土地利用覆蓋變化地信息提取

1、實(shí)用標(biāo)準(zhǔn)土地利用/覆蓋變化信息提取實(shí)驗(yàn)報(bào)告.實(shí)驗(yàn)?zāi)康睦肨M/ETM3個(gè)時(shí)相衛(wèi)星數(shù)據(jù)，應(yīng)用ENVI軟件進(jìn)行土地利用/覆蓋分類，在此基礎(chǔ)上進(jìn)一步分析其 動(dòng)態(tài)變化特征。.實(shí)驗(yàn)內(nèi)容金華市土地利用/覆被變化信息的提取。采用決策樹分類法提取土地利用/覆被信息，它通過(guò)分析地物光譜特征和其他圖像特征，充分利用高程、坡度等地理輔助信息可以有效地提高分類精度，比較適合于江 南丘陵地形破碎、地物分布復(fù)雜的地區(qū)。和傳統(tǒng)的監(jiān)督分類法相比，它可以消除園地和林地、建設(shè)用地和 裸地光譜相似所帶來(lái)的影響。TM影像數(shù)據(jù)的預(yù)處理。本文的遙感數(shù)據(jù)處理主要包括大氣校正、幾何校正和圖像增強(qiáng)，并利用 行政邊界矢量圖對(duì)影像進(jìn)行裁剪。土地利

2、用變化信息提取。首先對(duì)其中的一期影像 (2003年)分別采用最大似然法、決策分類樹法 進(jìn)行分類，提取土地利用/覆被信息，并對(duì)二者的提取精度進(jìn)行比較， 選擇精度最高者作為最終的提取方法， 進(jìn)而提取19882003年金華市土地利用/土地覆被信息。(3)利用空間疊加獲取土地利用 /覆被變化的面積轉(zhuǎn)移矩陣，進(jìn)而通過(guò)面積轉(zhuǎn)移矩陣分析土地利用/土地覆被的數(shù)量變化、空間結(jié)構(gòu)變化和土地利用程度。.實(shí)驗(yàn)方案.數(shù)據(jù)預(yù)處理數(shù)據(jù)源文案大全實(shí)用標(biāo)準(zhǔn)本文所采用的數(shù)據(jù)包括：兩景金華市的Landsat TM 和一景Landsat ETM 陸地衛(wèi)星影像，一景半SPOT 全色影像；該地區(qū)1 : 50 000地形圖；該地區(qū)81m*

3、81m 分辨率的數(shù)字高程模型（DEM ） ; 1 : 100萬(wàn)中 國(guó)行政邊界矢量圖等。 具體的見表4-1和4-2所小。表4-1研究區(qū)遙感影像數(shù)據(jù)獲取時(shí)間傳感器類型數(shù)量（景）1空間分辨率（m ）52003年3月9日SPOT-5全色1/25LandsatETM+15m （全色）2003年3月26日11-8波段30m（多光譜）1996年9月6日LandsatTM1-7 波段1301988年12月5日LandsatTM1-7 波段130表4-2研究區(qū)其他資料及應(yīng)用說(shuō)明數(shù)據(jù)類型應(yīng)用說(shuō)明大比例尺地形圖最新時(shí)相的1 : 50000地形圖，用于進(jìn)行衛(wèi)星遙感資料的幾何校正野外調(diào)查資料野外控制點(diǎn)的測(cè)量，土地利用/

4、覆蓋分類訓(xùn)練樣本區(qū)的調(diào)查，建立判讀 標(biāo)志，進(jìn)行分類及信息提取精度檢驗(yàn)等工作土地利用現(xiàn)狀圖對(duì)比土地利用/覆蓋動(dòng)態(tài)變化及遙感影像分類精度參考圖像預(yù)處理數(shù)據(jù)預(yù)處理部分主要包括：對(duì)遙感影像進(jìn)行大氣校正、幾何糾正、以及對(duì)研究區(qū)進(jìn)行邊界裁剪和圖像 增強(qiáng)。主要工作流程如下（圖 4-2 ）:文案大全實(shí)用標(biāo)準(zhǔn)圖4-2數(shù)據(jù)預(yù)處理主要技術(shù)流程具體方法如下:1）大氣校正。本文的大氣糾正在PCI軟件的ATCOR2模塊中完成，以去除薄云和大氣對(duì)影像光譜的影響，尤其是96年的圖像，經(jīng)過(guò)大氣校正后，圖像質(zhì)量得到了很大提高。方法是利用地面控制點(diǎn)對(duì)各2）幾何糾正。影像幾何糾正就是將所研究影像納入到一個(gè)地面坐標(biāo)系中,種因素引起的遙

5、感影像的幾何畸變進(jìn)行糾正，以便確定影像上每個(gè)像元在地面的坐標(biāo)，其過(guò)程就是把目標(biāo) 由一個(gè)空間向另一個(gè)空間轉(zhuǎn)換的過(guò)程。3）邊界裁剪。對(duì)遙感影像進(jìn)行上述處理后，利用所給的金華縣行政邊界矢量圖邊界對(duì)影像進(jìn)行裁剪, 分別得到1988年和1996年的TM圖像以及2003年的SPOT和ETM研究區(qū)影像。4）圖像增強(qiáng)。本文采用最佳指數(shù)因子分析方法對(duì) 最佳波段組合。最佳指數(shù)因子的計(jì)算公式為：3幅多光譜影像三波段組合方案進(jìn)行評(píng)價(jià)最后得出。尸=2pji-i j-i(2-1 )文案大全實(shí)用標(biāo)準(zhǔn)式中，1為i波段圖像的亮度標(biāo)準(zhǔn)差，其值越大，說(shuō)明數(shù)據(jù)的離散度越大，所包含的信息量越大，可D分離性越高；為三波段中任意兩波段之間

6、的相關(guān)系數(shù)，其值越小，表明圖像數(shù)據(jù)獨(dú)立性越高，信息的冗余度越小。OIF越大，組合圖像的信息量越大，組合方案越佳。利用最佳指數(shù)因子分析方法計(jì)算1988、1996、2003年三幅多光譜影像的三波段組合值如下表（表 4-3 ）:表4-3影像最佳波段組合信息含量表OIF組合方案 影像42143253254375274375488 年 TM26.33829.18225.52133.60527.79333.98333.91096 年 TM32.15434.86416.84536.02516.08936.16325.59803 年 ETM16.24019.48321.12123.24020.88022.59

7、220.427從上表中可得知，1988年和1996年兩幅TM影像的743組合值都是最大的，2003年的ETM543 組合值最大，743次之，整個(gè)金華市的土地利用格局以耕地和林地等農(nóng)用地為主，整個(gè)地區(qū)有較高的植被 覆蓋，而743組合更接近植被的真彩色，有利于植被的分類，所以三幅影彳t都采用743組合方案參與分類。土地利用/ 土地覆被分類監(jiān)督分類法此法的關(guān)鍵在于訓(xùn)練區(qū)的選擇。訓(xùn)練區(qū)的選取應(yīng)與分類地區(qū)的特點(diǎn)和分類系統(tǒng)相適應(yīng)。對(duì)訓(xùn)練區(qū)的統(tǒng) 計(jì)特征應(yīng)進(jìn)行詳細(xì)的分析，以選擇最有效的參數(shù)變量（譜段）參與后續(xù)的分類。此外，應(yīng)對(duì)訓(xùn)練區(qū)特征指標(biāo)的外延性進(jìn)行評(píng)估（趙英時(shí)，2003 ）。監(jiān)督分類法中具體方法包括最小距

8、離分類法、多級(jí)切割分類法、特 征曲線窗口法和最大似然分類法，其中最大似然分類法用的最多。最大似然分類法（maximum likelihood classifier ）在多類別分類時(shí)，常常采用統(tǒng)計(jì)學(xué)方法建立起一 個(gè)判別函數(shù)集，然后根據(jù)這個(gè)判別函數(shù)集計(jì)算各待分像元的歸屬概率。這里，歸屬概率是指：對(duì)于待分像 元x,它從屬于分類類別 比的（后驗(yàn)）概率。設(shè)從類別 小中觀測(cè)到黑的條件概率為F5工）,則歸屬概率上意可表示為如下形式的判別函數(shù)：Lk =段式幻=F（幻乂取與為/ X戶口 5 f） 3（3-1 ）式中，或?yàn)榇窒裨?，為類別上的先驗(yàn)概率，它可以通過(guò)訓(xùn)練區(qū)來(lái)決定。止匕外，由于上式中分母和類別無(wú)關(guān)，在類

9、別間比較的時(shí)候可以忽略。訓(xùn)練樣區(qū)的選取與純化文案大全實(shí)用標(biāo)準(zhǔn)本文中采用的方法為試分類混淆矩陣分析法和J-M距離法來(lái)對(duì)所選取的訓(xùn)練樣本純度進(jìn)行評(píng)價(jià)，通過(guò)對(duì)所得混淆矩陣進(jìn)行分析，即可得到訓(xùn)練樣本占原來(lái)各類個(gè)體總數(shù)的百分比，以確定其分類的正確率，從 而也檢驗(yàn)了訓(xùn)練的純度。在ENVI 4.2中對(duì)純化前和純化后的訓(xùn)練樣本區(qū)進(jìn)行了分類，并以訓(xùn)練樣本自身對(duì)分類結(jié)果進(jìn)行精度檢驗(yàn)，得到混淆矩陣。純化前訓(xùn)練樣本的訓(xùn)練區(qū)分類混淆矩陣顯示：Overall Accuracy = 92.0142%, KappaCoefficient = 0.9165。對(duì)訓(xùn)練樣本進(jìn)行純化后，訓(xùn)練樣本的訓(xùn)練區(qū)分類混淆矩陣顯示：Overall

10、 Accuracy=96.3045%, Kappa Coefficient = 0.9500。在ENVI 4.2中未純化前和純化后的訓(xùn)練樣本區(qū)進(jìn)行統(tǒng)計(jì)其J-M距離，結(jié)果顯示：純化前訓(xùn)練樣本的J-M距離，最小的是園地和林地之間的J-M距離，只有1.3208 o另外園地和耕地之間、居民點(diǎn)及工礦用地和未利用地之間的 J-M距離也比較小，但均大于 1.5。經(jīng)純化以后，只有園地和林地之間的J-M距離仍然小于1.5。其他均在1.8以上。訓(xùn)練樣本之間的可分性明顯增大。分類精度及結(jié)果分析在對(duì)影像做了圖像預(yù)處理后，根據(jù)影像的光譜特征，選擇適當(dāng)?shù)挠?xùn)練樣區(qū)，將土地利用分為若干不同 的類別。結(jié)合研究區(qū)的實(shí)際情況，根據(jù)

11、目視判讀選擇訓(xùn)練樣本，采用最大似然分類法(Maximum Likelihood Classification, MLC),將金華市2003年的土地利用分為 5類，即耕地、園地、林地、居民點(diǎn)及工礦用地、 水域。（a） 1988 年（b） 1996 年（c） 2003 年圖5-1金華市最大似然法土地利用/土地覆被分類圖利用上面確定的方法和已有的樣本數(shù)據(jù)對(duì)研究區(qū)分類后圖像進(jìn)行精度估計(jì)，得到最終最大似然法的誤 差矩陣和各項(xiàng)統(tǒng)計(jì)指標(biāo)(以 2003年為例)。表5-1最大似然法分類精度矩陣未分居民點(diǎn)及工類別耕地類園地林地水體 未利用地總計(jì)礦用地未分類00000000文案大全實(shí)用標(biāo)準(zhǔn)耕地0658000073園

12、地03141900036林地1119400097居民點(diǎn)及工0002140016礦用地水體0000010010未利0004801224用地合計(jì)16923119221012256表5-2最大似然法分類精度評(píng)價(jià)（）類別參考總計(jì)分類總計(jì)正確分類數(shù)生產(chǎn)精度用戶精度未分類100耕地69736594.20%89.04%園地23361460.87%38.89%林地119979478.99%96.91%居民點(diǎn)及工礦22161463.64%87.50%用地水體101010100.00%100.00%未利122412100.00%50.00%用地合計(jì)256256209總精度=209/256 =：81.64 %表5-

13、1和5-2顯示了在最大似然分類中，園地和未利用地的分類精度比較低，分別為： 38.89%和 50.00%，這是因?yàn)閳@地、耕地、林地之間和未利用地和居民點(diǎn)及工礦用地之間的光譜特征很多比較相似（圖5-2）,從而導(dǎo)致誤判。尤其是林地和園地錯(cuò)分現(xiàn)象比較多，36個(gè)園地樣點(diǎn)中，有19個(gè)被誤分為林地，3個(gè)被誤分為耕地。決策樹分類1）典型地物光譜分析為了獲取研究區(qū)內(nèi)各種地物類型光譜特征知識(shí)，對(duì)研究區(qū)內(nèi)典型地物類型進(jìn)行采樣并加以統(tǒng)計(jì)，統(tǒng)計(jì) 結(jié)果見表5-3 （以03年為例）。其中03年耕地按耕地1（主要為水田）和耕地2（主要為旱地）兩類采樣，水 體分為水體1（河流）和水體2（水庫(kù)和坑塘水面）兩類采樣。88年圖像上

14、由于存在大量山體陰影，因此陰影也列為單獨(dú)一類進(jìn)行采樣。表5-3 03年典型地物樣本亮度值統(tǒng)計(jì)表文案大全實(shí)用標(biāo)準(zhǔn)地物波段耕地耕地2園地林地居民點(diǎn)及工 礦用地水體1水體2未利用地最小值4.0014.008.000.009.000.005.001.00最大值B140.0041.0029.0024.0090.0047.0035.00101.00均值21.0624.2215.767.5628.7531.2514.2536.07均方差4.033.582.882.855.934.294.499.45最小值10.0021.0013.000.0016.000.009.008.00最大值59.0062.0047.

15、0032.00101.0079.0055.00118.00B2均值35.8735.5724.2115.2938.3548.3819.8757.00均方差5.544.684.063.527.388.287.7112.52最小值10.0018.0011.000.0018.000.006.0013.00最大值76.0067.0057.0032.00117.0081.0063.00138.00B3均值35.2838.3623.3813.5245.3146.6415.3772.54均方差6.676.135.793.569.199.437.9918.70最小值25.0019.0022.000.0017.0

16、00.000.0017.00最大值109.0090.0072.0067.0082.0065.0063.0095.00B4均值71.2042.1246.4341.8836.7813.185.4064.83均方差10.288.476.089.527.708.435.7510.54最小值30.0011.0020.000.0024.000.004.0026.00最大值117.00110.00102.0092.00172.0099.0095.00167.00B5均值75.4347.5860.5047.7567.1814.4310.41106.08均方差9.2617.839.7711.6212.1111.

17、347.2118.14最小值16.007.0012.000.0019.000.001.0023.00最大值B797.0089.0080.0059.00163.0075.0068.00155.00均值47.2431.0135.7424.5160.7110.597.5286.17均方差9.4613.238.597.1311.648.385.2616.75通過(guò)03年典型地物樣本亮度值統(tǒng)計(jì)可以得到03年典型地物樣本波譜響應(yīng)曲線:耕地耕地2園地林地T1居民點(diǎn)及工礦用地T水體一水體2圖5-2 03年典型地物樣本波譜響應(yīng)曲線文案大全實(shí)用標(biāo)準(zhǔn)2）決策樹的構(gòu)建對(duì)于03年圖像：由于水體和陰影的低反射率，尤其是在長(zhǎng)

18、波部分更明顯。因此可以利用TM4/TM3的比值來(lái)區(qū)分大部分林地。然后通過(guò)纓帽變換的亮度分量可以區(qū)分大部分耕地，剩下的耕地、園地和林地可以通過(guò)地學(xué)輔助知識(shí)如高程和坡度信息來(lái)加以區(qū)分。最后通過(guò)分析得到03年的分類決策樹：圖4-5 03年分類決策樹依據(jù)同樣的原理，通過(guò)分析分別得到88年和96年的分類決策樹:5-6 96年分類決策樹文案大全實(shí)用標(biāo)準(zhǔn)圖5-7 88年分類決策樹3）分類精度及結(jié)果分析通過(guò)決策樹分類以及分類后的合并處理最后得到三個(gè)時(shí)期的土地利用/覆被分類圖:（a） 1988 年（b） 1996 年（c） 2003 年圖5-8金華市決策樹分類法土地利用 /土地覆蓋分類圖通過(guò)分層采樣和已有的樣本

19、數(shù)據(jù)對(duì)研究區(qū)分類后圖像進(jìn)行精度估計(jì)，得到最終決策樹的誤差矩陣和各 項(xiàng)統(tǒng)計(jì)指標(biāo)（以2003年為例）。表5-6決策樹分類精度矩陣類別未分居民點(diǎn)及工耕地園地林地水體未利用地總計(jì)類礦用地未分類00000000文案大全實(shí)用標(biāo)準(zhǔn)耕地0773300083園地0111000012林地062105100114居民點(diǎn)及工0200211024礦用地水體1000012013未利000020810用地合計(jì)1861610823139256表5-7決策樹分類精度評(píng)定（）類別參考總計(jì)分類總計(jì)正確分類數(shù)生產(chǎn)精度用戶精度未分類100耕地86837789.53%92.77%園地16121168.75%91.67%林地1081141

20、0597.22%92.11%居民點(diǎn)及工礦23242191.30%87.50%用地水體13131292.31%92.31%未利910888.89%80.00%用地合計(jì)256256234總精度=209/256= 91.41 %表5-6和5-7顯示了決策樹分類中，園地和未利用地的分類精度明顯有所提高，分別為：91.67%和80.00% ,林地和園地錯(cuò)分現(xiàn)象明顯減少，12個(gè)園地樣點(diǎn)中，只有 1個(gè)被誤分為耕地，同樣，在 10個(gè)未利用地樣點(diǎn)中，只有 2個(gè)樣點(diǎn)被誤分為居民點(diǎn)及工礦用地。這是因?yàn)樵跊Q策樹分類過(guò)程中，充分利用了地 物的各種特征信息，除了利用園地、耕地、林地之間和未利用地和居民點(diǎn)及工礦用地之間的光

21、譜特征之外，還有效使用了其他的特征信息，如紋理信息，通過(guò) NDVI可以很好的初步分離耕地、園地和林地，利用纓 帽變換的亮度、濕度和綠度信息可以很好的區(qū)分未利用地和居民點(diǎn)及工礦用地，在初步分類結(jié)果的基礎(chǔ)上，通過(guò)GIS輔助數(shù)據(jù)，像高程和坡度等信息，可以進(jìn)一步分離混分部分，使分類精度大大提高。兩種分類精度評(píng)定及結(jié)果分析對(duì)兩種分類方法的分類結(jié)果分別進(jìn)行精度評(píng)定最后得到了兩種分類方法三個(gè)時(shí)期總體分類精度:表5-8兩種分類方法的分類精度比較年份最大似然法決策樹分類法文案大全實(shí)用標(biāo)準(zhǔn)方法總體精度Kappa系數(shù)總體精度Kappa系數(shù)198884.7 %0.784687.89 %0.8288年199676.95

22、 %0.694987.89 %0.8290年200381.64 %0.746191.41 %0.8751年從上述表格兩種方法分類結(jié)果的比較可以看出:(1)決策樹分類方法從整體上優(yōu)越于最大似然法，而且整體上比較平均， 該方法在各單項(xiàng)地物類型的分類精度之間相差比較小，分類結(jié)果較為滿意，總精度達(dá)到了85 %以上，均達(dá)到最低允許判別精度0.7的要求(Lucas I F J , 1994 )。(2)基于知識(shí)的決策樹分類方法是提高遙感影像土地利用/覆被自動(dòng)分類精度的有效途徑之一，其關(guān)鍵在于知識(shí)的獲取與規(guī)則的創(chuàng)建，只有在對(duì)地類光譜特征、幾何特征、地類間相互關(guān)系、地類變化規(guī)律、 地學(xué)分布規(guī)律等知識(shí)認(rèn)真分析的基

23、礎(chǔ)上建立合理的規(guī)則，通過(guò)有效地推理判斷才能得到高質(zhì)量的分類結(jié)果。本研究在對(duì)金華研究區(qū)地物分布規(guī)律、地物光譜特征分析的基礎(chǔ)上所建立的規(guī)則用于分類取得了較好的效 果，說(shuō)明其規(guī)則的創(chuàng)建是合理而有效的。6 土地利用/覆被變化分析6.1金華市土地利用類型的數(shù)量變化根據(jù)土地利用/覆被遙感圖像分類的結(jié)果，1988年、1996年和2003年金華市各類土地利用/覆被類型的面積和比例的變化，如表 4-1和4-2所示。表6-1 1988年-1996年金華市土地利用總量變化分析表土地利用類型1988 年面積/hm 21996 年面積增加/hm 2變化率%比例%面積/hm 2比例%耕地103476.2450.19677

24、70.7232.87-35705.52-34.51園地2442.961.1915425.647.4812982.68531.43林地87942.3342.65102268.3549.614326.0216.29居民點(diǎn)及工5617.982.7212702.516.167084.53126.10礦用地水體3111.031.515589.92.722478.8779.68未利用地3586.051.742419.471.17-1166.58-32.53合計(jì)206176.59100206176.591000.000.00文案大全實(shí)用標(biāo)準(zhǔn)表 6-2 1996年-2003年金華市土地利用總量變化分析表土地利

25、用類型1996 年面積/hm 2比例%2003 年面積/hm 2比例%面積增加/hm 2變化率%耕地67770.7232.8772926.7335.375156.017.61園地15425.647.488804.254.27-6621.39-42.92林地102268.3549.6101124.2749.05-1144.08-1.12居民點(diǎn)及工12702.516.1615782.677.653080.1624.25礦用地水體5589.92.725588.462.71-1.44-0.03未利用地2419.471.171950.210.95-469.26-19.40合計(jì)206176.5910020

26、6176.591000.000.006.2金華市土地利用類型轉(zhuǎn)換變化單純看面積增加或減少，難以反映土地利用的內(nèi)部結(jié)構(gòu)變化。 為揭示各土地利用類型的內(nèi)部轉(zhuǎn)移特征， 基于1988年、1996年和2003年金華市土地利用分類圖，利用ArcGIS軟件中空間分析模塊的疊加功能, 分別將每?jī)蓚€(gè)時(shí)期分類圖像疊加，得到土地利用面積轉(zhuǎn)移矩陣(表 6-3、表6-4和表6-5)。表6-3 1988 1996金華市土地利用轉(zhuǎn)換矩陣( Unit : hm 2)1996 年1988年合動(dòng)態(tài)轉(zhuǎn)移矩陣園地居民點(diǎn)及未利用地計(jì)耕地林地工礦用地水域耕地61793.3713575.9616128.638208.452044.8917

27、20.44103476.24P/%32.5738.7019.694.914.13100.00園地1423.71438.48421.3869.319.4470.652442.96P/%71.0321.023.460.973.52100.00林地2287.62745.2984457.8274.77115.4764.0887942.33P/%65.6021.377.883.311.84100.00居民198點(diǎn)及651.24277.56651.243618.36321.6697.925617.988年工礦用地P/%32.5713.8832.5616.094.90100.00水域131.0468.131

28、34.46161.372580.9334.833111.03P/%24.7312.8625.3830.466.57100.00未利1483.74318.42475.2369.63501.66437.43586.05用地P/%47.1210.1115.0911.7415.93100.001996年合計(jì)67770.7215425.64102268.3512701.525589.92419.47206176.59文案大全實(shí)用標(biāo)準(zhǔn)總的來(lái)說(shuō)，耕地和未利用地一直在減少，耕地減少的最多，是其他用地的主要來(lái)源；居民點(diǎn)及工礦用 地的面積呈大幅度地增加，主要來(lái)自于耕地；林地、園地、水域面積有不同程度的增加。1）耕

29、地轉(zhuǎn)換分析耕地在前期（ 1988年1996年）向各種類型均有不同程度的轉(zhuǎn)變，其中主要向園地、林地和居民點(diǎn) 及工礦用地轉(zhuǎn)變，轉(zhuǎn)化量分別為13575.96 hm 2、16128.63 hm 2、8204.54 hm 2,分別占由耕地轉(zhuǎn)換為其他用地總量的32.57 %、38.7. %和19.69%,在后一時(shí)期（1996年2003年）耕地有稍微的增加，主要 由林地、園地、居民點(diǎn)及工礦用地轉(zhuǎn)化而來(lái)，分別為 8088.21 hm 2、8047.98 hm 2、3402.36 hm 2?？偟?來(lái)說(shuō)，耕地面積一直在減少，從 1988年到2003年，主要轉(zhuǎn)化為園地、林地和居民點(diǎn)及工礦用地，分別 達(dá)到了 6732

30、.99 hm 2、15919.29 hm 2、11062.26 hm 2,占用由耕地轉(zhuǎn)為非耕地的 18.14 %、42.88 %和 29.80 %。2）園地轉(zhuǎn)換分析園地的變化起伏比較大，先增加后減少。前期主要是大幅度地增加，轉(zhuǎn)出主要是變?yōu)楦睾土值兀?加的面積主要由耕地而來(lái)，達(dá)到了13575.96 hm 2,后期面積逐漸減少，到 2003年時(shí)主要轉(zhuǎn)向了耕地和園地，分別為 8088.21 hm 2、327402 hm 2,占了由園地變?yōu)榉菆@地總量的62.09 %和25.13 %。總趨勢(shì)是園地面積在增加，由 1988年的2442.96 hm 2至U 2003年的8804.25 hm 2,主要來(lái)自耕地和林地。3）林地轉(zhuǎn)換分析林