spss进行灰色关联分析_淮南市土地变化过程影响因素的灰色关联分析

作 者 信 息

李玉洁1，游欣妍1，梁　明1,2，聂　拼3

(1. 安徽大学　资源与环境工程学院，安徽　合肥　230601；2. 安徽大学　安徽省矿山生态修复工程实验室，安徽　合肥　230601；3. 南京大学　地理与海洋科学学院，江苏　南京　210023)

“

【摘要】土地利用/土地覆盖变化综合反映人类活动对地表的影响，对于全球变化和资源利用具有重要的指示作用。随着土地利用数据的需求快速增加，基于序列土地利用数据开展土地利用变化时空过程的研究逐步受到重视。其中如何量化分析众多可能因素对土地利用变化时空过程的影响是关键。利用淮南市2008—2017年的Landsat遥感影像，提取2008—2017年的序列土地利用数据，基于灰色关联分析方法对研究区典型的土地利用类型演变过程(“耕地”转为“城乡工矿居民用地”)进行研究。涉及到的影响因素包括耕地的形状、耕地距离道路的距离以及耕地的面积。结果表明：不同影响因素对土地利用变化过程的影响不同，同时各个因素的影响存在年际差异。主要体现为耕地的面积对于土地利用类型演化过程的影响始终最大，而耕地距离道路的距离及耕地的形状这两个因素的影响随年份变化波动较大，某些年份距离影响大于形状，而某些年份形状影响大于距离。

【关键词】土地利用变化过程；序列时空数据；灰色关联

【中图分类号】F301.24 【文献标识码】A 【文章编号】1672-1586(2020)06-0080-07

”

引文格式：李玉洁，游欣妍，梁　明，等. 淮南市土地变化过程影响因素的灰色关联分析[J].地理信息世界,2020,27(6):80-86.

正文

0　引　言

土地利用与土地覆盖变化(Land-Use and Land-Cover Change，LUCC)是全球变化研究的重要对象，也是资源管理和国土空间规划需要重点研究的内容。LUCC作为全球变化的重要组成部分和主要原因之一，对诸如气候、生物多样性和水环境变化等生态环境影响显著，进而影响经济、社会的发展。因此，对LUCC开展定量研究具有重要意义。LUCC在1995年“国际地圈与生物圈计划”和“全球变化人文因素计划”共同制订的“土地利用/覆被变化科学研究计划”中被当作全球变化研究的核心内容，并在2005年发布的全球土地计划(Global Land Project，GLP)中被列为土地变化科学研究的新动向。随着序列土地数据的可得性及数据获取的便捷性的提高，LUCC时空过程研究越发受到关注。

相对于既有关于LUCC的相关研究，本文主要具有以下两个方面的特点：研究对象和研究方法。首先，国内外许多学者关注的LUCC研究对象大多是各个年度之间的土地利用类型的总体的数量变化，即通常通过叠加序列LUCC数据分析获得土地利用变化的时空转移矩阵；而本文的研究对象则是不同年度之间的序列土地利用单元构成的土地利用演化过程。其次，关于LUCC的研究方法可以分为定性和定量两种，定性研究者们通过定性地描述地块的形状、面积等因素，分析这些因素对LUCC的影响，定量研究者大多应用统计的方法，分析不同因素在各年之间量的变化，如以序列LUCC的数据为基础，从现状、动态变化等方面对研究区的土地变化进行定量和定性分析。本文与其他定量研究的研究方向及研究方法不同：本文采用灰色关联分析法，定量计算各影响因素与LUCC的关联度，进而描述各影响因素对于LUCC的重要性。

LUCC是自然、社会、经济和生态系统演变的直接表现，受到自然、人文因素共同作用。LUCC相关的自然因素包括气候、土壤、水文、地质地貌等，人为因素包括开垦、灌溉、造林、砍伐、养护、人口、城市化水平、产业结构等。其中自然因素是影响区域土地利用结构的最基本因素，人为因素也会影响土地利用结构。LUCC在这些因素的影响下呈现出不同的演化规律和趋势，无论是建设用地或是农业用地，都成为LUCC的最显著形式。因此，本文选择对LUCC中类型为“耕地转为城乡工矿居民用地”的部分相关影响因素进行研究，涉及的影响因素为耕地的面积(area)、耕地距离道路的距离(distance)和耕地的形状(Landscape Shape Index, LSI)。

灰色关联分析来自于灰色系统理论，基本思想是一种相对性的排序分析，通过分析可以得到子母序列曲线的相似性程度，若相似性程度越高，则关联度越大，反之则越小。其中关联度是用来衡量两个系统或两个元素之间关系密切程度的量。因此，应用灰色关联分析法，可以从所考察的复杂系统中找出主次因素，为系统综合决策提供合理信息。本文采用灰色关联法，通过对淮南市2008—2017年的土地利用类型演变为“耕地转为城乡工矿居民用地”这一过程进行分析，计算出area、LSI及distance这3个因素对LUCC的影响程度，以期求出对LUCC影响最大的因素，能够对未来淮南市土地利用进行预测，对土地规划提出相关建议，并且整治土地的不合理利用。除了灰色关联分析法，本文还采用了LUCC转移矩阵来描述不同土地类型在不同时间切片上的结构数据的变化。

1　研究区概况与数据处理

1.1 研究区概况

本文的研究范围是淮南市市辖区。淮南市地处华东腹地的淮河上游，安徽省中部偏北，是沿淮城市群之一，位于116°21′5″～117°12′30″E，31°54′8″～33°00′26″N，分为淮南市市辖区、凤台县和寿县。东与滁州市毗邻，东南与合肥市接壤，西南与六安市相连，西与阜阳市相接，北与亳州市、蚌埠市交界。辖区东西最长距离80.23 km，南北最长距离122.68 km，总面积5 533 km²。

1.2 数据来源及预处理

本文所用的序列土地利用数据来源于2008—2017年的Landsat遥感影像，其中2008—2012年选择数据集为Landsat4-5 TM，2013年选择数据集为Landsat 7 ETM，2014—2017年选择数据集为Landsat 8 OLI，选择在5—10月份间的云量少的数据。在数据处理上，首先对10期遥感影像均进行7，4，1波段的组合，经过几何校正、无缝镶嵌和裁剪处理后，提取出淮南市区的实验数据。其次，选择支持向量机分类器的方法进行监督分类，其中选择训练样本主要包括六大类：草地、耕地、林地、水体、城乡工矿居民用地和未利用土地。在分类时确保各类别间训练样本的可分离度达到1.8以上。再对监督分类后的数据开展后处理操作，通过聚类处理去融合碎屑斑块，手动局部修改分类错误的类别。最后将分类后处理完成的结果导出成矢量格式的文件，如图1所示，即可用于后续研究。

图1　淮南市2008—2017年土地利用图

Fig.1 Land use map of Huainan from 2008 to 2017

通过使用研究区范围内分辨率为2 m的高分遥感影像数据对解译结果进行精度评价。受到数据可得性的限制，只能使用2013—2017年同期影像数据，通过随机采样点的方式，将高分遥感影像的结果与同时期Landsat的监督分类结果对应位置的土地利用类型进行比较，得到转换矩阵。通过计算可得Kappa系数为79.3%。

2　方　法

本文对研究区开展土地利用变化研究，重点开展以下方面的工作：对2008—2017年Landsat遥感影像进行监督分类，获得各土地利用类型矢量数据；将矢量数据进行叠加处理，进行面积计算，从而得到2008—2017年淮南市土地利用转移矩阵，见表1；利用转移矩阵绘制淮南市土地利用类型面积变化图如图2所示及土地使用轨迹的时空演算如图3所示；提取时空过程，开展灰色关联分析。

表1 2008—2017年淮南市土地利用转移矩阵(km²)

Tab.1 Land use transfer matrix of Huainan from 2008 to 2017 (km²)

图2　淮南市2008—2017年土地利用类型面积变化图

Fig.2 Land use type area change map of Huainan from 2008 to 2017

图3　淮南市土地使用轨迹的时空演算

Fig.3 Spatiotemporal calculation of land use trajectory in Huainan

2.1 土地利用变化时空过程的提取

序列快照间在时空上相关联的土地利用单元构成的土地利用变化过程对象是本文的核心研究对象。开展土地利用变化时空过程的提取主要步骤和方法：首先，分别过滤提取前一年是“耕地”和后一年是“城乡工矿居民用地”的图斑，面积分别记为AREA_gd，AREA_js；其次，将两类图斑矢量叠加，计算相交部分面积，记为AREA_inter；再利用公式(1)计算相交部分面积所占比例S；最后，提取S＞5%的所有两期图斑，记录做为“耕地转为城乡工矿居民用地”的土地利用时空演化过程。

2.2 灰色关联的方法

灰色关联分析是一种多因素统计分析方法，能够有效分析不同因素之间的相互影响程度，本文选取灰色关联分析方法开展多种影响因素对土地利用变化过程的影响情况的研究。首先，获取2008—2017年每年的土地利用情况为“耕地”和“城乡工矿居民用地”的区域矢量数据，计算耕地图斑的面积(area)、耕地图斑距离道路的距离(distance)、耕地图斑的形状(LSI)数据及土地利用类型是否发生“耕地转为城乡工矿居民用地”的演变过程(select)；其次，采用均值化处理方法对所有数据进行无量纲化处理；再次，确定参考数列为select(记为X0)，比较数列为area(记为X1)、LSI(记为X2)及distance(记为X3)；然后，分别计算X1、X2、X3与X0的差值，代入公式(2)计算关联系数ξi(k)；最后，将关联系数代入公式(3)求得关联度ξi。

在公式(2)中，i为比较数列的下角标，k为比较数列中数据的序号，n为比较数列中数据的总数，ρ为分辨系数，本文中ρ=0.5。表示两级最小差，即对i=1、i=2、i=3时|x0(k)-xi(k)|的最小值再取最小值。为两级最大差。在公式(3)中，ζi (k)为各比较数列与参考数列在各点的关联系数，ζi为各比较数列与参考数列间的关联度。

3　结果与分析

3.1 转移矩阵

表1为2008—2017年淮南市的土地利用转移矩阵，可以看出，在此期间淮南市发生土地利用类型演化过程的土地面积为231.979 km²，总体由耕地转为草地的转移面积最大，其次为草地转耕地，再次是未利用土地转草地。

在2008—2017年间，共有68.778 km²的草地、33.225 km²的城乡工矿居民用地、60.217 km²耕地、16.632 km²林地、16.888 km²水体、36.239 km²未利用土地发生变化。相邻两年土地利用类型演化面积最大的分别是耕地转草地、草地转为耕地、城乡工矿居民用地转未利用土地、未利用土地转城乡工矿居民用地、耕地转草地、草地转耕地。

从表1可以看出在2008—2017年间，“耕地转城乡工矿居民用地”的面积的变化趋势：2008—2011年，变化面积逐年递增；2011—2013年，变化面积逐年减少；2013—2015年，变化面积逐年递增；2015—2016年，变化面积减少；2016—2017年，变化面积又增加。其中，在2010—2011年，变化区域的面积最大，为0.967 37 km²；其次是2009—2010年，面积为0.548 10 km²；变化区域面积最小的是2008—2009年，面积为0.011 70 km²。 

3.2 转移的图示

由图2淮南市2008—2017年土地利用类型面积变化图可以看出，2008—2017年，水体面积总体变化幅度较小，耕地面积总体呈现下降趋势。草地所占面积在2010年达到最大值，城乡工矿居民用地所占面积在2011年达最大值，耕地所占面积在2008年达最大值，林地所占面积在2013年达最大值，水体所占面积在2017年达最大值，未利用土地所占面积在2016年达最大值。从2008—2017年，草地所占面积呈先增加后减少又增加的趋势；城乡工矿居民用地整体呈现较平缓的趋势，2011年陡然增加；耕地面积整体呈减少趋势；林地面积整体呈增加趋势；水体面积整体变化不大；未利用地所占面积除了2012年和2016年以外变化不大，突变的原因可能是数据在监督分类时产生的误差。2008—2017年间，土地利用类型为耕地、草地和水体的面积较大，林地、城乡工矿居民用地及未利用地的面积较小。

图3的淮南市土地使用轨迹的时空演算，展示了各时间段内各种土地利用类型演化面积所占全部演化类型总面积的百分比，从图中可以看出在2008—2017年间由耕地转为草地的土地利用类型演化所占面积最大。演化类型为“耕地转城乡工矿居民用地”的土地在2010—2011年所占百分比最大，其次是2009—2010年，在2008—2009年所占百分比最小。

3.3 灰色关联分析的结果

根据灰色关联分析法计算得到2008—2017年淮南市各土地的area、LSI及distance与土地利用类型变化的关联度见表2。本文使用灰色关联分析的方法，研究土地利用类型变化过程的影响因素。

本文选取的3个因素分别是area、LSI及distance。研究结果表明，各影响因素对淮南市土地利用类型由耕地转为城乡工矿居民用地的影响顺序各年各不相同。由表2可知，2008—2010年土地利用类型演变过程的影响因素大小与2011—2016年相同，均为area＞distance＞LSI，2010—2011年与2016—2017年的土地利用类型演化过程中的影响因素大小相同，均为area＞LSI＞distance，而非固定不变的。由此可见，影响土地利用类型演化过程的影响因素是变化的，而不是确定的。因此，对土地利用类型演化过程进行预测时需要考虑当年的政策等因素，与时俱进，结合实际。

表2　灰色关联分析结果

Tab.2 Results of grey relational analysis

通过随机采样点的方式，对监督分类的结果进行精度评价。2013—2017年“耕地”及“城乡工矿居民用地”的用户精度见表3。“耕地”的用户精度在2015年最低，为80.952%，其次是2013年，为84.375%，再次是2016年，为86.364%。“城乡工矿居民用地”的用户精度在2016年最小，为73.684%，其次是2017年，为75.862%。综合来看，2015年的分类精度最低，其次是2016年，2015—2016年的分类结果对后续分析的影响应该较大。根据表2，影响因素的大小关系在2013—2016年是area＞distance＞LSI，在2016—2017年则是area＞LSI＞distance，变化节点是2016年。因此，在2016—2017年影响因素大小关系的变化，可能是受到了监督分类结果的影响。

表3　监督分类结果的用户精度

Tab.3 The user's accuracy of supervised classifification

一般来说，距离道路远近与交通的便捷程度密切相关，交通越便捷，越有利于耕地转变为城乡工矿居民用地；耕地的面积越大，形状越规则，越有利于耕地转变为城乡工矿居民用地。因此，未来淮南市耕地转变为城乡工矿居民用地的土地具有的一般特征是面积较大、形状较为规则且距离道路较近。

4　结束语

本文以淮南市2008—2017年的Landsat遥感影像数据为基础，通过支持向量机分类器的方法进行监督分类，得到淮南市市辖区的土地利用数据，类型共分为草地、耕地、林地、水体、城乡工矿居民用地和未利用土地六类。本研究以土地利用数据为基础，研究对象是不同年度之间的土地利用单元的演化过程，采用灰色关联的方法对演化过程进行定量分析，得到area、distance及LSI对LUCC的关联度。该方法在实际数据处理过程中取得了良好的效果。 

研究的结果显示，不同时期各影响因素与LUCC的关联度是不同的，具体表现为：在2008—2010年及2011—2016年间，area与LUCC的关联度最大，其次是distance，关联度最小的是LSI；而在2010—2011年及2016—2017年间，area与LUCC的关联度最大，其次是LSI，关联度最小的是distance。尽管各种影响因素与LUCC的关联度不尽相同，但是在各年的土地利用类型演化过程中都发挥着巨大的作用。

关联度的大小受多种因素的影响。土地利用变化是一个很复杂的过程，本文的研究仅从方法层面给出了如何度量不同因素对LUCC过程的影响。样区的LUCC过程中不同时期影响因素的关联度大小，还受到同期的土地利用类型、土地利用规模等多种因素的影响。关联度在不同时期的差异性，恰恰是对LUCC过程的复杂性的表征。如城市扩张早期的土地利用更多依赖于对周边区位、地形好的耕地的征用；而城市化后期，更多依靠废弃工矿的整理。而这种差异性，也正体现在其不同时期影响因素与LUCC过程关联度的差异性上。

作为一种探索，本文对淮南市土地演化类型为“耕地转为城乡工矿居民用地”的分析仅考虑了area、LSI及distance这3个因素，通过灰色关联分析法计算其与该演化过程的关联度。而土地利用类型变化过程不仅与地块的area、LSI及distance有关，还会受到当地的经济情况、人口密度、相关政策等人为因素及地形、降水、温度等自然因素的综合影响。因此，在后续的研究中，将通过更高精度的序列土地利用数据，充分考虑更加全面的影响因素，进而更加深入地刻画土地利用变化过程的时空演化特征。

作者简介：李玉洁(1999-)，女，安徽阜阳人，地理信息科学专业本科生。

E-mail:[email protected]

通讯作者：梁明(1984-)，男，安徽淮南人，讲师，博士，主要从事时空数据挖掘和3DGIS研究工作。

E-mail:[email protected]

本期回顾

国土空间规划信息技术与应用

· 融合OSM路网数据与POI数据的城市功能区识别方法及其应用

· 基于PS-InSAR数据的北京市地面沉降影响因素及其交互作用探测

· 基于地质灾害风险评价的衡东县国土空间管制研究

· 基于多源数据的都市圈划定方法研究——以长株潭都市圈为例

· 基于Maxent-CA的常州市土地利用变化模拟与预测分析

· 基于“放管服”改革的省级“多规合一”平台研究及应用

· 基于夜间灯光影像的长株潭城市群城市化过程分析

理论研究

· TanDEM-X干涉SAR森林高度反演研究现状

· 矿区采动地裂缝高分辨率影像特征分析

· 基于格网GIS与灰色关联模型的崩滑流灾害孕灾环境研究

· 基于高分一号WFV数据的哈拉湖水体识别模型研究

· 基于改进2SFCA上海中心城区医疗设施可达性研究

邮箱变更声明

·《地理信息世界》邮箱变更声明

网站开通公告

· 关于开通《地理信息世界》网站的公告

诚聘特约审稿专家

· 诚聘|《地理信息世界》诚聘特约审稿专家

专题组稿

· 约稿函|《地理信息世界》关于开辟“博士综述论坛”专栏的约稿函

·《地理信息世界》“地理信息科学一流本科专业建设” 专题征稿启事