背景
利用监测手段获取当前和历史土地利用变化信息，有助于自然资源管理部门及时掌握地类变化的态势和演化进程，为国土空间开发利用及保护决策提供参考。随着中共中央、国务院正式印发《关于建立国土空间规划体系并监督实施的若干意见》，以规划编制审批体系、实施监督体系、法规政策体系、技术标准体系组成的新的国土空间规划体系正式形成。其中实施监督体系明确指出要建立规划动态监测、评估、预警以及维护更新等机制，利用大数据、智慧化等技术手段加强规划实施监督。因此，加强对国土空间变化监测方法及路径的探索，准确掌握国土空间用地变化的状态并进行趋势把握，不仅是提升国土空间规划编制水平，实现对生产、生活、生态三类空间科学布局的基本前提，也是落实规划实施监督要求，加快我国生态文明建设的重要手段。
国地科技依托多年的技术积累与丰富实践经验，深入国土空间规划“一张图”实施监督信息平台的建设需要，提出了一套利用遥感大数据及深度学习等算法从国土空间土地利用识别，到变化监测，再到未来用地演进趋势模拟的全流程国土空间监测集成模型。以期为国土空间规划土地布局优化、用地管制规则指定、指标监测及目标管控等提供辅助决策和技术支撑，推进国土空间规划监督实施工作的开展。
一、技术路线
为实现国土空间用地的精准识别与监测，研究首先收集并整理了包括基础地理信息、土地利用、多源多时相遥感影像、社会经济、社会感知等多源时空数据（图1），并进行数据校正、数据融合等预处理工作，随后构建用于国土空间变化监测的多源时空数据库。基于已有的监测数据集，利用深度学习与支持向量机监督分类的方法，对珠江三角洲的用地类型进行分类和识别，最终得到建设用地、耕地、林地等用地的分类结果及空间分布。在此基础上，分析土地利用的时空变化特征，景观格局变化，为土地利用演进趋势提供基础资料。最后，利用FLUS模拟模型，对珠三角的用地进行不同情景下的用地模拟，生成各类型用地的空间分布格局，以此辅助规划决策。
图1 多源时空数据
二、基于集成方法的国土空间用地识别
传统的基于单一方法和单一数据源的遥感图像复杂信息挖掘的精度和可靠性不高，而近年来随着机器学习的兴起，以深度学习为代表的人工智能方法为高分辨率遥感地物信息挖掘提供了新的手段。本研究基于多源多时相遥感影像、二调土地利用现状、地理国情普查数据等多源数据，利用深度学习实现国土空间用地的识别。其主要技术路线如图2。
图2 基于深度学习的土地利用类型识别方法
其中深度学习算法的基本思路和过程如下：
（1）面向对象的遥感影像多尺度分割
不同的用地类型由于其自身的光谱、形状、空间结构等的复杂性，特定的分割尺度不能很好地表达其结构信息，为了较好地区分多类用地，找出适合于用地类型的最佳分割尺度范围，本研究选取30米、50米、100米、150米、200米五个分割尺度，并通过分类精度的比较探究这几类分割的最佳分类。
（2）基于卷积神经网络的自动分类
本研究采用当前应用较为广泛、效果较好的深度卷积神经网络GoogleNetInceptionV3作为深度学习的分类器。由于不同的分割尺度下得到的影像对象个数、面积相差较大，在模型训练过程中，为了提高运算速率及训练网络的稳定性，学习率的初始值设置为化0.01，毎次训练样本的大小(batchsize)根据不同的尺度做出相应的调整，对不同的图像标准化方式处理后的多边形影像对象分别进行20次训练，记录其预测精度，选择验证精度最高的网络模型。
（3）分类结果精度评价
使用基于对象个数的评价方法对分类结果精度进行评估，该方法是将对象作为基本统计单元，计算出分类准确的像元个数与总对象个数的百分比，来计算得出分类精度。
在利用深度卷积神经网络的方法对各类用地进行分类和识别后，将识别结果与基于SVM监督分类的用地类型识别结果进行比较和选取，最终确定各用地单元的用地类型，分类结果比较流程如图3所示。
图3 用地类型识别技术路线图
图4为1990-2015年珠江三角洲用地类型识别结果，可以明显看出这25年间珠江三角洲地区的城市扩张过程及方向，大量的耕地、林地转换为城镇建设用地，其中以广州、东莞、深圳这三地变化最为显著，在2000-2010年间，其城镇建设速度相比周边城市差距尤为明显，2010年之后，城镇扩张速度放缓，各类型土地利用变化逐渐减少。
图4 1990-2015 年珠江三角洲用地类型识别
三、国土空间用地变化监测分析与评价
在准确识别国土空间用地类型的基础上，本研究采用土地利用动态度、景观扩张指数等方法对珠江三角洲土地利用时空变化进行分析。
土地利用动态度是分析土地利用变化最重要的指标，包括单一土地利用动态度和综合土地利用动态度两类，单一土地利用动态度可表达一定时期内区域内某种土地利用类型数量的变化情况，表达式为：
综合土地利用动态度可描述区域整体土地利用变化的速度，表达式为：
表1 珠江三角洲 1990-2015 年各类土地资源面积变化监测
图5珠江三角洲耕地、林地、草地面积变化图
表1和图5为珠江三角洲地区土地利用面积变化分析结果，从中可以看出，在1990-2015年间，珠江三角洲地区的耕地、林地、草地以及水域面积都经历了不同程度的下降，其中以2000-2010年间下降速率最快，尤其是耕地，在这十年间面积下降了12.65%；其次是草地，面积下降了10.24%；水域和草地下降速率相对较低。
除了对各类土地利用面积变化进行分析以外，研究还利用GIS等技术手段，将土地利用变化的过程进行空间分析和可视化，从而得出珠江三角洲的土地利用时空变化特征，结果如图6所示。1990-2015年间，在所有用地类型中，珠江三角洲地区草地时空变化最小，建设用地与耕地时空变化最大，变化主要集中在广州、佛山、东莞以及深圳等地区。林地的减少同样主要集中在东莞与深圳，其他地区林地保护较好，其时空分布并未发生显著变化。
图 6 珠江三角洲各类用地变化监测
景观指数是反映景观格局的重要参数，它高度浓缩景观格局信息，反映其结构组成和空间配置等方面的特征，为科学衡量景观结构提供定量化依据。研究利用景观指数中的紧凑性指数，对各类用地的景观格局变化进行描述。
图7为1990-2015年间珠江三角洲建设用地紧凑性指数变化图，不难看出，在1990-2010年间江三角洲地区建设用地紧凑度在不断上升，说明其空间布局较为聚集，2010年以后随着城市扩张速度的下降，全域建设用地的紧凑度也随之下降，但整体来看，当前珠江三角洲地区建设用地布局较为紧凑有序。
图7 珠江三角洲建设用地紧凑性指数变化图
四、土地利用变化模拟与预测
对未来土地利用情景客观、合理的模拟，不仅可以掌握其变化、发展规律，还可以检验当前社会、经济政策对土地利用变化导向的合理性。在对国土空间的历史变化规律与现状进行分析后，研究基于已有数据与成果，利用未来用地模拟模型（Future Land Use Simulation, FLUS）模拟珠江三角洲地区未来土地利用演变格局。FLUS模型已被实证能够有效地应用于多情景下的全球尺度及多类的土地利用模拟中，并较传统模型有更高的模拟准确度。该模型是在系统动力学模型和元胞自动机模型的基础上整合人工神经网络算法和轮盘赌选择机制建立的，可以很好的用于自然、社会、经济等多种驱动力作用下的土地利用变化情景模拟
利用FLUS模型模拟了珠江三角洲2025、2035、2050年的城镇建设用地空间布局，图8为自然情景下建设用地模拟结果，该情景下土地利用结构演化主要依据区域的历史发展规律。根据模拟结果可以看出，在政策不干预的条件下，未来珠江三角洲地区的建设用地扩张仍然以原有建设用地为基础，沿珠江三角洲的核心地区逐渐向周边扩展延伸，体现出的是建设用地的粗放式发展。因此，为提升建设用地的集约节约水平，加强对生态空间和耕地的保护，需要土地利用管制部门对国土空间开发利用和保护进行科学的空间谋划和布局，以实现国土空间的高质量发展。
图8 珠江三角洲 2025-2050 年城镇建设用地空间分布模拟
五、总结
本研究在充分收集各类多源空间大数据的前提下，构建了用于国土空间变化监测的多源时空数据库。提出了一种对国土空间用地变化进行“识别-监测-模拟”的集成模型，并以珠江三角洲地区为例，结合深度学习、支持向量机、土地利用动态度、景观指数等不同算法与指数，对国土空间用地变化进行了监测及推演的探索。该集成模型可作为国土空间规划“一张图”实施监督信息平台的重要模型之一，为资源环境承载能力评价，自然资源监测、评估、预警，区域发展趋势研判等相关工作提供工具支撑和方法借鉴，对国土空间规划编制、实施、监测评估预警等工作水平的提高具有推动作用和意义。
文章作者：
联系客服
