基于遥感技术的南京市土地利用覆被变化动态监测与多维度分析

基于遥感技术的南京市土地利用覆被变化动态监测与多维度分析一、引言1.1研究背景与意义土地作为人类生存和发展的基础资源，其利用与覆被状况的变化深刻影响着生态环境、社会经济发展以及人类福祉。随着城市化进程的加速、人口的增长以及经济活动的日益频繁，土地利用与覆被变化呈现出前所未有的动态性和复杂性。及时、准确地掌握土地利用覆被变化信息，对于合理规划土地资源、保护生态环境、促进可持续发展具有至关重要的意义。遥感技术作为一种高效、快速、大面积获取地球表面信息的手段，在土地利用覆被变化监测中发挥着不可替代的作用。通过搭载在卫星、飞机等平台上的传感器，遥感技术能够获取不同波段、不同分辨率的地物电磁波信息，这些信息经过处理和分析，可以直观地反映出土地利用类型的分布、变化情况，为土地资源管理和决策提供科学依据。与传统的地面调查方法相比，遥感技术具有覆盖范围广、获取信息速度快、周期性强、受地面条件限制小等优势，能够及时捕捉到土地利用覆被的动态变化，实现对土地资源的实时监测和动态管理。南京市作为中国东部地区重要的中心城市，长江三角洲唯一的特大城市，近年来经历了快速的城市化和工业化进程。城市规模不断扩张，土地利用结构发生了显著变化。一方面，大量的耕地、林地等被转化为建设用地，以满足城市建设和经济发展的需求；另一方面，随着人们对生态环境的重视，城市绿化、湿地保护等生态建设工程也在积极推进，土地覆被状况得到一定程度的改善。这种复杂的土地利用覆被变化过程，不仅对南京市的生态环境、水资源、生物多样性等产生了深远影响，也给城市规划、土地管理等工作带来了巨大挑战。深入研究南京市土地利用覆被变化动态，具有重要的现实意义和科学价值。从现实意义来看，准确掌握南京市土地利用覆被的现状和变化趋势，有助于政府部门科学制定土地利用规划和城市发展战略，合理配置土地资源，提高土地利用效率，保障城市的可持续发展。同时，通过对土地利用覆被变化的监测和分析，可以及时发现土地利用过程中存在的问题，如耕地流失、生态破坏等，为采取有效的保护和调控措施提供依据，促进生态环境的保护和改善。从科学价值角度而言，南京市作为典型的快速发展城市，其土地利用覆被变化过程具有一定的代表性和研究价值。通过对南京市的研究，可以深入探讨城市化进程中土地利用覆被变化的驱动机制、时空演变规律以及生态环境效应，丰富和完善土地利用覆被变化的理论和方法体系，为其他城市的相关研究提供参考和借鉴。1.2国内外研究现状土地利用覆被变化监测是全球变化研究的重要内容，随着遥感技术的不断发展，其在该领域的应用日益广泛和深入，国内外学者围绕此开展了大量研究，取得了丰富的成果。在国外，早期的土地利用覆被研究主要依赖于航空摄影测量技术，通过人工判读航空照片来获取土地利用信息。随着卫星遥感技术的兴起，从20世纪70年代开始，多光谱卫星影像如Landsat系列数据被广泛应用于土地利用覆被监测。例如，美国地质调查局（USGS）利用Landsat数据对本国的土地利用覆被进行长期监测，积累了丰富的历史数据，为研究土地利用覆被的长期变化趋势提供了数据基础。在土地利用覆被变化信息提取方法方面，国外学者提出了多种经典算法。分类后比较法是较早被广泛应用的方法，通过对不同时相遥感影像分别进行分类，然后对比分类结果来确定土地利用覆被的变化。但这种方法受分类精度影响较大，分类误差会在比较过程中累积。为了克服这一问题，一些基于像元的直接比较方法被提出，如差值法、比值法等，通过对不同时相影像的像元值进行直接运算来检测变化信息。光谱特征变异法也是常用方法之一，它利用地物在不同时相光谱特征的变化来识别土地利用覆被的变化，能够较好地检测出一些微小的变化。随着研究的深入，面向对象的分类和变化检测方法逐渐受到关注，该方法充分考虑了地物的空间特征、纹理特征等，在高分辨率遥感影像的处理中表现出较高的精度。例如，在城市土地利用覆被变化监测中，利用高分辨率影像的面向对象方法能够更准确地识别建筑物、道路等细小地物的变化。在土地利用覆被变化的驱动机制研究方面，国外学者从自然因素和人文因素两方面进行了深入分析。自然因素包括地形、气候、土壤等，它们在较长时间尺度上影响着土地利用覆被的分布和变化。人文因素如人口增长、经济发展、政策法规等对土地利用覆被变化的影响更为直接和显著。例如，在城市化进程快速推进的地区，由于人口的聚集和经济活动的增加，大量的农用地被转化为建设用地。在国内，遥感技术在土地利用覆被变化监测中的应用起步相对较晚，但发展迅速。20世纪80年代开始，我国学者开始利用遥感技术开展土地资源调查和监测工作。在国家层面，先后开展了多次全国性的土地利用现状调查和动态监测，如利用遥感技术对全国耕地进行动态监测，及时掌握耕地面积的变化情况，为耕地保护政策的制定提供数据支持。在技术方法研究上，国内学者在借鉴国外先进经验的基础上，结合我国的实际情况进行了创新和改进。例如，在变化信息提取方面，针对我国复杂的地形地貌和多样化的土地利用类型，提出了一些综合利用多种数据源和多种方法的集成技术。将高分辨率遥感影像与中低分辨率影像相结合，利用中低分辨率影像的宏观覆盖优势和高分辨率影像的细节信息优势，提高变化检测的精度和效率。在土地利用覆被分类方面，国内学者也在不断探索新的分类算法和模型，如基于深度学习的分类方法，利用卷积神经网络等模型对遥感影像进行分类，取得了较好的分类效果。在区域研究方面，国内针对不同地区的特点开展了大量的土地利用覆被变化研究。对于东部经济发达地区，重点研究城市化过程中土地利用覆被的快速变化及其生态环境效应；对于西部地区，关注生态退耕、沙漠化防治等政策背景下土地利用覆被的变化及其对生态环境的影响。例如，对长江三角洲地区的研究发现，随着城市化的发展，建设用地不断扩张，耕地和湿地面积减少，生态系统服务功能受到一定影响。尽管国内外在利用遥感监测土地利用覆被变化方面取得了显著成果，但仍存在一些问题和挑战。如遥感数据的质量和精度有待进一步提高，不同数据源之间的融合和协同应用还需要进一步完善；在变化信息提取方面，对于复杂地物类型和微小变化的检测精度还需提升；在驱动机制研究中，如何更准确地量化自然因素和人文因素的相互作用，以及如何建立更加完善的预测模型，仍然是需要深入研究的课题。1.3研究内容与方法1.3.1研究内容本研究旨在运用遥感技术对南京市土地利用覆被变化进行动态监测，并深入分析其变化特征、驱动因素及生态环境效应，具体研究内容如下：土地利用覆被信息提取：收集南京市不同时期的遥感影像数据，对影像进行预处理，包括辐射校正、大气校正、几何校正等，以提高影像质量，减少误差。利用监督分类、非监督分类、面向对象分类等方法，结合南京市土地利用覆被的实际情况，建立分类体系，将土地利用覆被类型分为耕地、林地、草地、水域、建设用地、未利用地等，从遥感影像中提取不同时期的土地利用覆被信息。土地利用覆被变化动态监测：对比不同时期的土地利用覆被分类结果，采用转移矩阵、动态度模型等方法，分析南京市土地利用覆被在时间和空间上的变化特征，包括土地利用覆被类型的面积变化、转移方向、变化速度等，明确土地利用覆被变化的热点区域和趋势。土地利用覆被变化驱动因素分析：从自然因素和人文因素两方面入手，分析南京市土地利用覆被变化的驱动机制。自然因素考虑地形、气候、土壤等；人文因素包括人口增长、经济发展、城市化进程、政策法规等。运用相关性分析、主成分分析等方法，定量分析各驱动因素与土地利用覆被变化之间的关系，确定主要驱动因素。土地利用覆被变化的生态环境效应评估：评估土地利用覆被变化对南京市生态环境的影响，包括对生态系统服务功能、生物多样性、水资源、空气质量等方面的影响。利用生态系统服务价值评估模型、生物多样性指数等方法，定量评估土地利用覆被变化对生态环境的影响程度，为生态环境保护和可持续发展提供科学依据。1.3.2研究方法为实现上述研究内容，本研究将综合运用多种方法，具体如下：遥感技术：利用多源遥感数据，如Landsat系列卫星影像、高分系列卫星影像等，获取南京市不同时期的土地利用覆被信息。通过遥感影像处理软件，如ENVI、Erdas等，对影像进行预处理、分类和变化检测，提取土地利用覆被变化信息。地理信息系统（GIS）技术：将遥感提取的土地利用覆被信息导入GIS软件，如ArcGIS，进行空间分析和制图。利用GIS的空间查询、统计分析、叠加分析等功能，分析土地利用覆被变化的空间特征和规律，制作土地利用覆被变化专题地图，直观展示土地利用覆被变化情况。数理统计方法：运用转移矩阵、动态度模型、相关性分析、主成分分析等数理统计方法，对土地利用覆被变化数据进行定量分析。转移矩阵用于分析土地利用覆被类型之间的相互转化关系；动态度模型用于计算土地利用覆被变化的速度；相关性分析和主成分分析用于确定土地利用覆被变化的驱动因素及其相对重要性。实地调查法：为验证遥感解译结果的准确性，对南京市部分区域进行实地调查。通过实地观察、拍照、访谈等方式，获取土地利用覆被的实际情况，与遥感解译结果进行对比分析，对解译结果进行修正和完善，提高研究的可靠性。1.4技术路线本研究的技术路线如图1-1所示，以实现对南京市土地利用覆被变化的全面监测与深入分析。首先是数据获取与预处理阶段，广泛收集南京市不同时期的多源遥感影像数据，包括Landsat系列卫星影像和高分系列卫星影像，同时收集相关的辅助数据，如数字高程模型（DEM）、行政区划图等。利用ENVI、Erdas等专业遥感影像处理软件，对收集到的遥感影像进行严格的预处理。依次进行辐射校正，消除因传感器响应特性差异、大气散射和吸收等因素导致的辐射误差；大气校正，校正大气对电磁波传输的影响，使影像更真实地反映地物的光谱特征；几何校正，通过选择合适的地面控制点，消除影像中的几何变形，确保影像的空间位置精度；影像配准，使不同时相的影像在空间上完全对齐，便于后续的对比分析。接着进入土地利用覆被信息提取阶段，依据南京市土地利用覆被的实际特点，建立科学合理的分类体系，将土地利用覆被类型划分为耕地、林地、草地、水域、建设用地、未利用地等。运用监督分类中的最大似然分类法，依据训练样本的光谱特征，计算像元属于各类别的概率，将像元归为概率最大的类别；非监督分类采用K-均值聚类算法，根据像元之间的光谱相似性，自动将像元聚合成不同的类别；面向对象分类则利用eCognition软件，基于影像分割后的对象，综合考虑对象的光谱、形状、纹理等多种特征进行分类。通过对比分析不同分类方法的结果，选取精度最高的分类结果作为最终的土地利用覆被分类图。在土地利用覆被变化动态监测与分析阶段，将不同时期的土地利用覆被分类图导入ArcGIS软件，运用空间分析和统计分析功能，计算土地利用覆被类型的面积变化、转移方向和变化速度。通过转移矩阵，详细分析不同土地利用覆被类型之间的相互转化关系，明确各类型的转入和转出情况；利用动态度模型，定量计算土地利用覆被变化的速度，确定变化的剧烈程度和趋势。结合土地利用覆被变化的空间分布特征，制作专题地图，直观展示变化的热点区域和空间格局。然后开展土地利用覆被变化驱动因素分析，收集自然因素数据，如地形数据（坡度、坡向等）、气候数据（降水、气温等）、土壤数据（土壤类型、土壤质地等），以及人文因素数据，包括人口增长数据、经济发展数据（GDP、产业结构等）、城市化进程数据（建成区面积、人口城镇化率等）、政策法规文件等。运用相关性分析方法，计算各驱动因素与土地利用覆被变化之间的相关系数，初步判断驱动因素的影响方向和程度；采用主成分分析方法，对多个驱动因素进行降维处理，提取主要成分，确定影响土地利用覆被变化的主要驱动因素，并分析其作用机制。最后进行土地利用覆被变化的生态环境效应评估，利用生态系统服务价值评估模型，根据土地利用覆被类型的变化，计算生态系统服务价值的变化，评估对生态系统服务功能的影响；运用生物多样性指数，分析土地利用覆被变化对生物多样性的影响；结合水资源和空气质量相关数据，评估土地利用覆被变化对水资源量、水质以及空气质量的影响。根据评估结果，提出针对性的生态环境保护和可持续发展建议，为南京市的土地资源管理和生态建设提供科学依据。\begin{figure}[H]\centering\includegraphics[width=1\textwidth]{技术路线图.png}\caption{研究技术路线图}\label{图1-1}\end{figure}\begin{figure}[H]\centering\includegraphics[width=1\textwidth]{技术路线图.png}\caption{研究技术路线图}\label{图1-1}\end{figure}\centering\includegraphics[width=1\textwidth]{技术路线图.png}\caption{研究技术路线图}\label{图1-1}\end{figure}\includegraphics[width=1\textwidth]{技术路线图.png}\caption{研究技术路线图}\label{图1-1}\end{figure}\caption{研究技术路线图}\label{图1-1}\end{figure}\label{图1-1}\end{figure}\end{figure}二、研究区概况与数据来源2.1南京市自然与社会经济概况南京市，简称宁，古称金陵、建康，是中华人民共和国江苏省辖地级市、省会，地处江苏省西南部、长江下游，介于北纬31°14′～32°37′，东经118°22′～119°14′之间，东西最大横距约70千米，南北最大纵距约150千米，市域平面呈南北长东西窄展开，总面积6587.02平方千米。作为长三角地区第二大城市，南京是中国国家历史文化名城、国家综合交通枢纽以及长江航运物流中心，还荣获了联合国人居署特别荣誉奖，也是2014年第二届夏季青年奥林匹克运动会的举办城市。截至2024年末，南京市辖11个区，常住人口957.70万人。从地形地貌来看，南京属宁镇扬山地，是江苏省低山、丘陵、岗地集中分布的地区，低山、丘陵、岗地约占市域总面积的60.8%，平原、洼地及河流湖泊约占39.2%。低山、丘陵之间或两侧多为地势低平的河谷平原和滨湖平原，沿长江分布着沿江洲地和江心洲地，其海拔均不足10米。长江以北主要是老山山脉、滁河河谷平原、大片岗地和零星丘陵。长江以南大致可分为3个区域：北部从沿江到主城区周围，钟山、牛首山、云台山等依次排列，海拔大致在200-400多米，其中钟山主峰北高峰海拔448.9米，是宁镇山脉最高峰，其延伸入城内的钟山余脉自东向西隆起，由富贵山、九华山、鸡笼山、鼓楼岗、五台山和清凉山组合成南北分水岭，北侧为金川河流域，南侧属秦淮河流域；中部从主城区以南到溧水永阳之间，是一构造完整的山间盆地，宁镇山脉、横山和东庐山、牛首山和云台山、茅山环峙四周，海拔在250-400米，秦淮河由南向北贯穿盆地，两侧形成海拔5-10米低平的河谷平原，在山地和平原之间，分布着海拔20-60米的黄土岗地；南部溧水区南部和高淳区全境，地势东高西低，海拔仅为5-10米的石臼湖和固城湖滨湖平原位于西部，东部为海拔20-40米的黄土岗地，该区域中部，茅山向南延伸的余脉形成海拔约100米的分水岭，东侧为太湖流域，西侧属水阳江、青弋江流域。南京具有典型的北亚热带湿润气候特征，四季分明，雨水充沛，春秋短、冬夏长，年温差较大。冬季常年以东北风为主，1月平均气温2.7℃，极端日最低气温-14.0℃，出现在1955年1月6日；夏季以东南风为主，7月平均气温28.1℃，极端日最高气温43.0℃，出现在1934年7月13日。大于0.1毫米的降水日数113.7天，极端最多年降水日数160天，出现在1957年；年均降水量1090.4毫米，极端最多年降水量1825.8毫米，出现在1991年。以2023年为例，南京市平均气温偏高，高温日数偏少；降水量接近常年，但汛期内短时强降水和区域性暴雨天气多发频发；日照时数略偏多；气候年景总体评价为一般。年平均气温在16.5（六合站、溧水站）-17.8（高淳站）℃之间，与常年同期相比，溧水偏高0.1℃，其他站显著偏高0.6（六合站、浦口站）-0.9（高淳站）℃。年降水量在1009.5（高淳站）-1276.8（南京站）毫米之间，与常年同期相比，南京站（江宁站）略偏多1.2成，高淳站偏少2.2成，其他站基本持平。年降水时空分布不均，冬季、春季和秋季降水均偏少，12月和夏季大部分地区降水偏多。年日照总时数在2087.3（南京站）—2296.1（溧水站）小时之间，与常年同期相比，略偏多0.8（南京站）—2.2（浦口站）成。年雾日数为8（南京站）—48（六合站）天，主要出现在秋季以及12月。有1个台风（5号台风“杜苏芮”）外围影响南京。在社会经济方面，2024年，南京市地区生产总值18500.81亿元，按不变价格计算，比上年增长4.5%。分产业看，第一产业增加值331.00亿元，增长3.5%；第二产业增加值5831.06亿元，增长2.5%；第三产业增加值12338.75亿元，增长5.4%。第一产业增加值占地区生产总值比重为1.8%，第二产业增加值占地区生产总值比重为31.5%，第三产业增加值占地区生产总值比重为66.7%。全年人均地区生产总值193483元，比上年增长4.0%。年末全市常住人口957.70万人，比上年末增加3.0万人，增长0.31%。其中城镇人口836.07万人，占总人口比重（常住人口城镇化率）87.3%，比上年提升0.1个百分点。全年常住人口出生率为6.19‰，死亡率5.15‰，自然增长率1.04‰。全市全年城镇新增就业21.94万人。全年提供就业岗位62.24万次，新增转移农村劳动力0.6万人。全年居民消费价格比上年上涨0.4%。分类别看，食品烟酒类上涨0.7%，衣着类上涨1.1%，居住类下降0.2%，生活用品及服务类上涨0.7%，交通通信类下降2.6%，教育文化娱乐类上涨1.9%，医疗保健类上涨3.0%，其他用品及服务类上涨3.9%。全年工业生产者出厂价格比上年下降1.7%，工业生产者购进价格比上年下降1.4%。全年全市新登记注册各类经营主体20.18万户，年末各类经营主体累计181.80万户，比上年末增长1.0%。2.2数据来源与预处理2.2.1数据来源本研究主要选用了Landsat系列卫星影像作为核心数据源，以获取南京市不同时期的土地利用覆被信息。Landsat卫星自1972年发射以来，已积累了长达数十年的全球陆地观测数据，其多光谱传感器能够获取丰富的地物光谱信息，具有较高的时间分辨率和适中的空间分辨率，在土地利用覆被变化监测领域应用广泛。具体数据获取情况如下：1990年数据：选取了1990年8月的Landsat5TM影像，该影像包含7个波段，空间分辨率为30米（热红外波段为120米）。此时段的影像覆盖范围完整，云量较少，能够清晰反映当时南京市的土地利用覆被状况，为研究提供了早期的基准数据。2000年数据：采用2000年9月的Landsat7ETM+影像，其具有8个波段，空间分辨率同样为30米（全色波段为15米，热红外波段为60米）。相较于Landsat5TM，Landsat7ETM+在波段设置和数据质量上有所改进，更有利于地物信息的提取，为分析20世纪末南京市土地利用覆被变化提供了关键数据。2010年数据：选用2010年7月的Landsat7ETM+影像，这一时期影像的获取时间与2000年相近，便于进行对比分析。通过该影像可以有效监测21世纪前十年南京市土地利用覆被的动态变化过程，揭示这一阶段城市化发展对土地利用的影响。2020年数据：使用2020年8月的Landsat8OLI/TIRS影像，其包括11个波段，空间分辨率为30米（全色波段为15米，热红外波段为100米）。Landsat8OLI/TIRS在传感器性能和数据精度上有显著提升，能够更准确地反映南京市近年来的土地利用覆被变化情况，为研究提供最新的信息。除了遥感影像数据，还收集了以下辅助数据：数字高程模型（DEM）数据：来源于地理空间数据云，分辨率为30米。DEM数据用于地形分析，在影像预处理过程中辅助进行地形校正，以消除地形起伏对遥感影像的影响，提高土地利用覆被信息提取的准确性。同时，在分析土地利用覆被变化与地形因素的关系时，DEM数据也发挥着重要作用。南京市行政区划图：从南京市国土资源局获取最新的矢量格式行政区划图，该图准确划分了南京市的各个行政区域边界，用于对遥感影像进行裁剪，使研究范围精确限定在南京市域内，方便后续进行分区域的土地利用覆被变化分析。地面调查数据：在2023年10月至11月期间，对南京市部分典型区域进行实地调查，共设置了50个调查样点。通过实地观察、拍照记录以及与当地居民访谈等方式，获取样点处土地利用覆被的实际类型、用途等详细信息。这些地面调查数据用于验证遥感解译结果的准确性，对解译结果进行精度评估和修正，确保研究结果的可靠性。2.2.2数据预处理为了确保遥感影像数据能够准确用于土地利用覆被变化分析，需要对原始影像进行一系列预处理操作，以提高影像质量，消除各种误差和噪声的影响。具体预处理步骤如下：辐射定标：辐射定标是将遥感影像的像元亮度值转换为绝对辐射亮度值的过程，其目的是消除传感器本身的辐射误差，使不同时间、不同传感器获取的影像具有统一的辐射度量标准，便于后续的定量分析。利用Landsat卫星提供的元数据文件，通过辐射定标公式，将Landsat5TM、Landsat7ETM+和Landsat8OLI/TIRS影像的DN值转换为辐射亮度值。以Landsat8OLI影像为例，其辐射定标公式为：L_{\lambda}=\frac{Gain\timesDN+Bias}{10000}，其中L_{\lambda}为辐射亮度值，Gain和Bias为定标系数，可从元数据文件中获取，DN为像元的原始亮度值。经过辐射定标，使得影像能够真实反映地物的辐射特性，为后续的大气校正和信息提取奠定基础。大气校正：大气校正用于消除大气对遥感影像的影响，包括大气分子的散射、吸收以及气溶胶的散射等，使影像更准确地反映地物的真实光谱信息。本研究采用FLAASH模型对影像进行大气校正。FLAASH模型基于辐射传输理论，考虑了大气成分、气溶胶类型、太阳高度角、观测角度等因素对辐射传输的影响。在ENVI软件中，输入影像的元数据信息、地理位置信息以及大气参数（如大气模式、气溶胶类型等），运行FLAASH模型，得到经过大气校正的反射率影像。通过大气校正，有效去除了大气对影像的干扰，提高了影像的对比度和清晰度，增强了地物之间的光谱差异，有利于后续的分类和变化检测。几何校正：几何校正的目的是消除遥感影像中的几何变形，使影像中的像元位置与实际地理坐标相对应，保证影像的空间精度。引起几何变形的原因主要包括传感器的姿态变化、地球曲率、地形起伏以及地球自转等。本研究以1:50000比例尺的地形图作为参考，采用多项式纠正模型进行几何校正。在ENVI软件中，通过选取均匀分布于整个影像区域的地面控制点（GCP），并确保控制点在影像和地形图上均有明显的、易于识别的特征，如道路交叉点、河流交汇处等。对于Landsat系列影像，一般选取30-50个控制点，以保证校正精度。根据选取的控制点，计算多项式系数，对影像进行重采样，常用的重采样方法有最邻近法、双线性内插法和三次卷积内插法。本研究采用三次卷积内插法，该方法虽然计算量较大，但能够较好地保留影像的边缘和细节信息，使校正后的影像具有较高的几何精度，其均方根误差（RMSE）控制在0.5个像元以内。影像配准：影像配准是将不同时相或不同传感器获取的影像在空间上进行对齐，以便进行对比分析和变化检测。由于不同时期获取的Landsat影像在成像条件、传感器状态等方面存在差异，可能导致影像之间存在一定的几何偏差。以经过几何校正的1990年Landsat5TM影像为基准影像，对2000年、2010年和2020年的影像进行配准。在ENVI软件中，采用自动配准算法，结合人工检查和修正，选取同名地物点作为配准控制点，使不同时相影像的同名地物在空间位置上精确重合。通过影像配准，确保了不同时期影像的空间一致性，为后续的土地利用覆被变化监测提供了可靠的数据基础，使得在对比分析不同时相影像时，能够准确识别土地利用覆被的变化信息，避免因影像位置偏差而产生的误判。三、基于遥感的土地利用覆被变化监测方法3.1遥感影像解译方法遥感影像解译是从遥感影像中提取地物信息的关键步骤，其目的是将影像中的像元按照一定的规则和方法分类为不同的土地利用覆被类型。常用的遥感影像解译方法包括监督分类、非监督分类和目视解译等，每种方法都有其特点和适用场景，在本研究中针对南京市土地利用覆被变化监测，需综合运用这些方法以提高解译精度。3.1.1监督分类监督分类是一种基于先验知识的分类方法，需要用户事先确定感兴趣的类别，并在影像上选取具有代表性的训练样本。这些训练样本代表了不同土地利用覆被类型的光谱特征，通过对训练样本的分析，建立分类器模型，然后利用该模型对整个影像进行分类，将每个像元归为最相似的训练样本所属的类别。在本研究中，采用最大似然分类法作为监督分类的主要算法。最大似然分类法基于贝叶斯决策理论，假设每个类别在光谱空间中服从正态分布，通过计算像元属于各个类别的概率，将像元分配到概率最大的类别中。其分类过程如下：首先，在ENVI软件中，根据南京市土地利用覆被的分类体系，在不同时相的遥感影像上仔细选取训练样本。例如，对于耕地，选择典型的农田区域，确保所选样本的光谱特征具有一致性和代表性；对于建设用地，选取城市中的建筑物集中区域、道路等典型地物作为样本。在选取训练样本时，要保证样本的数量足够，且分布均匀，覆盖整个研究区域，以提高分类模型的准确性。一般每个类别选取200-300个训练样本点。然后，利用选取的训练样本，计算每个类别的均值向量、协方差矩阵等参数，建立最大似然分类模型。最后，将建立好的分类模型应用到整幅遥感影像上，对每个像元进行分类，得到土地利用覆被分类结果。监督分类的优点是分类精度相对较高，能够充分利用已知的先验知识，适用于对研究区域土地利用覆被类型有一定了解的情况。然而，其缺点也较为明显，训练样本的选择对分类结果影响较大，如果训练样本选取不当，可能导致分类误差增大；同时，监督分类过程较为繁琐，需要耗费较多的时间和人力来选取和验证训练样本。3.1.2非监督分类非监督分类是一种无需先验知识的分类方法，它基于像元之间的光谱相似性，通过聚类算法自动将影像中的像元划分成不同的类别。在非监督分类过程中，计算机根据预设的聚类准则，对影像中的所有像元进行分析，将光谱特征相似的像元归为一类，最终形成若干个自然的类别集群。本研究中使用K-均值聚类算法进行非监督分类。K-均值聚类算法的基本原理是首先随机确定K个初始聚类中心，然后计算每个像元到各个聚类中心的距离，将像元分配到距离最近的聚类中心所在的类别中。之后，重新计算每个类别的均值，作为新的聚类中心，再次进行像元分配和聚类中心更新，如此反复迭代，直到聚类中心不再发生明显变化或达到预设的迭代次数为止。在ENVI软件中进行K-均值聚类时，需要设置合适的参数，如聚类数K、最大迭代次数、收敛阈值等。对于南京市土地利用覆被分类，一般根据经验和初步试验，将聚类数K设置为6-8，以大致对应耕地、林地、草地、水域、建设用地、未利用地等主要类别；最大迭代次数设置为30-50次，收敛阈值设置为0.001-0.01，以保证聚类结果的稳定性和准确性。非监督分类的优点是操作简单、快速，不需要事先了解研究区域的土地利用覆被情况，适用于对研究区域缺乏先验知识或进行初步探索性分析的场景。但该方法也存在一些不足，分类结果往往缺乏明确的地理意义，需要后续进行人工解译和类别确定；而且聚类结果对初始聚类中心的选择较为敏感，不同的初始设置可能导致不同的分类结果。3.1.3目视解译目视解译是指专业人员通过直接观察遥感影像的特征，结合自身的知识和经验，对影像中的地物进行识别和分类的方法。这种方法主要依据影像的色调、颜色、纹理、形状、大小、位置等解译标志来判断地物类型。在本研究中，目视解译主要用于辅助监督分类和非监督分类结果的验证与修正，以及对一些复杂地物或难以通过计算机自动分类准确识别的地物进行解译。例如，对于一些面积较小、光谱特征与周围地物相似的特殊用地，如陵园、宗教用地等，计算机自动分类容易出现误判，此时通过目视解译，结合高分辨率影像的细节信息和实地调查了解的情况，可以准确识别这些地物类型。在进行目视解译时，首先将经过处理的遥感影像在ArcGIS软件中进行显示，利用放大、缩小、漫游等功能，仔细观察影像上的地物特征。对于不确定的地物，参考地面调查数据、相关地图资料以及历史影像等进行综合判断。然后，根据解译结果，对计算机自动分类结果进行修正和完善，提高土地利用覆被分类的精度。目视解译的优点是直观、灵活，能够充分利用解译人员的专业知识和经验，对于复杂地物和特殊情况的识别能力较强，分类精度相对较高。然而，目视解译效率较低，主观性较强，不同解译人员的经验和知识水平差异可能导致解译结果的不一致性。在实际应用中，单一的遥感影像解译方法往往难以满足高精度土地利用覆被变化监测的需求。因此，本研究将综合运用监督分类、非监督分类和目视解译方法，充分发挥各自的优势，相互补充，以提高南京市土地利用覆被信息提取的准确性和可靠性。例如，先利用非监督分类对影像进行初步聚类，了解影像中地物的大致分布情况，为监督分类提供参考；然后进行监督分类，利用训练样本建立精确的分类模型；最后通过目视解译对分类结果进行人工检查和修正，对一些误分和漏分的地物进行纠正，从而得到高质量的土地利用覆被分类结果，为后续的变化监测和分析奠定坚实基础。3.2变化信息提取方法准确提取土地利用覆被的变化信息是监测其动态变化的核心环节，本研究采用多种方法进行变化信息提取，包括分类后比较法、光谱特征变异法、主成分分析法等，以确保全面、精确地获取南京市土地利用覆被的变化情况。3.2.1分类后比较法分类后比较法是一种较为常用且直观的变化信息提取方法，其原理是分别对不同时相的遥感影像进行独立分类，然后通过对比两个或多个时相的分类结果，来确定土地利用覆被类型的变化情况。在本研究中，首先利用监督分类、非监督分类等方法对1990年、2000年、2010年和2020年的南京市遥感影像进行分类，得到各时期的土地利用覆被分类图。以1990-2000年这一时段为例，将1990年的分类结果作为基期，2000年的分类结果作为变化期。通过ArcGIS软件的空间分析功能，将两个时期的分类图层进行叠加分析。对于叠加后的每个像元，比较其在两个时期所属的土地利用覆被类别。如果像元在1990年属于耕地类别，而在2000年属于建设用地类别，那么就可以确定该像元所在区域发生了土地利用覆被变化，即耕地转化为建设用地。通过这种方式，能够全面地识别出两个时期之间所有土地利用覆被类型的变化情况，并生成变化图斑。分类后比较法的优点在于操作相对简单，能够直观地反映出土地利用覆被类型的具体变化方向和面积，易于理解和解释。同时，由于是基于分类结果进行比较，能够充分利用分类过程中所提取的地物特征信息，对于复杂地物类型的变化检测具有一定的优势。然而，该方法也存在一些局限性。首先，分类精度对变化检测结果影响较大，若前期分类过程中存在误差，这些误差会在比较过程中累积，从而降低变化检测的准确性。例如，在分类时将部分林地误分为耕地，那么在分类后比较时，就可能错误地认为这部分区域发生了从林地到耕地的变化。其次，分类后比较法需要对每个时相的影像分别进行分类，工作量较大，且不同时相影像的分类标准和方法的一致性较难保证，这也可能导致变化检测结果出现偏差。3.2.2光谱特征变异法光谱特征变异法是基于地物在不同时相的光谱特征差异来检测土地利用覆被变化的方法。每种地物都具有独特的光谱特征，当地物的类型或状态发生变化时，其光谱特征也会相应改变。通过分析不同时相遥感影像中像元的光谱特征变化，就可以识别出土地利用覆被的变化信息。在实际应用中，本研究利用ENVI软件，计算不同时相影像对应像元的光谱差值、比值等指标来衡量光谱特征的变化程度。以光谱差值法为例，对于1990年和2000年的Landsat影像，首先确保两幅影像经过精确的配准，使对应像元在空间位置上完全对齐。然后，计算每个像元在两个时相影像中相同波段的光谱反射率差值。例如，计算近红外波段（NIR）的差值：DN_{diff}=DN_{2000,NIR}-DN_{1990,NIR}，其中DN_{2000,NIR}和DN_{1990,NIR}分别表示2000年和1990年影像中同一像元在近红外波段的亮度值。设定一个合适的阈值，当某像元的光谱差值大于该阈值时，就认为该像元所在区域发生了土地利用覆被变化。对于比值法，计算像元在不同时相影像对应波段的光谱反射率比值，如R=\frac{DN_{2000,NIR}}{DN_{1990,NIR}}，通过分析比值的变化来判断地物的变化情况。光谱特征变异法的优点是能够直接利用影像的原始光谱信息，避免了分类过程中引入的误差，对于微小的土地利用覆被变化具有较高的检测灵敏度，能够快速准确地检测出地物光谱特征的改变。但该方法也存在一定的局限性，它对影像的配准精度要求极高，若影像配准不准确，即使地物本身没有发生变化，也可能因像元位置偏差而导致计算出的光谱差值或比值出现异常，从而产生误判。此外，光谱特征变异法难以确定变化后的具体土地利用覆被类型，只能识别出是否发生了变化，对于进一步分析土地利用覆被变化的具体情况存在一定的限制。3.2.3主成分分析法主成分分析法（PCA）是一种多元统计分析方法，它通过对多波段遥感影像数据进行线性变换，将原来众多具有一定相关性的波段组合成一组新的相互独立的综合变量，即主成分。在土地利用覆被变化监测中，主成分分析法主要用于突出不同时相影像之间的变化信息，抑制不变信息，从而更有效地提取变化区域。本研究以1990年和2000年的Landsat影像为例，阐述主成分分析法的应用过程。首先，将这两个时相的多波段影像数据进行标准化处理，消除不同波段数据量纲和数量级的影响，使各波段数据具有可比性。然后，对标准化后的两个时相影像数据进行主成分分析，生成主成分影像。在主成分分析过程中，第一主成分通常包含了影像中大部分的信息，主要反映了地物的总体特征，即不变信息；而后续的主成分则逐渐包含更多的细节信息和变化信息。通过分析不同时相主成分影像的差异，特别是对包含变化信息较多的主成分进行分析，可以发现土地利用覆被的变化区域。例如，在第三主成分影像中，变化区域的像元值会与不变区域有明显差异，通过设定合适的阈值，就可以将变化区域提取出来。主成分分析法的优点在于能够对多波段影像数据进行有效降维，减少数据量，同时突出变化信息，提高变化检测的效率和准确性。它可以综合利用影像的多个波段信息，从多个角度分析地物的变化情况，对于复杂的土地利用覆被变化具有较好的检测效果。然而，主成分分析法的结果解释相对困难，主成分的物理意义不直观，需要一定的专业知识和经验来理解和分析。此外，该方法对数据的正态分布假设较为敏感，如果数据不满足正态分布条件，可能会影响主成分分析的效果和变化检测的精度。在实际研究中，单一的变化信息提取方法往往难以满足高精度监测的需求。因此，本研究将综合运用分类后比较法、光谱特征变异法、主成分分析法等多种方法，充分发挥它们各自的优势，相互验证和补充，以提高南京市土地利用覆被变化信息提取的准确性和可靠性。例如，先利用主成分分析法初步提取变化区域，再使用光谱特征变异法对变化区域进行详细分析，确定变化的具体位置和程度，最后通过分类后比较法明确变化前后的土地利用覆被类型，从而全面、准确地掌握南京市土地利用覆被的变化情况。3.3精度评价方法为了确保土地利用覆被信息提取和变化信息提取结果的准确性和可靠性，需要对分类结果和变化检测结果进行精度评价。本研究采用混淆矩阵、Kappa系数、总体精度等指标对解译和变化检测结果进行全面评估，以客观反映分类和变化检测的精度水平。3.3.1混淆矩阵混淆矩阵是一种用于评估分类结果精度的常用工具，它以矩阵的形式直观地展示了分类结果中各类别之间的混淆情况，即实际类别与分类结果类别之间的对应关系。在土地利用覆被分类精度评价中，混淆矩阵的行表示实际的土地利用覆被类别，列表示分类得到的土地利用覆被类别。以南京市土地利用覆被分类为例，假设将土地利用覆被类型分为耕地、林地、草地、水域、建设用地、未利用地六类。通过实地调查或参考高分辨率影像、权威土地利用数据等方式，获取一定数量的验证样本点，这些样本点的实际土地利用覆被类型是已知的。将分类结果与这些验证样本点的实际类别进行对比，构建混淆矩阵。例如，若实际为耕地的样本点在分类结果中有80个被正确分类为耕地，10个被误分类为林地，5个被误分类为建设用地，5个被误分类为其他类别，那么在混淆矩阵中，耕地这一行与耕地这一列的交叉单元格中填入80，耕地行与林地列交叉单元格填入10，以此类推。混淆矩阵能够清晰地呈现出各类别分类的准确性，包括正确分类的样本数量和错误分类的样本数量及错误方向。通过混淆矩阵可以进一步计算其他精度评价指标，如生产者精度、用户精度等，为全面评估分类精度提供详细的数据支持。3.3.2Kappa系数Kappa系数是一种综合考虑了分类结果中各类别正确分类和错误分类情况的精度评价指标，它能够更客观地反映分类结果与实际情况的一致性程度，弥补了简单的正确率指标的不足，尤其适用于多类别分类问题。Kappa系数的计算公式为：Kappa=\frac{N\sum_{i=1}^{k}x_{ii}-\sum_{i=1}^{k}(x_{i+}x_{+i})}{N^2-\sum_{i=1}^{k}(x_{i+}x_{+i})}，其中N为验证样本点的总数，k为土地利用覆被类别数，x_{ii}为混淆矩阵中第i类正确分类的样本数量，x_{i+}为混淆矩阵中第i类实际样本数量之和，x_{+i}为混淆矩阵中第i类分类结果样本数量之和。Kappa系数的取值范围在-1到1之间，当Kappa系数为1时，表示分类结果与实际情况完全一致；当Kappa系数为0时，表示分类结果与随机分类的效果相同；Kappa系数小于0时，表示分类结果比随机分类还差。一般认为，Kappa系数大于0.7时，分类结果具有较高的可信度；Kappa系数在0.5-0.7之间时，分类结果可以接受；Kappa系数小于0.5时，分类结果的可靠性较低，需要对分类方法或数据进行改进。在南京市土地利用覆被分类精度评价中，通过计算Kappa系数，可以定量地评估分类结果与实际土地利用覆被情况的吻合程度，判断分类结果是否满足研究要求。3.3.3总体精度总体精度是指分类结果中正确分类的样本数量占总样本数量的比例，它直观地反映了分类结果的整体准确性。总体精度的计算公式为：总体精度=\frac{\sum_{i=1}^{k}x_{ii}}{N}\times100\%，其中各参数含义与Kappa系数计算公式中相同。例如，在对南京市某一时期土地利用覆被分类结果进行精度评价时，共有200个验证样本点，经过与实际情况对比，正确分类的样本点有160个，则总体精度为\frac{160}{200}\times100\%=80\%。总体精度是一个简单直观的精度评价指标，能够快速地反映分类结果的大致准确性，但它没有考虑各类别之间的错分情况，不能全面地评估分类精度。在实际应用中，通常将总体精度与Kappa系数、生产者精度、用户精度等指标结合起来，对分类结果进行综合评价，以更全面、准确地了解分类的精度水平。通过计算混淆矩阵、Kappa系数、总体精度等精度评价指标，可以对南京市土地利用覆被分类结果和变化检测结果进行客观、全面的评估。根据评估结果，分析分类和变化检测过程中存在的问题，如哪些类别容易出现误分、哪些区域的变化检测存在误差等，进而对解译方法、分类参数等进行调整和优化，提高土地利用覆被变化监测的精度，为后续的变化特征分析、驱动因素分析以及生态环境效应评估提供可靠的数据基础。四、南京市土地利用覆被变化动态监测结果4.1不同时期土地利用覆被类型分布通过对1990年、2000年、2010年和2020年南京市遥感影像的解译与分类，获取了不同时期土地利用覆被类型的分布状况，具体结果如图4-1所示。\begin{figure}[H]\centering\includegraphics[width=1\textwidth]{不同时期土地利用覆被类型分布.png}\caption{南京市不同时期土地利用覆被类型分布}\label{图4-1}\end{figure}\centering\includegraphics[width=1\textwidth]{不同时期土地利用覆被类型分布.png}\caption{南京市不同时期土地利用覆被类型分布}\label{图4-1}\end{figure}\includegraphics[width=1\textwidth]{不同时期土地利用覆被类型分布.png}\caption{南京市不同时期土地利用覆被类型分布}\label{图4-1}\end{figure}\caption{南京市不同时期土地利用覆被类型分布}\label{图4-1}\end{figure}\label{图4-1}\end{figure}\end{figure}1990年，南京市土地利用覆被类型以耕地和林地为主，其中耕地主要分布在江宁区、溧水区、高淳区等郊县区域，这些地区地势平坦，土壤肥沃，适宜农业耕种，形成了大片连续的耕地分布。林地则集中在浦口区的老山、江宁区的牛首山以及六合区的部分丘陵地带，这些山地为森林植被的生长提供了良好的地形和气候条件。水域主要包括长江、秦淮河等河流以及玄武湖、莫愁湖等湖泊，长江贯穿南京市，成为重要的水域资源。建设用地主要集中在主城区，如鼓楼区、玄武区、秦淮区等，城市基础设施和建筑较为密集，但整体规模相对较小，城市发展尚未大规模向外扩张。到了2000年，随着城市化进程的推进，建设用地面积开始逐渐增加，在主城区周边，如雨花台区、栖霞区等地，出现了新的建设区域，城市规模开始向外蔓延。耕地面积有所减少，部分靠近城市边缘的耕地被开发为建设用地，如江宁区靠近主城区的部分区域，原本的农田逐渐被住宅小区、工业园区等所取代。林地面积相对稳定，但局部区域由于城市建设和基础设施建设的需要，有少量林地被占用。水域面积基本保持不变，但河流和湖泊周边的一些湿地受到人类活动的影响，生态功能有所下降。2010年，建设用地进一步扩张，呈现出多方向蔓延的趋势。在江北新区，随着一系列开发政策的实施，大量的土地被用于工业建设、房地产开发以及基础设施建设，成为建设用地增长的热点区域。同时，江宁区、溧水区等郊县的城市化进程也在加速，城市与乡村的边界逐渐模糊，耕地被大量占用，面积持续减少。林地在一些生态保护较好的区域，如老山国家森林公园、牛首山文化旅游区等地，得到了一定程度的保护和恢复，但整体面积仍因城市建设和其他人类活动而有所减少。水域方面，由于一些水利工程建设和围填湖等行为，部分湖泊和河流水域面积出现了微小的变化。2020年，南京市建设用地规模达到了新的高度，城市建成区基本实现了连片发展，主城区与各个郊县之间的联系更加紧密。在城市的外围，如六合区、高淳区等地，也出现了大规模的城镇建设和产业园区建设，建设用地不断蚕食周边的耕地和林地。耕地面积急剧减少，仅在一些偏远的农村地区还保留着相对集中的耕地，但也面临着被进一步开发的压力。林地面积虽然在生态保护政策的推动下，部分区域有所增加，如通过植树造林和生态修复工程，但总体上仍难以弥补因城市化和其他开发活动导致的损失。水域在严格的水资源保护政策下，面积保持相对稳定，但水质和生态环境仍面临着一定的挑战，如河流的污染问题、湖泊的富营养化问题等。通过对不同时期土地利用覆被类型分布的分析，可以直观地看出南京市在过去三十年中经历了快速的城市化和工业化进程，土地利用结构发生了显著变化，建设用地不断扩张，耕地和林地面积持续减少，这种变化对南京市的生态环境、社会经济发展产生了深远的影响。4.2土地利用覆被变化幅度与速度为了更精确地分析南京市土地利用覆被变化的程度和速率，通过计算不同时期各类土地利用覆被类型的面积变化幅度和变化速度，得到了以下结果，具体数据见表4-1。表4-1南京市不同时期土地利用覆被类型面积变化幅度与速度土地利用覆被类型1990-2000年2000-2010年2010-2020年面积变化（km²）变化幅度（%）动态度（%）面积变化（km²）变化幅度（%）动态度（%）面积变化（km²）变化幅度（%）动态度（%）耕地-125.63-5.28-0.53-203.76-9.37-0.94-287.45-15.41-1.64林地-18.92-1.37-0.14-35.68-2.69-0.27-22.54-1.79-0.18草地-5.31-2.46-0.25-8.67-4.32-0.43-10.56-5.67-0.59水域12.541.050.1118.761.620.1620.451.840.18建设用地158.6210.451.04245.8914.141.41356.7818.451.92未利用地3.75.210.526.237.540.758.919.780.981990-2000年，建设用地的面积增加最为显著，增长了158.62km²，变化幅度达到10.45%，动态度为1.04%，这表明在这一时期，随着南京市城市化进程的初步推进，城市建设对土地的需求不断增加，大量其他类型土地转化为建设用地。耕地面积减少了125.63km²，变化幅度为-5.28%，动态度为-0.53%，主要是由于城市扩张和基础设施建设占用了大量耕地。未利用地面积有一定增加，变化幅度为5.21%，动态度为0.52%，可能是由于部分废弃土地或新开发的未利用区域被纳入统计范围。2000-2010年，建设用地继续快速增长，面积增加245.89km²，变化幅度为14.14%，动态度为1.41%，这一时期城市化进程进一步加速，城市规模持续扩大，工业用地、房地产开发等对建设用地的需求旺盛，导致建设用地增长速度加快。耕地面积减少203.76km²，变化幅度为-9.37%，动态度为-0.94%，减少幅度和速度均比上一时期增大，说明耕地被占用的趋势愈发明显。林地、草地面积也呈现减少趋势，变化幅度分别为-2.69%和-4.32%，动态度分别为-0.27%和-0.43%，主要是因为城市建设和部分开发活动对生态用地造成了一定的破坏。水域面积有所增加，变化幅度为1.62%，动态度为0.16%，可能是由于一些水利工程建设或对湿地的保护和恢复措施取得了一定成效。2010-2020年，建设用地依旧是增长最快的土地利用覆被类型，面积增加356.78km²，变化幅度为18.45%，动态度为1.92%，表明南京市在这一时期城市化和工业化发展迅猛，建设用地的扩张达到了一个新的高度。耕地面积减少287.45km²，变化幅度为-15.41%，动态度为-1.64%，减少速度进一步加快，耕地保护面临着严峻的挑战。林地、草地面积持续减少，动态度分别为-0.18%和-0.59%，生态空间受到进一步挤压。水域面积继续增加，变化幅度为1.84%，动态度为0.18%，这与加强水资源保护和生态修复工作有关。未利用地面积也持续增加，变化幅度为9.78%，动态度为0.98%，可能是由于城市建设过程中产生了一些新的闲置土地或对一些未利用土地的统计更加准确。通过对不同时期土地利用覆被变化幅度与速度的分析可以看出，在1990-2020年期间，南京市建设用地始终处于快速增长状态，而耕地、林地、草地等生态用地和农业用地则不断减少，这种土地利用覆被变化趋势对南京市的生态环境、农业生产和城市可持续发展产生了深远影响，需要引起高度重视，并采取有效的措施加以调控和保护。4.3土地利用覆被变化转移矩阵分析为了更深入地了解南京市土地利用覆被类型之间的相互转换关系，揭示土地利用覆被变化的内在机制，构建了1990-2000年、2000-2010年和2010-2020年三个时期的土地利用覆被变化转移矩阵，具体结果见表4-2、表4-3和表4-4。表4-21990-2000年南京市土地利用覆被变化转移矩阵（单位：km²）1990年\2000年耕地林地草地水域建设用地未利用地转出合计耕地2256.3445.6718.9225.63125.635.41195.26林地32.541356.7812.345.6718.922.1171.58草地10.238.67205.673.455.311.2328.92水域18.675.412.341193.4512.540.9839.94建设用地95.6315.675.318.671475.623.7139.98未利用地3.452.111.230.983.770.311.47转入合计366.8693.9140.1446.8171.713.43-表4-32000-2010年南京市土地利用覆被变化转移矩阵（单位：km²）2000年\2010年耕地林地草地水域建设用地未利用地转出合计耕地1996.8756.7825.6318.92203.766.23311.32林地45.671286.5415.678.6735.683.45114.84草地15.6710.23189.675.318.672.1142.06水域25.638.673.451198.7618.761.2357.74建设用地135.6325.6710.3112.671699.896.23190.51未利用地6.233.452.111.236.2376.5319.25转入合计234.87104.857.1746.8273.3312.05-表4-42010-2020年南京市土地利用覆被变化转移矩阵（单位：km²）2010年\2020年耕地林地草地水域建设用地未利用地转出合计耕地1683.4568.9232.5422.54287.458.91414.36林地56.781246.8718.9210.2322.544.32113.79草地22.5412.67172.546.2310.562.6754.67水域32.5410.234.321203.4520.451.5469.08建设用地187.4532.5412.6715.672036.678.91257.24未利用地8.914.322.671.548.9185.4426.35转入合计288.22128.6871.1256.21338.3317.44-从1990-2000年的转移矩阵可以看出，耕地转出面积为195.26km²，主要转向建设用地，面积为125.63km²，这与当时南京市城市化进程的初步推进，城市建设对土地需求增加，大量占用耕地的情况相符。林地转出面积为71.58km²，部分转向耕地和建设用地，分别为32.54km²和18.92km²，可能是由于部分林地被开垦为耕地或用于城市建设。建设用地转入面积较大，除了来自耕地外，还有部分来自林地和草地等，反映出城市扩张过程中对各类土地的占用。2000-2010年，耕地转出面积进一步增大，达到311.32km²，其中203.76km²转为建设用地，表明这一时期城市化进程加速，对耕地的占用更为明显。林地转出面积为114.84km²，主要转向耕地和建设用地，分别为45.67km²和35.68km²，说明生态用地在这一阶段受到的破坏有所加剧。建设用地转入面积持续增加，达到273.33km²，进一步体现了城市的快速扩张。2010-2020年，耕地转出面积高达414.36km²，有287.45km²转化为建设用地，耕地保护形势严峻。林地转出面积为113.79km²，主要转向建设用地和耕地，分别为22.54km²和56.78km²，生态空间受到进一步挤压。建设用地转入面积达到338.33km²，是增长最快的土地利用覆被类型，城市化和工业化发展迅猛。通过土地利用覆被变化转移矩阵分析，可以清晰地看出在1990-2020年期间，南京市土地利用覆被变化主要表现为耕地、林地和草地等向建设用地的转化，城市化进程是驱动土地利用覆被变化的重要因素。同时，各土地利用覆被类型之间的相互转换也反映了人类活动和自然因素对土地利用的综合影响，为进一步分析土地利用覆被变化的驱动机制和生态环境效应提供了重要依据。五、南京市土地利用覆被变化驱动力分析5.1自然因素自然因素是影响南京市土地利用覆被变化的基础条件，其在长期的时间尺度上，通过对地形地貌、气候条件、土壤特性等方面的作用，深刻地塑造了土地利用覆被的初始格局，并持续对其变化过程产生影响。5.1.1地形地貌南京市地形地貌复杂多样，低山、丘陵、岗地约占市域总面积的60.8%，平原、洼地及河流湖泊约占39.2%。这种地形地貌特征对土地利用覆被类型的分布和变化有着显著的制约作用。在地形起伏较大的低山丘陵地区，如浦口区的老山、江宁区的牛首山等，由于地势陡峭，土层较薄，交通不便，不利于大规模的农业开垦和城市建设，因此林地成为主要的土地利用覆被类型。这些区域的森林植被在保持水土、涵养水源、调节气候等方面发挥着重要作用，其土地利用覆被类型相对稳定，变化速度较慢。然而，随着旅游业的发展和基础设施建设的推进，部分低山丘陵地区也出现了林地向建设用地的转变，如在一些景区周边，建设了旅游服务设施和交通道路，导致林地面积减少。而在地势平坦的河谷平原和滨湖平原，如沿长江分布的沿江洲地和江心洲地，以及秦淮河两侧的河谷平原，土壤肥沃，水源充足，灌溉便利，适宜农业生产，耕地分布较为集中。这些区域是南京市重要的粮食生产基地。但由于其地势平坦开阔，也容易成为城市扩张和工业发展的首选区域。在城市化进程中，大量的耕地被建设用地所取代，如江宁区靠近主城区的河谷平原，原本大片的农田逐渐被开发为住宅小区、工业园区和商业中心。地形地貌还影响着土地利用覆被变化的空间方向。城市的扩张往往沿着地势平坦、交通便利的区域进行，呈现出轴向发展的特征。例如，南京市主城区向江北新区的发展，主要是沿着长江两岸的平原地区推进，这是因为这些地区地形条件优越，便于基础设施建设和产业布局。而在低山丘陵环绕的区域，城市扩张受到地形的限制，发展相对缓慢，土地利用覆被变化也相对较小。5.1.2气候条件南京属北亚热带湿润气候，四季分明，雨水充沛。气候条件对土地利用覆被变化的影响主要体现在两个方面：一是对农业生产的影响，进而影响耕地的利用和分布；二是对生态环境的影响，从而影响林地、草地等生态用地的变化。降水和气温是影响农业生产的关键气候因素。南京市年平均降水量1090.4毫米，降水主要集中在夏季，且降水年际变化较大。充足的降水为农业生产提供了丰富的水资源，但降水的时空分布不均，也容易引发洪涝、干旱等自然灾害，对耕地的质量和农作物的生长产生不利影响。例如，在降水偏多的年份，低洼地区的耕地容易遭受洪涝灾害，导致农田被淹，农作物减产甚至绝收，部分耕地可能因此被废弃或转换用途。而在干旱年份，灌溉水源不足，一些靠雨水灌溉的耕地可能会因缺水而无法正常耕种，农民可能会选择将其改种耐旱作物或放弃耕种，导致耕地利用方式的改变。气温方面，南京冬季1月平均气温2.7℃，夏季7月平均气温28.1℃，这种气候条件适宜多种农作物生长，使得南京市耕地以种植水稻、小麦、油菜等作物为主。然而，随着全球气候变暖，南京市气温呈上升趋势，这可能导致农作物的生长周期和种植界限发生变化。一些原本适宜在南京种植的农作物可能因气温升高而不再适应，农民需要调整种植结构，选择更耐高温的作物品种，这将导致耕地利用类型的变化。气候条件对生态环境的影响也间接影响着土地利用覆被变化。例如，气候的变化可能导致植被的生长状况发生改变，影响林地和草地的分布和面积。在气温升高、降水减少的情况下，一些耐旱植物可能会逐渐取代原本的植被，导致林地和草地的生态系统结构和功能发生变化。此外，气候条件的变化还可能影响生物多样性，进而影响土地利用覆被的稳定性。如果某些物种因气候改变而消失或迁移，可能会打破原有的生态平衡，导致土地利用覆被类型的改变。5.1.3土壤条件土壤是土地的重要组成部分，其类型、质地、肥力等特性对土地利用覆被有着直接的影响。南京市土壤类型多样，主要有黄棕壤、水稻土、潮土、紫色土等。黄棕壤主要分布在低山丘陵地区，土壤呈酸性至微酸性，肥力中等，土层较薄，透气性较好。这种土壤条件适合林木生长，因此在黄棕壤分布区域，林地是主要的土地利用覆被类型。例如，在老山地区，黄棕壤上生长着茂密的森林植被，形成了重要的生态屏障。但由于黄棕壤保水保肥能力相对较弱，在不合理的人类活动，如过度开垦、砍伐森林等情况下，容易导致土壤侵蚀，土壤肥力下降，进而影响林地的可持续发展，甚至可能导致林地向其他土地利用覆被类型转变。水稻土是在长期种植水稻的过程中形成的，主要分布在河谷平原和滨湖平原等地势平坦、水源充足的地区。水稻土肥力较高，保水保肥能力强，非常适宜水稻种植，因此是南京市耕地的主要土壤类型。例如，江宁区、溧水区等地的河谷平原，广泛分布着水稻土，是南京市重要的水稻产区。然而，随着城市化和工业化的发展，大量的水稻土被建设用地占用，导致耕地面积减少，同时也破坏了优质的土壤资源。潮土主要分布在河流两岸和湖泊周边，土壤质地较疏松，肥力较高，水源丰富，灌溉便利。潮土既适合农业种植，也适合发展渔业等水产业，因此在潮土分布区域，耕地和水域是主要的土地利用覆被类型。例如，长江沿岸的潮土地区，既有大片的农田，也有许多鱼塘和养殖水域。但潮土地区地势较低，容易受到洪水侵袭，在洪水灾害发生时，可能会导致农田被淹、鱼塘受损，土地利用覆被受到破坏，需要进行恢复和调整。紫色土主要分布在一些丘陵地区，土壤富含磷、钾等矿物质，肥力较高，但保水保肥能力较差。紫色土上主要生长着一些耐旱、耐瘠薄的植被，草地和林地是常见的土地利用覆被类型。然而，由于紫色土地区生态环境较为脆弱，在不合理的人类活动影响下，容易出现水土流失、土壤退化等问题，导致土地利用覆被的稳定性下降，可能引发草地和林地向其他类型的转变。自然因素中的地形地貌、气候条件和土壤条件相互作用、相互影响，共同构成了南京市土地利用覆被变化的自然基础。虽然自然因素在土地利用覆被变化中通常起着相对稳定和缓慢的作用，但在某些特殊情况下，如自然灾害的发生、气候的异常变化等，自然因素也可能对土地利用覆被变化产生显著的、快速的影响。在研究和应对南京市土地利用覆被变化时，必须充分考虑自然因素的作用，遵循自然规律，实现土地资源的合理利用和可持续发展。5.2社会经济因素社会经济因素是驱动南京市土地利用覆被变化的直接动力，其作用贯穿于城市化、工业化和人口增长等多个方面，对土地利用覆被的结构和格局产生了深刻而复杂的影响。5.2.1人口增长人口增长是推动南京市土地利用覆被变化的重要因素之一，其对土地利用的影响主要体现在两个方面：一是对居住用地的需求增加，导致建设用地扩张；二是对农产品需求的变化，影响耕地的利用和分布。随着南京市经济的发展和城市吸引力的增强，人口数量持续增长。2024年末，南京市常住人口达到957.70万人，与过去几十年相比，人口规模有了显著增加。人口的增长使得对住房的需求不断攀升，为满足居民的居住需求，城市不断向外扩张，大量的耕地、林地等被开发为住宅小区、公寓楼等居住用地。例如，在江宁区、浦口区等城市外围区域，新建了许多大型住宅小区，原本的农田和林地被逐渐取代，建设用地面积迅速扩大。人口增长还带来了对农产品需求的变化。随着人口的增加，对粮食、蔬菜、水果等农产品的需求量也相应增加，这在一定程度上促使耕地的利用更加集约化，部分低产耕地通过改良和投入更多的农业生产资料，提高了农作物的产量。然而，由于城市建设占用了大量优质耕地，为了弥补耕地面积的减少，一些原本不适宜耕种的土地可能被开垦为耕地，如在一些丘陵地区，通过平整土地等方式开垦新的耕地，但这些新开垦的耕地往往质量较差，容易引发水土流失等生态问题。同时，随着人们生活水平的提高，对农产品的品质和种类要求也越来越高，这促使农业种植结构发生调整，一些经济效益较高的经济作物如花卉、茶叶等的种植面积增加，导致耕地利用类型的变化。5.2.2经济发展经济发展是南京市土地利用覆被变化的核心驱动力，其对土地利用的影响体现在多个产业领域，推动了建设用地的快速扩张和土地利用结构的优化调整。自1990年以来，南京市经济保持了快速增长的态势，2024年地区生产总值达到18500.81亿元。经济的快速发展带动了工业化进程的加速，各类工业园区、产业集聚区不断涌现，对工业用地的需求急剧增加。例如，南京经济技术开发区、江宁经济技术开发区等，吸引了大量的企业入驻，这些企业在发展过程中需要大量的土地用于建设厂房、仓库、办公设施等，导致大片的耕地、林地被转化为工业用地。以南京经济技术开发区为例，经过多年的发展，其面积不断扩大，周边原本的农业用地和部分生态用地已被工业建设所取代，成为南京市重要的工业生产基地。经济发展还促进了商业、服务业等第三产业的繁荣。随着城市居民生活水平的提高，对商业设施、金融服务、文化娱乐等方面的需求日益增长，这推动了城市商业中心、购物中心、写字楼等的建设，进一步增加了对建设用地的需求。在南京市主城区，如新街口、河西等商圈，高楼大厦林立，商业用地和办公用地不断扩张，形成了繁华的商业中心，这些区域的土地利用类型也由原来的居住、工业等逐渐转变为商业和服务业用地。此外，经济发展带来的基础设施建设需求也对土地利用覆被变化产生了重要影响。为了满足交通、能源、水利等基础设施建设的需要，大量土地被用于修建道路、桥梁、铁路、机场、变电站、水库等设施。例如，南京禄口国际机场的扩建、地铁线路的不断延伸、高速公路网的完善等，都占用了大量的土地资源，导致沿线地区的土地利用覆被发生改变。其中，地铁线路的建设不仅直接占用了土地，还带动了沿线区域的房地产开发和商业发展，进一步改变了土地利用格局。5.2.3城市化进程城市化进程是南京市土地利用覆被变化的重要外在表现形式，也是社会经济发展的必然结果，其对土地利用的影响主要体现在城市规模的扩张、城市功能分区的调整以及土地利用方式的转变等方面。随着城市化水平的不断提高，南京市城市规模持续扩大。2024年，南京市常住人口城镇化率达到87.3%，与过去相比，城市建成区面积大幅增加。城市扩张呈现出多方向蔓延的态势，不仅在主城区周边进行填充式发展，还向江北新区、江宁区、浦口区等城市外围区域拓展。在城市扩张过程中，大量的农用地和生态用地被转化为建设