1. 前言
土地利用是人类根据土地的特点,按照一定的社会和经济目的采取一定的生物和技术手段,对土地进行周期性和长期性的经营活动,是一个把土地的自然生态系统变为人工生态系统的过程[1] 。土地覆盖是具备一个空间和时间的特别属性的各种元素的自然物和人为建筑物。21世纪,土地利用/土地覆盖的研究得到了很大发展。我国学者在对中等规模的区域研究主要集中在三个方面:1) 生态环境脆弱区,2) 人对自然的驱动力非常活跃的地区,沿海地区和城市及其周边;3) 热点地区,如中国西部的宁夏,新疆,怒江和澜沧江流域。
迪庆州的景观格局以有林地和城镇用地为主,由于人为因素的影响,该地区的景观斑块多,破碎性较大。迪庆州有林地面积上世纪60年代开始处于下降水平。同时森林结构发生较大的变化,次生林代替了大部分原始针叶林。而草地的面积较小。加强对土地利用/土地覆盖变化的研究可制订一套适合本地区土地利用的合理方式,促进本地区的生态平衡和可持续发展。
2. 遥感图像处理
2.1. 影像预处理
2.1.1. 数据选取原则
影像数据选取Landsat4-5TM数据,迪庆州行政区所在的条带数,编码号为:131-40,131-41,131-42,132-40,132-41,133-40,根据数据的可得性,时间要尽可能相近,单景云量越低越好的原则。数据选取如表1所示。
2.1.2. 影像的预处理
波段整合采用123457波段的影像。对各景图像拼接后,选择10~12个控制点进行影像对影像的几何校正。校正完毕后按照迪庆州的边界范围进行影像裁剪,得到预处理后影像(图1)。
2.2. 监督分类
在监督分类过程中,首先选择可以识别或者借助其他信息可以断定其类型的模板,然后基于该模板使计算机系统自动识别具有相同特性的像元[2] ,监督分类过程如图2所示。
2.2.1. 土地分类体系
依据全国遥感监测土地利用/土地覆盖分类体系,根据迪庆州实际情况,该地区主要分为一级6类,
表1. 数据选取

Figure 1. Preprocessing image (432 synthesis)
图1. 预处理影像图(432合成)
主要有01耕地,02林地,03草地,04水域,05住宅建设用地和06未利用地;二级8类包括011水田,021有林地、022灌丛林地,031草地,041水体、042冰川及永久积雪,051城镇用地,061沙地,灌丛林地。具体分类如表2所示。
2.2.2. 定义分类模板
监督分类是基于模板的分类,根据迪庆州的土地分类系统来定义分类模板。如表3所示。

Figure 2. Preprocessing image (432 synthesis)
图2. 预处理影像图(432合成)

Table 2. Land classification system
表2. 土地分类体系

Table 3. The classification template
表3. 定义分类模板
2.2.3. 评价分类模板
分类模板创立之后,就能对其进行评价、删除、更名、与其他分类模板合并等操作,针对上面迪庆州分类模板进行分类模板的评价[3] ,统计迪庆州分类模板误差矩阵如表4和表5所示。
从分类模板误差矩阵个数来看,水田共229个,误差为0个;有林地共255个像元,误差为0个;灌丛林地共291个,误差为2个;草地共120个,误差为1;水体共206个,误差为3个;冰川及积雪共346个,误差为8;城镇用地共190个,误差为0个;沙地,裸土地共155个,误差为0个。从误差矩阵的总体百分比来看,水田精度为100.00%;有林地精度为100.00%;灌丛林地精度为99.31%;草地精度为99.17%;水体精度为98.54%;冰川及永久积雪精度为97.69%;城镇精度为100.00%,沙地,裸土地精度为100.00%;从上述精度来看,这一模板整体是可行的。
2.2.4. 执行监督分类
监督分类实质上就是依据所建立的分类模板、在一定的分类决策规则条件下,对图像像元进行聚类判断的过程[4] 。执行监督分类主要对分类结果精度进行评价。监督分类精度评估混淆矩阵和监督分类精度评价分别如表6,表7所示。

Table 4. The classification template error matrix (number)
表4. 分类模板误差矩阵(个数)

Table 5. Classification Matrix template error (%)
表5. 分类模板误差矩阵(%)

Table 6. Confusion matrix of supervised classification
表6. 监督分类精度评估混淆矩阵

Table 7. Supervised classification accuracy
表7. 监督分类精度评价
总体精度 = 91.67%;K = 0.858。
在ERDAS中设置随机选取240个数据,除去不在迪庆州范围内以及云量过大无法辨别的点以外,共有随机点120个。从上表可以看出水田随机点一共有19个,有16个分类正确,3个分类错误其中1个分到有林地,2个分到灌丛林地;有林地随机点有20个,有18个分类正确,2个分类错误,1个分到水田,1个分到灌丛林地;灌丛林地随机点有18个,其中13个分类正确,5个分类错误,2个分到草地,3个分到城镇用地;草地随机点有10个,其中8个正确,2个错误,1个分到水体,1个分到城镇用地;水体随机点共10个,9个正确,1个错误,被分到城镇用地;冰川及永久积雪随机点有14个,13个分类正确,1个分类错误,被分到水体;城镇用地共有16个点,14个分类正确,2个分类错误分到水体;沙地。裸土地随机点共有13个,其中12个分类正确,1个被分到冰川及永久积雪。
对于K而言,K值 > 0.8说明分类精度很高;K值在0.4~0.8之间说明分类精度中等;准确性差是k < 0.4的分类结果。分析分类结果得到总体精度为91.67%,k = 0.858,可得该分类精度很高。制图精度与漏分精度相加为100%,用户精度和错分精度相加为100%。其中制图精度为每个土地利用类型分正确的个数与这一土地类型总数的比值;用户精度为每个土地利用类型分正确的个数与总的这类土地利用类型的比值。
2.2.5. 监督分类后处理
分类后处理包括聚类分析和去除分析。聚类分析是通过对影像计算每个分类图斑的面积,记录相邻区域中最大图斑面积的分类值的操作[5] 。
去除分析是去除原始分类影像中的小图斑或clump聚类影像中的小clump类组。去除分析将删除小图斑合并到相邻的最大的分类当中[6] 。而且通过处理后,分类图斑的属性值自动恢复为clump处理前的原始分类编码。针对分类结果图的参数如表8所示。分类后结果如图3所示。
3. 迪庆州土地利用/土地覆盖结果分析
迪庆州主要土地覆盖类型为有林地,灌丛林地城镇用地等。具体各部分土地覆盖类型所占面积及占迪庆州比例如表9所示,各土地覆盖类型面积柱状图如图4所示。
表8. 分类结果参数
表9. 各部分土地覆盖类型所占面积

Figure 3. Preprocessing image (432 synthesis)
图3. 预处理影像图(432合成)

Figure 4. The area histogram of land cover type
图4. 各土地覆盖类型面积柱状图
由以上土地覆盖类型所占面积,水田的面积为29.61 × 104 hm2 ,有林地的面积为87.94 × 104 hm2灌丛林地的面积为25.97 × 104 hm2,草地的面积为7.69 × 104 hm2 ,水体的面积为0.61 × 104 hm2,冰川及永久积雪的面积为3.41 × 104 hm2,城镇用地的面积为79.36 × 104 hm2,沙地,裸土地的面积为26.14 × 104 hm2。在以上所有土地覆盖类型中有林地的面积最大,其次为城镇用地,然后是水田,灌丛林地和沙地,裸土地,再者是草地和冰川及永久积雪,而水体的面积最小。
城镇的发展会带来建筑用地的增加,进而会加大迪庆州的土地利用/土地覆盖的变化。
沙地及裸土地面积比较大,说明某些地区的植被覆盖率很低,对于这部分地区,应该根据实地情况,在不破坏本地生态环境的情况下合理开发和利用这部分未利用地。
鉴于上述研究结果,有必要保护现有有林地,灌丛林地为主的土地利用/覆盖类型,合理规划其他土地利用类型,以促进区域土地资源的合理利用。
4. 景观格局分析
4.1. 主要景观指数及其意义
景观格局是指景观单元的类型、数量以及空间结构和分布,是复杂的物理、生物和社会因素长期相互作用的结果[7] 。主要景观指数包括各景观的平均形状、面积加权平均形状指数、平均斑块分维度、斑块数、面积加权平均斑块分形指标等[8] ,具体计算公式及意义如表10所示。
4.2. 迪庆州景观空间格局特征值
针对于迪庆州各种景观空间格局指数如表11所示。对于面积加权平均形状指数大于等于1,等于1时斑块形状为圆形,而有林地最大为32.69,其次为城镇用地为27,水田为4.5,灌丛林地为4.44,草地为2.82,水体为4.28,冰川及永久积雪为3.56,裸土、沙土地为5.46。说明斑块形状复杂并且不规则。各斑块的平均形状指标水田为1.42,有林地为1.4,灌丛林地为1.43,草地为1.42,水体为1.53,冰川及永久积雪为1.45,城镇用地为1.41,裸土、沙土地为1.45。平均斑块边缘是景观边缘总长度与斑块数的比值,水田为0.0069,有林地为0.0103,灌丛林地为0.0074,草地为0.0061,水体为0.0072,冰川及永久积雪为0.0080,城镇用地为0.0081,裸土、沙土地为0.0087。斑块大小变异系数水田为1106.5685,有林地为9799.8290,灌丛林地为1029.0646,草地为576.9079,水体为583.5584,冰川及永久积雪为819.7019,城镇用地为7107.9240,裸土、沙土地为1697.2970。斑块个数指标,水田为61166,有林地为66151,灌

Table 10. Landscape metrics and its significance
表10. 景观指数及意义

Table 11. Landscape pattern characteristics
表11. 景观格局特征值
丛林地为56,355,草地为27,568,水体为2241,冰川及永久积雪为6988,城镇用地为14,542,裸土、沙土地为38,178,斑块个数多,说明该地区景观破碎度程度较高。
5. 结论与思考
5.1. 结轮
迪庆州的土地利用/土地覆盖主要以有林地和城镇用地为主,并且沙地,裸土地等未利用地所占面积也比较大而水田的面积比较小。
迪庆州的景观格局以自然景观--有林地、灌丛林地为主,这两种景观类型主导了整个区域景观格局的空间特征以及未来变化趋势。而这两种景观类型受到人为因素的影响的可能性较大。迪庆州的草地面积较小。
由以上景观格局分析可得,各类景观类型斑块数量太多,以至于各景观类型的平均面积较小,说明该地区斑块的破碎度较大。而斑块几何形状的复杂性和相似性为1,各景观类型的景观斑块复杂程度较为简单。
5.2. 思考
迪庆州具有复杂的地理环境和多样的气候条件,目前土地利用主要以林地,灌丛林地和城镇用地为主,但是该地区粗放的生产方式和传统的土地利用方式,土地利用方式受到人为因素影响较大,改变当前的土地利用方式,从而会带来一些水土流失,植被破坏严重等一些不好的现象,为此,迪庆州要坚持可持续发展的战略,以保护开发为前提,适度开发,合理利用。保护该地区的生物多样性。促进该地区生态、可持续发展。
通过对迪庆州的景观格局分析,该地区景观以少数几种景观为主导,破碎指数较大,主要是由于人为因素的影响。对此,当地居民在利用土地时既要注意对现有景观的保护,又要加强该地区景观的丰富度,在不违背自然条件的规律下合理开发未利用地,使本地区土地资源得到合理利用。
致谢
本文系云南省高等学校卓越青年教师特殊培养项目及楚雄师范学院遥感概论精品课程项目成果。