基于微波数据与光学数据集成的机器学习技术在作物产量估算中的应用

各类光学植被指数已成功地应用于各种植被监测与作物产量估算中,但这些指数易受大气状况的影响。由星载微波辐射计得到的植被光学厚度数据（VOD）与植被密度、含水量密切相关,数据可全天候获得,在农业遥感监测中呈现着巨大的潜力。作为来自不同传感器的遥感数据,微波遥感数据与光学遥感数据可以提供不同波长范围内的植被信息。为了更准确地进行作物产量估算,本研究提出将微波遥感数据与光学遥感数据共同应用于冬小麦单产估算中。研究选择L波段微波辐射计SMAP卫星的VOD数据与MODIS的标准归一化植被指数NDVI、增强型植被指数EVI、叶面积指数LAI、光合有效辐射分量FPAR数据作为研究变量,分别使用BP神经网络、GA-BP神经网络和PSO-BP神经网络建立冬小麦产量估算模型。结果表明： 3种神经网络回归模型的P值均小于0.001,通过了显著性检验。GA-BP神经网络回归模型的估算值与真实值在3种神经网络回归模型中表现了最高的相关性（R=0.755）与最低的均方根误差（RMSE=529.145 kg/hm²）,平均绝对误差(MAE=425.168 kg/hm²)和平均相对误差（MRE=6.530%）。为了分析多源遥感数据的结合在作物产量估算中的优势,研究同时构建了仅使用NDVI和LAI,使用NDVI、EVI、LAI、FPAR等光学数据进行冬小麦产量估算的3种GA-BP神经网络回归模型作为对比。结果表明,使用微波遥感数据与光学遥感数建立的GA-BP神经网络回归模型较上述3种作为对比的GA-BP神经网络回归模型的相关系数R值分别提高了0.163,0.229与0.056,均方根误差RMSE分别降低了122.334、158.462和46.923 kg/hm²,使用多源遥感数据的组合可以很好地提高作物产量估算的准确性。     

1980—2020年中国九大流域蒸散发及其组分时空评估

蒸散发是地表陆气水分交换的纽带,准确量化蒸散发的时空演变格局对于水资源规划与管理至关重要。本文基于GLEAM模型的蒸散发及其组分数据集,借助7个通量观测站数据、120个流域的流域水量平衡及PML_V2蒸散发产品,在中国九大流域系统评估了GLEAM-ET产品,分析了植被恢复背景下,蒸散发（ET）及其组分（植被蒸腾Ec,截留蒸发Ei,土壤蒸发Es）在1980—2020年的时空演变格局。本文主要得到以下结论：① GLEAM-ET产品在中国九大流域具有较好的适用性,其性能与气候类型有关,干旱区效果优于湿润区。此外,GLEAM与PML_V2模型在九大流域相关性较好（R>0.7）,分布格局与变化趋势整体保持一致。② 全国尺度上,ET均值为416.88 mm,增长速率为1.21 mm/a。Ec与ET均呈自东南向西北递减的分布格局,而Es与其相反。Ec、ET在九大流域均呈显著增加趋势（p<0.001）。Ei、Es在季风区流域分别呈显著增加和显著减小趋势;在内陆区流域呈不显著减小（p>0.05）和显著增加趋势。③在植被恢复背景下,ET组分比例发生了变化。Ec占比变化存在南北差异,南方流域Ec占比均减小,北方流域均增加。Ei占比在各流域均增加,Es占比均减小。黄河流域ET组分对植被恢复的响应最为明显,Ec占比增加了5.21%,Es占比减小了5.56%。     

三峡库区典型样带潜热通量遥感反演与验证

本文以三峡库区腹地的部分地区为典型样带,利用遥感数据的时效性和区域性优势,结合常规气象数据,定量反演样带地表潜热通量,并对比验证遥感反演方法的可行性和可靠性。结果表明：潜热通量在不同地表覆被状况下呈现较大差异,城镇居民区和无植被覆盖区一般在20~80W·m^-2;人工林场、山区森林及草灌和山前农作区在180~280W·m^-2;水体则分布在420~470W·m^-2,潜热通量整体呈现出随地表覆被变化而变化的空间异质性。此外,由于库区地表覆被类型多样,并受到山区起伏地形地貌的影响,潜热通量在空间分布上的地形分异特征也较显著。     

基于广义回归神经网络的京津冀地区土壤湿度遥感逐日估算研究

土壤湿度是地表水热交换过程和水文循环中的一个关键组成部分,获取高时空分辨率的土壤湿度数据一直是当前研究的热点。SMAP（Soil Moisture Passive and Active）主被动微波土壤湿度产品的精度高,但存在着空间分辨率低和时间分辨率缺失的问题,这限制了其在区域尺度上的应用,为解决这一问题得到更高时空分辨率的土壤湿度产品,本文利用广义回归神经网络模型（GRNN）模拟了MODIS地表温度、反射率、植被指数光学/热红外遥感数据以及高程、坡度、坡向、经纬度数据与SMAP土壤湿度的关系,从而将京津冀地区SMAP L2土壤湿度产品的时间分辨率由不连续（4~20 d）提升至1 d,空间分辨率由3 km提升至1 km,并扩展其在京津冀地区的空间覆盖范围。研究发现:① GRNN模型总体验证结果表明土壤湿度估算值与SMAP原始值的相关性较高（r=0.7392）,均方根误差（RMSE）为0.0757 cm3/cm3;② 不同季节典型日期的GRNN模型估算结果精度相差较大,春季处的相关性相比其他季节最低,精度相对较高（r_春=0.6152,RMSE_春=0.0653cm3/cm3）,秋季和夏季土壤湿度估算精度较为接近（r_夏=0.6957,r_秋=0.7053,RMSE_夏=0.0754cm3/cm3,RMSE_秋=0.0694cm3/cm3）,冬季的估算精度最高（r_冬=0.8214,RMSE_冬=0.0367cm3/cm3）;③ 2016年京津冀夏秋季节的土壤湿度较其他季节要显著提高,空间分布上坝上高原区域较低,而沿海地区的土壤湿度明显较高。本研究对京津冀地区的生态水文、气候预测以及干旱监测等应用领域具有重要价值。     

东北地区TRMM数据降尺度的GWR模型分析

利用东北地区2000-2010年93个气象站点观测数据作为“真实值”,对TRMM降水数据进行精度验证,发现研究区TRMM降水数据与观测数据之间具有明显的线性相关性,且TRMM降水数据数值偏大于观测值,表明TRMM降水数据在东北地区具有一定的可信度。对东北地区多年平均、2001、2010年的TRMM数据,进行GWR模型降尺度研究,得到1 km的新降水数据,并与全局OLS回归模型进行对比。结果表明：（1）相比全局OLS回归模型,GWR模型的降尺度结果可获得更好的R与RMSE,说明GWR模型更适用于东北地区TRMM数据的降尺度研究;（2）东北地区GWR模型的降尺度分析结果与观测数据之间的相关系数在0.44-0.97之间,且分布较分散;（3）经过降尺度的TRMM降水数据,在空间分辨率上有较大提高,能更真实地反映研究区的降水特征,为该数据小尺度的应用研究奠定基础。     

干旱区草原地上植被生物量估算——以乌图美仁大草原芦苇植被为例

草原是干旱区生态系统中重要的可再生资源。本文基于草本植被的结构特征,利用ASAR和TM数据,结合MIMICS模型,提出了一种估算干旱区草原地上植被生物量的方法。该方法将光学遥感数据容易反演的叶面积指数（LAI）作为反演生物量模型的参数之一,并利用LAI成功估算了单位面积内的草本植被密度。将地上生物量作为输入变量代入改进的MIMICS模型,利用查找表方法,计算出地上植被生物量。然后,将该方法应用于乌图美仁草原的地上植被生物量的反演。结果表明,该方法能够成功地反演干旱区草原草本植被地上生物量,精度达到R²=0.8562,RMSD=0.6263。最后,分析了该方法估算植被生物量的误差来源。     

新疆沙漠地区地表宽波段比辐射率遥感估算

地表比辐射率是估算地表温度以及地表长波辐射的一个重要参数,为了解决遥感影像反演地表比辐射率在裸地的精度不足问题,本文在新疆沙漠地区利用2类数据：① 傅里叶变换热红外光谱仪（FTIR）数据,在2013年、2014年秋天沿2条穿越塔克拉玛干沙漠的沙漠公路测量得到25个点的地表比辐射率数据;② 与FTIR数据同时期的MODIS温度/比辐射率数据MOD11A1、MOD11B1和反射率数据MOD09GA以及反照率数据MCD3A3,利用这2类数据为数据源,估算新疆沙漠地表比辐射率。首先,重新估算了基于MODIS宽波段比辐射率（BroadBand Emissivity, BBE）方程的系数和基于GLASS（Global L And Surface Satellite）BBE方程的系数,由此获得了GLASS BBE和MODIS BBE的修正方程。其次,将修正前后的GLASS BBE与FTIR和MODIS BBE作对比,发现其精度显著提高：① 与FTIR数据对比,修正前后的GLASS BBE方程的决定系数R²值从0.42增加到0.95,均方根误差（RMSE）和偏差（Bias）分别减少了1和3个数量级;② 与MODIS BBE方程数据对比,修正前后的GLASS BBE的R²值从0.69增加到0.91,RMSE和Bias分别减少了1和2个数量级。因此,修正后的基于GLASS和MODIS的BBE方程,极大地提高了遥感影像对裸地尤其是沙漠地区地表比辐射率的反演精度。使用修正后的GLASS BBE方程反演出新疆3个沙漠地区的BBE分布特征。结果表明,塔克拉玛干沙漠由于土地类型较为单一,其BBE值主要为0.88~0.92,而古尔班通古特沙漠以及库姆塔格沙漠受到地形、植被等的影响,BBE值稍微偏高,分别为0.89~0.95和0.89~0.94,沙漠周边稀疏植被区及其边缘地区的值范围为0.95~1.00。本文基于GLASS和MODIS的适用于新疆沙漠的BBE方程,为陆面过程的研究与模拟提供了支持。     

融合多源空间数据的城镇人口分布估算

精细尺度的城镇人口空间分布是分析人类-资源-环境相互关系的重要指标。本文提出了一种融合地理空间大数据和高分辨率遥感数据估计精细尺度城镇人口分布的方法。通过对比各指标与人口相关性,选取R2>0.7的建筑面积、到道路距离、夜间灯光强度、商服中心、EAHSI指数、幼儿园、公园、小学、加油站、医院、公交车站、长途汽车站作为影响人口分布的变量因子。结合城市功能区数据确定人口分布区域,利用随机森林模型对宁波市2018年人口数据进行了500 m格网空间化,从而得出宁波市城镇人口空间分布图。最后,基于随机森林模型的变量因子重要性分析宁波市人口空间分布的影响因素。研究结果表明,本文所提出的城镇人口分布模型在街道尺度的估算精度为81.2%,平均相对误差MRE为0.29、RMSE为3279.89;网格级别的MRE为17.16,RMSE为1149.9,因此模型能精确地反演城镇内部街道人口分布信息。通过对变量因子重要性进行比较,发现建筑面积重要性约为0.22,对宁波市人口估算影响最大;到道路的距离、夜间灯光强度、商服中心、EAHSI（Elevation-Adjusted Human Settlement Index）、幼儿园、公园对宁波市人口估算具有重要作用。本文在格网级别进行的人口分布精度验证对于研究城市精细人口分布具有重大意义。     

融入土壤湿度指标的青藏高原近地表土壤冻融机器学习监测算法

青藏高原作为中低纬度地区最大的高山冻土区,多年冻土和季节冻土广泛分布。高精度的地表冻融监测结果对研究该区域的水热交换、碳氮循环和土壤冻融侵蚀非常重要。本文基于4个青藏高原典型地区的土壤温湿度观测网数据,开展利用LightGBM算法和随机森林算法进行土壤冻融循环监测的研究。在构建土壤冻融监测模型的过程中,发现土壤湿度是影响冻融判别的一个关键因子。使用AMSR2亮温数据和ERA5-Land土壤湿度数据,基于两种机器学习算法判别地表冻融状态,将结果与传统冻融判别式算法进行对比分析。结果表明：相比冻融判别式算法,LightGBM算法在白天和夜间的总体判对率提高了12.09%;14.45%,随机森林算法在白天和夜间的总体判对率提高了13.23%和14.96%。近80%的错分样本分布在-4.0 ℃~4.0 ℃之间,说明2个机器学习算法能够识别出稳定的土壤冻结状态和融化状态。另外,LightGBM算法和随机森林算法得到的日冻融转换天数的平均RMSE降低了112.82和117.00;冻结天数的平均RMSE降低了47.87和53.96;融化天数的平均RMSE降低了37.10和39.80。同时,基于随机森林算法计算了2014年7月—2015年6月青藏高原冻结天数、融化天数、日冻融转换天数。得到的青藏高原冻结天数图,以中国冻土区划图为参考进行精度评价,总体分类精度为96.78%。     

基于静风期污染物的PM2.5排放清单空间精细化方法

有利气象条件之后的静风期,极大降低了PM_2.5跨区域传输的影响,能够揭示本地源的排放状况。本文尝试性引入了静风期污染物分布揭示本地源排放特征的概念,提出了一种基于遥感数据的PM_2.5排放清单空间精细化方法：首先,利用 MODIS MCD19A2反演的ChinaHighPM_2.5数据,构建高时空分辨率PM_2.5数据融合方法;然后,构建唐山市有利气象条件之后的静风期污染物遴选方法（合理风向和风速：有利气象条件为东风,地面10 m高度风速大于3 m/s,其他风向,持续的较大风力5~10 m/s;静风期风速小于1.5~2.0 m/s）;其次,基于遴选的静风期PM_2.5数据分配MEIC清单中的PM_2.5总排放量,同时对比传统插值方法：基于GDP、人口密度、路网、土地利用类型数据,实现清单各污染源PM_2.5的1 km×1 km空间分配;最后,利用WRF-CMAQ模拟数据和地面台站实测数据进行真实性检验。研究结果表明：① PM_2.5数据填补融合方法能够有效提高PM_2.5监测数据的时空分辨率,且与地面监测值显著相关（R²=0.94,RMSE=4.64 µg/m³,NMB=2%,NME=7%）;② 引入有利气象条件后的静风期概念,提出了静风期污染物的遴选方法,有效降低了PM_2.5跨区域传输的影响,更好地反映了本地源排放的空间分布特征;③ WRF-CMAQ模拟方法的精度验证结果表明,该方法较传统面积插值法NME降低7%,NMB降低10%,RMSE降低1.54 µg/m³,R²提高11%。该方法为排放清单的空间精细化提供了新的研究思路。     

中国大陆地区ERA5下行短波辐射数据适用性评估与对比

ERA5地表下行太阳短波辐射数据是欧洲中期天气预报中心（ECMWF）最新的,具有高时空分辨率的再分析产品,该短波辐射产品可作为陆面模式大气强迫数据之一,并在区域气候评估、农业以及太阳能资源等方面具有重要应用。本文利用中国区域2011—2018年经过质控的91个国家级地面辐射站点观测数据,对其在中国大陆地区的适用性进行多时空尺度的评估,并与ERA-Interim、CFSR、MERRA2共3套全球大气再分析产品和1套CERES卫星反演SYN1deg的产品进行了比较。结果表明：① 在月均值尺度上,与其他再分析产品比较,ERA5产品与站点数据的Corr最高（0.939）,RMSE最小（28.309 W/m²）,Bias（15.4 W/m²）略大于ERA-Interim产品（13.2 W/m²）;CERES卫星反演产品与站点数据的Corr为0.955,RMSE为20.042 W/m²,Bias为5.3 W/m²;② 5套产品的辐射值均高于地面观测数据,存在高估现象,总体上,ERA5产品在中国大陆地区的整体精度高于其他再分析产品,但与CERES卫星反演产品还存在一定差距,日均值比较结论亦具有相似规律。③ 分区评估结果表明在再分析产品中,ERA5产品在4个区域与观测数据都有更好的一致性,但5套产品均在南部区域表现不佳。并且与东北和北部区域相比,ERA5产品和CERES卫星反演产品在西部区域和观测数据相比的RMSE和Bias也相对偏大。     

黄河三角洲蒸散的遥感研究

蒸散是水资源管理的一个重要参数。与传统的蒸散计算方法相比 ,利用遥感进行蒸散研究具有快速、准确、大区域尺度及地图可视化显示等特点。 SEBAL模型是一个应用遥感影像收集到的可见光波段、近红外和热红外波段信息对大区域范围进行蒸散计算的模型 ,它是基于地表能量平衡方程 ,通过计算地表净辐射通量 ,土壤热通量和显热通量 ,最后计算出用于蒸散的潜热通量 ,进而计算出遥感影像拍摄时的瞬时蒸散及当天的总蒸散量。本文利用 SEBAL模型采用 ETM+影像对黄河三角洲进行了遥感蒸散研究 ,并对黄河三角洲的蒸散特点进行了分析。蒸散研究对黄河三角洲水资源的合理利用有潜在的指导意义。     

半干旱夏季放牧草地能量收支和地表蒸散量变化特征

以半干旱区域典型夏季放牧草地为研究对象,采用涡动相关法,获取了2012年5月至2013年5月水汽和能量通量观测数据,分析夏季近地层能量收支特征、地表蒸散量变化及其气象控制因子。观测结果显示:生长季有效能量的分配以潜热通量为主,非生长季则以感热通量为主;地表蒸散日总量最大值为3.0mm,日蒸散量大小主要取决于土壤温度、气温和净辐射;降雨量的季节分布是地表蒸散量季节变化的一个重要的影响因子。     

一种湿地河流叶绿素a遥感反演方法

叶绿素a作为一项重要的水质安全评价指标,其浓度的准确监测对水产行业发展、水生态系统平衡和人类饮水安全等有着重要意义。随着对地观测卫星传感器空间和光谱分辨率的提高,遥感技术在河流水质时空变化监测中发挥着越来越重要的作用。本文以新疆巴音布鲁克湿地河流水体为研究对象,同步采集了水体反射光谱和水样,并在实验室对叶绿素a、浊度等水质参数进行测定。首先,基于光谱波段对叶绿素a浓度的敏感性分析,构建了多种光谱指数模型;然后,提出以4.50 mg/m³作为水体叶绿素a浓度分级阈值,利用三波段半分析模型因子D3B与叶绿素a的线性关系建立水体叶绿素a浓度分级标准,进而对比评估了11种经验、半分析模型分别在全部样本数据集和两级叶绿素a浓度数据集中的精度表现;其次,根据各模型精度结果选用三波段半分析模型D3B和蓝绿波段比模型OC₂V4,组成叶绿素a分级反演算法OC₂-D3B,其精度（R²=0.96,RMSE=0.32 mg/m³,MAE=0.24 mg/m³,MRE=5.71%）相比以上2种单一算法提高了50%以上;最后,本文利用Sentinel-2影像,对湿地河流水体叶绿素a浓度的空间分布特征和季节时序模式进行了分析,得到该水域夏季叶绿素a含量最高,春秋季次之,冬季最低的结论。此外,本研究还发现气温相比其他环境因子对水体Chl-a浓度的控制作用更加明显。     

Seasonal variations of the near surfacelayer parameters over the Antarctic ice sheet in Princess Elizabeth Land,East Antarctica

Analysis of sensible heat flux(Qh),latent heat flux(Qe),Richardson number(Ri),bulk transport coefficient(Cd) and katabatic winds are presented by using the meteorological data in the near surface layer from an automatic weather station(AWS) in Princess Elizabeth Land,East Antarctica ice sheet and the data of corresponding period at Zhongshan station in 2002.It shows that annual mean air temperature at LGB69 is-25.6°C,which is 16.4°C lower than that at Zhongshan,where the elevation is lower and located on the coast.The temperature lapse rate is about 1.0°C/110 m for the initial from coast to inland.The turbulence heat flux at LGB69 displays obvious seasonal variations with the average sensible heat flux-17.9 W/m2 and latent heat flux-0.9 W/m2.The intensity(Qh Qe) of coolling source is-18.8 W/m2 meaning the snow surface layer obtains heat from atmosphere.The near surface atmosphere is near-neutral stratified with bulk transport coefficients(Cd) around 2.8×10-3,and it is near constant when the wind speed higher than 8 m/s.The speed and the frequency of easterly Katabatic winds at LGB69 were higher than that at Zhongshan Station.     

融合GNSS水汽、风速与大气污染物的河北省冬季PM2.5浓度预测研究

为提高PM_2.5浓度预测的时效和精度,本文综合大气污染物、GNSS水汽和风速等观测要素,利用FFT与LSTM神经网络方法构建PM_2.5浓度预测模型,开展未来24 h的PM_2.5浓度预测研究。首先对大气污染物、GNSS水汽和风速等观测要素进行快速傅里叶变换,提取各类要素的公共变化周期,获得最佳公共周期为216 h;然后选取最佳公共周期长度的各类要素作为模型输入,24 h序列的PM_2.5浓度作为模型输出,分别以PM_2.5单要素的RBF神经网络和融合大气污染物、风速、GNSS水汽的LSTM神经网络构建PM_2.5浓度预测模型;最后利用实测PM_2.5浓度序列分别对2种模型开展外部可靠性检验,将RMSE和IA作为评价指标进行模型精度评价。研究结果表明,基于FFT-LSTM的PM_2.5浓度预测模型的RMSE和IA分别为16.22 μg/m³和84.36%,模型预测精度较好,可有效预测未来24 h的PM_2.5浓度,该模型可为大气污染防治部门空气质量预测提供参考。     

Modelling plant canopy effects on water-heat exchange in the freezingthawing processes of active layer on the Qinghai-Tibet Plateau

The effect of vegetation on the water-heat exchange in the freezing-thawing processes of active layer is one of the key issues in the study of land surface processes and in predicting the response of alpine ecosystems to climate change in permafrost regions. In this study, we used the simultaneous heat and water model to investigate the effects of plant canopy on surface and subsurface hydrothermal dynamics in the Fenghuoshan area of the QinghaiTibet Plateau by changing the leaf area index(LAI) and keeping other variables constant. Results showed that the sensible heat, latent heat and net radiation are increased with an increase in the LAI. However, the ground heat flux decreased with an increasing LAI. The annual total evapotranspiration and vegetation transpiration ranged from-16% to 9% and-100% to 15%, respectively, in response to extremes of doubled and zero LAI, respectively. There was a negative feedback between vegetation and the volumetric unfrozen water content at 0.2 m through changing evapotranspiration. The simulation results of soil temperature and moisture suggest that better vegetation conditions are conducive to maintaining the thermal stability of the underlying permafrost, and the advanced initial thawing time and increasing thawing rate of soil ice with the increase in the LAI may have a great influence on the timing and magnitude of supra-permafrost groundwater. This study quantifies the impact of vegetation change on surface and subsurface hydrothermal processes and provides a basic understanding for evaluating the impact of vegetation degradation on the water-heat exchange in permafrost regions under climate change.     

同化叶面积指数和蒸散发双变量的冬小麦产量估测方法

同化遥感信息到作物生长过程模拟模型,是估测区域作物产量的重要方法之一。同化变量的选取对同化结果精度至关重要。本文在标定WOFOST作物模型参数的基础上,优化了WOFOST模型的默认灌溉参数。利用ET和LAI作为同化变量,分别构建了时间序列趋势信息的代价函数和四维变分代价函数;采用SCE-UA算法最小化代价函数, 重新初始化WOFOST模型初始参数——作物初始干物质重、作物35 ℃生命期和灌溉量。最后利用MODIS LAI产品（MCD15A3）、MODIS ET产品（MOD16A2）,同化到作物模型估测产量,并对比分析了水分胁迫模式下同化单变量（ET或LAI）和同化双变量（ET和LAI）的估产精度。结果表明：同化双变量ET和LAI的策略,优于同化单变量LAI或ET,双变量策略的冬小麦产量估测精度为R²=0.432,RMSE=721 kg/hm²;单独同化高精度LAI对提高估产精度具有重要作用,其冬小麦产量估测精度为R²=0.408,RMSE=925 kg/hm²;单独同化ET的趋势信息改善了WOFOST模型模拟水分平衡的参数,但是,产量估测精度（R²=0.013,RMSE=1134 kg/hm²）与模型模拟估测产量精度（R²=0.006,RMSE=1210 kg/hm²）相比改善效果有限。本研究为其他区域的遥感数据与作物模型的双变量数据同化的作物产量估测研究提供了参考价值。     

基于FLUS模型和SD模型耦合的中巴经济走廊土地利用变化多情景模拟

中巴经济走廊的规划和建设离不开对走廊沿线土地资源、生态环境空间格局及变化过程的科学认识。未来土地利用变化模拟研究,可为区域土地资源管理、生态环境可持续性和潜在风险评估等研究提供可靠的预测数据。本文通过耦合系统动力学模型（SD）和未来用地模拟模型（FLUS）,并结合中巴经济走廊建设和区域的生态环境政策等设置多种情景对中巴经济走廊进行土地利用模拟,充分发挥2个模型在宏观土地需求模拟以及微观土地分配上的优势。首先根据2009—2015年的历史数据构建并验证了区域土地利用SD-FLUS模型,然后模拟了2016—2030年中巴经济走廊区域惯性发展、投资优先以及和谐发展3种不同情景下的土地利用变化。结果表明：① 历年的总量模拟相对误差均小于9.00%,2015年喀什和巴基斯坦模拟的总体精度均达到90.00%以上、Kappa系数达到0.90以上,说明SD和FLUS耦合模型能有效模拟中巴经济走廊土地利用变化格局,适用于其土地利用变化的情景模拟;② 到2030年,不同情景之间的土地利用存在明显的差异。在3种情景下建设用地均扩张,和谐发展情景扩张速度居中,该情景下喀什建设用地增加了235.17 km²,巴基斯坦增加了4942.80 km²,而扩张最快的投资优先情景下,喀什建设用地增加了265.23 km²（惯性发展情景仅增加163.71 km²）,巴基斯坦建设用地增加了5918.91 km²（惯性发展情景仅增加2861.84 km²）;巴基斯坦和谐情景下的耕地增量（4768.60 km²）不到增长最多的惯性发展情景的一半,喀什耕地在和谐发展情景增加了604.44 km²,不到投资优先情景的3/4;3种情景中只有和谐发展情景下的林地得到了有效的恢复。总体而言,和谐发展情景兼顾了社会经济发展和生态环境保护,是3种情景中最理想的情景。模型模拟结果可为中巴经济走廊的可持续性研究和生态环境评估等提供一定的数据和方法支撑。