随着经济和社会的不断发展，人类不断对土地进行开发，而土地的类型和结构也在人类的开发利用和自然影响下不断变化。研究土地利用格局的动态变化对优化土地使用、经济发展和生态保护有重要意义。通过研究某区域内土地资源数据，分析其变化规律，能更加科学合理地指导该区域土地利用规划和可持续发展。Landsat8卫星是美国地质检测局(USGS)开发的一个多轨道卫星系统，它拥有宽波段多光谱观测传感器，具有更高的数据质量和更大的曝光，这样有助于改善空间分辨率，并且增强了可视化和分析的能力，从而有助于研究人员更好地识别地貌、土壤和植被的空间分布。同时具备长时间序列的优势，可以更深入地理解地表的变化情况，为环境科学研究和资源管理提供强有力的支持。对土地管理部门职能的充分发挥具有重要的作用，也能为政府制定土地政策不断推动开发区经济发展提供科学依据[1-2]。

1、研究区概况及研究内容

1.1 研究区概况

巢湖处于16°24′30″～118°00′00″E，30°58′40″～40°11′20″N，位于安徽省中部，被巢湖市、肥东县、包河区、肥西县和庐江县环抱，面积780 km2，容积20.7亿 m3，湖水主要靠地面径流补给，流域面积为134.86 hm2。巢湖毗邻长江，是长江沿岸经济带、长三角经济辐射圈重要版块，是周边地区的核心区域，是中华文明的发祥地之一[3]。本文主要研究巢湖及其周围地区的土地利用状况，包括巢湖市、肥东县、包河区、肥西县和庐江县，研究区域面积约86.30 hm2，如图1所示。

图1 研究区域

1.2 研究内容

本研究是以合肥市中五个县(区)包围的巢湖为主要的研究区，在收集研究区各项数据的前提下，以RS和GIS技术支撑对该区域数据进行处理，并结合实地调研和定性分析等研究手段，对研究区2017年、2019年和2021年三个不同时期土地利用类型的面积变化和驱动因子进行研究分析。研究技术路线如图2所示。

2、数据来源及研究方法

2.1 数据来源

本次研究的影像数据来源于地理空间数据云(https://www.gscloud.cn/)[3]，为了降低云和气溶胶对遥感影像数据的影响，选择该研究区影像的条件为云量小于5%且时间为春夏季节，最终选取了2017年3月底、2019年4月底和2021年6月底各一期的Landsat8 OLI TIRS卫星数据影像来代表2017年、2019年和2021年该研究区土地利用类型的现状。该卫星搭载的作战陆地成像仪(OLI)和热红外传感器(TIRS)可提供30 m空间分辨率(可见光，NIR，SWIR)的影像、100 m的热红外影像和15 m的全色影像。根据研究区土地当时的情况和土地利用类型的属性差异，将研究区的土地利用类型分为森林、水域、耕地、草地、建设用地和未利用地六种土地类型。

图2 技术路线

2.2 数据处理

为了获取研究区的土地利用分类的数据信息，需要对该地区三个不同时期的Landsat8卫星遥感数据进行处理，使用ArcGIS 10.7和ENVI 5.6对研究区卫星数据影像进行处理。

2.2.1遥感数据预处理

由于地理空间数据云下载的Landsat8数据不是最终的产品数据，不能直接用于实验分析，需要对数据进行预处理，去除一些外界因素的影响和传感器自身因素的干扰，要对数据依次进行以下步骤的处理：1)图像裁剪；2)辐射定标；3)大气校正；4)图像融合；5)图像增强。该研究区的数据经处理后保证了研究成果的可靠性，图3为预处理的主要结果。

2.2.2影像数据分类与信息获取

影像分类是指将土地覆盖类型分配到像素的过程，采用的分类方式为监督分类，该方式是以建立统计识别函数为理论基础、依据典型样本训练方法进行分类的技术，是模式识别的一种方法[4-5]。本文通过监督分类中的支持向量机方法对该区域2017年、2019年和2021年三个不同时期的土地利用情况进行分类，分类得到的六种土地利用类型如图4所示。

图3 图像预处理

图4 2017年、2019年、2021年巢湖及其周边土地利用分布图

2.3 土地利用类型动态研究方法和变化分析

2.3.1土地利用变化幅度

通过土地利用类型的总体数量变化，可以分析出土地变化类型的趋势，其公式为：

S0=S2-S1(1)

其中，S0为土地利用类型变化的面积，S1为研究初期的土地利用类型面积，S2为研究末期的土地利用类型面积。

对土地利用变化的数量、结构等特点做总量分析，有利于从总体上把握土地利用时空结构演变的趋势与特点。通过对研究区2017年、2019年、2021年三个时期的土地利用类型面积进行分析，得到研究区三个时期土地利用面积及变化值。

从表1中可以看出，2017—2021年研究区土地利用变化的特征体现为：

1)2017年的研究区面积中，耕地有6 314.88 km2，森林有563.32 km2，水域有1 040.92 km2，建设用地有710.57 km2，而草地和未利用地非常少，分别只有0.95 km2和0.04 km2。

2)2017—2019年，在各土地类型中变化较大的分别是森林、水域和建设用地，其中，变化最大的是建设用地，增加了35.35 km2，水域和森林则分别减少了22.81 km2和17.66 km2。耕地和草地变化较小，未利用地没有变化。

3)2019—2021年，在各土地类型中变化最大的是建设用地，增加了38.30 km2；变化较小的是水域、耕地和森林，分别减少了12.96 km2、11.07 km2和14.23 km2；变化很小的是草地，减少了0.02 km2；未利用地没有变化。

从总体上看，2017—2021年，耕地减少了5.64 km2，森林减少了31.89 km2，草地减少了0.34 km2，水域减少了35.77 km2，未利用地没有变化，建设用地增加了73.65 km2。从中可知，2017—2021年研究区主要在发展建设用地。

表1 2017年、2019年、2021年研究区土地利用类型及面积变化

2.3.2土地利用动态度

土地利用动态度是指在某一个时间段内土地利用类型的数量变化情况，它能够定量描述区域土地利用变化的速度。土地利用动态度分析主要采用土地利用动态度研究土地利用变化模式，它对于比较土地利用变化的区域差异和预测土地利用未来的变化趋势都具有很不错的作用[6]。土地利用动态度主要分为单一土地利用动态度和综合土地利用动态度两种[7]。

1)单一土地利用动态度，表示单位时间内某一土地的土地利用类型的变化程度[8]。其表达式为：

式中，K为在研究的时间区域内土地利用类型动态度；Ua为研究初期的土地利用类型的面积，Ub为研究末期的土地利用类型的面积，T为研究的时长。

从表2可以得知：2017—2019年土地利用变化率最大的土地类型是草地，足足减少了16.70%；变化率最小的是未利用地，变化率为0，没有变化。2019—2021年土地利用变化率最大的是建设用地，增加了2.57%；变化率较小的是耕地，减少了0.09%；未利用地变化率为0，没有变化。2019—2021年与2017—2019年相比，未利用地未变化，其他土地类型变化率都比较大，尤其是建设用地和耕地本身的基数很大，从总体上来看，巢湖及周围地区的土地利用变化是比较快的。

表2 单一土地利用动态度

2)综合土地利用动态度，表示一定时间内研究区土地利用变化的速度[9]。具体的表达式为：

式中，MY表示研究区内综合土地利用动态度；n为研究区内土地利用类型的数量；MUi-j为研究时段研究区内第i类土地利用类型转为非i类土地利用类型的面积；MUi为研究区内第i类土地利用类型的初始面积；T为研究时段长度。

从表3中可以看出：巢湖及周围地区2017—2021年的综合土地利用动态度整体比较平稳。

表3 综合土地利用动态度

2.3.3土地利用程度

土地利用程度反映的是人类对土地的利用与改造程度以及土地受人类影响的变化范围，在一定的区域内，土地利用程度的变化是多种土地利用类型变化的结果[10]。表4为土地利用分级指数。

根据表4可计算土地利用程度综合指数：

式中，Lj为研究区域内土地利用程度综合指数，Ai为研究区内第i级土地利用程度分级指数，Ci为研究区内第i级土地利用类型面积的百分比。

表4 土地利用类型及分级指数

土地利用程度变化量：

式中，Lb和La分别为b时间和a时间的区域土地利用程度综合指数；Ai为研究区内第i级土地利用程度分级指数；Cib和Cia分别为研究区内b时间和a时间的第i级土地利用程度面积百分比。如果∆LUb-a大于0，则表示该区域的土地利用处于发展时期，∆LUb-a小于0则表示该区域的土地利用处于调整期或衰退期[11]。

土地资源的利用情况，不仅体现在土地利用的面积变化情况，还体现在土地利用程度的变化。土地利用程度主要反映土地的广度和深度，它不仅反映了土地利用中土地本身的自然属性，同时也反映了人类因素与自然环境因素的综合效应[12]。根据式(4)、式(5)计算得出研究区土地利用综合指数及变化量，见表5。

表5 巢湖及周围地区土地利用综合指数、土地利用程度变化量

根据土地利用的综合指数，计算出巢湖及周围地区三个时期的土地利用综合指数：2017年土地利用综合指数为289.63；2019年土地利用综合指数为290.52；2021年土地利用综合指数为291.27。其中，2017—2019年的土地利用程度提高了0.89，2019—2021年的土地利用程度提高了0.75。从总体来看，2017—2021年间的土地利用程度提高了1.64，由此可见，巢湖及周围地区的土地利用状态处于发展期。

3、研究区土地利用受外界因素分析

3.1 人口因素

人口因素是土地利用及生态系统服务价值变化的最主要的社会影响因素。人口作为一种持续的外界压力，对土地利用承载力的变化起着重要作用。而近年来随着研究区人口的不断增加，在加快经济的发展速度的同时，建设用地迅速扩张，生活用水增加的同时也引起耕地和其他用地被占用，生活废水使巢湖及周围地区生态退化，相应地，各用地类型数量都会发生变化。根据图5、图6，能看出研究区2017—2021年的人口数量和土地利用变化情况。

图5 研究区常住人口数量

图6 研究区土地利用变化量

研究区2017—2021年常住总人口从440.3万人增加到472.3万人，2017—2021年间共增长了30多万人。而在2017—2021年间耕地减少了5.64 km2，森林减少了31.89 km2，草地减少了0.34 km2，水域减少了35.77 km2，建设用地增加了73.65 km2。

3.2 经济因素

土地利用与经济发展水平密切相关，土地资源的利用是经济发展的基础，一个地方的土地利用方式往往决定了这个地区的经济发展水平，因此，社会经济的发展往往伴随着土地利用方式、水平的调整和变化。相关资料表示，研究区2017年、2019年、2021年国内总产值分别为2 831.4亿元、3 665.7亿元、4 561.2亿元；由此可以看出，2021年相较于2017年国内总产值增加了1 729.8亿元，经济的快速发展，使当地的土地利用情况有了显著的改变：由于经济的快速发展，人们对生活的物质要求提高，为了满足人们的住房要求，住宅、交通等资源的用地需求增加，导致建设用地迅速增加，森林、草地、耕地和水域等面积减少。

3.3 政策因素

土地利用受诸多因素的影响，但我国政策对土地利用的影响更为明显。政府的政策对土地利用类型的改变，主要体现在政府制定一定的政策来干预、调节土地的使用，从而强制使土地的利用方式发生改变，例如修高速公路、修高铁、建楼房等。土地利用结构的变化深受国家政策的影响和制约，政策因素对土地利用结构变化具有举足轻重的作用。

3.4 自然因素

在自然因素中影响水域的因素有降水量。降水资源对土地资源的生产潜力影响比较大，合适的降水量能使土地更肥沃，光、热资源更丰富。研究区2017—2021年的降水量和水域面积变化分别如图7、图8所示，可由此分析对研究区土地利用的影响。从图中可以看出，2017—2019年的平均降水量为1 007.1 mm，2019—2021年的平均降水量为1 085.2 mm，降水量增加，2019—2021年间水域面积减少速度明显小于2017—2019年，由此可见降水量是影响水域面积的重要原因。

图7 研究区2017—2021年平均年降水量

图8 研究区水域面积变化

4、结论和建议

4.1 结论

本文使用Landsat8遥感影像得到了研究区2017年、2019年和2021年三个时期的土地利用类型的面积数据，全面分析了研究区三个不同时期的土地利用类型面积的变化和空间变化的特征，揭示了该研究区土地利用变化的速度、幅度及程度，具体结论如下：

1)从研究区土地利用的面积变化情况发现，各个地类的面积有增加也有减少，增加的是建设用地，增加了73.65 km2，变化幅度最大；减少的是森林、水域、耕地、草地；没有变化的是未利用地。

2)从研究区土地利用类型变化速率的分析发现，草地的减少速率是最快的，2017—2021年间，草地的面积大幅度减少，且除建设用地增加和未利用地未变化外，其他土地利用类型都处于减少状态。

3)从研究区的土地利用综合指数分析发现，该地区土地利用综合指数在逐渐增长，由2017年的289.63增长到2021年的291.27，可见该地区的土地利用处于发展上升阶段。

4)研究区土地利用类型变化的驱动因素是不同的，其中人口因素和经济因素是影响建设用地的重要社会因素，降水量等自然因素主要影响的是水域，政策因素的影响包含所有土地，但主要影响耕地。

4.2 建议

巢湖及周围地区的经济将会继续快速发展，人口的不断增加，工业、居民点等的建设将继续占用大量的土地资源，土地利用环境也会日益变差，人口、资源、环境的矛盾日益加剧，这将严重威胁巢湖及周围地区生态系统的安全。要改变这种不利的局面，给出以下建议：

1)在土地资源使用方面，提高土地的利用率，充分发挥土地的使用效益和功能，减少对土地资源的浪费；减少和杜绝向该地区排放生活废水和工业废水，发展绿色农业，减少农药使用量，增加绿化面积等。

2)在土地资源管理方面，利用科学技术和管理手段，优化配置土地资源，对各类用地进行统筹规划，要有前瞻性，合理布局，将各类土地进行控制。

3)在建设规划方面，控制盲目的城市化进程，促进建设用地的集约优化利用，提高建成区的绿化率，改善区域整体环境质量。

完成以上措施，将有利于提高巢湖及周围地区生态系统的功能和质量，从而获取土地利用的最佳经济效益、社会效益和生态效益。

参考文献:

[1]石宁卓.基于中巴遥感影像的环白洋淀地区土地利用变化研究[D].石家庄:石家庄学院,2011.

[2]金辉,陶运平.基于RS与GIS对清徐经济开发区的土地利用监测与评价[J].科技情报开发与经济,2013,23(22):150-152+154.

[3]王兴,周侗,范紫灵.基于Landsat影像的土地利用/覆盖变化及其驱动因素分析:以南通市区为例[J].南通大学学报(自然科学版),2019,18(1):42-49.

[4]方磊.江西鄱阳湖湿地土地利用变化及驱动力分析[D].合肥:安徽农业大学,2021.

[6]王俊,朱丽东,叶玮,等.近15年来非洲土地利用现状及其变化特征[J].安徽农业科学,2009,37(6):2628-2631.

[8]张瑞华,金钊,杨思齐,等.1985—2015年洛川塬土地利用/覆被变化及人类活动影响:以陕西省洛川县为例[J].地球环境学报,2023,14(1):74-85.

[9]蔡俊,项锦雯,董斌.基于省域面板数据的中国城镇化与土地集约利用动态关系研究[J].江淮论坛,2016(3):19-27.

[10]刘吉德,郭建英,包雪源,等.近20年东乌珠穆沁旗土地利用变化特征及驱动力分析[J].绿色科技,2022,24(7):147-153+162.

[11]任家强,周炳中,戴激光,等.RS与GIS支持的武义县城市化土地利用动态变化研究[J].吉林农业大学学报,2008(1):44-48+58.

[12]刘翠华.区域土地利用变化及生态效应研究[D].济南:山东师范大学,2013.

基金资助:达州市建筑环境工程技术研究中心课题(SDJ2022ZB-04);达州市建筑环境工程技术研究中心课题(SDJ2022ZC-02); 重庆市三峡水库岸坡与工程结构灾变防控工程技术研究中心课题(SXAPGC23XC06); 2023年四川文理学院大学生科研项目(X2023Z029);

文章来源:石宁卓,邹航,孙小涛,等.基于Landsat8遥感影像的巢湖及周围地区土地利用变化研究[J].南方农机,2024,55(20):21-26+38.