方秀琴，任立良，李瓊芳

(1.河海大學(xué)地球科學(xué)與工程學(xué)院，南京 210098;2.河海大學(xué)水文水資源與水利工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，南京 210098)

近40年老哈河流域土地利用變化監(jiān)測(cè)與分析

方秀琴1，任立良2，李瓊芳2

(1.河海大學(xué)地球科學(xué)與工程學(xué)院，南京 210098;2.河海大學(xué)水文水資源與水利工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，南京 210098)

利用決策樹(shù)和支持向量機(jī)分類(lèi)方法，基于多期Landsat MSS，TM and ETM+遙感圖像和其他輔助數(shù)據(jù)，對(duì)1970s以來(lái)近40年半干旱的老哈河流域土地利用變化(land use and land cover change，LUCC)進(jìn)行動(dòng)態(tài)監(jiān)測(cè)，并利用GIS方法對(duì)LUCC進(jìn)行了定量分析和空間分布制圖。結(jié)果顯示，利用支持向量機(jī)分類(lèi)方法對(duì)該地區(qū)1976年、1989年、1999年和2007年土地覆蓋類(lèi)型分類(lèi)可達(dá)到較滿(mǎn)意的效果;近40年老哈河流域土地利用變化顯著，水體和草地減少，城鄉(xiāng)用地持續(xù)擴(kuò)張，耕地大幅增加，林地和未利用地大幅度波動(dòng)、總體減少。LUCC主要發(fā)生在林地、草地和耕地之間，表明農(nóng)、林、牧用地之間轉(zhuǎn)換顯著，且在各個(gè)時(shí)期的空間分布差別較大。從變化強(qiáng)度來(lái)看，土地利用的年綜合變化率最大值漸趨增大，年均土地動(dòng)態(tài)度在空間分布上差異很大，另外在各研究期赤峰市區(qū)周邊動(dòng)態(tài)度都很大，反映了赤峰市持續(xù)性的城市化進(jìn)程。

遙感;GIS;老哈河流域;土地利用變化;分類(lèi)

0 引言

土地利用/覆蓋變化(land use and land cover change，LUCC)研究是目前全球變化研究的熱點(diǎn)之一［1］，遙感以快速、準(zhǔn)確、周期短等特點(diǎn)在大中尺度LUCC監(jiān)測(cè)中具有傳統(tǒng)方法所無(wú)法比擬的優(yōu)勢(shì)，在國(guó)內(nèi)外已經(jīng)得到非常廣泛的應(yīng)用［2］。最近很多工作［3－7］都說(shuō)明了衛(wèi)星遙感技術(shù)能夠精確且及時(shí)地反映LUCC，為區(qū)域LUCC提供時(shí)間趨勢(shì)和空間分布的信息［8］。

精確的遙感分類(lèi)對(duì)于變化監(jiān)測(cè)來(lái)說(shuō)至關(guān)重要，尤其是在分類(lèi)后處理的變化監(jiān)測(cè)中。近年來(lái)，遙感分類(lèi)方法不斷改善，精度進(jìn)一步提高，決策樹(shù)法(decision tree，DT)和支持向量機(jī)法(support vector machine，SVM)是近些年出現(xiàn)的2種比較受關(guān)注的高精度分類(lèi)方法。DT方法因基于知識(shí)和規(guī)則、分類(lèi)過(guò)程符合人的認(rèn)識(shí)過(guò)程等優(yōu)點(diǎn)，在全球及區(qū)域土地覆蓋遙感制圖中已得到廣泛應(yīng)用［9－16］。SVM方法在1995年被提出，最初針對(duì)兩類(lèi)線性可分?jǐn)?shù)據(jù)，后被推廣到處理線性不可分?jǐn)?shù)據(jù)［17］。研究表明SVM在學(xué)習(xí)速度、自適應(yīng)能力、特征空間高維不受限制等方面具有優(yōu)勢(shì)［18］，不僅被成功應(yīng)用于數(shù)據(jù)挖掘和醫(yī)學(xué)影像分析等模式識(shí)別領(lǐng)域，而且在遙感分類(lèi)中也得到了應(yīng)用［5，19－27］。然而，由于研究區(qū)實(shí)際情況和遙感數(shù)據(jù)源等多種因素的影響，很難保證哪一種分類(lèi)方法一定適用，而且一種分類(lèi)方法往往不可能對(duì)所有類(lèi)型的識(shí)別都有效，這在某種程度上限制了分類(lèi)精度的提高。另外，盡管?chē)?guó)內(nèi)外已經(jīng)提出了一些多源信息融合的分類(lèi)方法，不再停留于基于光譜分類(lèi)，但對(duì)地物多特征空間的分析、判斷、選擇和應(yīng)用仍不夠理想［28］。

北方地區(qū)氣候和環(huán)境的干旱化是我國(guó)最為嚴(yán)峻的生存環(huán)境問(wèn)題之一，制約著東北商品糧基地發(fā)展和老工業(yè)基地振興［29］。土地利用的變化改變了流域的水文過(guò)程，導(dǎo)致了水資源供需的變化，從而對(duì)流域生態(tài)、環(huán)境以及經(jīng)濟(jì)發(fā)展產(chǎn)生顯著影響。本文利用遙感信息，采用多種分類(lèi)方法對(duì)地物的多特征空間進(jìn)行分析和判斷，探討最適用的分類(lèi)方法，對(duì)北方半干旱區(qū)的老哈河流域進(jìn)行1970s以來(lái)的LUCC動(dòng)態(tài)監(jiān)測(cè)，為今后研究土地利用格局改變對(duì)水分蒸散發(fā)及徑流過(guò)程的影響等課題提供重要前提。

1 研究區(qū)概況及數(shù)據(jù)源

老哈河是西遼河源頭西拉木倫河的一級(jí)支流，流經(jīng)內(nèi)蒙古赤峰市，流域地跨 E 117°～120°，N 41°～43°，面積約1.9萬(wàn) km2(圖1)。流域內(nèi)地形變化較大，屬中溫帶半干旱大陸性氣候區(qū)，干燥、少雨、多風(fēng)沙，下墊面多為起伏的黃土丘陵區(qū)，水土流失較嚴(yán)重。

圖1 研究區(qū)地理位置Fig.1 Location of the study area

為了探究近40 a來(lái)的老哈河流域LUCC，選用的Landsat圖像成像于無(wú)云晴朗天氣下的4個(gè)年代的生長(zhǎng)季(表1)。DEM數(shù)據(jù)、1990年和1996年的土地利用現(xiàn)狀圖以及2006年8月和2008年8月對(duì)流域進(jìn)行的兩次實(shí)地科學(xué)考查獲取的土地利用調(diào)查點(diǎn)作為輔助數(shù)據(jù)。

表1 研究所用的Landsat圖像Tab.1 Landsat images used in this study

2 土地利用信息提取

2.1 土地利用分類(lèi)類(lèi)型的確定

根據(jù)流域特點(diǎn)并結(jié)合實(shí)地考察，將土地利用的類(lèi)型確定為6類(lèi)，其代碼及具體描述參見(jiàn)表2。

表2 土地利用/覆蓋類(lèi)別方案Tab.2 Land use and land cover classification scheme

2.2 土地利用分類(lèi)特征集的確定

特征構(gòu)建是信息識(shí)別與提取的關(guān)鍵。由于“同物異譜”和“異物同譜”現(xiàn)象的存在，需要利用除了反射率信息之外的其他特征，如紋理、植被指數(shù)、地形等，這些特征的參與可以更好地提高精度?；谇叭搜芯?，本文采用以下特征集:光譜反射率、主成分分析特征、紋理特征和地形特征以及針對(duì)不同地物的反射率變化特征，包括歸一化差值植被指數(shù)(normalized difference vegetation index，NDVI)［30］、歸一化差值水體指數(shù)(normalized difference water index，NDWI)［31］和歸一化差值建筑指數(shù)(normalized difference building index，NDBI)［32］。上述各指數(shù)的計(jì)算公式分別為

式中 Rn，Rr，Rg和 Rswir分別是近紅外波段、紅光波段、綠光波段和短波紅外波段的反射率。

具體來(lái)說(shuō)，采用的特征集為:對(duì)于TM和ETM+而言，包含了6個(gè)光譜反射率波段，NDVI，NDWI，NDBI，3 個(gè)主成分分量(PC1，PC2 和 PC3)，4 個(gè)紋理特征(均值mean、方差variance、對(duì)比度contrast和相關(guān)度correlation)以及3個(gè)地形特征(高程、坡度和坡向)，總共19個(gè);對(duì)于MSS而言，由于波段設(shè)置的不同，特征集包含的是4個(gè)光譜反射率波段，NDVI，NDWI，2個(gè)主成分分量(PC1和PC2)，4個(gè)紋理特征(同上)以及3個(gè)地形特征(同上)，總共15個(gè)。

2.3 遙感圖像分類(lèi)與制圖

分別使用DT和SVM兩種高精度方法對(duì)研究區(qū)圖像進(jìn)行分類(lèi)。為了使得結(jié)果具有可比性，2種方法在分類(lèi)和計(jì)算精度時(shí)分別使用相同的訓(xùn)練數(shù)據(jù)和精度驗(yàn)證數(shù)據(jù)。在DT分類(lèi)中，利用分類(lèi)回歸樹(shù)(classification and regression tree，CART)算法分析樣本，分別構(gòu)建分類(lèi)規(guī)則，對(duì)4個(gè)時(shí)期的圖像分別進(jìn)行分類(lèi)，其中測(cè)試誤差的評(píng)價(jià)采用10重交叉驗(yàn)證，總共訓(xùn)練10次，估計(jì)出的測(cè)試誤差是10次誤差的平均。在SVM分類(lèi)中，核函數(shù)模型采用被證明為多光譜遙感圖像分類(lèi)中最有效的RBF［33－34］核函數(shù)，其關(guān)鍵參數(shù)懲罰系數(shù)C和間隔γ使用交叉驗(yàn)證的方法來(lái)確定。

在分類(lèi)結(jié)果中隨機(jī)選擇2 000個(gè)驗(yàn)證樣本建立混淆矩陣，計(jì)算出各個(gè)分類(lèi)圖的總精度和Kappa系數(shù)(表3)。

表3 各圖像分類(lèi)精度統(tǒng)計(jì)Tab.3 Classification accuracy of each merged image

由表3可知，對(duì)于總體分類(lèi)結(jié)果而言，SVM優(yōu)于DT;而4期分類(lèi)圖的混淆矩陣中各類(lèi)別的制圖精度和用戶(hù)精度顯示，SVM在多數(shù)情況下高于DT，僅少數(shù)情況下低于DT，且DT分類(lèi)精度較高的類(lèi)型主要以未利用地為主，而未利用地在本研究區(qū)所占面積甚少。因此，選擇SVM作為本研究區(qū)最適宜的分類(lèi)方法，并以此為基礎(chǔ)進(jìn)行4個(gè)時(shí)期的土地利用/覆蓋制圖(圖2)。

3 土地利用變化結(jié)果與分析

3.1 土地利用類(lèi)型的面積變化

對(duì)各期分類(lèi)結(jié)果進(jìn)行統(tǒng)計(jì)，得到土地利用類(lèi)型占流域面積的百分比(表4)。

表4 各土地利用/覆蓋類(lèi)型所占面積Tab.4 Area percentages of land use/cover types (%)

從表4可知，近40 a來(lái)各類(lèi)土地利用的面積變化各不相同:水體基本保持減少狀態(tài);城鄉(xiāng)用地保持增加趨勢(shì)，在2007年達(dá)到最多，占總面積的2.53%，表明流域內(nèi)城市化進(jìn)程在持續(xù)，但城市化面積仍不高;林地在1976—1989年期間大幅減少，而從1990s以來(lái)一直增加，但直到2007年也未超過(guò)1970s，40 a間總體上略有減少;耕地在1989—1999年期間有微弱幅度的減少，其余時(shí)段基本保持著增加趨勢(shì)，40 a間總體增加幅度最大;草地一直呈減少趨勢(shì);未利用地變化起伏較大，在1976—1989年期間大幅增加，1989—1999年期間又大幅減少，1999—2007年期間又有較小幅度增加，40 a間總體減少。

3.2 土地利用類(lèi)型間的轉(zhuǎn)移變化

利用GIS空間分析進(jìn)行1976—1989年、1989—1999年和1999—2007年3個(gè)研究期LUCC類(lèi)型間轉(zhuǎn)移的制圖和分析。具體做法是:研究期起始年的類(lèi)型編碼不變，將終止年的6種類(lèi)型重新編碼為0、－6、－12、－18、－24和 －30，然后將起始年的6個(gè)類(lèi)型碼分別減去終止年的6個(gè)重新編碼值，得到的36個(gè)不同值分別對(duì)應(yīng)36種變化方式(表5)。

表5 土地利用變化方式代碼定義Tab.5 Coding of land use changes

由表5可知，這36種變化方式代碼互相沒(méi)有重復(fù)和遺漏。將每一個(gè)研究期起始年土地利用圖和終止年重編碼的土地利用圖逐像元相減，并統(tǒng)計(jì)每種變化的像元面積占流域面積的百分比，認(rèn)定其中≥1%的為明顯變化，并刪除其中不變及變化＜1%的類(lèi)型，得到土地利用類(lèi)型間變化統(tǒng)計(jì)表(表6)及專(zhuān)題圖(圖3)。

表6 土地利用變化統(tǒng)計(jì)(≥1%)Tab.6 Statistics of land use changes(≥1%)

圖3 土地覆蓋變化圖Fig.3 Thematic maps of land cover changes

結(jié)合圖1、表6和圖3可知:

1)在1976—1989年期間，林地和草地向耕地的轉(zhuǎn)化最顯著，約占流域面積的25.98%。其中林地向耕地的轉(zhuǎn)化(代碼21)主要發(fā)生在各河流的上游;草地向耕地的轉(zhuǎn)化(代碼23)主要在流域西部陰河和烏力代河上游以及北部的召蘇河上游，表明這些區(qū)域農(nóng)業(yè)耕作有顯著發(fā)展，土地利用由牧業(yè)向農(nóng)業(yè)轉(zhuǎn)化;耕地向草地的轉(zhuǎn)化(代碼28)主要在坤頭河和錫泊河之間;林地向草地的轉(zhuǎn)化(代碼27)主要在英金河上游以及老哈河下游區(qū)域;草地向林地的轉(zhuǎn)化(代碼17)發(fā)生在召蘇河和陰河之間的區(qū)域;草地向未利用地的轉(zhuǎn)化(代碼35)主要在召蘇河流域及錫泊河中游區(qū)域?？傮w看來(lái)，這一時(shí)期LUCC主要發(fā)生在流域內(nèi)各條河流的上游。

2)在1989—1999年期間，草地向耕地的轉(zhuǎn)化(代碼23)最大，約占流域面積19.08%，主要分布于流域東部;耕地向林地和草地的轉(zhuǎn)化(代碼16和28)主要在各條河流上游;草地向林地的轉(zhuǎn)化(代碼17)主要在陰河和西路嘎河中部;林地向草地的轉(zhuǎn)化(代碼27)主要在陰河下游區(qū)域;林地向耕地的轉(zhuǎn)化(代碼21)呈零星的散布?？傮w看來(lái)，這一時(shí)期LUCC主要分布于流域的東部。

3)在1999—2007年期間，變化方式與上一研究期相同，但分布區(qū)域和面積有較大變化，這一期間LUCC面積都在流域面積10%以下。其中草地向耕地的轉(zhuǎn)化(代碼23)所占面積最大，主要分布于西部的陰河中上游和中部坤頭河的西邊以及錫泊河下游;耕地向林地和草地的轉(zhuǎn)化(代碼16和28)以老哈河下游和英金河南面區(qū)域?yàn)橹?林地向耕地的轉(zhuǎn)化(代碼21)則集中于西部陰河上游;草地向林地的轉(zhuǎn)化(代碼17)主要在中部的西路嘎河和錫泊河中游及半支箭河上游;林地向草地的轉(zhuǎn)化(代碼27)呈零星分布?？傮w看來(lái)，這一時(shí)期LUCC主要分布于流域的西部和中部。

將3個(gè)研究期綜合起來(lái)分析，可發(fā)現(xiàn)近40 a來(lái)，老哈河流域主要的LUCC發(fā)生在林地、草地和耕地之間，表明農(nóng)、林、牧用地之間轉(zhuǎn)換顯著，且各個(gè)研究期的LUCC空間分布差別較大:1970s—1980s，LUCC主要發(fā)生于各條河流的上游區(qū)域，耕地大量增加;到了1990s，LUCC趨于復(fù)雜，耕地、林地和草地之間交叉轉(zhuǎn)化，流域東部土地利用變化顯著;在2000s，土地利用變化面積變小，且主要分布于流域西部和中部，東部和北部則趨于穩(wěn)定。

3.3 LUCC 動(dòng)態(tài)度

采用動(dòng)態(tài)度模型研究近40a來(lái)老哈河流域LUCC的劇烈程度。動(dòng)態(tài)度是常用的一種表征區(qū)域土地利用變化指數(shù)的模型，也稱(chēng)動(dòng)態(tài)度指數(shù)，其計(jì)算公式為［35］

式中:LC為動(dòng)態(tài)度指數(shù);LUi為研究期初i類(lèi)土地利用類(lèi)型面積;LUi－j為研究期內(nèi)i類(lèi)土地利用轉(zhuǎn)化為j類(lèi)(j=1，…，n;j≠i)土地利用類(lèi)型的面積;T為研究時(shí)段，當(dāng)用年表示時(shí)模型結(jié)果即為該區(qū)域內(nèi)土地利用的年綜合變化率。

由于土地利用/覆蓋圖為30 m空間分辨率，為方便計(jì)算和反映特點(diǎn)區(qū)域，以3 km×3 km為格網(wǎng)單元，計(jì)算動(dòng)態(tài)度指數(shù)，得到各研究期土地利用年動(dòng)態(tài)度的空間分布圖(圖4)。

圖4 各研究期土地利用年動(dòng)態(tài)度圖Fig.4 Annual dynamic degrees of land use of each study period

由圖4可知，3個(gè)研究期的土地利用的年綜合變化率最大值由小到大依次為:1976—1989年，1989—1999年，1999—2007年。各研究期的土地利用年均土地動(dòng)態(tài)度在空間分布上差異很大:1976—1989年期間各條河流的上游以及老哈河的下游區(qū)域土地利用動(dòng)態(tài)度較大，總體上流域西部變化大于東部;1989—1999年期間東部的坤頭河和老哈河區(qū)域動(dòng)態(tài)度最大，西部諸河上游動(dòng)態(tài)度較大，北部的英金河兩側(cè)地區(qū)變化最小，總體上流域東部變化大于西部;1999—2007年期間錫泊河附近的赤峰市區(qū)周邊動(dòng)態(tài)度最大，流域西北角的陰河中上游變化度較大，流域東部和南部則變化較小，總體上流域北部變化大于南部。在這3個(gè)研究期期間，赤峰市區(qū)周邊動(dòng)態(tài)度都很大，其中以1999—2007年土地利用變化為最大，達(dá)到13.81%，這主要是由赤峰市區(qū)、紅山區(qū)和元寶山區(qū)的城市用地的顯著擴(kuò)張所致。

4 結(jié)論

1)本文選擇光譜反射率特征結(jié)合紋理特征、植被指數(shù)、地形坡度等光譜和空間信息的衍生特征，構(gòu)建了豐富的特征集，更好地提高了土地利用和覆蓋的分類(lèi)精度。

2)分類(lèi)結(jié)果表明，在本研究區(qū)SVM方法優(yōu)于決策樹(shù)方法，故選擇SVM方法進(jìn)行研究。需要注意的是，分類(lèi)方法的比較結(jié)果是根據(jù)區(qū)域地物屬性和數(shù)據(jù)特征而異的，本文的比較結(jié)果不具有普適性，在其他區(qū)域上，需對(duì)數(shù)據(jù)做具體分析才可以判斷兩種方法的優(yōu)劣。

3)定量分析和空間分布制圖結(jié)果表明，近40 a來(lái)老哈河流域LUCC顯著，水體、草地減少，城鄉(xiāng)用地持續(xù)擴(kuò)張，耕地大幅度增加，林地和未利用地大幅度波動(dòng)、總體減少。

4)主要的LUCC發(fā)生在林地、草地和耕地之間，表明農(nóng)、林、牧用地之間轉(zhuǎn)換顯著，且各時(shí)期的LUCC空間分布差別較大:1970s—1980s，LUCC主要發(fā)生于流域內(nèi)各條河流的上游區(qū)域，耕地大量增加;到了1990s，LUCC趨于復(fù)雜，耕地、林地和草地之間交叉轉(zhuǎn)化，流域東部土地利用變化顯著;在2000s，土地利用變化面積變小，且主要分布于流域的西部和中部，東部和北部則趨于穩(wěn)定。

5)劇烈程度分析顯示土地利用的年綜合變化率最大值漸趨增大，土地利用年均土地動(dòng)態(tài)度在空間分布上差異很大:1976—1989年期間總體上流域西部變化大于東部，1989—1999年期間總體上東部變化大于西部，1999—2007年期間總體上北部變化大于南部;在這3個(gè)研究期，赤峰市區(qū)周邊動(dòng)態(tài)度都很大，主要是由于赤峰市區(qū)、紅山區(qū)、元寶山區(qū)的城市用地顯著擴(kuò)張所導(dǎo)致，反映了赤峰市持續(xù)性的城市化進(jìn)程。

［1］于興修，楊桂山，王 瑤.土地利用/覆被變化的環(huán)境效應(yīng)研究進(jìn)展與動(dòng)向［J］.地理科學(xué)，2004，24(5):627 －633.

［2］李天宏，韓 鵬.廈門(mén)市土地利用/覆蓋動(dòng)態(tài)變化的遙感檢測(cè)與分析［J］.地理科學(xué)，2001，21(6):537 －543.

［3］Alberti M，Weeks R，Coe S，et al.Urban Land Cover Change Analysis in Central Puget Sound［J］.Photogrammetric Engineering ＆Remote Sensing，2004，70(9):1043 －1052.

［4］Goetz S J，Varlyguin D，Smith A J，et al.Application of Multitemporal Landsat Data to Map and Monitor Land Cover and Land Use Change in the Chesapeake Bay Watershed［C］//Smits P C，Bruzzone L.Proceedings of the Second International Workshop on the Analysis of Multi－ temporal Remote Sensing Images.Singapore:World Scientific Publishing Co，2004.

［5］Yang X J.Satellite Monitoring of Urban Spatial Growth in the Atlanta Metropolitan Area［J］.Photogrammetric Engineering ＆Remote Sensing，2002，68(7):725 －734.

［6］Knorn J，Rabe A，Radeloff V C，et al.Land Cover Mapping of Large Areas Using Chain Classification of Neighboring Landsat Satellite Images［J］.Remote Sens Environ，2009，113(3):957 － 964.

［7］方秀琴，任立良.西遼河的老哈河流域土地利用遙感動(dòng)態(tài)監(jiān)測(cè)［J］.地球信息科學(xué)學(xué)報(bào)，2009，11(1):125 －131.

［8］Elvidge C D，Sutton P C，Wagner T W.Urbanization ［C］//Gutman G，Janetos A，Justice C，et al.Land Change Science:Observing，Monitoring，and Understanding Trajectories of Change on the Earth’s Surface.Dordrecht，Netherlands:Kluwer Academic Publishers:315－328.

［9］劉勇洪，牛 錚，王長(zhǎng)耀.基于MODIS數(shù)據(jù)的決策樹(shù)分類(lèi)方法研究與應(yīng)用［J］.遙感學(xué)報(bào)，2005，9(4):405 －412.

［10］Hanson M C，Dubayah R，DeFries R S.Classification Trees:an Alternative to Traditional Land Cover Classifiers［J］.Int J Remote Sens，1996，17(5):1075 －1081.

［11］Friedl M A，McIver D K，Hodges J C F，et al.Global Land Cover-Mapping from MODIS:Algorithms and Early Results［J］.Remote Sens Environ，2002，83(1/2):287 －302.

［12］Joy S M，Reich R M，Reynolds R T.A Non － parametric，Supervised Classification of Vegetation Types on the Kaibab National Forest Using Decision Trees［J］.Int J Remote Sens，2003，24(9):1835－1852.

［13］Sesnie S E，Gessler P E，F(xiàn)inegan B，et al.Integrating Landsat TM and SRTM－DEM Derived Variables with Decision Trees for Habitat Classification and Change Detection in Complex Neotropical Environments［J］.Remote Sens Environ，2008，112(5):2145 －2159.

［14］趙 萍，傅云飛，鄭劉根，等.基于分類(lèi)回歸樹(shù)分析的遙感影像土地利用/覆被分類(lèi)研究［J］.遙感學(xué)報(bào)，2005，9(6):708 －716.

［15］張友靜，高云霄，黃 浩，等.基于SVM決策支持樹(shù)的城市植被類(lèi)型遙感分類(lèi)研究［J］.遙感學(xué)報(bào)，2006，10(2):191 －196.

［16］陳艷華，張萬(wàn)昌.地理信息系統(tǒng)支持下的山區(qū)遙感影像決策樹(shù)分類(lèi)［J］.國(guó)土資源遙感，2006(1):69－74

［17］Vapnik V N.The Nature of Statistical Learning Theory［M］.New York:Springer Verlag，1995.

［18］駱劍承，周成虎，梁 怡，等.支撐向量機(jī)及其遙感影像空間特征提取和分類(lèi)的應(yīng)用研究［J］.遙感學(xué)報(bào)，2002，6(1):50 －55.

［19］Zhu G B，Blumberg D G.Classification Using ASTER Data and SVM Algorithms:The Case Study of Beer Sheva，Israel［J］.Remote Sens Environ，2002，80(2):233 －240.

［20］趙書(shū)河，馮學(xué)智，都金康，等.基于支持向量機(jī)的SPIN－2影像與SPOT－4多光譜影像融合研究［J］.遙感學(xué)報(bào)，2003，7(5):407－411.

［21］Foody G M，Mathur A.Toward Intelligent Training of Supervised Image Classifications:Directing Training Data Acquisition for SVM Classification［J］.Remote Sens Environ，2004，93(1/2):107 －117.

［22］Foody G M，Mathur A.The Use of Small Training Sets Containing Mixed Pixels for Accurate Hard Image Classification:Training on Mixed Spectral Responses for Classification by a SVM［J］.Remote Sens Environ，2006，103(2):179 －189.

［23］張錦水，何春陽(yáng)，潘耀忠，等.基于SVM的多源信息復(fù)合的高空間分辨率遙感數(shù)據(jù)分類(lèi)研究［J］.遙感學(xué)報(bào)，2006，10(1):49－57.

［24］Mazzoni D，Garay M J，Davies R，et al.An Operational MISR Pixel Classifier Using Support Vector Machines［J］.Remote Sens Environ，2007，107(1/2):149 －158.

［25］Su L H，Chopping M J，Rango A，et al.Support Vector Machines for Recognition of Semi－arid Vegetation Types Using MISR Multi－ angle Imagery［J］.Remote Sens Environ，2007，107(1/2):299－311.

［26］Huang C，Song K，Kim S，et al.Use of a Dark Object Concept and Support Vector Machines to Automate Forest Cover Change Analysis［J］.Remote Sens Environ，2008，112(3):970 －985.

［27］Esch T，Himmler V，Schorcht G，et al.Large － area Assessment of Impervious Surface Based on Integrated Analysis of Single－date Landsat－7 Images and Geospatial Vector Data［J］.Remote Sens Environ，2009，113(8):1678 －1690.

［28］李建平，張 柏，張 泠，等.濕地遙感監(jiān)測(cè)研究現(xiàn)狀與展望［J］.地理科學(xué)進(jìn)展，2007，26(1):33 －43.

［29］符淙斌，延曉冬，郭維棟.北方干旱化與人類(lèi)適應(yīng)——以地球系統(tǒng)科學(xué)觀回答面向國(guó)家重大需求的全球變化的區(qū)域響應(yīng)和適應(yīng)問(wèn)題［J］.自然科學(xué)進(jìn)展，2006，16(10):1216 －1223.

［30］Rouse J W，Haas R H，Schell J A.Monitoring the Vernal Advancement of Retrogradation of Natural Vegetation［R］.Greenbelt，MD:NASA/GSFC(Type III，F(xiàn)inal Report)，1974.

［31］McFeeters S K.The Use of the Normalized Difference Water Index(NDWI)in the Delineation of Open Water Features［J］.Int J Remote Sens，1996，17(7):1425 －1432.

［32］查 勇，倪紹祥，楊 山.一種利用TM圖像自動(dòng)提取城鎮(zhèn)用地信息的有效方法［J］.地理學(xué)報(bào)，2003，7(1):37 －41.

［33］何靈敏，沈掌泉，孔繁勝，等.SVM在多源遙感圖像分類(lèi)中的應(yīng)用研究［J］.中國(guó)圖象圖形學(xué)報(bào)，2007，12(4):648 －654.

［34］張錦水，潘耀忠，韓立建，等.光譜與紋理信息復(fù)合的土地利用/覆蓋變化動(dòng)態(tài)監(jiān)測(cè)研究［J］.遙感學(xué)報(bào)，2007，11(4):500 －510.

［35］朱會(huì)義，李秀彬.關(guān)于區(qū)域土地利用變化指數(shù)模型方法的討論［J］.地理學(xué)報(bào)，2003，58(5):643 －650.

The Detection and Analysis of Land Use Change in the Laoha River Basin During the Past Four Decades

FANG Xiu－qin1，REN Li－liang2，LI Qiong－fang2
(1.School of Earth Sciences and Engineering，Hohai University，Nanjing 210098，China;2.State Key Laboratory of Hydrology，Water Resources and Hydraulic Engineering，Hohai University，Nanjing，210098，China)

On the basis of the multiple remote sensing images of Landsat MSS，TM and ETM+and other auxiliary data，two classification approaches of decision tree and support vector machine were applied to land use/cover classifications in the semiarid Laoha river basin over the past 40 years since the 1970s.The land use changes and their spatial distribution were analyzed quantitatively and mapped with GIS techniques.The results show that land use/cover maps in 1976，1989，1999 and 2007 could be generated based on the implementation of support vector machine classification with satisfying results.The analysis shows that land use has changed very obviously in the study area over the last 40 years.The areas of water body and grassland have decreased while rural and urban areas increased persistently.The cultivated land area has increased substantially.Forest land and fallow land have changed in fluctuation with a decrease on the whole.It’s obvious that the most remarkable change has been the interconversion of lands for agriculture(cultivated land)，for forestry(forest land)，and for animal husbandry(grassland).Moreover，the spatial distribution of the conversion was greatly different in different periods.An analysis of the intensity of land use changes indicates that the highest annual rate of land use change has been increased gradually and the annual intensity has been spatially heterogeneous.Moreover，the suburbs surrounding Chifeng city always have changed intensively during the past decades，suggesting the persistent urbanization of Chifeng city.

remote sensing;GIS;Laoha river basin;land use change;classification

TP 79

A

1001－070X(2012)02－0125－07

方秀琴(1978－)，女，安徽池州人，講師，主要從事遙感信息提取以及遙感和GIS在水文水資源領(lǐng)域的應(yīng)用等研究。E － mail:kinkinfang@gmail.edu.cn。

(責(zé)任編輯:邢 宇)

10.6046/gtzyyg.2012.02.23

2011－08－12;

2011－10－28

國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展(973計(jì)劃)項(xiàng)目(編號(hào):2006CB400502)、教育部、國(guó)家外國(guó)專(zhuān)家局“高等學(xué)校學(xué)科創(chuàng)新引智計(jì)劃”(編號(hào):B08048)及中央高?；究蒲袠I(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金(編號(hào):2010B08114)共同資助。