当前世界环境

介绍

土地利用/覆被变化是自然资源管理和监测规划和战略的最重要组成部分之一。¹土地覆盖是指一个地区的生物物理状况，土地利用是人类为了满足其资源需求而对土地进行的改造。²最近一段时期，由于人口加速增长导致土地覆盖发生变化，人类对土地的影响呈指数级增长。^3.这些土地利用/覆盖的变化对全球环境有多重影响，^4、5包括生物多样性丧失、土壤退化以及全球和地方一级水文过程的变化。^2,6因此，有必要在时间上下文中理解这些过程。⁷

近年来，人们对土地利用碳储量变化的模式、驱动因素及其对自然和人类的影响进行了大量的研究。⁸遥感技术以其覆盖面积大、分辨率高、数据库丰富等特点，被广泛应用于土地利用动态分析。⁹与传统方法相比，遥感以极低的成本即时提供有用的信息，^3.而GIS为呈现、存储和评估数字数据提供了一个灵活的环境。¹⁰从20世纪70年代初开始，Lansat项目的卫星图像一直是遥感技术的重要数据集，被科学家广泛用于分析土地利用/覆盖变化。¹¹这些图像提供了显著的空间和光谱分辨率，具有宽的面积和时间范围。遥感技术与地理信息系统(GIS)相结合，实现了对土地利用/覆盖格局的定期和持续监测。¹²在印度，不同的研究人员在遥感数据的帮助下分析了地理信息系统环境下的土地利用/覆盖变化。^{13、14、15、16}还探索了西喜马拉雅地区，以检查土地利用/覆盖动态及其对森林生态，水文设置，极端自然事件和当地气候行为的影响。^{17, 18, 19, 20日,21日}

本研究试图利用卫星图像和地理信息系统应用分析西喜马拉雅地区的土地利用/覆盖动态。在过去的50年里，上库鲁河谷见证了园艺、旅游业和相关发展的日益增长。然而，这些发展的痕迹只是在1991年以后才完全显现出来，那时建筑活动在很大程度上已经开始。以往对该地区的研究表明，LULC的变化导致了影响该地区环境可持续性的自然灾害、水文扰动和自然资源枯竭的增加。^17、18高度的园艺发展和城市化要求对这些喜马拉雅地区的土地利用模式进行系统的评估。因此，本文的主要目的是利用Landsat图像和变化检测分析来研究1991-2020年期间土地利用/覆盖的变化格局。

材料与方法

研究区域

上Kullu山谷位于喜马偕尔邦的Kullu地区。面积990.09公里²研究区范围在北纬32°3′10”~北纬32°24′56”和东经76°58′44”~东经77°23′32”之间，覆盖了全区的马纳里特希尔和库鲁特希尔的一小部分(图1)。该盆地在比斯河底部海拔最低1358米，在山区海拔最高5500米。大部分地区被两种主要的岩石类型所覆盖，即黑云母片岩与片理云母石英岩和细粒带状片麻岩。研究区具有高度和中度解剖的构造丘陵和峡谷、较年轻的冲积平原和积雪覆盖四个显著的地貌特征。植被覆盖在较高的斜坡上被松树和雪松林所占据，而在较低的山谷中则有丰富的桤木和白杨林。沿着河流的缓坡形成梯田，用于农业和园艺活动。高海拔地区聚落呈集群分布，沿江聚落呈线性分布。唯一的城市定居点位于该地区北部，占地3公里²这个区域的。不同的自然条件和不断发展的城市化为监测研究区内土地利用/覆盖格局的变化创造了机会。

图1:研究区域的位置。 点击此处查看图

数据收集和数据处理

利用美国地质调查局1991年、2005年和2020年的Landsat 5 (TM)、Landsat 7 (ETM+)和Landsat 8 (ETM+) 3幅多光谱卫星影像，分析库鲁克河谷上游土地利用/覆被变化。所有图像的可见光波段空间分辨率为30米，2005年和2020年图像的全色波段空间分辨率为15米，提供了详细的深度信息。为了减少云层的影响，所有图像都是在10月/ 11月收集的。卫星数据的规格载于表1。除了卫星图像外，还收集了一些辅助数据，包括地形片(1:5万)和数字高程模型(DEM)。使用数字高程是为了避免对平均海平面2600米以上的农业/园艺用地进行错误分类。

表1:本研究使用的卫星数据详情。

资料来源:Landsat 5 (TM)、Landsat 7 (ETM+)和Landsat 8 (OLI/TIRS);美国地质调查局。

划分的类别为积雪、森林、农业/园艺用地、建成区、沙质地表、水域和荒地。通过为不同的图像分配训练样本，为每个土地利用/覆盖分配唯一的身份。由训练样本生成的签名用于训练分类器。采用图像处理中最常用的极大似然算法对图像进行分类。²²在LULC分类后，对两幅地图进行比较，分析土地利用/覆盖类型的变化。后期处理也显示了1991-2020年期间的LULC动态。为了保持相似的分辨率，采用最近邻算法对2005年和2020年的图像进行30米重采样。利用变化检测技术，编制了一个过渡矩阵来显示LULC类的变化分布和变化幅度。

结果与讨论

1991年、2005年和2020年的土地利用/覆被格局分别见图。不同类别的分布见表2,LULC变化幅度见表3。

1991年土地利用/覆被格局

1991年的土地利用/覆被图由Landsat 5 (TM)绘制，分为8个主要类别(图2)。1991年的土地利用/覆被的特点是森林和牧场占主导地位，由于地形陡峭崎岖，耕地和定居点面积较小。森林覆盖面积最大，为347.39 Km²占总面积的35.09%。沿河及小支流的森林覆盖主要为海拔较高的雪松和松林，海拔较低的桤木和杨木。草地/空地面积256 Km²覆盖面积(25.93%)，其次是积雪面积(202.30公里)²)和贫瘠土地(119.50公里)²)，分别占研究范围的20.43%及12.07%。海拔3000米以上的山谷两侧都有积雪。水体和沙质地表面积为0.78 Km²及2.42公里²分别。农业用地占53.95公里²(5.45%)。利用地势低洼的河流梯田进行种植，最高海拔2700米。建设用地占地6.99公里²(0.71%)的研究区域位于长江及其支流沿岸。传统的聚落大多集中在海拔较高的地方，而一些聚落则沿着河流和道路呈线性组织。1991年LULC以自然覆盖为主，受人为活动影响较小。

表2:土地利用/覆盖格局(1991-2020年)。

资料来源:美国地质调查局Landsat-5 (TM)、Landsat-7 (ETM+)和Landsat-8 (OLI/TIRS)。

2005年土地利用/覆被格局

利用Landsat 7 (ETM+)编制2005年LULC地图，见表2和图2。面积最大的是草地、森林和荒地三大土地覆盖，覆盖面积为370.82 km²(37.45%)， 323.00公里²(32.62%)和139.65公里²(14.11%)。数据显示，积雪面积明显缩小，积雪面积仅为88.54 km²(8.94%)，距离MSL的最低海拔为3800米。农业用地55.14公里²(5.57%)的研究区域，其海拔距离地面基准点不超过2800米。建成用地面积8.40 km²占研究区域的0.85%。在此期间，该地区经历了各种基础设施开发和建设活动，并扩大了道路网络，以支持旅游景点和水力发电项目。比亚斯河右侧的居民点沿主干道呈线性分布。河流和沙质地表全长4.54公里²(0.46%)，其中河流和沙质表面共占1.31公里²(0.13%)和3.23公里²(0.33%)。

图2:1991年至2020年的土地利用/覆盖格局。 点击此处查看图

2020年土地利用/覆被格局

由Landsat 8 (OLI/TIRS)编制的2020年土地利用/覆被图显示，研究区约60%被森林和牧场覆盖，共296.94 Km²296.75公里²分别。荒地面积239.10公里²(24.15%)，其次是覆盖55.97公里的积雪²(5.65%)海拔高度不低于MSL 3900米。河流和沙质地表全长1.03公里²及5.14公里²的研究区域。耕地面积为82.20 Km²占面积的8.30%。从MSL上可以看到3000米的农田。全长12.95公里²(8.30%)的研究范围已被建筑用地覆盖。定居点从MSL延伸到海拔2800米的地方。新的居民点可以在由公路网连接的农田中看到。2020年的LULC结果如图2和表2所示。

1991 - 2020年土地利用/覆被变化

对比了1991-2020年Landsat卫星的所有三幅图像，考察了LULC的变化(表3)。对图像进行了变化检测分析，并将时间段分为1991-2005年和2005-2020年两个时期。第一个时期的特点是荒地、牧场、农田、建筑物、河流和沙质地表增加，森林面积和积雪减少。在1991—2005年期间，积雪损失最大，减少113.76 Km²(56.24%)。积雪转化为荒地73.92公里²牧场49.87公里²由于巨大的气候变化。森林覆盖面积也减少了24.39公里²占森林总面积的7.02%。在53.64 km的范围内，森林覆盖与牧场发生了互换²森林覆盖面积转化为牧场面积21.87 km²一片牧场变成了森林。少量林地被改造为荒地(2.63公里)²)和农业(0.81公里)²)，这是森林砍伐和园艺扩张的结果。牧场面积增加114.07 km²(44.43%)。在22.12公里的荒地和牧场之间的变化也很明显²有57.21公里的牧场转为荒地²改作牧场的地区。在贫瘠的土地上(20.15公里)也可以看到这种增加²)，原因是邻近地区积雪减少。河体和沙面也增加了0.53 km²0.81公里²分别。

表3:土地利用/覆被变化(1991-2020年)

在此期间，园艺活动开始扩大，各种水田被改造成苹果园。因此，少量的农业用地(1.18公里²)在这一时期有所增加，尽管它是该地区的主要活动。

表4:土地利用/覆被转换矩阵(1991-2005)。

缩写:A/HL:农业园艺用地;OL:开阔土地;WB:水体。

表5:土地利用/覆被转换矩阵(2005-2020年)

缩写:A/HL:农业园艺用地;OL:开阔土地;WB:水体。

然而，农业用地对自然覆盖的入侵较小，森林覆盖面积为0.81 km²)和牧场(1.30公里)²)被转移到农田。建筑用地比1991年增加了20.02%。聚落面积的增加给附近的农用地带来了巨大的压力，因为建成区总增量的63.57%来自农用地。平整的农田变得更适合建造房屋/建筑物和道路。

图3:土地利用/覆被转换矩阵(1991-2020)。 点击此处查看图

第二个时期(2005-2020年)，积雪、牧场和森林覆盖显著减少。与前一个时代一样，积雪面积减少了32.56公里²(36.78%)。大部分积雪已转化为荒地(43.75公里)²)，而一些贫瘠的土地已经变成了积雪覆盖(10.49公里)²)。积雪的持续减少对该地区的自然条件构成了威胁。与前一时期相比，这一时期的牧场面积减少了64.12公里²一大片牧场已变成了荒地。牧场也转变为森林覆盖(29.45公里)²)位于海拔较高的村庄附近。这一时期出现了各种森林发展方案，很大一部分地区开始植树。高海拔地区森林覆盖率的增加表明人类活动对生态演替的影响减弱。另一方面，农业用地附近的森林覆盖损失显示了社区使用和28.70公里的森林砍伐活动²一大片林地已被改作牧场。河流面积减少了21.44%，而沙质表面明显增加，增加了59.03%。沙质表面的增加是由于2018-19年期间双鱼河及其支流的山洪暴发，河流沿岸的大部分土地被侵蚀。沙地面积主要来自森林覆盖面积(1.16 km)²)和牧场(1.84公里)²)。

在这一时期，农业/园艺和人类住区的面积也显著增加。耕地面积增加27.06公里²从1991年起，增加了49.09%。这一时期的特点是园艺活动在新的地区扩大，其中大部分可用的农业用地用于水果种植。人类居住区附近的森林和牧场被移走18.32公里用于园艺开发²12.22公里²分别。土地使用的另一个显著变化与建筑用地有关，在此期间大幅增加了54.26%。建设用地向农用地扩展了4.04公里²2005年至2020年期间，已转换为建设用地的面积为1 / 3。梯田上居住着由许多连接道路连接起来的人类住区集群。该地区的沉降位移也发生了变化，增加了2.65公里²大量建设用地转为农用地。在此期间，各种传统房屋消失或废弃，以便人们可以在路边安家。高架空地也被用于旅游、水电项目和隧道等发展活动。结果是2.16公里²面积已转为建设用地。除此之外，为了道路拓宽和建筑活动，森林也被砍伐，1.34%的面积已转为建筑用地。

结论

本研究试图分析1991 - 2020年的土地利用/覆被变化。从20世纪70年代初开始，上库鲁河谷经历了园艺和旅游相关发展的巨大增长。区域外人口的流入和发展活动提供了令人难以置信的经济促进，但它们对自然资源和生物能力的压力越来越大，这是不可否认的。研究区荒地、农用地和建成区面积增加，森林和积雪面积减少。分析表明，积雪持续减少，雪线退缩。因此，荒地正在显著增加，影响到森林和牧场，并导致土壤退化和水体丧失。人类活动的增加导致了建筑面积和耕地的增加。研究区北部不断增长的城市居民点已经扰乱了附近村庄的农业布局，并有可能进一步扩大。尽管现有的规划已经为城市发展发挥了作用，但需要对整个地区进行有远见的规划，因为扩大耕地面积的可能性可以忽略不计，城市空间肯定会消除毗邻的耕地。即使人类占用的土地不断扩大，当地人口完全依赖的森林和饲料等自然资源也可能受到严重威胁。 The study tries to demonstrate the changing nature of human occupancy in the mountainous landscape and role of geospatial technology to help in monitoring those changes over a period of time. The pattern and trend of LULC analysed in the study area can help decision maker in formulating future plans associated to land use and natural resource management.

确认

这项工作是支持通过研究补助金(教资会/联合资助基金印度大学教育资助委员会

利益冲突

不存在利益冲突。

资金来源

没有资金来源。

参考文献

1. Sinha S, Sharma LK, Nathawat MS.基于热遥感改进的半干旱落叶森林景观土地利用/覆被分类。遥感与空间科学。2015; 18(2): 217 - 233。doi: 10.1016 / j.ejrs.2015.09.005。
   CrossRef
2. Meyer WB, Turner BL.土地利用/土地覆盖变化:地理学家面临的挑战。Geo J。1996年,39(3):237 - 240。doi: 10.1007 / bf00188373。
   CrossRef
3. Vivekananda GN, swthi R, Sujith AVLN。用于LULC分类和变化检测的多时相图像分析。欧洲J遥感。2020年,54 (sup2): 189 - 199。doi: 10.1080 / 22797254.2020.1771215。
   CrossRef
4. 特纳B，迈耶WB，斯科尔DL。全球土地利用/土地覆盖变化:迈向综合研究。中记录。1994;23(1):91 - 95。
5. 引用本文:李建军，刘建军，李建军。基于gis的土地利用与覆盖模型研究。这一变化。1994, 28(1 - 2): 45 - 64。doi: 10.1007 / bf01094100。
   CrossRef
6. Chhabra A, Geist H, Houghton RA，等。土地利用/覆盖变化的多重影响。In: Lambin EF, Geist HJ编。土地利用和土地覆盖变化:局部过程和全球影响。柏林:施普林格;2006:71 - 116。doi: 10.1007 / 3 - 540 - 32202 - 7 - _4。
   CrossRef
7. 格雷戈里奥A，詹森J。土地覆盖分类系统;软件版本1的分类概念和用户手册。罗马:粮农组织;2000.
8. 刘建军，刘建军，李建军，等。土地利用变化及其影响因素。见:Gutman等人编。土地变化科学:观测、监测和理解地球表面变化的轨迹。荷兰:Kluwer学术出版社;2004:411-429。https://doi.org/10.1007/978 - 1 - 4020 - 2562 - 4 -大于。于2022年3月3日生效。
   CrossRef
9. D.基于遥感的城市土地利用/土地覆被变化检测与监测。J遥感与地理信息系统。2017; 6(2): 1 - 5。doi:10.4172 / 2469 - 4134.1000196。
   CrossRef
10. 吴强，李海红，王瑞麟，等。基于遥感和GIS的北京市土地利用变化监测与预测园林及城市规划。2006, 78(4): 322 - 333。doi: 10.1016 / j.landurbplan.2005.10.002。
    CrossRef
11. 科恩WB，高华德SN。陆地卫星在遥感生态应用中的作用。生物科学。2004年,54(6):535 - 545。0006 - 3568 . Doi: 10.1641 / (2004) 054 (0535: lrieao) 2.0.co; 2。
    CrossRef
12. Rawat JS, Kumar M.利用遥感和GIS技术监测土地利用/覆盖变化:以印度北阿坎德邦Almora地区Hawalbagh街区为例。遥感与空间科学。2015; 18(1): 77 - 84。doi: 10.1016 / j.ejrs.2015.02.002。
    CrossRef
13. Tiwari P.喜马拉雅地区土地利用变化及其对环境、社会和经济的影响——以印度Kumaon喜马拉雅湖区为例。Adv大气科学2008; 25(6): 1029 - 1042。doi: 10.1007 / s00376 - 008 - 1029 - x。
    CrossRef
14. Raman R, Punia M.印度高喜马拉雅地区土地利用动态与景观破碎化。亚洲J地理信息学。2012; 12(1): 1 - 12。
15. Misra A, Balaji R.印度古吉拉特邦南部沿海地区土地利用/土地覆盖和海岸线的年代际变化。环境监测评估。2015年,187(7):1-13。doi: 10.1007 / s10661 - 015 - 4684 - 2。
    CrossRef
16. Fayaz A, Shafiq M, Singh H, Ahmed P. 1992 - 2018年北克什米尔喜马拉雅地区土地利用/土地覆盖时空变化评估。模拟地球系统环境。2020; 6(2): 1189 - 1200。doi: 10.1007 / s40808 - 020 - 00750 - 9。
    CrossRef
17. 辛格RB。喜马拉雅地区土地利用/覆被变化、极端事件与生态水文响应二聚水分子的过程。1998; 12(13 - 14日):2043 - 2055。doi: 10.1002 / (SICI) 1099 - 1085 (19981030) 12:13/14 < 2043:: AID-HYP718 > 3.0.CO; 2 - 0
    CrossRef
18. Vishwa CB, Kaur BK, simmrit K.印度喜马偕尔邦Kullu地区土地利用/覆盖变化及其影响。地球物理学报。2013; 3(3): 538 - 551。
19. Singh SK, Chandel V, Kumar H, Gupta H.印度喜马偕尔邦Solan Parwanoo规划区未来城市扩张基于RS & GIS的城市土地利用变化和选址适宜性分析国际发展中心2014; 4(8): 1491 - 1503。
20. Shah S, Sharma DP。印度喜马偕尔邦索兰森林区土地利用变化检测。对于Ecosyst。2015; 2(1): 1 - 12。doi: 10.1186 / s40663 - 015 - 0050 - 7。
    CrossRef
21. Thakur N, Rishi M, Keesari T, Sharma DA, Singh R.基于RS和GIS的土地利用/覆被格局变化评估——以印度西喜马拉雅Kullu谷地上Beas盆地为例。Anusandhan。2018; 7(14): 1 - 10。doi: 10.29070 / AUJ-AN
22. 陆东，翁强。提高图像分类性能的方法与技术综述。国际遥感。2007年,28 (5):823 - 870。doi: 10.1080 / 01431160600746456。
    CrossRef