基于GIS的石家庄市土地利用变化分析及预测

摘要：以河北省石家庄市为例，以2008年和2014年石家庄市Landsat TM影像为基础，对2008―2014年间石家庄市主要土地利用类型的变化幅度以及相互转化的关系进行分析，得到石家庄市土地利用类型转移矩阵，通过马尔可夫矩阵对石家庄市2020年的土地利用类型进行预测。分析结果表明，在2008―2014年间，石家庄市土地利用类型转变最大的为未利用地和居民工矿用地，增加的居民工矿用地主要由未利用地和农地转变而来，草地、林地和水域的变化相对不大。截至2020年，石家庄市土地利用类型中居民工矿用地、未利用地和农地这3类土地利用类型的面积非常接近，居民工矿用地成为在12年间增长幅度最大的类型，表明在此期间石家庄市城市化建设力度较大。

关键词：土地利用变化；GIS；转移矩阵；马尔可夫预测；石家庄市

中图分类号：S75；P208；F30124

文献标识码：A

文章编号：1671-3168（2016）01-0001-05

Abstract： Taking Shijiazhuang city of Hebei Province as study case， on the base of Landsat TM remote sense image of 2008 and 2014， the transition matrix of Shijiazhuang City’s land use was developed through the analysis of the land use characteristics’ change range and relationship with each other form 2008 to 2014， and the dynamic change trend of the land use in 2020 also forecasted by using markov matrix. The results showed that the residential land was mainly changed from unused land by 2020， and residential land has become the largest increase in area during twelve years， the Changes in grassland， woodland and waters were relatively small. By 2020， the area of Shijiazhuang City land-use types in residents industrial land， unused land and agricultural land are very close， and residents industrial land will become the largest type of growth rate in 12 years， which showed that during this period Shijiazhuang city construction force are larger.

Key words：land use change， GIS； transition matrix， markov forecast； Shijiazhuang City

土地利用变化是反映人类活动程度的重要因子，分析土地利用时空变化规律，是揭示人类活动程度的有效方式[1]，土地利用变化作为表征人类活动行为对地球陆表自然生态系统影响最直接的信号，是人类社会经济活动行为与自然生态过程交互和链接的纽带[2]，通过数据挖掘和知识库的建立，快速获取土地利用/覆被变化相关知识，及时提出国土开发和气候变化适应性的宏观策略，对于国家资源环境可持续发展具有重要的战略意义[3]，开展土地利用变化研究，了解土地利用的变化趋势，可以为政府在土地利用的优化以及社会经济的发展方面提供重要的决策参考，从而实现土地的可持续利用。本文利用GIS技术手段对河北省石家庄市2008―2014年期间的土地利用变化进行分析，计算出石家庄市2008―2014年间的土地利用转移概率矩阵，初步分析石家庄市2008―2014年土地利用在数量上的变化和其不同类型之间的相互转化关系，并利用马尔可夫模型对石家庄市2020年土地利用变化的趋势进行预测。

1研究区概况

石家庄市地处中低纬度亚欧大陆东缘，临近太平洋所属渤海海域，属于温带季风气候。太阳辐射的季节性变化显著，地面的高低气压活动频繁，四季分明，干湿期明显，夏冬季长，春秋季短。雨量集中于夏秋季节，年总降水量为401.1～752.0 mm。石家庄市域跨太行山地和华北平原两大地貌单元。西部地处太行山中段，东部为滹沱河冲积平原，辖区内大地构造属山西地台和渤海凹陷之间的接壤地带，地势东南低，西北高，高差大，地貌复杂。西部太行山地，海拔1 000 m左右，地势高耸，东部平原，按其成因属太行山山前冲洪积平原，海拔一般在30～100 m，石家庄市包含8个辖区、11个县，代管3个县级市，总面积为14 084 km2，市区面积为2 206 km2。

林 业 调 查 规 划第41卷第1期梁龙G等：基于GIS的石家庄市土地利用变化分析及预测

2数据处理及研究方法

2.1数据处理

根据石家庄市的特殊位置以及遥感数据的可用性、可获取性，本文选择了覆盖石家庄市区的2008年和2014年的共4景LandSat TM卫星影像作为数据源，其中2008年数据的条带号为124/33和124/34，获取时间为2008年5月5日。2014年的数据条带号为124/33和124/34，获取时间为2014年5月22日。

影像数据在生成过程中受到多种因素的影响，使得这些数据用于土地覆盖研究时存在着各种不确定性，主要的影响包括太阳光照条件变化、大气条件差异以及山区的复杂地形条件等，其中大气中的分子和气溶胶的散射与吸收，使卫星传感器接收到的地物反射的电磁波信号在从地球表面经过大气层传输的过程中发生了改变，传感器记录的影像数据与地表实际情况不相符，对信息提取精度造成了影响[4]。因此应首先对遥感影像进行几何纠正，本文采用双线性内插法进行影像重采样，误差控制在0.5像元之内。然后对同年的2景遥感影像进行拼接，再使用石家庄市边界矢量图进行裁剪，最终获得实验区范围数据。然后使用监督分类方法对影像进行分类，再结合目视解译的方法对分类结果进行修改，最终准确度达92.72%，符合实验要求。

2.2分类体系的确立

参考1992 年中国科学院“八五”重大应用项目“国家资源与环境遥感宏观调查与动态研究”的土地资源分类系统[5]，根据1级分类法可将石家庄市土地利用类型分为6个类别，分别是农地、林地、草地、水域、居民工矿用地以及未利用地。根据2级分类法可将石家庄市土地利用类型分为9个类别，分别是农地（农田）、林地（灌木林地，有林地）、草地（高盖度草地，中盖度草地）水域（线状水系，水库、湖泊）、居民工矿用地（居民工矿用地）和未利用地（荒草地），再结合石家庄市土地利用特点，本着简洁实用的原则，确定采用1级分类法对研究区进行土地利用类型分类。

2.3土地利用类型变化计算方法

单一土地利用动态度是指研究区域内某一种土地利用类型在一定时间范围内的数量变化情况[6]，单一土地利用类型动态度表征特定时间范围内，研究区某种土地利用类型的数量变化情况[7]，它对比较土地利用变化的区域差异和预测未来土地利用变化趋势都具有积极的作用，其公式为：

式中：S为在研究期内某种土地利用类型的变化率；Ua为研究初期该种土地利用类型面积；Ub为研究期末期该种土地利用类型面积；T为研究期。

2.4马尔科夫模型

马尔柯夫预测法是由原苏联数学家马尔柯夫创造并以自己的名字命名的一种方法，它是应用概率中马尔柯夫链的理论和方法来研究分析随机时间变化规律并籍此分析预测未来变化趋势的一种方法。马尔可夫链是用于土地利用变化建模的传统方法，在马尔可夫过程中，系统的将来状态仅依赖于当前状态，马尔可夫链描述一个时期到另一个时期土地利用的变化，并以此为基础预测将来的变化[8]。它利用某一系统的现在状况及其发展动向预测该系统未来状况。在马尔柯夫模型中，较简单的是一阶马尔柯夫过程，大量研究证明，使用一阶马尔柯夫过程已经足以得出相当可靠的预测结果，预测准确度能达到较高的水平[9]。马尔科夫模型基本概念为：在t时刻某种事物处于状态Xi，在t+1时刻，它将以概率Pij变为状态Xj，而转移概率Pij则反映了随机因素的影响。在土地利用类型预测中，以不同土地利用类型之间面积的相互转移概率为马尔科夫矩阵中的元素，则转移矩阵模型为：

3结果与分析

3.1土地利用现状分析

通过Envi以及ArcMap软件对2008年及2014年石家庄市遥感影像进行监督分类以及分类后处理，得到2008和2014年石家庄市土地利用分类图（图1）。

对2008年和2014年分类结果进行统计，得到石家庄市土地利用类型分类面积统计数据（表1），结合表1数据可以看出：2008年石家庄市草地面积为2 518.97 hm2，占全市总面积的17.89%，其中大部分草地分布在石家庄西边的平山县、井陉县以及赞皇县；林地面积较少，主要分布在平山县和井陉县西部的山地，面积为501.79 hm2，占总面积的3.56%；未利用地面积为5 056.19 hm2，占总面积的35.9%，是面积最大的地物类型，主要分布在鹿泉区、灵寿县、赞皇县以及井陉县的山地，这些山区开发较少，所以会有大面积的未利用地；农地面积为4 880.56 hm2，占总面积的34.56%，是第二大土地利用类型，农地主要分布在新乐市、正定县、藁城区、栾城区无极县、深泽县、晋州市、辛集市以及赵县，这些地区多是冲击平原，适宜发展农业；水域面积为101.96 hm2，占总面积的0.72%，是面积最小的地物类型，水域主要分布在平山县的岗南水库以及黄壁庄水库。2014年草地面积为2 813.36 hm2，占总面积的19.98%，与2008年相比，草地的面积增加了294.39 hm2，大致由图1中可以看出，井陉县的大部分未利用地变为草地；林地面积为585.32 hm2，占总面积的4.16%，与2008年相比，林地面积有少量增加；未利用地面积为3 986.91 hm2，占总面积的28.31%，相比2008年有大幅度减少；农地面积为4 060.40 hm2，占总面积的28.83%，比2008年减少了820.16 hm2；水域面积为107.76 hm2，与2008年相比变化不是很大。

2008―2014年变化最大的土地利用类型为居民工矿用地，变化率为146.95%；其次是未利用地，变化率为21.86%，再次为农地、林地和草地，分别为16.80%、16.65%和11.69%，水域的变化最小，为5.69%。

3.2土地利用类型转移概率的确定

使用马尔柯夫模型进行预测的关键在于转移概率的确定，利用ArcMap软件将2008年与2014年的土地利用分类结果进行叠加，从而得到2008―2014年的土地利用类型转移矩阵（表2）。

通过表2可以看出，2008―2014年期间，土地变化相对较大的地物类型为居民工矿用地、未利用地和农地，居民工矿用地所增加的面积主要由未利用地和农地转变而来，转变的面积分别为1 045.55 hm2和452.21 hm2，农地面积的减少，除了有一部分转变为居民工矿用地以外，还有557.63 hm2的农地转变为未利用地，未利用地面积的减少，除了转变为居民工矿用地和农地外，还有一部分转变为草地，面积为644.45 hm2，其他地物类型转变面积相对较小。在2008―2014年石家庄市土地利用转移矩阵的基础上，通过不同地物类型之间的转换面积可以计算得到2008―2014年土地利用转移概率矩阵（表3）。

3.3马尔科夫模型预测结果

将2014年各地类的面积设置为初始状态向量，每经过6年为1步，则2020年n=1，利用公式（2）和转移概率矩阵，预测2020年土地利用结构，其与2014年土地利用结构的比较如表4所示。

由表4可以看出，石家庄市未来土地利用变化的趋势，预计到2020年，草地的面积会增加到

2 947.67 hm2，增加134.31 hm2；居民工矿用地会增加到3 633.26 hm2，增加

1 102.89 hm2；林地会增加到669.42 hm2，增加84.10 hm2；未利用地会减少到

3 327.19 hm2，减少659.72 hm2；农地的面积会减少到3 358.66 hm2，减少674.74 hm2；水域面积会增加到120.93 hm2，增加13.17 hm2。从表4可以看出，2014―2020年期间，石家庄市土地利用变化主要类型是居民工矿用地、未利用地以及农地，而草地、林地和水域的变化相对不大。

4结论

1）通过对石家庄市2008年、2014年的2期遥感影像进行解译，获得了这2个时期的土地利用数据，根据对这2期影像的分类结果，再结合2020年的预测结果，在2008―2020年的6年间研究区土地利用结构变化总体上呈草地、林地、居民工矿用地增加的趋势，农地、未利用地呈下降的趋势。其中在2008年时居民工矿用地所占比例相对较小，而在2020年其所占比例已经超越其他地类，成为面积最大的地物类型，由此可以看出，在2008―2014年期间，石家庄市城市建设力度较大，“三年大变样”政策收效显著。

2）本研究结合定性分析，运用相关的数学方法对石家庄市土地利用类型的转换进行了研究，研究结果与实际情况相符，在此基础上运用马尔科夫模型对石家庄市2020年土地利用的状况做出预测，为今后政府在土地资源规划以及制定政策方面提供数据依据。由此可见，在宏观经济发展比较平稳，土地政策没有突然变化的情况下，利用马尔柯夫模型预测一定区域内的土地利用结构变化是可行的，这为土地利用规划编制等工作中预测土地利用结构提供了新的方法和思路，为宏观决策提供科学依据。

参考文献：

[1]吴琳娜，杨胜天，刘晓燕，等.1976年以来北洛河流域土地利用变化对人类活动程度的响应[J].地理学报，2014，69（1）：54-63.

[2]MOONEY H A，DURAIAPPAH A，LARIGAUDERIE A.Evolution of natural and social science interactions in global change research programs[J].PNAS，2013，110（Suppl 1）：3665-3672.

[3]HERRICK J E，URAMA K C，KARL J W，et al.The global land-potential knowledge system （landPKS）：Supporting evidence-based，site-specific land use and management through cloud computing，mobile applications，and crowdsourcing[J].Journal of Soil and Water Conservation，2013，68（1）：5-12.

[4]陈趁新，胡昌苗，霍连志，等.Landsat TM数据不同辐射校正方法对土地覆盖遥感分类的影响[J].遥感学报，2014，18（2）：320-334.

[5]刘纪远.中国资源环境宏观调查与动态研究[M].北京：中国科学技术出版社，1996.

[6]田传召.基于TM影像的昆明市区土地利用遥感动态监测[J].林业资源管理，2014（4）：103-108.

[7]冯永玖，韩震.基于遥感的黄浦江沿岸土地利用时空演化特征分析[J].国土资源遥感，2010（84）：91-96.

[8]何丹，周Z，高伟，等.基于CA-Markov模型的滇池流域土地利用变化动态模拟研究[J].北京大学学报（自然科学版），2014，50（6）：1095-1105.

[9]武国胜，林惠花，朱鹤健.基于马尔柯夫模型的福建长汀土壤侵蚀动态预测[J].福建师范大学学报（自然科学版），2011，27（1）：93-104.

[10]贺伯胜.马尔柯夫预测模型及其实证分析[J].中南财经政法大学学报，2002（2）：132-135.

[11]陈瑞琴.基于马尔科夫模型的土地格局变化预测―以青岛市为例[J].国土与自然资源研究，2009（1）：29-30.

[12]李忠锋，王一谋，冯毓荪，等.基于RS与GIS 的榆林地区土地利用变化分析[J].水土保持学报，2003（2）：97-99.

[13]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.