策[J]中国水产,2012(10):27-29.

[12] 陈加兵,李慧,陈文惠,等.基于DEM与DLG的福建省地貌形态自动分类[J].地球信息科学学报,2013,15(1):75-80.

[13] 蔡晓鹏.多元驱动厦门高城镇化[EB/OL].(2017-09-08)[2018-02-05].http://www.stats-xm.gov.cn/tjzl/tjfx/201709/t20170908_31778.htm.

[14] 满卫东,李春景,王宗明,等.基于面向对象分类方法的乌苏里江流域中俄跨境区域湿地景观动态研究[J].遥感技术与应用,2016,31(2):378-387.

[15] 王卫红,夏列钢,骆剑承,等.面向对象的遥感影像多层次迭代分类方法研究[J].武汉大学学报(信息科学版),2011,36(10):1 154-1 158.

[16] 张祎,李玉凤,高鸿,等. 基于土地转移矩阵的生态服务功能研究——以南京市仙林新市区为例[J]. 生态与农村环境学报, 2014,30(6):800-805.

[17] 史培军,江源,王静爱,等.土地利用/覆盖变化与生态安全响应机制[M].北京:科学出版社,2004.

[18] OBURGER E, JONES D L. Substrate mineralization studies in the laboratory show different microbial C partitioning dynamics than in the field[J]. Soil Biology & Biochemistry, 2009,41(9):1 951-1 956.

[19] 朱会义,李秀彬,何书金,等.环渤海地区土地利用的时空变化分析[J].地理学报,2001,56(3):253-260.

[20] 石转弟,彭培好,王玉宽,等.成都市主城区土地利用变化分析[J].国土资源科技管理,2014,31(2):1-7.

[21] 兰海军.浅论厦门旅游业现状及发展战略[J].改革与开放,2012(1):9-10.

Land use changes and driving forces in Xiamen City from 1985 to 2015

LIN Liuxuan^1,2,3, YOU Tiange^1,2, LIU Jinfu^1,2,3, CHEN Yuanli^1,2,3, HUANG Jiahang^2,3, KUANG Kaijin⁴, LU Chunyan^1,2

(1.College of Computer and Information Science, Fujian Agriculture and Forestry University, Fuzhou, Fujian 350002, China; 2.Key Laboratory of Ecology and Resources Statistics of Universities, Fujian Agriculture and Forestry University, Fuzhou, Fujian 350002, China; 3.Cross-strait Nature Reserve Research Center, Fujian Agriculture and Forestry University, Fuzhou, Fujian 350002, China; 4.College of Finance, Fujian Jiangxia University, Fuzhou, Fujian 350002, China)

Abstract : Object-oriented taxonomy was used to obtain land cover data for Xiamen City from 1985 to 2015. Then land use transfer matrix analysis and dynamic degree analysis were applied to monitor land use change process dynamically. The results showed that woodland and arable land decreased 60.96 and 108.33 km², respectively in the past 30 years, most of which were converted into construction land and traffic land. Water and other land decreased by 14.23 and 15.89 km², respectively, which were mainly converted into construction land. Aquaculture water increased by 31.00 km² after 1985, which mostly occupied arable land. But it decreased by 38.35 km² from 2005 to 2015 and converted to construction land mostly. Climate change, economic development, rapid population growth and tourism are all the main reasons for the change in land use in Xiamen City.

Key words : land use; remote sensing; Xiamen City; dynamic monitoring

中图分类号 :P231

文献标识码: A

文章编号: 1671-5470(2019)01-0103-08

DOI :10.13323/j.cnki.j.fafu(nat.sci.).2019.01.017

收稿日期 ：2018-04-08

修回日期： 2018-05-11

基金项目 :全国统计科学研究项目(2015LZ18).

作者简介 :林柳璇(1995-),女.研究方向:资源环境统计.Email:cici_llx@126.com.

通信作者 刘金福(1966-),男,教授,博士生导师.研究方向:资源环境统计.Email:fjljf@126.com.

(责任编辑:苏靖涵)

标签：土地利用论文;  遥感论文;  厦门论文;  动态监测论文;  福建农林大学计算机与信息学院论文;  生态与资源统计福建省高校重点实验室论文;  福建农林大学海峡自然保护区研究中心论文;  福建江夏学院金融学院论文;