论文部分内容阅读
摘要 基于Landsat卫星TM、ETM+和OLI数据，采用SVM算法结合RS和GIS技术，分别提取了呈贡区5个时期（1989、1996、2003、2009、2015年）的耕地面积。结果表明，1989—2015年呈贡区耕地面积由156.99 km2减少到40.02 km2，减少了74.51%，年平均減少450 km2；空间分布上，耕地集中在呈贡西部、西南部、东北部和中部地区，其中以中部地区减少最为剧烈和明显。原因主要是政府的宏观调控、城市化速率和城市建设占用了大量耕地。建议政府协调人、地、自然和城市发展建设之间的关系，严守耕地红线，出台耕地保护措施。
关键词 SVM；耕地面积；城市化；呈贡区
中图分类号 S127；TP75 文献标识码 A 文章编号 0517-6611（2017）01-0190-03
Remote Sensing Monitoring of Cultivated Land Degradation Supported by SVM Algorithm—A Case of Chenggong District，Kunming City
ZHANG Zhikun1，3， YANG Kun2，3*， WANG Jiasheng2，3 et al
（1.School of Tourism and Geographical Science，Yunnan Normal University，Kunming，Yunnan 650500；2. GIS Technology Research Center of Resource and Environment in Western China of Ministry of Education， Kunming，Yunnan 650500；3. School of Information Science and Technology，Yunnan Normal University， Kunming，Yunnan 650500）
Abstract It was used to extract the cultivated land area of Chenggong District that SVM algorithm combined with RS and GIS technology based on the Landsat TM， ETM+and OLI data in five periods （1989， 1996， 2003， 2009， 2015） respectively. The results showed that the degradation of cultivated land in Chenggong District reduced from 156.99 km2 to 40.02 km2 during 1989-2015，showed a decrease of 7415% and an annual reduction of 4.50 km2 in the past 26 years. Cultivated land concentrated in the western， southwest， northeast and central parts of Chenggong in spatial distribution， of which the central region reduced the most dramatic and obvious. The main reason was the government’s macrocontrol， urbanization rate and urban construction occupied a lot of cultivated land. It was suggested that the government should coordinate the relationship between human， land， nature and urban development and construction， safeguard the red line of cultivated land and introduce the protection measures of cultivated land.
Key words SVM；Cultivated land area；Urbanization；Chenggong District
粮食是人类经济社会发展的重要保障，而耕地资源直接关乎粮食生产。合理的开发、监测和保护耕地资源一直是重要的科学命题[1-2]。传统的耕地监测方法是野外实地考察测量，该方法适合于局部精细化耕地量测管理，而对于耕地整体监测，不仅耗费巨大的财力、物力和人力，而且不能有效地反映耕地资源的现势性变化特征。近现代以来，耕地监测最重要的手段是航空（无人机）摄影测量、遥感和地理信息技术[3-8]。通过这些方法获取地表耕地信息，然后加以人工和计算机交互处理，达到快速实时耕地退化监测。近现代耕地监测最重要的2个步骤是人工目视解译和计算机自动识别，而耕地本身复杂的地形特征及其他背景地物的混淆，使得地形特征、分辨率（遥感平台、影像、人眼）、空间物理误差、几何变形、算法等一直是制约耕地退化监测的重要因素。
支持向量机（SVM）算法结合了人工智能和计算机模式识别，是一种结构风险最小的图像分类学习统计算法，其特征向量来源于遥感影像的像元值和识别出来的纹理信息[9-11]。SVM适合复杂地形条件地表地物信息丰富的耕地类型监测。昆明市呈贡区属于高原亚热带季风气候区，植被四季繁茂，农作物类型多样，政府宏观驱动明显。因此，适合采用SVM算法针对Landsat多光谱遥感影像围绕呈耕地面积变化、空间分布以及驱动因素进行研究，提出相应的耕地开发和保护建议。 1 数据来源与研究方向
1.1 研究区概况
呈贡县2011年5月撤县设区，是昆明市城市化最快的城区，也是昆明市政府驻地。地处102°45′～103°00′ E，24°42′ ～25°00′ N，面积461 km2，地势东部高，西部低，海拔1 775～2 820 m，属低纬度高原季风气候，年平均日照时数2 200 h，年均温度14.7 ℃，年平均降水量789.6 mm。2012年呈贡县耕地面積62.40 km2。
1.2 数据获取及预处理
Landsat卫星数据来源于美国地质勘查局（http：//www.usgs.gov/），GDEM（30 m）数据来自地理空间数据云（http：//www.gscloud.cn/），研究区行政区划矢量图来源于全球GADM数据库（www.gadm.org），其他数据来源于呈贡区统计年鉴。遥感影像数据见表1。
运用ArcGIS 10.2对以上基础地理数据进行预处理。首先均采用统一的UTM投影和WGS84椭球体建立坐标系统；然后在ENVI 5.1中对遥感影像进行几何精校正、辐射定标、大气校正、图像增强处理和图像拼接，裁剪研究区。
1.3 研究方法
1.3.1 SVM算法。
SVM算法依据统计学习理论和结构风险最优原则，能够解决多维、样本少及不确定性等遥感分类问题。SVM算法对于线性可分的情况，设[（xi，yi），i=1，…，N]为N个样本点，其中yi=1或-1，表示xi所属的类。分类线性方程为：
而对于非线性可分的样本点，先用一个非线性函数将样本点空间映射到一个高维特征空间，在特征空间进行线性分类。
假设存在映射ф，则内积运算（xi·x）=[ф（xi）·ф（x）]，也就是K（xi·x）=[ф（xi）·ф（x）]，称函数K（xi·y）为核函数。因此，最优分类超平面表示为：
SVM算法常用的核函数有多项式核函数、径向基核函数以及Sigmoid核函数。该研究选用径向基核函数。因为多光谱遥感影像分类中耕地由若干像元组成，不同波段耕地像元特征不一样，具有多维或高维的特点，而径向基核函数可以将样本映射到一个更高维的空间，可以处理类和特征之间的非线性关系的样本。因此，采用SVM算法径向基核函数进行多光谱影像耕地提取具有很大的优势。
1.3.2 耕地提取及精度评价。
根据呈贡区耕地分布特征，输入TM、ETM+和OLI多光谱遥感影像，针对样本区域，选择像元（像素）值和纹理信息作为SVM算法的特征向量，输入到SVM算法分类器构造函数中，选择径向基核函数作为SVM算法的核函数，通过空间映射在特征空间进行地物类型分类，分别提取1989、1996、2003、2009和2015年耕地、林地、居民地、草地、水体和其他6类地物类型。针对分类结果，采用混淆矩阵对5个时期进行精度评价，总体精度分别到达0913、0.928、0.905、0.944、0.939，Kappa系数分别为0.84、085、0.79、0.88、0.87。输出分类结果到ArcGIS中提取耕地面积，制作耕地空间分布图（图1）。
2 结果与分析
2.1 耕地面积时空变化 1989—2015年呈贡区耕地面积变化见表2。
耕地面积变化是多因素共同作用的结果。从1989年开始，以7年或6年为时间间隔，1989、1996、2003、2009、2015年5个时期呈贡区耕地面积分别为156.99、12228、98.17、73.74、40.02 km2；耕地面积由1989年的15699 km2减少到2015年40.02 km2，减少了74.51%，年平均减少4.00 km2。1989—2015年呈贡区耕地面积呈现先快速、后放缓、再急剧减少的趋势。其中，2009—2015年减少速度最快，从73.74 km2减少到40.02 km2，减少了4572%，年平均减少5.62 km2；1996—2003年减少速度最慢，从122.28 km2减少到98.17 km2，减少了19.72%，年平均减少3.44 km2。从空间分布上，耕地面积集中分布在呈贡中部、西部、西南和东北地区，1989—1996年东北部地区耕地减少明显，2009—2015年中部地区耕地面积减少最为剧烈。
2.2 耕地变化驱动力分析
2.2.1 城市化驱动影响。
受政府宏观调控的影响，呈贡区已成为新昆明城市化进程最为迅速的核心区之一。2003年云南省委省政府提出了“一湖四片两城”的新昆明城市发展战略构想，并将呈贡区主体定位为新昆明的新兴工业区、科技文化中心和物流商贸中心。而随着昆明市政府的迁入、新螺蛳湾商贸城以及呈贡大学城（面积43.15 km2）的建立，城市化和新型城镇化速率急剧增长，截至2015年，呈贡城镇化率已达到75%。城市的扩张和主体功能区的建设[12-13]，直接和间接地占用了大量的耕地资源，已成为耕地资源退化重要的因素。
2.2.2 房地产投资和基础设施建设的驱动。
呈贡新区房地产开发投资、城市基础设施建设，致使耕地在内的土地资源急剧减少，成为呈贡区耕地退化另一重要的原因之一。截至2015年，“十二五”期间呈贡固定资产投资累计达21094亿元，城市格局焕然一新，交通、水、电、气等保障设施和楼宇经济、金融服务、旅游、商贸物流、生物医药及信息等产业欣欣向荣。新城区及其配套设施的不断繁荣和发展无疑是耕地退化和和转化的直接驱动。
3 结论与建议
1989—2015年呈贡区耕地退化呈现先快速、后放缓、再急剧减少的趋势，耕地面积由1989年的156.99 km2减少到2015年的40.02 km2，减少了74.51%，年平均减少4.50 km2。耕地面积空间上也呈现出差异变化，耕地集中分布在呈贡西部、西南部、东北部和中部地区，其中以呈贡昆明市行政中心区耕地面积减少最为剧烈和明显。耕地退化原因主要是政府政策的宏观调控、城市化速率和城市建设带来的大量耕地面积减少、耕地退化和转化。建议政府协调人、地、自然和城市发展建设之间的关系，严守耕地红线，出台耕地保护措施。
参考文献
[1] 李效顺，曲福田，谭荣，等.中国耕地资源变化与保护研究：基于土地督察视角的考察[J].自然资源学报，2009，24（3）：387-401.
[2] 张蚌蚌，孔祥斌，郧文聚，等.我国耕地质量与监控研究综述[J].中国农业大学学报，2015，20（2）：216-222.
[3] 张松岭，杨邦杰，王飞，等.基于GIS的耕地遥感监测人机交互式图像解译系统[J].农业工程学报，1999，15（2）：185-188.
[4] 王静，张继贤，何挺，等.基于3S技术的耕地退化监测与评价技术方法探讨[J].测绘科学，2002，27（4）：45-49.
[5] 王力凡，潘剑君.利用高—中—低分辨率遥感影像的大区域耕地快速监测研究[J].遥感技术与应用，2011，26（4）：496-500.
[6] 谢戈力，郑巧凤.基于WebGIS技术的耕地质量动态监测信息系统[J].安徽农业科学，2011，39（31）：19560-19563.
[7] 戴凡.基于3S的耕地动态监测系统设计与实现[D].武汉：华中师范大学，2012.
[8] 杨艳青，柴旭荣.基于遥感和GIS的土地利用分类方法研究[J].山西师范大学学报（自然科学版），2015（4）：69-74.
[9] VAPNIK V N.The nature of statistical learning theory[M].Berlin：SpringerVerlag，2000：988-999.
[10] 王振武，孙佳骏，于忠义，等.基于支持向量机的遥感图像分类研究综述[J].计算机科学，2016，43（9）：11-17，31.
[11] 陈强，田杰，黄海宁，等.基于统计和纹理特征的SAS图像SVM分割研究[J].仪器仪表学报，2013，34（6）：1413-1420.
[12] 陈明玉，曹生国.基于RS和GIS的昆明市呈贡区城市扩张驱动力和阻力分析[J].辽宁农业科学，2015（1）：23-27.
[13] 张海英.城市土地资源优化配置研究[D].昆明：云南财经大学，2015.
关键词 SVM；耕地面积；城市化；呈贡区
中图分类号 S127；TP75 文献标识码 A 文章编号 0517-6611（2017）01-0190-03
Remote Sensing Monitoring of Cultivated Land Degradation Supported by SVM Algorithm—A Case of Chenggong District，Kunming City
ZHANG Zhikun1，3， YANG Kun2，3*， WANG Jiasheng2，3 et al
（1.School of Tourism and Geographical Science，Yunnan Normal University，Kunming，Yunnan 650500；2. GIS Technology Research Center of Resource and Environment in Western China of Ministry of Education， Kunming，Yunnan 650500；3. School of Information Science and Technology，Yunnan Normal University， Kunming，Yunnan 650500）
Abstract It was used to extract the cultivated land area of Chenggong District that SVM algorithm combined with RS and GIS technology based on the Landsat TM， ETM+and OLI data in five periods （1989， 1996， 2003， 2009， 2015） respectively. The results showed that the degradation of cultivated land in Chenggong District reduced from 156.99 km2 to 40.02 km2 during 1989-2015，showed a decrease of 7415% and an annual reduction of 4.50 km2 in the past 26 years. Cultivated land concentrated in the western， southwest， northeast and central parts of Chenggong in spatial distribution， of which the central region reduced the most dramatic and obvious. The main reason was the government’s macrocontrol， urbanization rate and urban construction occupied a lot of cultivated land. It was suggested that the government should coordinate the relationship between human， land， nature and urban development and construction， safeguard the red line of cultivated land and introduce the protection measures of cultivated land.
Key words SVM；Cultivated land area；Urbanization；Chenggong District
粮食是人类经济社会发展的重要保障，而耕地资源直接关乎粮食生产。合理的开发、监测和保护耕地资源一直是重要的科学命题[1-2]。传统的耕地监测方法是野外实地考察测量，该方法适合于局部精细化耕地量测管理，而对于耕地整体监测，不仅耗费巨大的财力、物力和人力，而且不能有效地反映耕地资源的现势性变化特征。近现代以来，耕地监测最重要的手段是航空（无人机）摄影测量、遥感和地理信息技术[3-8]。通过这些方法获取地表耕地信息，然后加以人工和计算机交互处理，达到快速实时耕地退化监测。近现代耕地监测最重要的2个步骤是人工目视解译和计算机自动识别，而耕地本身复杂的地形特征及其他背景地物的混淆，使得地形特征、分辨率（遥感平台、影像、人眼）、空间物理误差、几何变形、算法等一直是制约耕地退化监测的重要因素。
支持向量机（SVM）算法结合了人工智能和计算机模式识别，是一种结构风险最小的图像分类学习统计算法，其特征向量来源于遥感影像的像元值和识别出来的纹理信息[9-11]。SVM适合复杂地形条件地表地物信息丰富的耕地类型监测。昆明市呈贡区属于高原亚热带季风气候区，植被四季繁茂，农作物类型多样，政府宏观驱动明显。因此，适合采用SVM算法针对Landsat多光谱遥感影像围绕呈耕地面积变化、空间分布以及驱动因素进行研究，提出相应的耕地开发和保护建议。 1 数据来源与研究方向
1.1 研究区概况
呈贡县2011年5月撤县设区，是昆明市城市化最快的城区，也是昆明市政府驻地。地处102°45′～103°00′ E，24°42′ ～25°00′ N，面积461 km2，地势东部高，西部低，海拔1 775～2 820 m，属低纬度高原季风气候，年平均日照时数2 200 h，年均温度14.7 ℃，年平均降水量789.6 mm。2012年呈贡县耕地面積62.40 km2。
1.2 数据获取及预处理
Landsat卫星数据来源于美国地质勘查局（http：//www.usgs.gov/），GDEM（30 m）数据来自地理空间数据云（http：//www.gscloud.cn/），研究区行政区划矢量图来源于全球GADM数据库（www.gadm.org），其他数据来源于呈贡区统计年鉴。遥感影像数据见表1。
运用ArcGIS 10.2对以上基础地理数据进行预处理。首先均采用统一的UTM投影和WGS84椭球体建立坐标系统；然后在ENVI 5.1中对遥感影像进行几何精校正、辐射定标、大气校正、图像增强处理和图像拼接，裁剪研究区。
1.3 研究方法
1.3.1 SVM算法。
SVM算法依据统计学习理论和结构风险最优原则，能够解决多维、样本少及不确定性等遥感分类问题。SVM算法对于线性可分的情况，设[（xi，yi），i=1，…，N]为N个样本点，其中yi=1或-1，表示xi所属的类。分类线性方程为：
而对于非线性可分的样本点，先用一个非线性函数将样本点空间映射到一个高维特征空间，在特征空间进行线性分类。
假设存在映射ф，则内积运算（xi·x）=[ф（xi）·ф（x）]，也就是K（xi·x）=[ф（xi）·ф（x）]，称函数K（xi·y）为核函数。因此，最优分类超平面表示为：
SVM算法常用的核函数有多项式核函数、径向基核函数以及Sigmoid核函数。该研究选用径向基核函数。因为多光谱遥感影像分类中耕地由若干像元组成，不同波段耕地像元特征不一样，具有多维或高维的特点，而径向基核函数可以将样本映射到一个更高维的空间，可以处理类和特征之间的非线性关系的样本。因此，采用SVM算法径向基核函数进行多光谱影像耕地提取具有很大的优势。
1.3.2 耕地提取及精度评价。
根据呈贡区耕地分布特征，输入TM、ETM+和OLI多光谱遥感影像，针对样本区域，选择像元（像素）值和纹理信息作为SVM算法的特征向量，输入到SVM算法分类器构造函数中，选择径向基核函数作为SVM算法的核函数，通过空间映射在特征空间进行地物类型分类，分别提取1989、1996、2003、2009和2015年耕地、林地、居民地、草地、水体和其他6类地物类型。针对分类结果，采用混淆矩阵对5个时期进行精度评价，总体精度分别到达0913、0.928、0.905、0.944、0.939，Kappa系数分别为0.84、085、0.79、0.88、0.87。输出分类结果到ArcGIS中提取耕地面积，制作耕地空间分布图（图1）。
2 结果与分析
2.1 耕地面积时空变化 1989—2015年呈贡区耕地面积变化见表2。
耕地面积变化是多因素共同作用的结果。从1989年开始，以7年或6年为时间间隔，1989、1996、2003、2009、2015年5个时期呈贡区耕地面积分别为156.99、12228、98.17、73.74、40.02 km2；耕地面积由1989年的15699 km2减少到2015年40.02 km2，减少了74.51%，年平均减少4.00 km2。1989—2015年呈贡区耕地面积呈现先快速、后放缓、再急剧减少的趋势。其中，2009—2015年减少速度最快，从73.74 km2减少到40.02 km2，减少了4572%，年平均减少5.62 km2；1996—2003年减少速度最慢，从122.28 km2减少到98.17 km2，减少了19.72%，年平均减少3.44 km2。从空间分布上，耕地面积集中分布在呈贡中部、西部、西南和东北地区，1989—1996年东北部地区耕地减少明显，2009—2015年中部地区耕地面积减少最为剧烈。
2.2 耕地变化驱动力分析
2.2.1 城市化驱动影响。
受政府宏观调控的影响，呈贡区已成为新昆明城市化进程最为迅速的核心区之一。2003年云南省委省政府提出了“一湖四片两城”的新昆明城市发展战略构想，并将呈贡区主体定位为新昆明的新兴工业区、科技文化中心和物流商贸中心。而随着昆明市政府的迁入、新螺蛳湾商贸城以及呈贡大学城（面积43.15 km2）的建立，城市化和新型城镇化速率急剧增长，截至2015年，呈贡城镇化率已达到75%。城市的扩张和主体功能区的建设[12-13]，直接和间接地占用了大量的耕地资源，已成为耕地资源退化重要的因素。
2.2.2 房地产投资和基础设施建设的驱动。
呈贡新区房地产开发投资、城市基础设施建设，致使耕地在内的土地资源急剧减少，成为呈贡区耕地退化另一重要的原因之一。截至2015年，“十二五”期间呈贡固定资产投资累计达21094亿元，城市格局焕然一新，交通、水、电、气等保障设施和楼宇经济、金融服务、旅游、商贸物流、生物医药及信息等产业欣欣向荣。新城区及其配套设施的不断繁荣和发展无疑是耕地退化和和转化的直接驱动。
3 结论与建议
1989—2015年呈贡区耕地退化呈现先快速、后放缓、再急剧减少的趋势，耕地面积由1989年的156.99 km2减少到2015年的40.02 km2，减少了74.51%，年平均减少4.50 km2。耕地面积空间上也呈现出差异变化，耕地集中分布在呈贡西部、西南部、东北部和中部地区，其中以呈贡昆明市行政中心区耕地面积减少最为剧烈和明显。耕地退化原因主要是政府政策的宏观调控、城市化速率和城市建设带来的大量耕地面积减少、耕地退化和转化。建议政府协调人、地、自然和城市发展建设之间的关系，严守耕地红线，出台耕地保护措施。
参考文献
[1] 李效顺，曲福田，谭荣，等.中国耕地资源变化与保护研究：基于土地督察视角的考察[J].自然资源学报，2009，24（3）：387-401.
[2] 张蚌蚌，孔祥斌，郧文聚，等.我国耕地质量与监控研究综述[J].中国农业大学学报，2015，20（2）：216-222.
[3] 张松岭，杨邦杰，王飞，等.基于GIS的耕地遥感监测人机交互式图像解译系统[J].农业工程学报，1999，15（2）：185-188.
[4] 王静，张继贤，何挺，等.基于3S技术的耕地退化监测与评价技术方法探讨[J].测绘科学，2002，27（4）：45-49.
[5] 王力凡，潘剑君.利用高—中—低分辨率遥感影像的大区域耕地快速监测研究[J].遥感技术与应用，2011，26（4）：496-500.
[6] 谢戈力，郑巧凤.基于WebGIS技术的耕地质量动态监测信息系统[J].安徽农业科学，2011，39（31）：19560-19563.
[7] 戴凡.基于3S的耕地动态监测系统设计与实现[D].武汉：华中师范大学，2012.
[8] 杨艳青，柴旭荣.基于遥感和GIS的土地利用分类方法研究[J].山西师范大学学报（自然科学版），2015（4）：69-74.
[9] VAPNIK V N.The nature of statistical learning theory[M].Berlin：SpringerVerlag，2000：988-999.
[10] 王振武，孙佳骏，于忠义，等.基于支持向量机的遥感图像分类研究综述[J].计算机科学，2016，43（9）：11-17，31.
[11] 陈强，田杰，黄海宁，等.基于统计和纹理特征的SAS图像SVM分割研究[J].仪器仪表学报，2013，34（6）：1413-1420.
[12] 陈明玉，曹生国.基于RS和GIS的昆明市呈贡区城市扩张驱动力和阻力分析[J].辽宁农业科学，2015（1）：23-27.
[13] 张海英.城市土地资源优化配置研究[D].昆明：云南财经大学，2015.