基于 Landsat卫星影像的纳雍县土地利用变化研究

胡超 ¹，卢涵宇 ^*1 ，彭令 ²，卢天健 ³，丁蕾锭 ¹

( 1.贵州大学 大数据与信息工程学院， 贵州 贵阳 550025； 2.中国地质环境监测院， 北京 100081； 3.中南大学资源与安全工程学院， 湖南 长沙 410083)

摘要： 本文以贵州省纳雍县为研究区，以1997年、2006年和2015年的Landsat遥感影像为数据源，利用RS与GIS手段获取研究区土地利用分类图与土地利用转移概率矩阵，建立Markov模型模拟纳雍县未来土地利用类型的演化趋势。结果表明：未来9 a研究区内的耕地、未利用地面积呈现逐年减少的趋势，建设用地不断扩张，林地面积持续较大面积的增加，而水域面积基本没有变化。基于此，建议提高现有建设用地的利用，同时加强对耕地的保护，实现土地资源的合理利用。

关键词： Landsat；土地利用变化；Markov模型；纳雍县

0 引言

近年来，随着社会经济的快速发展，贵州省土地利用发生剧烈变化，由此带来众多的生态环境问题，从而制约了当地社会经济的可持续发展。因此，研究该区域土地利用变化具有重要意义。国内外学者在土地利用动态变化方面的研究取得了大量的成果^[1-17]。模拟土地利用动态变化常用的方法有Markov模型、元胞自动机、GIS、空间Logistic模型等，其中Markov模型是一种广泛应用于土地利用预测的经典模型。国外学者Bhagawat等^[1]利用Markov模型对城市进行了土地利用变化的预测与分析,表明综合使用Landsat时间序列图像与Markov模型是实现长期的时空分析和可接受的预测准确度的最佳选择。国内学者朱龙^[5]综合考虑区域社会经济环境等因素，利用PSR模型建立了江西省瑞昌市土地生态安全评价指标，综合运用熵权法与层次分析法建立起了区域土地利用变化与土地生态安全评价体系。雷师等^[11]实现了跨区域城市土地利用变化的比较研究，但在对土地利用预测方面缺乏空间预测变化优势。付仲良等^[14]利用分类后对比法实现了上海市土地变化动态监测，但是其监测精度受到单独分类误差的影响。田姣姣^[15]利用Markov模型对北京市进行了土地利用变化分析及预测；并通过多角度全面分析后选取了影响土地利用的七大影响因子，构建基于Markov-ANN-CA三种算法的模拟及预测模型，提高了模型的可靠性和模拟预测的精度。以上研究集中在利用Markov模型进行城市及区域尺度上土地利用变化预测，预测结果精度较高。但是在经济快速发展的背景下将Markov模型应用于县域尺度的土地利用变化模拟却很少。本文欲将Markov模型应用于县域尺度上，选取贵州省毕节市纳雍县为研究区，研究该地区1997年～2015年近20年间土地变化情况，并利用Markov模型对未来纳雍县土地发展趋势进行预测，以期为当地土地利用规划提供一定的参考。

1 研究区与数据

1.1 研究区概况

纳雍位于贵州省西北、毕节地区东南部、乌蒙山系东南麓，其地处104°55′40″E～105°38′04″E，26°30′16″N～27°05′54″N(图1)。东南与织金、六枝， 西南与水城， 西北与毕节、赫章，东北与大方相连。

图1 纳雍县地理位置示意图
Fig.1 Map of geographical location in Nayong county

东西相距56 km，南北相距48 km，总面积2 452.32 km²。地势西北高，东南、东北低，全县平均海拔1 685 m，相对高差1 424.4 m。全境多山，峰峦叠起，沟壑纵横，流水下切，山高坡陡，岩溶地貌较为发达。纳雍县内植被属毕节地区中东部湿润性常绿阔叶林带，中部中山谷地湿润性常绿栎林、常绿与落叶混交林云南松、漆树、核桃林地区。原生植被多被破坏，由次生植被所代替，主要植物有菌类、蕨类及种子植物类三大植物类群。

1.2 数据与预处理

选用的影像数据为1997年和2006年Landsat5 TM、2015年Landsat8 OLI_TIRS等3个时相的Landsat遥感影像数据，遥感影像数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn)。获得相应的遥感影像数据后，利用ENVI5.3软件对遥感影像进行图像预处理,主要包括遥感影像大气校正，遥感影像镶嵌，图像裁剪，图像增强等。中国1∶400万地图用于提取研究区域边界，并通过Arcgis软件统一空间参考坐标系。

2 Markov过程基本原理

Markov过程是通过前一个状态来预测后一个状态的一种分析手段。它是由俄国数学家Markov与1907年提出，至1936年被俄国数学家Kolmogorov一般化并推广至无限状态空间，主要被用于研究事物的状态转移。

①0≤p _ij ≤1,矩阵内每个元素都非负；

p _ij =P (s _t+1 =j |s _t =i ),

(1)

由表2可以得知，从1997年～2015年，纳雍县各用地类型面积均有不同程度的变化，具体表现为耕地的大面积减少，建设用地与林地均有不同程度的增加，未利用地出现了波动，而水域呈现了小幅度的下降。总体上来看，在这接近20年的时间里，纳雍县土地类型变化，主要是耕地大面积的减少与水域较少面积的减少，剩下其他各类均有所增加，而耕地是其他类型面积增加的主要来源。

(2)

利用ENVI软件中classification模块中的change detection statistics功能，分别将纳雍县1997年、2006年、2015年土地利用情况进行统计分析，分别得到纳雍县1997年～2006年、2006年～2015年土地利用转移概率矩阵，如表3和表4所示。

本文采用监督分类中的支持向量机方法提取研究区的土地利用类型。分类后图像具有比较多的小斑块，对这些小斑块进行重分类或者剔除，本文采用Majority处理方法对分类后的小斑块进行处理，并结合实际情况将研究区划分为林地、水域、耕地、建设用地和未利用地五大类别。1997年、2006年、2015年纳雍县土地利用情况见图2，精度验证得到分类总体精度分别为94.64 %、90.26 %、93.11 %； Kappa指数分别为0.862 8、0.848 0、0.898 5。从结果来看不论是总体精度还是Kappa指数都符合本文对于后续研究的要求。

步骤4 对剩余的子制造任务进行耦合均衡性判断，如果满足耦合均衡性，则将该子制造任务设置为完成分解，否则返回步骤1，进一步分解该子制造任务，直至完成所有任务的分解工作。

在土地利用变化研究中，将土地利用变化的过程视为Markov过程，即t +1时刻的土地利用类型视作Markov过程的预测情况，那么t +1时刻的状态仅与t 土地利用类型有关，而土地类型之间相互转移的概率或者面积被定为状态转移矩阵；从而可以通过如下公式进行土地利用变化趋势的预测：

②即每行元素的值为1。

一般情况下，所研究的Markov链都是具有“无后效性”和“齐次性”两个特征；“无后效性”指的是在一个系统的某些因素的转移过程中，其一种状态转移到另外一种状态的概率只与当前所处状态有关，而与此前所处的状态无关；“齐次性”指的是当Markov链中的一步转移概率p _ij 无论在任何时刻t ，从状态i 到达状态j 的过程的概率都是相同的。故而系统符合上述的Markov链表示为：

利用Arcgis10.3软件通过运用工具箱中的统计和计算工具分别获取1997年、2006年、2015年的纳雍县土地利用数据，从纳雍县土地利用情况(图2)可以得出，纳雍县用地类型主要以耕地和林地为主，两者所占纳雍土地面积的80 %以上，未利用地面积次之，占全县15 %左右，建设用地面积逐年增加，占全县面积从1997年0.58 %至2015年的2.85 %，水域所占面积最小，占全县面积0.35 %左右并呈减少趋势(表1)。

p (n )=p (n -1)p _ij =p (0)p ⁿ 。

(3)

3 分析与预测

3.1 土地利用分类

这套丛书项目由姚安县民族宗教局主持，列入云南省民族宗教委和楚雄州民族宗教委的“民族文化精品工程”。主编郭晓炜具体负责采访、收集、整理和翻译。这项工作从性质上讲，跟老版《梅葛》都属于政府的民族文化工程，但做法上则有很大不同。表现在以下几方面：

这话说起来轻巧，做起来确实有难度。这是一个手脑并用的过程：从动脑开始，想出一个可行的行动方案，然后动手引导宝宝去做。请注意我这里没用上“教”这个字。你教，宝宝没有体验，就没有感受，路摆在他面前，他也走不下去。

(a) 1997年

(b) 2006年

(c) 2015年

图2 1997年、2006年、2015年纳雍县土地利用情况
Fig.2 Land use map of Nayong county in 1997, 2006, 2015

3.2 土地利用类型变化

百舸争流千帆竞，借风扬帆奋者先。新时代要有新作为。站在更高起点谋划和推进企业高质量发展，其复杂程度、艰巨程度不亚于40年前。只要我们永葆“敢为人先，创新不止”的胆魄与闯劲，苦干、实干加巧干，就一定能带来新气象，赢得新活力，打开新空间，实现西北油田“下一个40年”的新辉煌。

表1 1997年、2006年、2015年纳雍县土地利用基础数据
Tab.1 Land use basic data of 1997,2006 and 2015 of Nayong county

式(1)中，s _t 、s _t+1 分别是t 、t +1时刻的系统状态；p _ij 为状态转移矩阵,p _ij 的数学表达式为：

表2 1997年～2015年纳雍县土地利用面积变化
Tab.2 Land use area change in Nayong county from 1997 to 2015

3.3 土地利用转移矩阵分析

该矩阵满足下面两个条件：

表3 1997年～2006年纳雍县土地利用转移概率矩阵
Tab.3 Land use transfer probability matrix of Nayong county during 1997 ～ 2006

表4 2006年～2015年纳雍县土地利用转移概率矩阵
Tab.4 Land use transfer probability matrix of Nayong county during 2006 ～ 2015

3.4 预测与检验

由于经济社会的快速发展，特别是在西部大开发政策的落地，促进了西部贫困地区井喷式的发展，以及农业结构的不断调整和生态退耕还林的推进；为使得Markov模型在土地利用中进行可行性的结构变化预测，故而选取2006年的土地利用数据作为初始向量，以9 a作为步长，对纳雍县2015年的土地利用结构进行预测，运用Matlab的强大的矩阵运算能力，得出结果如表5所示，并与实际比例值进行比较,可以得出，实际与预测值差距较大的是耕地为0.06 %，而最小的为林地，几乎没有差距；可以认为预测方法可行，同时也说明了Markov模型用于土地利用结构趋势的预测是具有科学性的。因此，利用该模型对纳雍县2024年土地利用结构进行预测，结果如表6所示。

表5 Markov模型精度检验
Tab.5 Accuracy test of Markov model

表6 纳雍县土地利用结构预测数据
Tab.6 Prediction data of land use structure in Nayong county

4 结果与分析

由表6可以得知，纳雍县在2015年后9 a时间内，耕地与未利用地面积还将继续减少，而建设用地、林地呈上升趋势，这与之前的土地利用类型变化趋势相似，水域面积在预测中也有小幅度的增长，但是不影响总体的预测结果。同样地，通过表6发现减少趋势最大的还是耕地面积，将由2015年的38.31 %下降到36.23 %，其减少的面积主要是转移到了林地与建设用地；其次是未利用地面积的减少，由2015年的15.57 %下降到15.51 %，主要是转移到耕地、林地与建设用地；林地由2015年的42.96 %上升到44.6 %，是未来面积增长幅度最大的类型；建设用地也有了较大的增长，由2015年的2.85 %上升到3.32 %；同时未来水域面积也将有小幅度的增长，由2015年的0.31 %增长到0.33 %；其中水域面积的增加特别小，可以认为其没有变化，这可以表明纳雍县的水域得到了有效的保护。综上分析可以得知，按照当前的发展趋势，在未来的9 a中，建设用地不可避免的会占用耕地；同时纳雍县的建设用地与林地的增长，说明该县的经济发展态势好，同时在生态退耕还林和林地保护方面也做得比较好；但是耕地的大面积减少，说明这种良好的发展态势是以牺牲粮食安全为代价的。

5 结论

本文采用多时相Landsat遥感影像开展了纳雍县2006年～2015年土地利用变化情况研究。发现应用Markov模型预测该区土地利用变化趋势是可行的，根据2006年的土地利用数据来模拟现有的土地利用数据，其预测结果与实际2015年的数据基本一致；说明在宏观政策没有发生变化的情况下，利用Markov模型预测纳雍县未来的土地利用变化趋势是具有科学依据的。

地球膨胀论声称，数百万年前，我们的地球只有目前大小的60%左右，这颗小型地球的整个表面都被陆地覆盖，当时没有海洋，后来随着小型地球的膨胀，大陆的外壳破裂，海洋形成于大陆之间的空隙中。

此外，纳雍县境内的耕地、未利用地面积呈现逐年减少的趋势，建设用地不断扩张，林地面积持续较大面积的增加，而水域面积基本没有变化。土地利用结构的变化将影响纳雍县经济的可持续发展。因此，在未来土地利用过程中应要理清耕地保护与建设发展的矛盾；在发展经济的同时，提高原有建设用地的利用，并应该对纳雍县境内的耕地加强保护，遏制住耕地无休止的减少现象，实现合理的土地资源利用。

参考文献:

[1] BHAGAWAT R, LIFU Z, HAMIDREZA K, et al.Monitoring and modeling of spatiotemporal urban expansion and land-use/land-cover change using integrated Markov chain cellular automata model[J]. ISPRS International Journal of Geo-Information, 2017,6(9):288-309.

[2] MISHRA V N, RAI P K.A remote sensing aided multi-layer perceptron-Markov chain analysis for land use and land cover change prediction in Patna district (Bihar), India[J]. Arabian Journal ofGeosciences, 2016,9(4):249-267.

[3] KUSRATMOKO E, ALBERTUS S D Y, SUPRIATNA.Modelling land use/cover changes with markov-cellular automata in Komering Watershed, South Sumatera[J]. IOP Conference Series: Earth and Environmental Science, 2017,54:012103.

[4] TERRA T N, SANTOS R F D, COSTA D C.Land use changes in protected areas and their future: The legal effectiveness of landscape protection[J]. Land Use Policy, 2014,38(2):378-387.

[5] 朱龙.基于RS-GIS的瑞昌市土地利用变化与土地生态安全评价研究[D]. 上海:东华理工大学, 2018.

[6] 刘孝国,郄瑞卿,董军.基于马尔可夫模型的吉林市土地利用变化预测[J]. 中国农学通报, 2012,28(29):226-229.

[7] 施益强,吴志强.近20年厦门市土地利用动态变化及预测[J]. 水土保持通报, 2014,34(5):176-180.

[8] 王慧丽.郑州市城市化中土地利用变化及其驱动力研究[D]. 开封:河南大学, 2017.

[9]陈青.基于LUCC的福清市生态系统服务价值及功能变化研究[D]. 福州:福建农林大学, 2015.

[10]韩冰倩.贵阳市土地利用变化模拟预测研究[D]. 贵阳:贵州师范大学, 2017.

[11]雷师,全斌,欧阳鸿,等.基于Markov模型的长沙市和泉州市土地利用变化预测及对比研究[J]. 水土保持研究, 2013,20(6):224-229.

[12]张真,王璐,廖琪,等.基于Markov模型的土地利用变化预测研究——以广东省顺德区为例[J]. 广东土地科学, 2014,13(3):4-8.

[13]唐俊,段汉明,焦倩,等.基于Markov链的兰州市土地利用结构研究[J]. 未来与发展, 2015,39(7):108-113.

[14]付仲良,陈静.多时相Landsat数据动态监测城市土地利用变化——以上海市为例[J]. 地理信息世界, 2016,23(6):26-30.

[15]田姣姣.北京市土地利用变化分析及预测方法研究[D]. 北京:中国地质大学, 2018.

[16]安宏锋,安裕伦.纳雍县土地利用动态变化分析[J]. 贵州师范大学学报(自然科学版), 2010,28(2):32-35.

[17]张赫林,彭代亮,邓睿,等.基于Landsat时间序列数据的祁连山区域土地利用变化[J]. 北京工业大学学报, 2017,43(5):665-676.

Study on land use change of Nayong county based on Landsat satellite images

HU Chao¹, LU Han-yu^*1, PENG Ling²,LU Tian-jian³, DING Lei-ding¹

(1.College of Big Data and Information Engineering,Guizhou University, Guiyang 550025, China； 2.China Institute of Geo-Environment Monitoring, Beijing 100081, China； 3.School of Resources and Safety Engineering, Central South University, Changsha 410083, China)

Abstract ： Taking Nayong county as the study area and the Landsat remote sensing images from 1997, 2006 and 2015 as data sources, this paper obtains the classification maps of land use changes in Nayong and land use transfer probability matrix by using RS and GIS technique, and establishes Markov Model to simulate the evolution trend of future land use types in Nayong County. The results show that the unutilized area of cultivated land in the study area in the next nine years is decreasing year by year, the construction land is expanding continuously, the area of forest land continues to increase, but the water area is basically unchanged. Therefore, it is suggested that the utilization of existing construction land should be improved, and the protection of cultivated land should be strengthened, in order to realize the rational utilization of land resources.

Key words : Landsat; land use change; Markov model; Nayong county

收稿日期： 2019-01-12；修订日期： 2019-03-16

基金项目： 国家自然科学基金资助项目(41673315)；国家重点研发计划项目(2016YFFE0117300)；贵州省自然科学基金([2017]2816,5788，[2016]5604,[2015]3054,[2014]7633)；贵州省留学人才项目([2015]1420)；贵阳国家高新区人才项目([2014]012)

通讯作者： 卢涵宇(1978—)，男，河南周口人，贵州大学副教授，博士后；E-mail:luhanyu@163.com。

引文格式： 胡超，卢涵宇，彭令,等.基于Landsat卫星影像的纳雍县土地利用变化研究[J].广西大学学报(自然科学版)，2019，44(3)：712-718.

doi: 10. 13624/ j. cnki. issn. 1001- 7445. 2019. 0712

中图分类号： TP79

文献标识码: A

文章编号： 1001- 7445( 2019) 03- 0712- 07

(责任编辑 梁碧芬)

标签：Landsat论文;  土地利用变化论文;  Markov模型论文;  纳雍县论文;  贵州大学大数据与信息工程学院论文;  中国地质环境监测院论文;  中南大学资源与安全工程学院论文;