收稿日期：2024-03-22

基金項目：山西省地質勘查建設與發(fā)展專項資金項目（2023-011）；山西省自然科學基金項目（202203021211288）；山西省高等學校教學改革創(chuàng)新項目（J20221244）。

作者簡介：劉進軍（1990—），男，山西呂梁人，碩士。研究方向：生態(tài)環(huán)境遙感。

摘要：快速、準確獲取土地利用變化信息是實現(xiàn)區(qū)域可持續(xù)發(fā)展的基礎?；诠雀璧厍蛞妫℅oogle Earth Engine，GEE），分析山西省1986—2022年土地利用變化。結果表明，隨機森林算法得到的土地利用分類結果精度較高，山西省土地利用類型中，耕地、林地和草地占主導；37年間，山西省土地利用類型變化最大的為建設用地，增長的建設用地主要為耕地轉化，水域面積逐漸減小，林地與草地面積變化不大；山西省土地利用程度呈現(xiàn)“中部高、東西低”的特點，主要受到社會因子的影響，人口數(shù)量影響最大。

關鍵詞：谷歌地球引擎（GEE）；土地利用；時空演變；山西省

中圖分類號：P237 文獻標識碼：A 文章編號：1008-9500（2024）05-0-04

DOI：10.3969/j.issn.1008-9500.2024.05.032

Analysis of spatiotemporal evolution of land use in Shanxi Province based on GEE

LIU Jinjun1，2， GAO Yuanxue2， CHEN Shenghua1，2

（1. The Cultivation Base of Shanxi Key Laboratory of Mining Area Ecological Restoration and Solid Wastes Utilization， Shanxi Institute of Technology; 2. Department of Earth Science and Engineering， Shanxi Institute of Technology， Yangquan 045000， China）

Abstract： Rapid and accurate acquisition of land use change information is the foundation for achieving regional sustainable development. Based on Google Earth Engine （GEE）， the land use changes are analyzed in Shanxi province from 1986 to 2022. The results show that the land use classification results obtained by the random forest algorithm have high accuracy， and in Shanxi province， cultivated land， forest land， and grassland are the dominant types of land use; over the past 37 years， the largest change in land use types in Shanxi province has been in construction land， with the main increase in construction land being cultivated land conversion， and the water area has gradually decreased， while the forest and grassland areas have not changed much; the land use level in Shanxi province shows a characteristic of “high in the central region and low in the east and west”， mainly influenced by social factors， with the greatest impact being on population size.

Keywords： Google Earth Engine （GEE）; land use; spatiotemporal evolution; Shanxi province

土地資源是人類賴以生存和發(fā)展的物質基礎，土地利用/覆蓋變化（Land Use and Cover Change，LUCC）

是全球和區(qū)域氣候及生態(tài)環(huán)境變化的主要影響因素，快速、準確獲取土地利用變化信息是實現(xiàn)區(qū)域可持續(xù)發(fā)展的前提。遙感技術具有多時序、速度快、信息獲取方便等優(yōu)點，目前已被廣泛應用于土地利用變化研究。然而，隨著監(jiān)測周期的拉長與監(jiān)測范圍的擴大，遙感數(shù)據(jù)量逐漸增加，傳統(tǒng)數(shù)據(jù)處理方式面臨預處理時間長的問題。以谷歌地球引擎（Google Earth Engine，GEE）為代表的遙感云平臺的興起為研究人員提供一種新的解決方案，使學者可以直接在云端進行遙感數(shù)據(jù)預處理，大大減少數(shù)據(jù)下載及預處理的時間[1]。目前，學者已經(jīng)基于GEE開展大量的土地利用變化監(jiān)測研究。胡云鋒等[2]基于GEE分析1990—2016年北京市土地利用變化及驅動機制；婁佩卿等[3]基于GEE分析1998—2018年京津冀地區(qū)土地利用動態(tài)變化規(guī)律；戴曉琴等[4]基于GEE分析河南省2000—2020年土地利用變化特征；楊麗萍等[5]基于GEE分析西安市土地利用格局及驅動力。

山西省位于華北地區(qū)，東與河北省毗鄰，西與陜西省隔黃河相望，南與河南省接壤，北與內蒙古自治區(qū)毗連，面積為15.67萬km2。地勢東北高西南低，地貌類型復雜多樣，山地與丘陵面積占山西省面積的80%以上。山西省屬溫帶季風氣候區(qū)，四季分明，年平均氣溫介于4.2～14.2 ℃，年降水量介于358～621 mm，境內河流較多，以季節(jié)性河流為主。截至2022年末，山西省常住人口為3 481.35萬人?；贕EE提供的Landsat系列衛(wèi)星遙感影像，采用隨機森林算法生成1986—2022年山西省土地利用分類結果，分析37年間山西省土地利用變化特征及其影響因素，從而服務政府決策和土地規(guī)劃等。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

遙感數(shù)據(jù)均來源于GEE，主要分為兩類，一是山西省1986年、1992年、2002年、2011年的Landsat5

衛(wèi)星遙感影像及2022年的Landsat8衛(wèi)星遙感影像，二是山西省2022年的夜間燈光、高程、坡度、坡向、溫度、降水量、風速和植被指數(shù)數(shù)據(jù)。遙感數(shù)據(jù)均利用GEE進行預處理，包括云量篩選、鑲嵌、裁剪、重采樣以及樣本選擇等。2022年山西省各地人口數(shù)量和地區(qū)生產總值（Gross Domestic Product，GDP）數(shù)據(jù)來源于《山西統(tǒng)計年鑒2023》。

1.2 研究方法

1.2.1 分類方法

隨機森林算法是一種并行式集成學習方法，采用隨機森林算法進行分類[6-8]。該方法首先從數(shù)據(jù)集中進行有放回的取樣，生成K個子數(shù)據(jù)集，每個子數(shù)據(jù)集單獨訓練為1棵樹，隨機選擇一部分特征進行訓練，得到K棵樹，最后使用每棵樹對分類進行決策，對每棵樹的決策結果進行投票，得票最高的即為最終分類結果。

1.2.2 分類精度評定

使用混淆矩陣評定分類精度[9-11]，計算各年度分類的總體精度和Kappa系數(shù)。總體精度是指所有正確分類的土地覆蓋類別的樣本數(shù)占總抽取樣本數(shù)的百分比；Kappa系數(shù)通過評價兩種數(shù)據(jù)的差異來評定精度，介于0～1。

1.2.3 土地利用程度指數(shù)

土地利用程度指數(shù)是基于土地利用類型的一種定量指標，用于表征人類對土地生態(tài)系統(tǒng)的干擾程度。參考相關研究[12-15]提出的土地利用程度分級表，計算山西省各地土地利用程度指數(shù)均值。

1.2.4 地理探測器

地理探測器通過分析要素的空間分異性來探測其相關性[16-19]，使用其對土地利用程度的驅動因子進行探測。驅動因子的解釋程度可以采用式（1）進行評價。

式中：q為驅動因子的解釋程度；h為變量的分層數(shù)，取值為1，2，…，L-1，L；N和Nh分別為全區(qū)和第h層的單元數(shù)；σ2和σh2分別為全區(qū)和第h層的方差。

2 結果與分析

2.1 分類結果精度評價

將山西省土地利用類型分為6類，即耕地、林地、草地、水域、建設用地以及未利用地，分類總體精度和Kappa系數(shù)如表1所示。結果顯示，總體精度和Kappa系數(shù)均在0.8左右。

2.2 山西省土地利用結構變化

1986—2022年，山西省各用地類型面積統(tǒng)計結果如表2所示。37年間，面積變化最大的為建設用地，從1986年的3 700.97 km2增加至2022年的8 608.20 km2，

年均增長率接近2.8%。2002—2011年，建設用地面積增長最快，年均增長率約為6.9%，這也是山西省GDP增長最快的一段時間。伴隨建設用地面積增長的主要是耕地面積的減少，兩者變化速度幾乎同步，可以說明增加的建設用地主要由耕地轉化而來。37年間，山西省水域面積逐漸減少，其中2002—2011年減少量最大，原因可能是山西省煤炭資源大量開采，造成地表水破壞。37年間，山西省林地面積和草地面積變化不大，林地在2002—2011年增加近1 000 km2，原因可能是退耕還林，耕地轉為林地，部分草地轉為林地。

2.3 山西省土地利用程度及驅動因子

1986年和2022年山西省土地利用程度對比如圖1所示。結果顯示，山西省土地利用程度呈現(xiàn)“中部高、東西低”的空間分布特征。具體來說，中部的大同市、朔州市、忻州市、太原市、晉中市、臨汾市以及運城市的中心城區(qū)土地利用程度遠高于其他縣級行政單位。其中，運城市多數(shù)縣級行政單位土地利用程度極高，且呈升高趨勢；東部和西部縣級行政單位土地利用程度整體偏低，這也是山西省經(jīng)濟發(fā)展較慢的區(qū)域。

為進一步分析山西省土地利用程度的驅動因子，選擇10個潛在的驅動因子，即人口數(shù)量（X1）、GDP（X2）、夜間燈光（X3）、高程（X4）、坡度（X5）、坡向（X6）、溫度（X7）、降水量（X8）、風速（X9）和植被指數(shù)（X10），基于地理探測器進行分析，結果如表3所示。從單因子解釋度來看，人口數(shù)量、夜間燈光、坡度和降水量對土地利用程度的解釋度較高，人口的單因子解釋度大于0.4，說明人口是山西省土地利用程度的最大驅動因子；從雙因子組合來看，人口和夜間燈光組合的解釋度最高，大于0.8，人口和GDP組合的解釋度達0.79，說明社會因子是驅動土地利用的主要因素；從自然因子來看，單自然因子解釋度不高，但雙因子解釋度基本在0.5以上，說明自然因子也是山西省土地利用程度的重要驅動因子，尤其是降水量和地形因素。

3 結論

基于GEE提供的Landsat衛(wèi)星遙感影像，采用隨機森林算法對山西省1986—2022年遙感影像進行分類，明確37年間土地利用結構，并分析山西省土地利用程度的時空分布及影響因素。結果表明，使用隨機森林算法得到的土地利用分類結果精度較高，總體精度及Kappa系數(shù)均在0.8左右。山西省土地利用類型中，耕地、林地和草地占比最高，37年間，山西省土地利用類型變化最大的為建設用地，其中2002—2011年增長最快，增長的建設用地主要為耕地轉化，水域面積逐漸減小，2002—2011年減小最多，林地面積和草地面積變化不大。山西省土地利用程度呈現(xiàn)“中部高、東西低”的空間分布特征，主要受到社會因子的影響，人口數(shù)量影響最大，同時自然因素也影響山西省土地利用。

參考文獻

1 李 旭，陳俊良，鄧尚奇.基于谷歌地球引擎的植被覆蓋度變化長時間序列檢測[J].北京測繪，2022（4）：457-462.

2 胡云鋒，商令杰，張千力，等.基于GEE平臺的1990年以來北京市土地變化格局及驅動機制分析[J].遙感技術與應用，2018（4）：573-583.

3 婁佩卿，付波霖，林星辰，等.基于GEE的1998—2018年京津冀土地利用變化對生態(tài)系統(tǒng)服務價值的影響[J].環(huán)境科學，2019（12）：5473-5483.

4 戴曉琴，沈瑞淇，王 俊，等.GEE遙感云平臺支撐下的河南省土地利用變化檢測[J].測繪科學技術學報，2021（3）：287-294.

5 楊麗萍，張 靜，貢恩軍，等.GEE聯(lián)合多源數(shù)據(jù)的西安市土地利用時空格局及驅動力分析[J].農業(yè)工程學報，2022（2）：279-288.

6 莊大方，劉紀遠.中國土地利用程度的區(qū)域分異模型研究[J].自然資源學報，1997（2）：10-16.

7 王勁峰，徐成東.地理探測器：原理與展望[J].地理學報，2017（1）：116-134.

8 周 萌.甬江流域土地利用變化及其生態(tài)環(huán)境響應分析[D].贛州：江西理工大學，2023：15-16.

9 梁錦濤，陳 超，孫偉偉，等.長時序Landsat和GEE云平臺的杭州灣土地利用/覆被變化時空格局演變[J].遙感學報，2023（6）：1480-1495.

10 趙 月，孟 丹，丁 鳳，等.基于GEE云平臺的2000—2022年雄安新區(qū)生態(tài)質量動態(tài)評價[J].地球物理學進展，2023（5）：2023-2036.

11 張 昊.基于Landsat長時序影像的近36年湟水流域河谷型城市/城鎮(zhèn)演化及預測研究[D].西寧：青海師范大學，2023：8-9.

12 王 瀅，李代偉，張 帆，等.基于Google Earth Engine的巢湖流域生態(tài)環(huán)境質量時空動態(tài)變化及影響因素分析[J].測繪通報，2023（7）：

7-13.

13 周竹安.長株潭城市群綠心地區(qū)土地利用變化對碳通量影響研究[D].長沙：中南林業(yè)科技大學，2023：18.

14 翟羽娟.吉林省西部農牧交錯區(qū)土地利用/覆被變化及其生態(tài)效應研究[D].長春：吉林大學，2023：14-15.

15 馬 慧.基于遙感和地理信息系統(tǒng)的黃土高原土地利用時空格局分析[D].咸陽：西北農林科技大學，2023：18-19.

16 董亞坤，王 鈺，何紫玲，等.基于GEE的洱海流域土地利用/覆被分類算法對比研究[J].西北林學院學報，2024（1）：28-35.

17 李星媚，嚴 軍.基于GEE和PLSR的2001—2020年長三角地區(qū)植被覆蓋時空變化及驅動力分析[J].西北林學院學報，2023（6）：219-227.

18 方春爽，朱 睿，盧 睿，等.基于GEE的石羊河流域植被覆蓋變化特征及其影響因素分析[J].遙感技術與應用，2023（5）：1167-1179.

19 唐 芳，蒲 智，丁吉達，等.基于Google Earth Engine的塔里木河下游土地利用變化[J].計算機與數(shù)字工程，2023（8）：1898-1902.