李小祥，黃亮,2，李凱

( 1. 昆明理工大學(xué) 國(guó)土資源工程學(xué)院, 昆明 650093；2. 云南省高校高原山區(qū)空間信息測(cè)繪技術(shù)應(yīng)用工程研究中心, 昆明 650093 )

0 引 言

洱海作為云南第二大淡水湖，是大理人民的生命源泉，也是云南省乃至全國(guó)的重要戰(zhàn)略資源儲(chǔ)備基地. 作為我國(guó)重點(diǎn)保護(hù)湖泊“新三湖”之一，其保護(hù)治理一直受到國(guó)家及地方政府的高度重視，習(xí)近平總書(shū)記在2015 年考察云南時(shí)，對(duì)洱海的保護(hù)治理提出明確要求和殷切期望. 多年來(lái)洱海一直是“全國(guó)城市近郊保護(hù)得最好的湖泊”之一，而近三十年來(lái)，伴隨著我國(guó)城鎮(zhèn)化進(jìn)程快速推進(jìn)，環(huán)洱海地帶社會(huì)經(jīng)濟(jì)發(fā)展迅速，不合理的環(huán)境保護(hù)與經(jīng)濟(jì)發(fā)展關(guān)系逐漸突出，人類(lèi)活動(dòng)、自然因素等共同作用使洱海地區(qū)土地利用現(xiàn)狀出現(xiàn)了不同程度的變化，林地和濕地面積減少、建筑物擴(kuò)張等. 研究洱海地區(qū)土地利用/覆蓋變化(LUCC)有助于科學(xué)制定土地政策，合理調(diào)整土地利用結(jié)構(gòu).

隨著遙感技術(shù)更新迭代，遙感影像的空間分辨率向亞米級(jí)邁進(jìn)，時(shí)間尺度也逐漸提升，中國(guó)已進(jìn)入海量遙感數(shù)據(jù)時(shí)代[1]. 但由于存在影像收集、存儲(chǔ)、處理繁瑣，數(shù)據(jù)運(yùn)算耗時(shí)長(zhǎng)等問(wèn)題，傳統(tǒng)的遙感方法研究對(duì)大范圍長(zhǎng)時(shí)間序列的遙感影像使用較少. 遙感云計(jì)算平臺(tái)的出現(xiàn)有效地避免了這樣的缺陷，與傳統(tǒng)的遙感數(shù)據(jù)處理、空間分析方法相比，谷歌地球引擎(GEE)平臺(tái)云端處理海量數(shù)據(jù)，勉去了繁雜的數(shù)據(jù)下載和預(yù)處理工作，且能高效地結(jié)合輔助數(shù)據(jù)進(jìn)行分析研究，近年國(guó)內(nèi)外學(xué)者基于GEE 開(kāi)展土地利用覆被的研究逐漸增多. 如胡云峰等[2]基于GEE 平臺(tái)上Landsat影像分析了北京市LUCC 變化規(guī)律，得出了北京市耕地、人造地表面積變化的驅(qū)動(dòng)機(jī)制；婁佩卿等[3]基于GEE 獲取研究區(qū)1998—2018 年土地利用數(shù)據(jù)，定量分析京津冀的土地利用演變規(guī)律，并利用當(dāng)量估算方法定量地估算京津冀地區(qū)的生態(tài)服務(wù)價(jià)值(ESV)；PHAN T N 等[4]基于Landsat8地表反射率數(shù)據(jù)(L8sr)，利用GEE 平臺(tái)進(jìn)行影像合成后的8 個(gè)數(shù)據(jù)集獲取蒙古某區(qū)域的土地覆蓋圖，對(duì)多云、多雪覆蓋區(qū)域的土地利用分類(lèi)問(wèn)題進(jìn)行了分析討論. 而針對(duì)洱海地區(qū)生態(tài)保護(hù)與經(jīng)濟(jì)發(fā)展之間的問(wèn)題，一些學(xué)者已對(duì)洱海周邊LUCC 變化及生態(tài)風(fēng)險(xiǎn)評(píng)估進(jìn)行了相關(guān)研究. 如許泉立等[5]利用蟻群智能算法模擬洱海流域土地利用變化，推斷出2010—2020 年流域主要的人地矛盾會(huì)集中表現(xiàn)為城鎮(zhèn)用地不斷擴(kuò)張，以及耕地面積持續(xù)性減少；王天山等[6]基于1990—2014 年4 期遙感數(shù)據(jù)采用遙感(RS)、地理信息系統(tǒng)(GIS)、地理學(xué)和景觀生態(tài)學(xué)的分析方法，分析洱海周邊土地利用及景觀格局變化，總結(jié)出區(qū)域內(nèi)經(jīng)濟(jì)迅速發(fā)展、城鎮(zhèn)用地?cái)U(kuò)張、景觀內(nèi)部生物多樣性降低等是導(dǎo)致洱海地區(qū)人地矛盾突出的主要原因；王濤等[7]基于1995—2015 年3 期Landsat 影像解譯數(shù)據(jù)，對(duì)洱海流域生態(tài)風(fēng)險(xiǎn)時(shí)空變化及其演化機(jī)制進(jìn)行了分析，并得出土地利用類(lèi)型演變、人類(lèi)活動(dòng)、城鎮(zhèn)化推進(jìn)是流域高生態(tài)風(fēng)險(xiǎn)等級(jí)區(qū)域增多和轉(zhuǎn)移的重要原因；張磊等[8]構(gòu)建緩沖區(qū)與土地利用動(dòng)態(tài)演變模型，分析探究大理洱海東環(huán)路沿線(xiàn)區(qū)域1997—2015年的土地利用變化特征.

綜上所述，眾多研究者運(yùn)用不同的研究方法對(duì)洱海地區(qū)不同范圍、不同時(shí)間序列的LUCC 過(guò)程及其驅(qū)動(dòng)力進(jìn)行分析. 但多以洱海流域?yàn)檠芯繀^(qū)域，研究時(shí)限跨度較短，且分析洱海地區(qū)LUCC 與人類(lèi)活動(dòng)耦合關(guān)系的研究較少，以及對(duì)洱海地區(qū)Landsat 影像存在的云遮擋問(wèn)題無(wú)法有效地處理. 鑒于此，本文以環(huán)洱海地帶為研究區(qū)域，基于GEE 平臺(tái)解譯1991—2020 年長(zhǎng)時(shí)間序列Landsat 影像，并結(jié)合土地利用圖譜、人類(lèi)活動(dòng)強(qiáng)度指數(shù)分析洱海周邊人類(lèi)活動(dòng)強(qiáng)度及LUCC 變化，旨在緩解洱海周邊人地矛盾、生態(tài)與資源保護(hù)上提供科學(xué)合理的參考.

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

洱海(100°05′E～100°17′E , 25°36′N(xiāo)～25°58′N(xiāo))位于云南省西北部，北起洱源，南至大理下關(guān)，多年湖泊平均水面面積約246 km2，是大理人民生活用水和工農(nóng)業(yè)生產(chǎn)用水的源泉，同時(shí)具有調(diào)節(jié)區(qū)域氣候、發(fā)展?jié)O業(yè)、推動(dòng)旅游等多種功能. 洱海地處山谷盆地，四面環(huán)山，地勢(shì)北側(cè)高于南側(cè)，山地平均海拔西側(cè)高于東側(cè). 據(jù)2017 年資源統(tǒng)計(jì)，洱海流域生產(chǎn)總值達(dá)450.55 億元，近十年間GDP 平均增速超過(guò)10%，尤其是環(huán)洱海地帶，一度成為云南省經(jīng)濟(jì)發(fā)展較快的區(qū)域. 圖1 為實(shí)驗(yàn)選取沿洱海湖面10 km 的范圍作為研究區(qū)域.

圖1 研究區(qū)及局部區(qū)域位置

1.2 數(shù)據(jù)來(lái)源及處理

研究基于GEE 平臺(tái)提供的7 個(gè)時(shí)段Landsat TM(1991、1995、2000、2005、和2010 年)及Landsat OLI(2015、2020 年)的地表反射率(SR)數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)，其中7 期影像拍攝時(shí)間均在同年2～4 月. SR 數(shù)據(jù)已經(jīng)過(guò)了幾何校正、大氣校正等預(yù)處理，同時(shí)數(shù)據(jù)中包含質(zhì)量評(píng)估波段質(zhì)量保證(QA)，該波段依據(jù)CFMask 算法[9]標(biāo)注了每個(gè)像素質(zhì)量. 利用ArcGIS對(duì)洱海湖面進(jìn)行緩沖區(qū)分析得到研究區(qū)域矢量數(shù)據(jù)，再將矢量數(shù)據(jù)上傳至云平臺(tái)對(duì)7 期遙感影像進(jìn)行裁剪處理.

由于研究區(qū)域西側(cè)Landsat 影像常年存在云量覆蓋，因此，影像篩選春季云量較小的影像為主影像，利用(同年、間隔1 年)春季時(shí)段的多景影像，結(jié)合QA 波段剔除主影像中質(zhì)量差的像元，實(shí)現(xiàn)影像去云.TM、OLI 影像分別選用B7-B4-B1 及B6-B5-B2 波段組合進(jìn)行地物解譯，但由于地表反射率(SR)數(shù)據(jù)彩色不飽和、地物圖像層次差的情況，還需要對(duì)組合波段數(shù)值量化值(DN)進(jìn)行調(diào)整. 利用GEE 提供的polynomial 函數(shù)對(duì)Landsat 藍(lán)色波段進(jìn)行非線(xiàn)性調(diào)整，從而增強(qiáng)影像對(duì)比度. 圖2 以2015 年數(shù)據(jù)中的局部區(qū)域，對(duì)比度增強(qiáng)為例.

圖2 影像對(duì)比度增強(qiáng)

1.3 研究方法

1.3.1 分類(lèi)體系

參照《土地利用現(xiàn)狀分類(lèi)》(GB/T21010—2017)及大理市2012 年、2019 年土地利用變更數(shù)據(jù)，同時(shí)考慮環(huán)洱海地區(qū)土地利用程度及特點(diǎn)，將研究區(qū)土地利用類(lèi)型劃分為六個(gè)一級(jí)類(lèi)型：林地、草地、耕地、水域，建設(shè)用地和濕地等六類(lèi).

1.3.2 隨機(jī)森林分類(lèi)算法

隨機(jī)森林(RF)是Leo Breiman 于2001 年提出的一種機(jī)器學(xué)習(xí)算法，它由若干Bagging 集成學(xué)習(xí)技術(shù)訓(xùn)練得到的決策樹(shù)構(gòu)成[10]. RF 分類(lèi)算法有很高的分類(lèi)精度，對(duì)異常值和噪聲有較好的穩(wěn)健性，同時(shí)具有實(shí)現(xiàn)簡(jiǎn)單、運(yùn)行快速、泛化能力強(qiáng)等優(yōu)點(diǎn)[11]，相關(guān)文獻(xiàn)[12-14]已證實(shí)該方法被國(guó)內(nèi)外學(xué)者廣泛應(yīng)用于土地利用分類(lèi). 其分類(lèi)原理為：1) 有放回地從原始訓(xùn)練樣本中隨機(jī)抽取樣本，合成T個(gè)樣本集去構(gòu)建決策樹(shù)；2) 在構(gòu)建決策樹(shù)時(shí)隨機(jī)選取F個(gè)特征參數(shù)，輸入決策樹(shù)節(jié)點(diǎn)作為約束條件；3) 結(jié)合每顆決策樹(shù)的預(yù)測(cè)結(jié)果，利用投票方式?jīng)Q定最終分類(lèi)結(jié)果.

1.3.3 訓(xùn)練樣本及特征選取

選用中國(guó)多期土地利用土地覆被遙感監(jiān)測(cè)數(shù)據(jù)集(CNLUCC)[15]，以及全球30 M 地表覆被數(shù)據(jù)集(GLC30-2010，GLC30-2000)，用于結(jié)合影像完成前3 期影像樣本點(diǎn)的選取，后幾期樣本選取主要參照Google Earth Pro 軟件中高分辨率影像.

考慮到研究區(qū)域一部分背陽(yáng)坡植被與水體、裸露地表與建筑區(qū)呈現(xiàn)近似的光譜信息，為獲得較優(yōu)的分類(lèi)結(jié)果，本文在選取Landsat 影像的藍(lán)色、綠色、紅色、近紅外、短波紅外(SWIR 1 和SWIR 2) 波段等6 個(gè)光譜特征外，引入歸一化建筑指數(shù)(NDBI)、歸一化差異水體指數(shù)(NDWI)、增強(qiáng)型植被指數(shù)(EVI)、以及30 M 分辨率數(shù)字高程數(shù)據(jù)(GDEMV2 30M)等特征作為隨機(jī)森林算法的訓(xùn)練變量. 其中CNLUCC 源于中科院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn)，GDEMV2 30 M 源自地理空間數(shù)據(jù)云(www.gscloud.cn). 三種指數(shù)的計(jì)算公式如下：

1.3.4 土地利用變化圖譜

地學(xué)信息圖譜是一種旨在實(shí)現(xiàn)區(qū)域可持續(xù)發(fā)展的時(shí)空復(fù)合分析方法，將多維時(shí)空的土地利用/覆被變化信息以圖譜單元進(jìn)行可視化，能定量表現(xiàn)多時(shí)空條件下“空間格局”及“時(shí)序特征”[16]. 土地利用變化圖譜代數(shù)運(yùn)算公式為

式中：N為研究階段內(nèi)土地利用變化模式的圖譜單元編碼，比如編碼0-1-2 表示土地變化過(guò)程為林地→草地→耕地；A、B、C分別為1991、2005、2020 年土地利用類(lèi)型的編碼.

在分析研究區(qū)1991—2005、2005—2020 兩個(gè)階段土地利用變化圖譜情況下，結(jié)合環(huán)洱海地區(qū)的實(shí)際地類(lèi)變化情況，將研究區(qū)土地利用變化模式劃分為5種圖譜變化模式：1) 穩(wěn)定不變型，1991—2005 年和2005—2020 年兩個(gè)階段土地利用變化類(lèi)型均未發(fā)生變化，如3-3-3 表示水體→水體→水體；2) 后期變化型,僅后一個(gè)階段(2005—2020)土地利用變化類(lèi)型發(fā)生變化，如0-0-1 表示林地→林地→草地；3) 前期變化型，僅前一個(gè)階段土地利用變化類(lèi)型發(fā)生變化，如0-4-4 表示林地→建設(shè)用地→建設(shè)用地；4) 反復(fù)變化型，研究起始與結(jié)束年份土地利用類(lèi)型一致，如1-0-1 表示林地→草地→林地. 5) 連續(xù)變化型，兩個(gè)階段土地利用類(lèi)型都發(fā)生不同的變化，如2-1-0 表示耕地→草地→林地.

1.3.5 人類(lèi)活動(dòng)強(qiáng)度指數(shù)評(píng)估模型

從人與自然的角度看，人類(lèi)活動(dòng)強(qiáng)度是指一定面積的區(qū)域受人類(lèi)活動(dòng)影響而產(chǎn)生的擾動(dòng)程度[17]. 不同區(qū)域人類(lèi)活動(dòng)程度差異大，而人類(lèi)活動(dòng)的強(qiáng)弱對(duì)土地利用類(lèi)型演變的速度影響不同. 本文采用人類(lèi)活動(dòng)強(qiáng)度指數(shù)(HAI)來(lái)直觀地分析研究區(qū)人類(lèi)活動(dòng)強(qiáng)度的時(shí)空分布，HAI 具體公式為

式中：HAI為人類(lèi)活動(dòng)強(qiáng)度指數(shù)；N為土地利用類(lèi)型種類(lèi)；Ai為第i種土地利用類(lèi)型的面積；Pi為第i類(lèi)土地所反映的人類(lèi)活動(dòng)強(qiáng)度系數(shù)；TA為土地利用總面積. 參考文獻(xiàn)[18-19]中各地類(lèi)人類(lèi)活動(dòng)強(qiáng)度系數(shù)，確定研究區(qū)各土地利用類(lèi)型對(duì)應(yīng)的人類(lèi)活動(dòng)系數(shù)，如表1 所示，將其代入人類(lèi)活動(dòng)強(qiáng)度指數(shù)評(píng)估模型進(jìn)行計(jì)算.

表1 不同土地利用類(lèi)型人類(lèi)活動(dòng)強(qiáng)度系數(shù)

2 結(jié)果與分析

2.1 分類(lèi)結(jié)果精度評(píng)定

精度評(píng)定采集驗(yàn)證樣本集耕地樣本30 個(gè)、建設(shè)用地樣本25 個(gè)、林地樣本30 個(gè)、草地樣本25 個(gè)、水域樣本20 個(gè)、濕地樣本15 個(gè). 表2 依據(jù)驗(yàn)證樣本對(duì)7 期遙感影像分類(lèi)結(jié)果進(jìn)行混淆矩陣計(jì)算，得到精度評(píng)價(jià)指標(biāo)OA、Kappa. 其中OA、Kappa 系數(shù)計(jì)算公式如下：

由表2 可知，基于GEE 平臺(tái)隨機(jī)森林分類(lèi)方法解譯結(jié)果總體精度達(dá)91.5%以上，Kappa 系數(shù)均高于0.88，為后續(xù)研究提供了精度保障.

表2 1991—2020 年環(huán)洱海地帶土地利用分類(lèi)精度評(píng)價(jià)

2.2 土地利用時(shí)空變化分析

2.2.1 研究區(qū)土地利用數(shù)量變化分析

1991—2020 年環(huán)洱海10 km 范圍內(nèi)各土地利用類(lèi)型時(shí)空分布如圖3 所示，結(jié)合表3 可以看出，環(huán)洱海地區(qū)在1991—2020 年土地利用類(lèi)型存在較大的差異. 縱觀30 年間環(huán)洱海地區(qū)土地覆被類(lèi)型以林地、耕地、水域?yàn)橹鳎佳芯繀^(qū)域總面積的80%以上，空間分布層次鮮明，從中心至邊緣分別為水域、耕地、林地. 從總體來(lái)看，在1991 年，環(huán)洱海地區(qū)林地、草地、耕地、水域、建設(shè)用地、濕地分別占研究區(qū)總面積的34.42%、13.15%、32.78%、16.02%、3.26%和0.37%.截至2020 年，林地、草地、耕地面積減少至33.47%、11.86%、31.61%；水域面積變化幅度較小，減少的面積比例為0.3%；建設(shè)用地面積增幅較大，相比1991 年增長(zhǎng)了3.47%；濕地占地面積總體基數(shù)較小，占總面積比例為0.62%.

表3 1991—2020 年環(huán)洱海地區(qū)土地利用變化量

圖3 1991—2020 年環(huán)洱海地帶的土地利用分類(lèi)結(jié)果

此外，對(duì)1991 年、以及1995—2020 年間每隔5 年的洱海湖面面積進(jìn)行統(tǒng)計(jì)，分別為245.866 km2、239.688 km2、240.930 km2、241.482 km2、242.626 km2、243.431 km2、242.093 km2(研究區(qū)解譯數(shù)據(jù)的航拍時(shí)間均處于枯水期)，其中主要轉(zhuǎn)出至濕地1.331 km2和耕地1.485 km2，反映出人類(lèi)在湖濱區(qū)域圍湖造田的活動(dòng)，但從數(shù)據(jù)上看2005 年起湖面面積得到控制，表明了1999 年起大理州政府實(shí)施的“三退三還”等長(zhǎng)期水環(huán)境保護(hù)戰(zhàn)略的重大意義.

從三個(gè)階段來(lái)看，草地在三個(gè)時(shí)段均呈現(xiàn)減少的態(tài)勢(shì)，而建設(shè)用地則成相反態(tài)勢(shì)，三個(gè)時(shí)段都呈現(xiàn)增加的趨勢(shì). 在1991—2000 年期間，草地、耕地、水域面積分別減少了20.38 km2、18.62 km2、5.71 km2，林地、建設(shè)用地和濕地面積分別增加了13.33 km2、28.46 km2、2.92 km2；在2000—2010 年期間，林地和草地分別減少9.93 km2、7.22 km2，耕地、水域、建設(shè)用地和濕地分別為增長(zhǎng)9.86 km2、1.66 km2、2.42 km2、3.2 km2；在1991—2000 年期間，林地、草地和濕地面積分別減少了17.89 km2、45.99 km2、2.31 km2，水域減少量相對(duì)水域總面積較小，將其忽略不計(jì)，而耕地、建設(shè)用地面積增加了43.73 km2、23.14 km2. 將三個(gè)時(shí)段進(jìn)對(duì)比分析，可以看出在2010—2020 年期間草地和耕地的變化量相比1991—2000 年、2000—2010年期間變化較大，但從其總體占比而言，草地和耕地后兩個(gè)時(shí)段保持穩(wěn)定，比例分別穩(wěn)定在11.8%、31.6%，林地在相對(duì)總量上，三個(gè)時(shí)段變化趨于穩(wěn)定.三個(gè)時(shí)期呈現(xiàn)主要原因在于2000 年城鎮(zhèn)化進(jìn)程加快，大理市得到了較大的發(fā)展，特別是大理下關(guān)、鳳儀一帶，獨(dú)特的地理位置優(yōu)勢(shì)，建設(shè)用地的大幅擴(kuò)張，進(jìn)而使林地、草地面積減少. 另一方面，1991—2020 年間水域面積在前期減少，后期趨于穩(wěn)定，而濕地變化復(fù)雜，但占比從1991 年的0.37%逐漸上升，至2010 年達(dá)0.77%，前期縮減是由于早期人類(lèi)活動(dòng)圍湖造田、圈湖發(fā)展?jié)O業(yè)有關(guān)，后期的穩(wěn)定得益于國(guó)家及政府的宏觀調(diào)控，及“三退三還”、“兩取消”、“兩禁”等政策水環(huán)境保護(hù)的貫徹實(shí)施.

2.2.2 環(huán)洱海地區(qū)土地利用空間變化分析

依據(jù)1991—2020 年環(huán)洱海地區(qū)各個(gè)時(shí)序土地利用數(shù)據(jù)及轉(zhuǎn)移矩陣，建立土地利用變化圖譜，分析洱海周邊土地利用變化主要類(lèi)型圖譜特征. 如表4 所示，表中主要轉(zhuǎn)移類(lèi)型為該圖譜變化模式下轉(zhuǎn)移量較大的類(lèi)型，其中連續(xù)變化型模式轉(zhuǎn)移方式多，但轉(zhuǎn)移量較分散. 從圖譜變化模式來(lái)看，在1991—2020 年期間土地利用變化模式以穩(wěn)定不變型為主，轉(zhuǎn)移面積1 013.97 km2；后期變化型次之，轉(zhuǎn)移面積為192.47 km2；然后為前期變化型，轉(zhuǎn)移面積177.63 km2；反復(fù)變化型和連續(xù)變化型轉(zhuǎn)移面積分別為92.44 km2、72.26 km2.總體數(shù)據(jù)來(lái)看，1991—2020 年間近65%土地保持穩(wěn)定，近35%的土地類(lèi)型在不同程度上發(fā)生了轉(zhuǎn)變，但其中反復(fù)變化型、連續(xù)變化型轉(zhuǎn)移率較小，表明環(huán)洱海地區(qū)在1991—2005 年、2005—2020 年兩個(gè)階段中土地類(lèi)型變化趨于穩(wěn)定.

表4 1991-2020 年環(huán)洱海地區(qū)土地利用變化模式圖譜特征

從主要轉(zhuǎn)移類(lèi)型來(lái)看，穩(wěn)定不變型的轉(zhuǎn)移類(lèi)型主要為“水體→水體→水體”，轉(zhuǎn)移面積為240.9 km2；后期變化型的主要轉(zhuǎn)移類(lèi)型為“林地→林地→草地”和“耕地→耕地→耕地”，其轉(zhuǎn)移面積分別為39.25 km2、35.54 km2；前期變化型的主要轉(zhuǎn)移類(lèi)型為“草地→林地→林地”和“草地→耕地→耕地”，其轉(zhuǎn)移面積分別為33.96 km2、30.8 km2；反復(fù)變化型的主要轉(zhuǎn)移類(lèi)型為“耕地→草地→耕地”，轉(zhuǎn)移面積分別為27.45 km2.連續(xù)變化型的主要轉(zhuǎn)移類(lèi)型為“耕地→草地→林地”，其轉(zhuǎn)移面積為8.48 km2.

綜合1991 年各土地類(lèi)型面積，如表3 所示，穩(wěn)定不變型中水體占比達(dá)97%，表明30 年來(lái)環(huán)洱海地區(qū)水域未發(fā)生太大變化，保持相對(duì)穩(wěn)定；后期變化型中“草地→草地→耕地”、“耕地→耕地→建設(shè)用地”，以及前期變化型中草地向耕地、林地的轉(zhuǎn)換，兩種模式造成草地轉(zhuǎn)向耕地、耕地轉(zhuǎn)向建設(shè)用地的原因，主要是2000 年以來(lái)云南城鎮(zhèn)化進(jìn)程大大提高，人類(lèi)活動(dòng)對(duì)土地利用類(lèi)型影響占比越來(lái)越大，大理市下關(guān)鎮(zhèn)、鳳儀鎮(zhèn)等經(jīng)濟(jì)發(fā)展較快的地區(qū)建設(shè)用地?cái)U(kuò)張速度加快，使得耕地轉(zhuǎn)向建設(shè)用地，而耕地的減少，又引發(fā)了毀林開(kāi)荒等開(kāi)辟農(nóng)田的人類(lèi)活動(dòng)，最終出現(xiàn)林地、草地減少的去向與建設(shè)用地的新增來(lái)源呈現(xiàn)吻合狀態(tài). 連續(xù)變化型模式中總體轉(zhuǎn)移面積小，但轉(zhuǎn)移復(fù)雜且種類(lèi)多，一定程度反映了洱海地區(qū)城鄉(xiāng)建設(shè)過(guò)程中人類(lèi)活動(dòng)對(duì)土地的不合理利用及資源的破壞.

2.3 人類(lèi)活動(dòng)強(qiáng)度分析

為進(jìn)一步分析城鎮(zhèn)化推進(jìn)對(duì)洱海地區(qū)土地利用覆被變化的影響，本文采用500 m×500 m 格網(wǎng)，將研究區(qū)劃分成一系列子單元，分別計(jì)算各單元的HAT，利用ArcGIS10.3 對(duì)每個(gè)網(wǎng)格進(jìn)行賦值并繪制人類(lèi)活動(dòng)強(qiáng)度空間分布圖，如圖4 所示，參考已有相關(guān)研究和研究區(qū)特征，將環(huán)洱海地區(qū)HAI 劃分為5 類(lèi)：高影響(HAI>0.8)、較高影響(0.6

由圖4 可知，環(huán)洱海地區(qū)人類(lèi)活動(dòng)強(qiáng)度空間分布特征為：以低影響區(qū)為主；高影響區(qū)、中高影響區(qū)、低影響區(qū)分布較為集中，高影響區(qū)集中在環(huán)湖南側(cè)，中高影響區(qū)主要分布于環(huán)湖西側(cè)，低影響區(qū)主要分布在研究區(qū)外圍，中低影響區(qū)和中影響區(qū)分布較零散. 從人類(lèi)活動(dòng)強(qiáng)度隨時(shí)間變化趨勢(shì)上來(lái)看，由于2000 年后城鎮(zhèn)化速度加快，高影響區(qū)、中高影響區(qū)顯著增加，環(huán)湖地區(qū)人類(lèi)活動(dòng)強(qiáng)度上升，沿湖地區(qū)興起了許多城鎮(zhèn)和村落. 總體來(lái)看，環(huán)洱海地區(qū)人類(lèi)活動(dòng)強(qiáng)度呈逐年增長(zhǎng)趨勢(shì)，特別在環(huán)湖南側(cè)、環(huán)湖西側(cè)最為明顯，主要原因是環(huán)湖西側(cè)有著平坦的地勢(shì)、肥沃的土地，是早期的城鎮(zhèn)、村落、農(nóng)業(yè)用地、工業(yè)用地主要聚集地，隨著三十年來(lái)城鎮(zhèn)化進(jìn)程推進(jìn)，社會(huì)經(jīng)濟(jì)發(fā)展及人類(lèi)更高層次生活的追求，該區(qū)域人口密度逐年上升，建設(shè)用地大幅擴(kuò)張使得耕地面積減少，草地和濕地人為轉(zhuǎn)移至耕地. 而環(huán)湖西北側(cè)(上關(guān)鎮(zhèn))和東南側(cè)(鳳儀鎮(zhèn))，早期相對(duì)環(huán)湖西側(cè)地理?xiàng)l件不佳，但隨著國(guó)家在城鎮(zhèn)建設(shè)中對(duì)環(huán)湖東側(cè)交通設(shè)施的大力投入，如大麗高速、大理機(jī)場(chǎng)等，東側(cè)的地理位置優(yōu)勢(shì)逐漸凸顯，為響應(yīng)城鎮(zhèn)化進(jìn)程良性發(fā)展，同時(shí)要滿(mǎn)足區(qū)域糧食安全保障，導(dǎo)致部分林草地、濕地向耕地轉(zhuǎn)移，彌補(bǔ)了耕地轉(zhuǎn)移為建設(shè)用地的空缺.

圖4 環(huán)洱海地區(qū)人類(lèi)活動(dòng)強(qiáng)度空間分布圖

3 結(jié) 論

本文研究基于GEE 平臺(tái)和Landsat 影像數(shù)據(jù)，融合光譜、歸一化差異指數(shù)和EVI 特征，以及高程信息等，利用隨機(jī)森林分類(lèi)方法實(shí)現(xiàn)了對(duì)洱海周邊1991、1995、2000、2005、2010、2015、2020 年土地利用圖的高效解譯，采用土地利用變化圖譜、人類(lèi)活動(dòng)強(qiáng)度指數(shù)分析環(huán)洱海地區(qū)各土地利用類(lèi)型的時(shí)空變化及人類(lèi)活動(dòng)影響強(qiáng)度，主要結(jié)論如下：

1) 采用GEE 云平臺(tái)及隨機(jī)森林分類(lèi)方法，對(duì)于長(zhǎng)時(shí)間序列的土地利用分類(lèi)具有顯著的優(yōu)勢(shì)，總體分類(lèi)精度均達(dá)到91.5%以上. 將本文1991 年、2015 年解譯結(jié)果與CNLUCC (1990 年、2015 年)對(duì)比分析，林地、水域、建設(shè)用地面積基本呈現(xiàn)一致?tīng)顟B(tài)，耕地和草地存在的顯著分類(lèi)差異. 分析其原因：對(duì)遙感影像解譯存在主觀性的差異；研究區(qū)域內(nèi)的地類(lèi)劃分種類(lèi)不同，CNLUCC 未劃分濕地，其有可能將濕地劃分為耕地；CNLUCC 作為全國(guó)大區(qū)域土地利用覆蓋分類(lèi)，雖各省單獨(dú)進(jìn)行處理，但無(wú)法顧及局部區(qū)域氣候、土地類(lèi)型的獨(dú)特性.

2) 綜合7 期土地利用數(shù)據(jù)分析，環(huán)洱海地帶土地覆被類(lèi)型以林地、耕地和水域?yàn)橹鳎?991—2020年間，地類(lèi)之間轉(zhuǎn)化頻繁且復(fù)雜，轉(zhuǎn)化頻率較高的為耕地、林地、草地，其中耕地作為過(guò)渡類(lèi)型，在林地、草地向耕地轉(zhuǎn)入的同時(shí)，耕地轉(zhuǎn)出至建設(shè)用地，使得林地、草地減少的去向與建設(shè)用地的新增來(lái)源呈現(xiàn)吻合狀態(tài)；從轉(zhuǎn)出與轉(zhuǎn)入總量上分析，建設(shè)用地大幅擴(kuò)張，林地和草地呈減少趨勢(shì)，濕地呈現(xiàn)出先減少后增加的變化趨勢(shì)，其中2010—2020 年研究結(jié)果與許泉立等[5]利用蟻群算法對(duì)洱海流域土地利用變化模擬的變化趨勢(shì)相近，但環(huán)洱海地帶建設(shè)用地的擴(kuò)張速度得到了有效控制；洱海湖面面積變化幅度小，變化呈現(xiàn)先減小后趨于穩(wěn)定的趨勢(shì)，減少的部分主要轉(zhuǎn)向濕地和耕地.

3) 環(huán)洱海地區(qū)人類(lèi)活動(dòng)強(qiáng)度以低影響區(qū)為主，低影響區(qū)集中分布于研究區(qū)外圍，中高影響區(qū)在環(huán)湖西側(cè)成片分布，高影響區(qū)主要分布于環(huán)湖南側(cè). 2000 年之前人類(lèi)活動(dòng)強(qiáng)度較低，2000 年后中高和高影響區(qū)顯著增長(zhǎng)，中影響區(qū)逐漸向中高影響區(qū)轉(zhuǎn)變. 總體來(lái)看，環(huán)洱海地區(qū)人類(lèi)活動(dòng)強(qiáng)度呈穩(wěn)定增長(zhǎng)的變化趨勢(shì)，尤其在環(huán)湖南側(cè)這種變化最為明顯，這與洱海地區(qū)城鎮(zhèn)化率有密切關(guān)系.

本文借助GEE 平臺(tái)解決了傳統(tǒng)遙感解譯費(fèi)時(shí)費(fèi)力的問(wèn)題，通過(guò)選取有效的特征進(jìn)行隨機(jī)森林模型訓(xùn)練，避免了信息冗余造成過(guò)擬合，得到了較高精度的土地利用覆被數(shù)據(jù)，最后定量地揭示了城鎮(zhèn)化進(jìn)程下環(huán)洱海地區(qū)土地利用時(shí)空變化規(guī)律，對(duì)環(huán)洱海地帶經(jīng)濟(jì)發(fā)展、國(guó)土空間規(guī)劃和環(huán)境治理具有一定的參考價(jià)值. 但由于早期高分辨率影像難以獲取，在解譯過(guò)程中選取訓(xùn)練樣本時(shí)，個(gè)人主觀性影響較大，使得最終的土地利用覆被數(shù)據(jù)存在一定的偏差，在今后的研究中將考慮引入時(shí)序神經(jīng)網(wǎng)絡(luò)解決在現(xiàn)有的不精準(zhǔn)先驗(yàn)知識(shí)下，模型有效地學(xué)習(xí)到整個(gè)研究時(shí)序的土地利用特征.