1引言

随着遥感物理研究的不断深入和遥感平台的快速发展，遥感技术已成为获取土地利用信息并进行科学研究的重要手段。通过利用遥感的对地观测技术，揭示研究区域的空间变化规律，分析驱动力因子，建立区域性土地利用遥感动态监测驱动力模型，已成为目前国际上开展土地利用遥感动态监测研究的最新动向[1]。重庆市区自1977年直辖以来，经济增长迅速，成为了中国省域经济发展最迅速的省份之一。特别是西部大开发以及三峡工程的建设使重庆在近几年间土地利用变化明显[2]。因此，研究重庆市区土地利用动态变化具有重要意义。

2 研究区概况

重庆市市区包括巴南区、北碚区、璧山县、大渡口、江北区、江津市、九龙坡、沙坪坝、渝中市、渝北区。它们在古代是区域商贸中心，如今已经发展为我国重要的经济中心[3]。由于三峡工程的建设和中央直辖市的设立，重庆成功转型为中国西部最大的多功能型现代化工商业城市。重庆市区地跨东经106.22491°—106.83767°、北纬29.45475°—29.73870°之间，位于长江上游、重庆市的东南部地区，总面积9579平方公里。市区最突出的特点是地形起伏有致，立体感强。本文研究区域如图所示：

<!--[if !supportLists]-->6 <!--[endif]-->图1研究区地理位置示意图

<!--[if !supportLists]-->7 <!--[endif]-->Fig.1 The study area location diagram

3数据来源与研究方法

3.1 数据来源

目前，被广泛应用于土地利用动态变化检测的遥感影像数据主要是TM、SPOT、IKONOS以及Quick bird等数据。本文所采用的数据源包括：第一时相遥感数据采用2006年的SPOT5存档数据，第二时相遥感数据主要采用2008年SPOT5最新编程数据；研究区近年1：1万地形图；研究区1：5万数字高程模型等有关参考资料。

3.2 研究方法

土地利用动态变化信息的监测一般分为两大类：一类是计算机自动监测的方式，另一类是人工目视监测的方式[4]。本研究综合以上两种方式，将新旧遥感影像在经过几何校正配准和融合处理后，利用两个时相的DOM，采用图像差值、光谱特征变异、主成分分析、波段替换等计算机自动发现变化信息的方法，初步确定变化信息的位置，然后结合人工判读和解译，提取变化信息，确定变化类型。

3.2.1变化信息提取方法

图像差值法：通过前后两个时相的影像进行差值运算，根据差值发现变化信息。其基本原理是：对于前后两个时相的影像，如果地类相同或者未发生变化那么地物的灰度值就会相等或者接近，相减运算之后差值较小或者为0；如果地类发生变化那么两图像的灰度值会产生较大差异，相减运算之后差值较大，在图上则表现为变化部分与背景影像反差明显，变化信息显现明显。

光谱特征变异法：利用前一时相的多光谱数据与后一时相的全色数据进行交叉融合，如果两者信息不一致，在融合后影像的光谱信息会出现异常，也就是地物发生了光谱特征变异。

波段替换法：将后一时相的全色数据替换前一时相融合影像的红色或蓝色波段，在重新合成后的彩色影像中，砖红色或蓝色区域可能为变化信息。

3.2.2变化信息提取分析

基于监测区2006年和2008年DOM影像，参考通过国土资源部或省级土地行政管理部门验收的监测城市的土地利用数据库，提取耕地、非耕农用地、建设用地和未利用地四种土地利用类型。

本文以计算机自动发现变化作为引导，辅以人机交互准确提取变化图斑，建立图斑属性表并建立拓扑关系，生成变化信息文件。

4 结果与分析

4.1研究区土地利用变化数据提取

表1巴南区土地利用变化图斑类型情况统计表

Table1BaNaQu variation of land use type spot situation TAB

表2北碚区土地利用变化图斑类型情况统计表

Table2Beibei variation of land use type spot situation TAB

表3璧山县土地利用变化图斑类型情况统计表

Table3BiShanXian variation of land use type spot situation TAB

表4大渡口区土地利用变化图斑类型情况统计表

Table4Dadukou district variation of land use type spot situation TAB

表5江北区土地利用变化图斑类型情况统计表

Table5Jiangbei variation of land use type spot situation TAB

表6江津区土地利用变化图斑类型情况统计表

Table6Jiangjin variation of land use type spot situation TAB

表7九龙坡区土地利用变化图斑类型情况统计表

Table7 Jiulongpo district variation of land use type spot situation TAB

表8南岸区土地利用变化图斑类型情况统计表

Table8 Nanan distract variation of land use type spot situation TAB

表9沙坪坝区土地利用变化图斑类型情况统计表

Table9Shapingba district variation of land use type spot situation TAB

表10渝北区土地利用变化图斑类型情况统计表

Table10YuBeiOu variation of land use type spot situation TAB

4.2研究区土地利用驱动因子定量分析

本文采用主成分分析法，进行驱动因子筛选，依据提取较少的新指标来尽可能多保留原来较多的指标信息的原则，在相关关系分析的基础上，通过分析驱动因子的载荷系数，评价驱动因子对土地利用变化过程中的驱动作用大小。步骤如下：

通过相关系数矩阵计算特征值、贡献率以及各主成分的累计贡献率（表11）。可知，第一主成分的贡献率达69.237%，第二主成分的贡献率达16.782%，第三主成分的贡献率达6.931%，第四主成分的贡献率达5.737%，前四个主成分的累计贡献率达到98.723%，完全符合分析需求。

表11驱动因素特征值及主成分贡献率

Tab.11 Driving factors eigenvalue and main principal component contribution rate

对于主成分的特征值、、、分别求出其特征向量，再计算个变量在主成分一、二、三、四上的载荷，通过Varimax转轴后得到因子负荷旋转矩阵（表12）。Varimax是使负荷量的变异数在因子内最大，亦是使每个因子具有最高载荷的变量数最少。这种方法属于直交转轴法，优点在于各因子之间的信息不会发生重叠，彼此独立，并且互不相关。

表12驱动因子主成分载荷旋转矩阵

Tab.12 Principal component load rotation matrix of driving factors

表12为主成分载荷旋转矩阵，主成分载荷是主成分与变量之间的相关关系的具体反映。载荷系数越大，说明因素对变量的影响越大。

上述分析出的主载荷因子可归纳为经济发展和人口变化、科技水平进步、政策制度几个方面，并且从载荷系数的大小可得，经济的发展、科技水平的提高、人口的增长、政策制度的变化都是影响研究区域土地利用空间变化的主要驱动力：

（1）土地利用变化的经济发展驱动。在上述主成分分析中，GDP、货物周转量、地方财政收入、人口密度、公路里程、人均GDP、农民人均收入、城乡居民人民币储蓄存款、固定资产投资、乡镇企业总产值、林业总产值/农林牧总产值等是构成第一主成分的主要因子，载荷系数均在0.9以上；耕地面积与之有较大的负相关，其中主要是经济因素，可归纳为影响土地利用方式的经济因子，这说明经济发展对土地利用的变化起着重要的驱动作用。

（2）土地利用变化的人口变化驱动。人口对土地利用变化的作用属于一种外界驱动力，并起着相当的作用。通过第二主成分因子分析，人口死亡率与之具有较大的正相关，而人口出生率与之具有加大的负相关，因此人口增长是土地利用动态变化的主导驱动力。

（3）土地利用变化的技术进步驱动。在第三主成分中，肉类产量、牧业总产值/农林牧渔总产值与之具有加大的正相关，载荷系数为0.813，这与农业结构的调整和技术进步有关，可归纳为影响土地利用变化的技术进步因子。

（4）土地利用变化的政策制度驱动。在第四主成分中，新增城镇用地总面积与之具有加大的正相关，说明近年来的城镇新农村建设工程以及重庆市区的城区改造工程等对土地利用变化具有明显的驱动作用。

5 结论

本文基于SPOT5遥感影像对重庆市区2006年到2008年间的土地利用变化进行动态监测研究，得到了重庆市区2006-2008年土地利用变化的位置、面积和类型，得出经济发展、人口变化、科技水平进步和政策制度为主载荷因子，并通过分析驱动因子的载荷系数，可知经济的发展、科技水平的提高、人口的增长以及政策制度的变化是影响研究区域土地利用空间变化的主要驱动力。

参考文献

[1] 摆万奇,赵士洞.土地利用变化驱动力系统分析[J].资源科学,2001,23（3）:39-41.

[2] 摆万奇. 深圳市土地利用动态趋势分析[J].自然资源学报, 2000, 15（2）:112-117.

[3] 张学强，基于3S的土地利用动态监测技术与应用研究[D].山东师范大学硕士学位论文，2011

[4] 梁长秀,基于RS和GIS的北京市土地利用/覆被变化研究[D].北京林业大学博士学位论文，2009.

[5] 陈文波,肖笃宁,李秀珍.景观指数分类、应用及构建研究[J].应用生态学报, 2002（01）:121-125.

[6] 陈佑启,Peter HVerburg. 基于GIS的中国土地利用变化及其影响模型[J]. 生态科学 , 2000, 19（3）:1-7.

[7] 曲福玲, 基于遥感和GIS的库尔勒市土地利用动态监测研究[D].新疆农业大学硕士学位论文，2004.

[8] 程昌秀, 严泰来, 朱德海, 张玮. GIS与RS集成的高分辨率遥感影像分类技术在地类识别中的应用[J]. 中国农业大学学报 , 2001,6（3）: 50-54.

[9] 蔡华利. 基于SVM的多源遥感分类的竹林信息提取方法研究[D].北京林业大学硕士学位论文，2009.