基于Landsat遥感影像的长时序红塔区土地利用动态分析研究
Dynamic Analysis of Land Use in Hongta District Based on Landsat Remote Sensing Image
DOI: 10.12677/sd.2025.157205, PDF,   
作者: 任启洪, 许泉立*:云南师范大学地理学部,云南 昆明;教育部西部资源与环境地理信息技术工程研究中心,云南 昆明
关键词: 红塔区LandsatTM/OLI遥感影像动态变化分析SVMHongta District LandsatTM/OLI Remote Sensing Image Dynamic Change Analysis SVM
摘要: 遥感技术为土地变化研究提供了长期、大尺度的时空数据支持,有效促进了土地覆盖时空格局的监测与动态变化分析。本文以红塔区为研究对象,基于Landsat 5 TM与Landsat 8 OLI遥感影像,结合支持向量机(SVM)分类算法与人机交互解译方法,获取了研究区2005年至2021年不同年份的土地利用类型分类成果。通过对该时间段内土地利用的结构变化、动态度及转移特征进行系统性分析,结果显示:研究期间红塔区建设用地面积显著增加约100.9  km2,耕地/草地面积增加约47.37  km2,裸地面积显著减少约108.75  km2,区域综合土地利用动态度提升1.32%,体现出土地利用活动的活跃性和动态调整能力。研究揭示了区域土地利用的演变规律与变化趋势,为红塔区土地资源的科学管理与合理规划提供了理论依据。尤其是在城市化快速发展的背景下,该成果为促进土地资源的可持续利用、协调经济发展与生态保护、推动区域绿色发展战略提供了重要参考。
Abstract: Remote sensing technology provides long-term, large-scale spatiotemporal data support for land change research, effectively facilitating the monitoring of land cover patterns and dynamic change analysis. This study focuses on Hongta District, utilizing Landsat 5 TM and Landsat 8 OLI remote sensing images combined with Support Vector Machine (SVM) classification and interactive human interpretation methods to obtain land use classification results for different years from 2005 to 2021. A systematic analysis of land use structural changes, dynamic degrees, and transfer characteristics during this period shows that construction land area increased significantly by approximately 100.9 km2, cultivated land/grassland area increased by about 47.37 km2, and bare land area decreased markedly by around 108.75 km2. The overall land use dynamic degree in the region rose by 1.32%, reflecting the activity and dynamic adjustment capability of land use. The study reveals the evolution patterns and trends of land use in the region, providing a theoretical basis for the scientific management and rational planning of land resources in Hongta District. Especially under the backdrop of rapid urbanization, these findings offer important references for promoting sustainable land resource utilization, coordinating economic development with ecological protection, and advancing regional green development strategies.
文章引用:任启洪, 许泉立. 基于Landsat遥感影像的长时序红塔区土地利用动态分析研究[J]. 可持续发展, 2025, 15(7): 228-239. https://doi.org/10.12677/sd.2025.157205

参考文献

[1] 黄靖舒, 高心丹, 景维鹏. 基于BOVW和SVM的城市土地类型遥感变化监测研究[J/OL]. 南京林业大学学报(自然科学版): 1-10.
http://kns.cnki.net/kcms/detail/32.1161.s.20220418.2009.004.html, 2023-01-18.
[2] Chen, H., Lan, C., Song, J., Broni-Bediako, C., Xia, J. and Yokoya, N. (2024) Objformer: Learning Land-Cover Changes from Paired OSM Data and Optical High-Resolution Imagery via Object-Guided Transformer. IEEE Transactions on Geoscience and Remote Sensing, 62, 1-22. [Google Scholar] [CrossRef
[3] Bandara, W.G.C. and Patel, V.M. (2022) A Transformer-Based Siamese Network for Change Detection. IGARSS 2022-2022 IEEE International Geoscience and Remote Sensing Symposium, Kuala Lumpur, 17-22 July 2022, 207-210. [Google Scholar] [CrossRef
[4] 张岸, 朱俊锴. 新一代人工智能驱动下地图学研究的机遇与挑战[J]. 地球信息科学学报, 2024, 26(1): 35-45.
[5] Meyfroidt, P., De Bremond, A., Ryan, C.M., et al. (2022) Ten Facts about Land Systems for Sustainability. Proceedings of the National Academy of Sciences, 119, e2109217118.
[6] Becker, M., Börner, J., Biber-Freudenberger, L., et al. (2025) Land System Transitions in Rural Africa: Developing Embedded Middle-Range Theories of Change. [Google Scholar] [CrossRef
[7] 赵飞. 基于Landsat的黄河三角洲地区土地利用变化动态监测[J]. 测绘与空间地理信息, 2022, 45(5): 124-126+129.
[8] 焦念, 闫璐瑶, 许小梅. 基于遥感数据的砚瓦川流域土地利用动态变化[J]. 现代农业科技, 2021(12): 208-210.
[9] 张云帆, 吴颖韬, 于东明, 王洪涛. 基于遥感影像的盐渍化土地利用动态变化研究——以山东省滨州市无棣县盐碱地为例[J]. 建筑经济, 2020, 41(S2): 291-294.
[10] 胡静. 鹞落坪自然保护区土地利用格局动态变化及驱动力研究[D]: [硕士学位论文]. 合肥: 安徽农业大学, 2020.
[11] 王磊, 郑吉林, 王姝力, 林叶彬. 基于Landsat时间序列的自贡市土地利用/覆盖动态分析[J]. 环保科技, 2018, 24(4): 22-26.
[12] 刘伟堂, 张亚磊. 基于TM影像的商丘市土地利用动态监测[J]. 智库时代, 2018(30): 295-296.
[13] 祝文华, 张启明, 张培. 基于遥感影像的保定市土地利用分类研究[J]. 信息记录材料, 2022, 23(2): 239-242.
[14] 谢火艳, 唐婉. 基于遥感影像的广州南沙区土地利用动态变化分析[J]. 上海国土资源, 2018, 39(1): 57-59+68.
[15] 林柳璇, 尤添革, 刘金福, 陈远丽, 黄嘉航, 旷开金, 路春燕. 1985-2015年厦门市土地利用变化及驱动力[J]. 福建农林大学学报(自然科学版), 2019, 48(1): 103-110.
[16] 徐雨利, 龙花楼, 屠爽爽, 等. 乡村振兴视域下产业重构的理论解析与模式研究——以广西为例[J]. 地理科学进展, 2024, 43(3): 434-445.
[17] 李梓赫, 周冬梅, 江晶, 等. 甘肃省土地利用碳排放时空演变特征及影响因素[J]. 环境科学, 2024, 45(9): 5040-5048.
[18] 王全喜, 宋戈, 隋虹均. 耕地“非农化”的时空格局演变及其驱动因素研究——基于影响分析与组态分析的双重视角[J]. 中国土地科学, 2023, 37(5): 113-124.
[19] 李超, 宋方. 基于监督分类的遥感影像分类方法研究[J]. 西部探矿工程, 2020, 32(12): 159-162.
[20] 杨乐. 高分辨率遥感影像解译方法与对比分析[J]. 经纬天地, 2021(5): 42-45.
[21] 张莹. 遥感影像监督分类和非监督分类方法探讨[J]. 黑龙江科技信息, 2016(2): 79.
[22] 郭恒, 张军, 刘安伟. 基于SVM的遥感影像监督分类方法研究——以天水市三阳川地区为例[J]. 甘肃科技纵横, 2022, 51(1): 52-55.
[23] Congalton, R.G. (1991) A Review of Assessing the Accuracy of Classifications of Remotely Sensed Data. Remote Sensing of Environment, 37, 35-46.
[24] 凌娟, 史胜南. 基于RS的枣庄市近20年土地利用动态变化研究[J]. 安徽农业科学, 2010, 38(26): 14680-14682+14687.
[25] 王育红. 基于ArcGISModelBuilder的LUCC转移矩阵自动计算模型研究[J]. 测绘工程, 2022, 31(1): 12-16+23.
[26] 黄钰清, 李骁尧, 于强, 黄华国. 1995-2018年黄河流域土地利用变化及驱动力分析[J]. 西北林学院学报, 2022, 37(6): 113-121.