延河流域土地利用/覆被变化模型的尺度转换方法

采用延河流域和安塞县2000和2006年的土地利用/覆被遥感影像,结合实地调研获取的2000-2006年该区域生态建设尤其是退耕还林还草数据,分别在流域尺度和县域尺度上,采用主成分分析法对延河流域及位于延河流域上中游的安塞县土地利用/覆被变化及其驱动力进行了分析,建立了耕地面积变化的驱动力模型.研究表明,在这两个尺度上,影响耕地面积变化的关键因素都是总人口和农作物播种面积.以此为基础,基于不同尺度上共同驱动力因子之间的相互关系,建立了不同尺度上耕地变化模型的尺度转换方法.对于不同尺度的土地利用/覆被变化模型,无论其模型形式的复杂程度如何,只要不同尺度上的关键驱动因子相同或存在明确的定量关系,就可以基于关键驱动力因子的定量关系进行不同尺度上土地利用/覆被模型的尺度转换.研究成果为土地利用/土地覆被变化的尺度转换方法研究提供了新思路.     

中国北方农牧交错带土地利用变化驱动力的尺度效应分析

“可塑性面积单元问题”是对面积数据进行空间统计分析时不可回避的问题。该文以我国北方农牧交错带土地利用变化驱动力研究为契机,探讨了由于“可塑性面积单元问题”的存在而导致的土地利用变化驱动力研究中的尺度效应问题。通过构建土地利用变化驱动力模型,探究了20世纪80年代以来我国北方农牧交错带土地利用变化的驱动机制。研究表明,反映驱动因子与土地利用变化(耕地扩张与草地收缩)关系的Exponent Beta系数随研究尺度的变化而发生显著变化,反映了在研究土地利用驱动力时进行多尺度分析的必要性。     

LUCC驱动力模型研究综述

驱动力研究是土地利用变化研究中的核心问题。土地利用变化驱动力模型是分析土地利用变化原因和结果的有力工具，模型通过情景分析可为土地利用规划与决策提供依据。基于不同理论的驱动力研究方法很多，论文选取了几种国内外应用较多的LUCC驱动力模型进行综述，分析了每个模型的优缺点及适用范围，最后得出结论：1) 基于过程的动态模型更适于研究复杂的土地利用系统。2) 基于经验的统计模型能弥补基于过程的动态模型的不足。3) 基于不同学科背景的模型进一步集成将是LUCC驱动力模型未来的发展趋势。     

区域土地利用变化驱动力研究进展与展望

剖析了区域土地利用变化驱动力的概念和内涵,通过对国内外土地利用变化驱动力研究进行系统的分析比较,归纳了土地利用变化的主要驱动因素,概括了驱动力的基本特性,着重分析了土地利用与土地覆被变化的驱动力机制及其模型研究进展,并总结了各个模型的特点及其适用范围。最后提出了未来土地利用变化驱动力研究的发展趋势,以期为土地利用/覆被变化研究提供借鉴。     

塔里木河干流土地利用/覆盖变化的社会经济驱动力分析

土地利用/覆盖变化的驱动力分析是土地利用/覆盖研究的一个主要核心内容。利用相关分析和主成分分析,探讨土地利用变化的社会经济驱动力。在驱动力分析的基础上,建立人口因素与土地利用程度的分异模型,并通过干扰度指数的计算,分析人类活动对不同景观类型的干扰强度。研究结果表明：研究区土地利用变化的主要社会经济驱动力为：人口因素、经济因素、技术因素和区域社会经济发展程度等。人类活动对建设用地的干扰强度最大,其次是林地、耕地和水域,而对于其他景观类型的干扰度则不甚明显。人口密度与土地利用程度的分异模型适用于分析现阶段人口密度与土地利用程度之间的关系,而且还可以通过预测未来人口变化状况进行土地利用程度的预测。     

基于Multi-Agent System的多尺度土地利用变化模型的构建与模拟

通过土地利用情景变化模型反映多尺度的土地利用现象,是学者们研究的焦点问题。本文基于MAS理论,构建从地块到村庄的多尺度土地利用变化模型,揭示微观层面不同尺度上土地利用变化的机制。应用该模型,以陕西省米脂县孟岔村为例进行研究,定量分析该村农户个体、农户群体和农户整体等不同尺度上的土地利用决策,并通过与2008年实际土地利用变化数据对比和分析,对构建的多尺度土地利用变化模型进行检验。通过分析,认为:(1)基于MAS的多尺度农户土地利用变化模型可较好地反映微观土地利用决策和空间的多尺度变化;(2)构建用 连续数值表示的农户土地利用决策与实际状况比较符合;(3) 本文为不同农户群体间的转化方法、农户间相互作用,以及市场与政策因素的作用等方面的研究打下坚实的基础。     

基于蚁群规则挖掘算法的多特征遥感数据分类

蚁群算法作为一种新型的智能优化算法,已经成功应用在许多领域,然而应用蚁群优化算法进行遥感数据处理则是一个新的研究热点。蚁群规则挖掘算法是基于分类规则挖掘进行分类,能够处理多特征的数据。因此,论文将蚁群规则挖掘算法应用到多特征遥感数据分类处理中,并采用北京地区的Landsat TM和 Envisat ASAR数据作为实验数据,对选择的遥感数据进行了多特征分类实验。实验结果分别与最大似然分类法、C4.5方法进行对比,分析表明:1)蚁群规则挖掘算法是一种无参数分类的智能方法,具有很好的鲁棒性,2)能够挖掘较简单的分类规则;3)能够充分利用多源遥感数据等。它可以充分利用多特征数据进行土地覆盖分类,从而能够提高分类的效率。     

区域土地利用变化信息图谱模型研究

信息图谱为区域土地利用变化提供了一种谱系化、定量化与定位化相结合的研究方法,借助信息图谱模型探讨区域土地利用变化及其时空过程的多维性与复杂性,为土地利用变化的驱动力诊断、机理模型与预测模型的构建提供科学依据。选取吉林省长岭县为研究区,在遥感与GIS技术支持下,以土地利用时空演变模式、空间扩展过程、景观特征等为框架,建立土地利用变化信息图谱模型,对图谱方法在土地利用变化研究中的应用进行实证分析。     

土地利用/土地覆被时空分布100 年数字重建 ——-以大庆市杜尔伯特蒙古族自治县为例

长时间序列的土地利用/ 土地覆被数据是开展全球变化、可持续发展及生态安全等各项研究的重要基础。然而,早期的土地利用/ 土地覆被数据,特别是卫星遥感数据出现之前 的土地利用/ 土地覆被信息通常很难获取。利用TM、MSS 遥感影像数据和地形图、气候、地质、地貌、土壤、植被、水文等自然环境背景图件以及数据,社会经济统计数据等多源数 据,选择大庆市杜尔伯特蒙古族自治县作为典型案例区,在GIS 技术支持下建立了土地利用/ 土地覆被数字重建模型,再现了典型研究区20 世纪30 年代和50 年代土地利用/ 土地覆被空间分布状况。通过野外调查和历史文献资料对土地利用数字重建结果进行精度评价并初步得到以下结论：① 采用逐个图斑跟踪记录的方法对研究区各个时期土地利用/ 覆被变化的敏感 性进行分析,有利于揭示区域土地利用/ 土地覆被变化的规律;② 在定量、定位分析环境背景对土地利用/ 土地覆被分布及其变化的影响基础上,综合判断各种土地利用/ 土地覆被分布概率,其结果可为土地利用数字重建提供依据;③ 对1:10 万地形图提取土地利用信息的可行性与可信度分析表明,地形图中土地利用信息完全能够达到一级土地利用分类精度,同时疏林地、灌木林、沼泽地、盐碱地、沙地等二级分类信息也能获取。     

怒江小流域土地利用变化及人文驱动力分析--以茶山小流域为例

通过实地调查和两期土地利用现状数据对比以及对农户的访谈,分析研究怒江茶山小流域土地利用现状及时空变化特征,从人文地理视角研究人地关系地域系统,分析导致土地利用变化的驱动力,为确立可持续发展背景下土地利用优化模式及产业结构的优化提供重要前提和科学依据。     

海湾型半城市化地区空间形态演化模拟

元胞自动机（CA）是模拟城市土地利用演变过程的有效工具,转换规则和元胞邻域是元胞模型的核心。综合考虑元胞邻域的距离衰减效应,基于模拟退火算法（SA）挖掘最优的转换规则,文章构建了一种考虑邻域衰减的城市演化模型（SA-NDCA）。模型以负幂指数函数作为元胞邻域的衰减曲线表示元胞邻域的距离衰减效应;运用模拟退火优化算法计算城市CA模型模拟结果与样本点的累积差异,在目标解空间快速搜索以提取最优的转换规则;最后以厦门市半城市化地区为研究案例,模拟了研究区域1995―2010年期间的城市空间形态演化,通过混淆矩阵和Kappa系数评价了模型的模拟精度,1995―2010年期间的建设用地模拟精度为68.5%,总体精度达到86.2%,Kappa系数达到66.3,取得了较好的模拟效果。利用提出的SA-NDCA模型,成功模拟了研究区2010―2020年期间的城市空间形态演化,结果显示,所预测的演化情景与中国当前实施的新型城镇化战略十分契合。     

基于QUEST决策树的遥感影像土地利用分类——以云南省丽江市为例

土地利用分类精度直接决定土地利用/土地覆被变化相关研究的准确性,而基于决策树的遥感影像分类是近年来提高土地利用分类精度的重要方法。QUEST决策树在影像解译和空间表达方面,运算速度和分类精度均优于普通CART等决策树方法。本文以云南丽江地区为例,应用QUEST决策树分类方法,对该地区的Landsat TM 5影像图进行分类,同时将地形因素、植被指数作为地学辅助数据的因子添加到分类波段中,进行不同特征融合,来处理目标类别间的非线性关系,该方法在处理图像理解知识方面具有更大的灵活性;同时与普通决策树分类法的遥感影像分类的结果相比较,Kappa系数值从原来的0.789提高到0.849.在地形复杂的山地地区,针对TM影像数据,选择基于QUEST决策树分类能够有效提高土地利用分类结果精度。     

A neighbor decay cellular automata approach for simulating urban expansion based on particle swarm intelligence

Simulation and quantitative analysis of urban land use change are effective ways to investigate urban form evolution. Cellular Automata (CA) has been used as a convenient and useful tool for simulating urban land use change. However, the key issue for CA models is the definition of the transition rules, and a number of statistical or artificial intelligence methods may be used to obtain the optimal rules. Neighborhood configuration is a basic component of transition rules, and is characterized by a distance decay effect. However, many CA models do not consider the neighbor decay effect in cellular space. This paper presents a neighbor decay cellular automata model based on particle swarm optimization (PSO-NDCA). We used particle swarm optimization (PSO) to find transition rules and considered the decay effect of the cellular neighborhood. A negative power exponential function was used to compute the decay coefficient of the cellular neighborhood in the model. By calculating the cumulative differences between simulation results and the sample data, the PSO automatically searched for the optimal combination of parameters of the transition rules. Using Xiamen City as a case study, we simulated urban land use changes for the periods 1992–1997 and 2002–2007. Results showed that the PSO-NDCA model had a higher prediction accuracy for built-up land, and a higher overall accuracy and Kappa coefficient than the urban CA model based on particle swarm optimization. The study demonstrates that there exist optimal neighborhood decay coefficients in accordance with the regional characteristics of an area. Urban CA modelling should take into account the role of neighborhood decay.     

基于CA-ABM模型的福州城市用地扩张研究

以中国海西地区重要门户福州市为研究区,结合其地理位置多层次约束性条件,以地理加权回归模型作为元胞自动机(CA)层的转换规则,同时以2000-2015年多期LandsatTM/ETM+影像的城市用地情况为参照,借助GIS空间分析技术,对CA和多智能体(ABM)相耦合的城市用地扩张模型进行改进。然后利用传统的和改进后的CA-ABM模型,多角度、多层次地模拟福州市2000年、2005年、2010年、2015年城市用地扩张在微观格局上的变化。结果表明,传统的和改进后的CA-ABM模型的整体精度均在80%以上,模拟结果具有较强的可信度;改进的 CA-ABM模型模拟的点对点总体精度和Kappa系数均高于传统的CA-ABM模型,而且模拟结果更加接近实际的城市用地扩张分布情况。结论可为平衡城市化进程和合理规划城市用地提供重要的理论技术支撑。     

Modeling spatially non-stationary land use/cover change in the lower Connecticut River Basin by combining geographically weighted logistic regression and the CA-Markov model

Simulating land use/cover change (LUCC) and determining its transition rules have been a focus of research for several decades. Previous studies used ordinary logistic regression (OLR) to determine transition rules in cellular automata (CA) modeling of LUCC, which often neglected the spatially non-stationary relationships between driving factors and land use/cover categories. We use an integrated geographically weighted logistic regression (GWLR) CA-Markov method to simulate LUCC from 2001–2011 over 29 towns in the Connecticut River Basin. Results are compared with those obtained from the OLR-CA-Markov method, and the sensitivity of LUCC simulated by the GWLR-CA-Markov method to the spatial non-stationarity-based suitability map is investigated. Analysis of residuals indicates better goodness of fit in model calibration for geographically weighted regression (GWR) than OLR. Coefficients of driving factors indicate that GWLR outperforms OLR in depicting the local suitability of land use/cover categories. Kappa statistics of the simulated maps indicate high agreement with observed land use/cover for both OLR-CA-Markov and GWLR-CA-Markov methods. Similarity in simulation accuracy between the methods suggests that the sensitivity of simulated LUCC to suitability inputs is low with respect to spatial non-stationarity. Therefore, this study provides critical insight on the role of spatial non-stationarity throughout the process of LUCC simulation.     

Spatiotemporal analysis of rural–urban land conversion

Understanding the complexity of urban expansion requires an analysis of the factors influencing the spatial and temporal processes of rural–urban land conversion. This study aims at building a statistical land conversion model to assist in understanding land use change patterns. Specifically, GIS coupled with a logistic regression model and exponential smoothing techniques is used for exploring the effects of various factors on land use change. These factors include population density, slope, proximity to roads, and surrounding land use, and their influence on land use change is studied for generating a predictive model. Methods to reduce spatial autocorrelation in a logistic regression framework are also discussed. Primarily, an optimal sampling scheme that can eliminate spatial autocorrelation while maintaining adequate samples to allow the model to achieve the comparable accuracy as the spatial autoregressive model is developed. Since many of the previous studies on modeling the spatial complexity of urban growth ignored temporal complexity, a modified exponential smoothing technique is employed to produce a smoothed model from a series of bi‐temporal models obtained from different time periods. The proposed model is validated using the multi‐temporal land use data in New Castle County, DE, USA. It is demonstrated that our approach provides an effective option for multi‐temporal land use change modeling and the modeling results help interpret the land use change patterns.     

基于机载成像光谱数据的宜兴市土地利用/土地覆盖分类方法对比研究

对宜兴市机载成像光谱数据辐进行射畸变纠正、几何精确纠正和辐射定标等预处理,获得高光谱反射率图像。利用相关系数、均方差、离散度等统计特征进行面向土地利用/土地覆盖目的的波段优选,采用高光谱像元提纯分析工具获得分类所需的终端单元,并利用终端单元进行了研究区土地利用/土地覆盖分类对比研究。研究发现:最大似然法分类精度低,整体精度为84.89%,而二进制编码、神经网络分类和光谱角分类方法精度较高,整体精度分别为87.12%,88.75%,90.41%。这说明光谱角分类是最有效的高光谱影像土地利用/土地覆盖分类方法,文章研究采用的高光谱预处理以及波段选择方法是正确的。     

CA-Markov模型的空间尺度敏感性研究

以广州市花都区为研究区,研究利用CA-Markov模型进行土地利用变化模拟的空间尺度敏感性特征,结论如下:①元胞尺寸的选择会明显影响模拟结果,元胞尺寸越大,模拟结果精度越低。模型中存在元胞尺寸的阈值,当元胞尺寸超出该阈值时,模拟结果的精度急剧下降,因此对于元胞尺寸的选择必须要慎重。②邻域类型的选择也会对模拟结果产生影响。采用3×3冯诺依曼邻域的模拟结果会比3×3摩尔邻域和5×5摩尔邻域生成更多的斑块数量和更高的斑块密度,但是模拟结果的Kappa系数值相差不大。     

NPP-VIIRS热红外数据地表温度反演方法研究

地表温度作为监测陆地表面与大气变化的重要参数,对于研究地表能量平衡和全球气候变化具有重要作用。可见光红外成像辐射仪套件（Visible Infrared Imaging Radiometer Suite,VIIRS）是搭载在新一代对地观测卫星NPP上的一个重要传感器。与其他传感器相比,VIIRS拥有更高的空间分辨率。分裂窗算法是反演地表温度最常用的方法,主要是利用两个热红外通道来反演地表温度,经过多年的研究和改进,发展了多种形式的分裂窗算法。由于过去很少有人利用VIIRS数据对多种分裂窗算法进行对比分析,因此利用VIIRS传感器上M15和M16两个热红外通道数据计算辐亮度和星上亮温,采用多种形式的分裂窗算法反演获得多组地表温度数据,再利用海拉尔野外观测站点的实测数据对结果进行验证,对比各算法精度,得到反演精度较高的算法。结果显示PR84算法的反演误差最大达到1.8 K,其余各算法反演地表温度的RMSE都在1.5 K以内,算法中加入二次项和水汽项可以提高算法精度,其中BL95的算法精度最高达到了1.23 K。研究结果表明,BL95算法更适用于VIIRS热红外数据地表温度反演。     

分区控制和分层提取下的OMIS-I影像土地利用/覆盖分类方法研究

针对宜兴试验区128波段OMIS—Ⅰ机载成像光谱数据,在平原区、山区分区基础上建立多级分层决策树综合分类方法。通过该方法可实现对土地利用／覆盖一级类（林地、园地、水域、耕地）自动分类,精度达88．15％,Kappa指数为0．82,园地漏分率最高（20．23％）,耕地漏分率最低（2．24％）;耕地、林地、园地、水域的错分率分别为21．87％、21．98％、0．66％、0。土地利用／覆盖二级分类也可采用分层自动分类,其总体精度达86．16％,Kappa指数为0．81。采用土地利用矢量数据辅助和人工目视解译对部分二级类别进行细分,可获得更加可靠的分类结果。研究表明,分区控制下的多级分层决策树综合分类方法应用于OMIS—Ⅰ高光谱影像土地利用／覆盖分类,具有可操作性和较高的精度。