1、第 46 卷 第 1 期2023 年 1 月测绘与空间地理信息GEOMATICS&SPATIAL INFORMATION TECHNOLOGYVol.46,No.1Jan.,2023收稿日期:2021-09-06基金项目:省级自然资源监测监管大数据应用服务平台建设(2019JZZY020103);山东省重大科技创新工程项目(2019JZZY020103)资助作者简介:朱瑞青(1996-),男,江苏淮安人,测绘工程专业硕士研究生,主要研究方向为自然资源监测。通信作者:季 民(1970-),男,山东德州人,教授,博士,2004 年毕业于山东科技大学地理信息科学专业,主要从事空间数据组织和GIS 系
2、统集成的研究与教学工作。基于徐州市主城区的景观格局时空变化研究朱瑞青,季 民,许建然,张晓东(山东科技大学 测绘与空间信息学院,山东 青岛 266590)摘要:对城市景观格局进行时空变化分析,有助于为我国城市化合理布局、稳定发展提供重要的参考。本文以徐州市主城区为研究区,选取 2003、2013 和 2018 年 3 期 6 景 Landsat ETM+/OLI 遥感影像数据,结合景观生态学理论以及遥感技术和地理信息系统技术,以 ENVI、ArcGIS 以及 FRAGSTATS 软件为平台,通过监督分类获取研究区景观格局信息,结合景观格局指数分析法以及转移矩阵对徐州市主城区景观格局的时空变化进
3、行分析研究,为徐州市城市规划和生态环境建设提供参考。研究表明,20032018 年间徐州市主城区内城市景观格局一方面趋于同质化,其他景观同质化变为建设用地;一方面趋于破碎化,景观格局整体上离散破碎化程度加深。关键词:徐州市;景观格局;监督分类;景观格局指数分析法中图分类号:P237;X87 文献标识码:A 文章编号:1672-5867(2023)01-0051-05Study on Temporal and Spatial Changes of Landscape Pattern Based on the Main Urban Area of XuzhouZHU Ruiqing,JI Min,
4、XU Jianran,ZHANG Xiaodong(School of Surveying and Spatial Information,Shandong University of Science and Technology,Qingdao 266590,China)Abstract:The analysis of temporal and spatial changes of urban landscape pattern is helpful to provide important reference for the ra-tional distribution and stabl
5、e development of urbanization in China.Taking the main urban area of Xuzhou as the research area,Land-sat ETM+/OLI remote sensing image data of six scenes in 2003,2013 and 2018 were selected.Combined with landscape ecology the-ory,remote sensing technology and geographic information system technolog
6、y,ENVI,ArcGIS and FRAGSTATS software were used as the platform.The landscape pattern information of the study area was obtained through supervised classification,and the temporal and spatial changes of landscape pattern in the main urban area of Xuzhou was analyzed by combining the landscape pattern
7、 index analysis method and the transfer matrix,so as to provide reference for the urban planning and ecological environment construction of Xuzhou.The results show that from 2003 to 2018,the urban landscape pattern in the main urban area of Xuzhou tends to be homogeneous on the one hand,and other ho
8、mogeneous landscapes become construction land,on the one hand,the landscape pattern tends to be frag-mented.Key words:Xuzhou city;landscape pattern;supervised classification;landscape pattern index analysis method0 引 言目前城市景观的时空变化速度已经成为景观变换中最快的类型之一,所以城市景观格局时空变化分析研究也成为目前受到重点关注的景观格局研究领域,并且也是景观生态学研究的核心问
9、题1-2。景观格局(Landscape pattern)指的是景观在空间上的格局,是来自不同种类的景观空间单元或斑块空间排列分布组合的规律,包括景观组成单元的空间分布、配置、数目和类型3。研究方法大致可以分为3 个大类:景观格局指数分析法、空间统计学分析方法和景观格局变化动态模拟方法4。而通过景观格局指数分析法从斑块(Patch)、类别(Class)和景观(Landscape)3 个不同水平上对景观格局特征分析和研究已经成为国际上景观格局研究的主流方法5-6。徐州作为我国“一带一路”的重要节点城市,华东地区重要城市,其景观格局具有显著的区域特性。本文利用景观指数分析法,结合遥感技术和地理信息系
10、统技术及景观生态学理论,对徐州市景观格局的时空变化进行分析,分析其背后变化的影响因素及驱动机制,为徐州市城市规划和城市生态环境建设提供参考,并且为进行相关研究提供重要的借鉴意义。1 研究区概况及数据源1.1 研究区概况徐州是江苏省西北部重要的地级市,也是苏北地区重要的经济贸易文化交流中心。地形平坦,多以平原为主,气候宜人,四季分明。徐州不仅历史悠久,自然资源丰富,而且地处五省交界,是重要的交通枢纽。曾先后获得全国文明城市、联合国人居环境奖等荣誉。徐州总面积 11 258 km2,市区面积3 037 km2。辖5 个市辖区、3 个县、2 个县级市。本研究以徐州市主城区即 5个市辖区(云龙区、鼓楼
11、区、泉山区、贾汪区、铜山区)为具体研究范围。1.2 数据源由于研究范围较大,需要 2 幅遥感不同遥感数据才能完全覆盖,并结合遥感影像的特点,以及城市景观格局时空变化分析研究的要求、数据可获得性等多方面因素考虑,统一选用近 15 年的 3 期 6 景 Landsat 系列遥感影像数据作为本研究的基础源数据。数据来源分别为 2 期 2003年的 Landsat ETM+SLC-on 影像,2 期 2013 年 Landsat-8 OLI 影像以及 2 期 2018 年 Landsat-8 OLI 影像。其中为了避免 ETM+卫星传感器扫描仪校正器(SLC)出现异常时的数据,故而没有选择 20032
12、013 年间的数据,并且选用影像时选取无云或少云(小于 10%)的影像。使用数据还包括覆盖研究区范围的 150 000 地形图和研究区矢量数据,用以对遥感影像进行几何精校正和图像裁剪。2 研究方法与数据处理2.1 研究方法本文以徐州市主城区作为研究范围,首先对研究区内城市景观类型进行划分,通过对 2003、2013 和 2018 年不同时期的遥感影像进行景观信息提取。使用监督分类中支持向量机法(SVM)和最大似然分类法(MLC)对城市景观进行信息提取,通过获取的分类结果进行精度评价并选择较高精度的分类结果。采用景观格局指数分析方法,进行徐州城市景观格局时空分析,并且通过转移矩阵,分析土地利用变
13、化规律。具体详细内容如下:1)景观类型的划分对研究区域进行景观类型划分是进行景观信息提取以及后续的景观格局分析的基础工作。结合实地考察以及徐州土地利用情况,将研究区域内景观类型划分以下 5种:建设用地景观。主要指包括居民点、道路、工业区、商业区以及人工建设的地物在内的景观。林地景观。主要指森林灌木等景观和城市绿地植被景观。水域景观。主要指城市内湖泊池塘以及河流等水体。耕地景观。主要指各种种植耕种土地。未利用地。主要指城市内尚未开发利用的土地包括裸地、沙地等以及影像中无法辨别的土地。2)景观信息提取对 3 个时期的遥感影像数据采用最大似然分类法和支持向量机法进行研究区域景观信息提取,然后对 2
14、种方法结果进行精度评价和比较分析。同时选取一种精度较高的分类结果,并且以这种方法分类的结果制作各个时期的景观类型分布图。3)景观格局分析研究以及土地利用变化研究在 FRAGSTATS 景观分析软件支持下,选取合适的景观指数,分别从类别(Class)和景观(Landscape)水平上对研究区的景观格局进行了分析。并在 ENVI 软件的支持下获取 20032013 年以及 20132018 年的转移矩阵,进而利用转移矩阵研究各个研究阶段内各种景观类型相互之间的转化情况,探讨土地利用的规律。2.2 分类处理本文基于 ENVI 软件的支持下,进行遥感图像分类。采用监督分类中最大似然分类法(MLC)和支
15、持向量机法(SVM),在进行分类过程中采用相同的分类训练样本进行分类以便后续进行精度评价。在选择分类训练样本时主要靠目视解译,选择时遵循选择具有代表性易辨别的地物作为感兴趣区以及在研究区范围内进行均匀选取的原则。2.3 分类后精度评价完成分类后,由于数据限制,本研究利用地表真实感兴趣区的方法进行精度评价。通过高分辨图像以及野外实地调查获取地表真实感兴趣区,制作方法和分类训练样本一致。精度评价包括 2 个指标:1)总体分类精度;2)Kappa系数。Kappa 系数公式为:K=NXK-XKXKN2-XKXK精度评价结果见表 1,对比可以得出支持向量机法25 测绘与空间地理信息 2023 年(SVM
16、)精度略大于最大似然分类法(MLC)。2003、2013及 2018 年的支持向量机法(SVM)影像分类图的 2 种精度指标都达到了最低要求精度指标 0.7 的要求,分类结果可以进行景观格局分析。表 1 分类结果精度评价Tab.1 Accuracy evaluation of classification results年度分类方法总体分类精度(%)Kappa 系数2003MLC90.451 60.843 0SVM90.115 5 0.860 4 2013MLC90.764 9 0.868 2SVM92.045 50.886 3 2018MLC92.748 2 0.884 0 SVM93.946 4 0.886 1 2.4 分类后处理及制作成果图利用支持向量机法(SVM)获取的分类结果,进行分类后处理并最终制成影像分类结果图。本研究进行了如下分类处理:1)Majority/Minority 分析;2)聚类处理;3)过滤处理。最后把处理后的图像在 ArcGIS 软件上制作成果图,输出 2003、2013 及 2018 年分类成果图。如图 1 所示。图 1 分类结果Fig.1 Classi