❶ 雲南麗江地區土地利用變化的遙感檢測與分析
李喆1 馬潤賡2
（1.北京大學遙感與地理信息系統研究所，北京，100871；2.中國地質大學地球科學與資源學院，北京，100083）
摘要：利用1999年2月和2001年4月2幅TM影像資料和其他輔助資料為資料源，對主成分分析處理後的遙感影像進行計算機自動識別，採用人機互動式解譯方法獲得各種土地利用類型分布信息，並使用地理信息系統的空間分析和數理統計功能分析麗江壩子地區土地利用變化的數量變化，土地利用動態度等特徵，以及各類型之間的轉化情況。結果表明：本區域耕地面積增加了0.27km2，城鄉用地面積增加了0.19km2，水體面積減少了0.11km2，林地和草地基本保持不變；各類型的轉化突出表現為水域向城鄉用地，未利用土地向城鄉用地和耕地轉換。
關鍵詞：土地利用變化；馬爾柯夫矩陣；雲南麗江地區；遙感和 GIS
區域土地利用/覆被變化（LUCC）是全球環境變化研究中的重要領域之一。土地利用變化數據可以提供研究區域土地利用狀況的現實狀況，保證國家及時、准確地掌握土地利用變化情況，為制定國民經濟發展規劃、計劃和宏觀決策提供科學依據［1］。土地利用變化包括時間變化、空間變化和質量變化等三個方面，其中空間變化反映土地利用變化的空間類型、變化類型的空間分布以及區域差異，是土地管理和規劃關注的焦點問題［2］。這一問題的解決關鍵在於如何提取土地利用變化數據以及如何對獲取的信息進行科學的分析處理。遙感技術以其快速、准確、周期短等優點在大中尺度的土地利用/覆蓋變化的監測中具有明顯的優勢。本文利用遙感和 GIS 相結合的方法，通過數理統計分析，描述了麗江壩子地區1999～2001年間土地利用的數量變化和空間變化特徵，為該區域土地管理決策、生態環境保護、資源合理開發等奠定了基礎，對於區域土地可持續發展和利用具有重要意義。
1 研究區概況
麗江位於雲南省西北部［3］，金沙江中游，地理坐標為：99°23′E～101°31′E，25°59′N～27°56′N。四周分別與迪慶州、怒江州、大理州、楚雄州和四川省攀枝花市、涼山州毗鄰，轄麗江納西族自治縣、寧蒗彝族自治縣、永勝縣和華坪縣，國土總面積有931.02km2。由於地處青藏高原和雲貴高原的結合部，屬橫斷山區，地形復雜，山高谷深，長期自然環境相對封閉，形成具有典型特點的垂直自然帶和立體氣候，動植物區系極為復雜，珍稀野生動植物豐富。全區總人口109 萬，包括漢、納西、彝、傈僳、藏、白、普米等23個民族，其中少數民族人口佔57%［3］。
2 研究方法
2.1 研究資料
分別拍攝於1999年2月和2001年4月2幅 LANDSAT－TM 圖像，地面解析度為30m，在研究區域內沒有雲層覆蓋，質量較好；另有1∶1 萬地形圖和1∶5 萬土地利用圖，用於輔助訓練樣區的選擇和目視解譯；還有其他統計資料（氣象、水文、人口、土壤、社會經濟）等。
2.2 主要工作流程
使用遙感圖像信息進行變化檢測的方法主要有三種：分類後比較法，多時相圖像直接求交法和多時相圖像分類法［4］。多時相圖像直接求交法要求兩個時相比較接近，檢測變化信息一般使用圖像差值、比值或主成分分析，操作簡單，但是得不到變化的具體地物類型。本文所使用遙感圖像時間差異接近3個月，不宜使用直接求交法。多時相圖像分類法在使用時要使用靜態類型和動態類型，動態類型的訓練樣本一般不易確定。本文主要使用分類後比較法。
本研究的主要工作流程如圖1 所示：首先使用 PCI 軟體分別對2 幅 TM 圖像進行圖像預處理（如幾何糾正等），並分別對以上兩個時相的影像做主成分分析，然後充分結合各種知識（如地形圖，植被圖等）進行監督分類［3］。監督分類時採用《中國土地利用現狀調查技術規程》規定，將土地利用類型劃分為：耕地，林地，草地，水域，城鄉工礦居民地和未利用土地共6 類。採用人機互動式方法判讀分類結果，並將解譯結果以柵格形式轉入地理信息系統軟體 ARC GIS 中進行數據處理，對二期數據進行空間疊置分析，獲得土地利用變化數據，以此為基礎進行土地利用動態變化分析。
圖1 項目主要工作流程圖
2.3 幾個關鍵技術的處理
2.3.1 遙感圖像的幾何配准
兩個時相遙感圖像的幾何配準是動態變化研究的基礎。為了便於利用地學信息進行輔助分析，可以將遙感圖像配准到大地坐標系中。本文選擇1∶1 萬地形圖為基準，在遙感圖像上均勻選擇12個地面控制點，使用二次多項式擬合，灰度采樣方式為雙三次卷積，進行幾何配准和灰度重采樣處理。結果總體均方誤差為0.624，配准誤差小於1個像元，滿足土地利用動態監測的要求。
2.3.2 遙感圖像的主成分分析
主成分分析（又稱主分量變換）是一種盡可能不丟失信息用幾個綜合性指標匯集多個變數的測量值而進行描述的方法［5］。在多光譜圖像中，由於各波段的數據間存在相關的情況很多，通過主成分分析就可以把圖像的大部分信息用少數波段表示出來，使得信息幾乎不丟失但數據量可以減少。本文分別對於二期 LANDSAT－TM 圖像的除熱紅外波段的6個波段採用主成分分析，把獲得的第一到第三主成分進行彩色合成，得到處理後的結果圖像。
2.3.3 結果數據的生成
根據各種輔助資料，在經過主成分分析處理後的二期遙感圖像上選擇6個土地利用類型的訓練樣本，採用最大釋然法進行計算機自動識別。由於遙感影像上存在同物異譜、異物同譜以及混合像元等情況，計算機自動識別在某些類別的區分上不太理想，例如未利用土地和城鎮用地極易發生混淆。實際工作還需要輔助各種實測資料進行目視修正，以得到兩個時相的最終分類結果，然後將分類結果以柵格形式轉入地理信息系統軟體ARC GIS中，對二期數據進行空間疊置分析，獲得土地利用變化數據，並進行必要的數理統計，以便結果分析使用。
3 結果分析
3.1 土地利用變化幅度分析
區域土地利用變化幅度主要體現在不同土地利用類型的面積總量變化上，可以提供區域土地利用變化總態勢和土地利用結構變化信息。
利用二期遙感資料，對麗江壩子地區兩期土地利用數據進行統計分析，得到結果見表1。
表1 1999～2001年土地利用變化表
表1說明，3年來本區域耕地面積增加了0.27km2，城鄉用地面積增加了0.19km2，水體面積減少了0.11km2，林地和草地則基本保持不變。
3.2 土地利用動態度分析
土地利用動態度可以簡單採用單一土地利用動態度和綜合土地利用動態度來描述［6］。其中單一土地利用動態度可定量描述區域一定時間范圍內某種土地利用類型變化的速度，可提供土地利用變化的區域差異和預測未來土地利用變化趨勢；綜合土地利用動態度用於表徵區域土地利用變化的速度。
單一土地利用動態度公式表達式為：
土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集
式中，Ua，Ub分別表示研究初期及研究末期某一種土地利用類型的數量；T表示研究期時段長。
綜合土地利用動態度表達式為：
土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集
式中，LUi 表示研究初期第 i 地物類研究末期轉為其他土地利用的面積；ΔLUi 表示第i地物類研究末期轉為其他土地利用類型的面積；T表示研究時段。
根據公式（1）和（2）計算麗江壩子地區土地利用六種類型的年變化率。結果說明，1999～2001年麗江壩子地區土地利用的年變化率為0.17%，其中城鄉用地和未利用地變化速度最大，年變化率分別達到0.36%和0.21%，林地和草地基本保持不變，耕地和水域的年變化率分別為0.15%和0.09%。
3.3 土地利用區域差異分析
由於地形地貌和氣候等自然條件差異，經濟發展和人口增長速度不同，使得土地利用區域差異顯著。對於土地利用變化的區域差異，可用某一特定土地利用類型相對變化率來表示。相對變化率是一種很好地反映土地利用變化區域差異的方法，其表達式為：
土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集
式中，Kb、Ka分別代表某區域某特定土地利用類型研究初期和研究末期的面積；Cb、Ca分別代表全區域某特定土地利用類型研究初期和研究末期的面積。
根據行政區劃，將麗江劃分成麗江縣、寧蒗縣、永勝縣和華坪縣4個區域，根據遙感數據分別計算6 種土地利用類型的相對變化率，其結果見表2。
表2 1999～2001年土地利用區域差異表
從表2中可以看出，土地利用變化存在明顯差異：①就耕地而言，麗江縣最大，達到1.53，明顯大於永勝縣，寧蒗縣和華坪縣也大於永勝縣；②林地，草地，水域變化各區域差異不大；③城鄉用地的區域差異最為明顯，麗江縣大於其他3縣很多，達到5.36；④未利用地的變化在華坪縣較突出，約為4.89，幾乎是永勝縣的3倍。
3.4 土地利用類型轉換矩陣分析
土地利用類型之間的相互轉化情況，可採用馬爾柯夫轉移矩陣模型來進一步描述［7］。馬爾柯夫鏈是一種具有「無後效性」的特殊隨機過程，它反映的是一系列特定時間間隔下，一個亞穩定系統由n時刻向n＋1 時刻狀態轉換的一系列過程中，n＋1 時刻的狀態只與n時刻的狀態有關。由於土地利用類型演變具有馬爾柯夫隨機過程的性質：①一定區域內，不同土地利用類型之間具有相互可轉化性；②土地利用類型之間的相互轉化過程包含著較多尚難用函數關系准確描述的事件，故可採用馬爾柯夫轉移矩陣模型來描述土地利用類型動態轉換。
馬爾柯夫模型在土地利用類型轉化上應用的關鍵是確定土地利用類型之間相互轉化的轉移概率矩陣P。若採用斑塊相互之間面積的轉移概率為矩陣元素，則轉移矩陣模型為：
土地信息技術的創新與土地科學技術發展：2006年中國土地學會學術年會論文集
式中，Pij為土地利用類型i轉化為土地利用類型j的轉移概率。
遙感圖像計算機自動識別中得到的土地利用變化轉移概率矩陣如表3所示。
表3 1999～2001年土地利用變化轉移概率矩陣單位：%
從表3可以看出：
（1）耕地的增加量主要是來自草地和未利用地，分別佔1.51%和0.21%，減少量大部分轉化為未利用地和草地，各佔4.46%和2.10%。
（2）林地的增加量主要來自於草地和耕地，各有4.06%和1.06%，有1%的林地轉換為草地。
（3）草地的增加量中有2.10%和 1.00%來自於耕地和林地，減少量中有 4.06%和1.51%分別轉化為林地和耕地。
（4）水域有2.32%轉化為城鄉用地，有0.36%轉化為未利用地，有0.18%轉化為林地，表明水體的減少主要受人為因素影響。
（5）城鄉用地的增加主要來自於耕地、未利用地和水域，分別占 0.74%、0.61%和0.39%。
（6）城鄉用地、耕地、草地和林地各有 17.06%、4.46%、0.93%和 0.58%轉化為未利用地，表明本區域土地利用狀況不太好，大量的農田遭到佔用卻未合理開發。
4 結論
土地利用/土地覆被變化（LUCC）研究旨在深入了解土地利用狀況及其變化的動態過程、主導原因及演化機理，以提高人們對土地利用變化的預測、管理、決策和調控能力，對於其數據的獲取和分析處理十分重要。通過對本次研究獲得數據的分析，可以得到如下結論：
（1）1999～2001年間雲南麗江壩子地區的土地利用狀況發生一定的變化。3年來耕地面積增加了0.27km2，城鄉用地面積增加了0.19km2，水體面積減少了0.11km2，林地和草地基本保持不變；各類型的轉化突出表現為水域向城鄉用地、未利用土地向城鄉用地和耕地轉換。
（2）土地利用的年變化率為 0.17%。其中城鄉用地增加速度最快，以平均每年0.36%的速度遞增，未利用地則以0.21%的速度遞減，林地和草地基本保持不變。
（3）土地利用類型相互間的轉化突出表現為水域向城鄉用地，未利用土地向城鄉用地和耕地轉換。3年來本區域共有0.068km2 即2.32%的水域面積轉換為城鄉用地，未利用土地中有0.14km2 和 0.07km2 轉化為城鄉用地和耕地，分別占未利用土地面積的17.06%和5.46%。
參考文獻
［1］朱會議，李秀彬，何書金等.環渤海地區土地利用的時空變化分析［J］.地理學報，2001，56 （3）：253～260
［2］王思遠，劉紀元，張增祥等.近10年中國土地利用格局及其演變［J］.地理學報，2002，57 （5）：523～530
［3］麗江地區地方誌辦公室.麗江年鑒（1997） ［M］.昆明：雲南民族出版社，1997，293～294
［4］李天宏，韓鵬.廈門市土地利用/覆蓋動態變化的遙感檢測與分析［J］.地理科學，2001，21 （6）：537～544
［5］村井俊治等.遙感精解［M］.北京.測繪出版社，1993，12：194～196
［6］王秀蘭，包玉海.土地利用動態變化研究方法探討［J］.地理科學進展，1999，18 （1）：81～87
［7］李忠峰，王一謀，王建華等.基於RS與GIS的榆林地區土地利用變化分析.水土保持學報，2003，6：97～99
❷ 土地利用動態變化分析
通過對1999年～2002年～2004年土地利用數據疊加分析可知，上述3年間土地利用變化明顯，分析統計數據(表9－9，表9－10)可知，和田河流域1999年～2002年～2004年之間土地利用變化的最大特點是耕地增加，林地、天然草地、荒草地的面積減少，湖泊水面以及沙地面積雖然也有減少。但是幅度較小。
1999～2002年間和田河流域耕地增加3.638萬畝，而2002～2004年間耕地增加12.598萬畝，灌溉水田和水澆地均有增加，但主要增加的耕地為水澆地，1999～2002年之間佔新增耕地77%，2002～2004年間佔新增耕地的92%。雖然總體變化趨勢相似，但和田河流域耕地增加特徵與阿克蘇河流域有著明顯差別，首先表現為增加幅度不同，和田河流域表現為2002～2004年間耕地增加的幅度明顯強於1999～2002年間，其次為灌溉水田一直保持增加勢頭。而阿克蘇流域雖然耕地總量增加，但2002～2004年間耕地增加幅度減弱，灌溉水田面積明顯縮小。
表9－9 1999年～2002年～2004年和田河流域土地利用變化統計表
續表
在新增耕地的轉入類型方面，從表9－10分析可知，在2002～2004年間增加的耕地主要是從荒草地和天然草地轉變而來，其次為林地，其中荒草地轉入比例達50.377%，說明流域范圍耕地的增加主要是開墾人工綠洲周圍的林草植被所獲得。
表9－10 和田河流域2002～2004年耕地變化類型轉換表
從耕地增加的空間分布位置與規模分析，流域范圍新增耕地有兩類:一類集中在綠洲與戈壁灘交接地帶(圖版9－3、圖版9－4)，是人工綠洲的慣性擴張，該類新增耕地重要分布在洛浦縣東北部的綠洲邊緣以及和田縣北部邊緣，擴展形式為零星分布，逐漸連通並形成規模;另一類為大規模集中開發，典型區為皮山與墨玉交界處的皮墨懇區。
❸ 土地利用/土地覆被變化研究進展
曹銀貴1，2 王靜1 程燁1，2 郝銀3 許寧1，2
（1.中國土地勘測規劃院土地利用重點實驗室，北京，100035；2.中國地質大學土地科學技術系，北京，100083；3.湖北省荊州市土地整理中心）
摘要：綜合敘述土地利用/覆被變化研究20 多年來的研究進展，總結了在土地利用數量變化研究、驅動力研究、土地利用變化模擬研究方面取得的豐碩成果。一方面是驅動力因子的多樣性；另一方面是土地利用變化模擬方法的交叉性，從數量模擬研究轉向空間模擬研究，從單方法模擬研究轉向多種方法結合的模擬研究，從生物物理驅動力的建模方式轉向生物物理驅動力與社會經濟驅動力相結合的建模方式，未來研究則要加強精度的要求，使其研究成果能真正引導土地利用規劃。
關鍵詞：土地利用/土地覆被變化；驅動力；土地利用變化模擬
土地利用/覆被變化（LUCC）研究於1995年啟動。10餘年間，LUCC 研究始終是全球變化研究的熱點之一，並取得了豐碩的研究成果［1］。除了體現在 LUCC 監測技術、驅動力、生態環境效應和建模研究等不同方面外，LUCC 研究在理論上也取得了非常大的突破。土地利用/覆被變化研究之所以能夠取得重大突破，一方面是因為土地利用/覆被變化是引起其他全球變化問題的主要原因，因而在全球環境變化與可持續發展研究中佔有重要地位；另一方面是因為地球系統科學、全球環境變化以及可持續發展涉及到自然和人文多方面的問題，而在全球環境變化問題中，土地利用/覆被變化可以說是自然和人文過程交叉最為密切的問題［2］。LUCC 的研究起初是從全球變化研究入手，發展到現在，開始重視典型區的研究；從簡單的數量研究發展到空間變化上的研究；從簡單的土地利用轉換的研究發展到生態足跡、能流與物流的轉換研究。總的來看，LUCC 的研究是越來越微觀，在此簡要回顧一下 LUCC 研究的進展。
土地覆被是指存在於地表的植被（自然的或者是種植的）以及人工建築，例如水體、冰面、裸露的岩石、沙地都可以認為是具體的一種土地覆被形式［3］，土地利用則定義為同時包括改變土地生物物理屬性的利用方式和產生這種利用方式的目的［5］。土地利用的形式是多種多樣的，耕地、林地、園地等都是土地利用的類型。從土地覆被與土地利用二者的含義來看：土地覆被主要是指自然的地表形態，而土地利用重在突出人類的社會經濟活動對土地資源的作用，體現出了土地的使用狀況或土地的社會、經濟屬性；因此土地利用和土地覆被構成了土地的兩種屬性［2］。通常情況下，土地覆被的變化會影響土地利用決策，土地利用變化則會導致土地覆被變化，再影響到土地利用決策，從而產生新一輪的土地利用變化［4，5］。由於當代的土地覆被變化主要是人類對土地利用影響造成的，所以認識土地利用變化，是了解土地覆被變化的首要條件。
自20世紀90年代以來，全球環境變化研究領域逐漸加強了對土地利用/覆被變化的研究。「國際地圈與生物圈計劃」（IGBP）和「全球環境變化人文計劃」（IHDP）於1995年共同發起了「土地利用/覆被變化」（LUCC）研究計劃，並於1996年提出了5個關於土地利用/覆被問題及3個焦點［6］。5個框架問題是：①過去的300年中人類的活動是如何改變土地覆蓋的？②在不同的歷史階段、不同地理單元，土地利用變化的主要人為因素是什麼？③在今後50～100年中土地利用變化將如何影響土地覆蓋？④直接的人文和生物物理過程是如何影響特定土地利用類型的承載力的？⑤氣候和全球生物地球化學作用怎樣影響土地利用和土地覆蓋？反之又如何？3個焦點是：①土地利用動態變化——典型對比分析研究；②土地覆被動態變化——直接觀察和診斷模型；③區域的與全球的模式——綜合評價的框架。總的來看，土地利用變化研究主要是理解土地利用變化的原因和結果，同時模擬土地轉換的時空類型［7］。
1 土地利用數量變化研究
區域土地利用變化包括土地利用類型的面積變化、空間變化和質量變化［8］。面積變化首先反映在不同類型的總量變化上，通過分析土地利用類型的總量變化，可了解土地利用變化總的態勢和土地利用結構的變化［9］。目前土地利用的數量變化指標有：土地利用變化的幅度、土地利用變化的速度和土地變化的區域差異。通過各地類之間的轉化，得出土地利用的轉化矩陣。
2 驅動力研究
有關 LUCC 驅動力的研究是探索 LUCC 驅動機制的核心問題［10］。Riebsame 認為土地利用變化的預測研究是很艱難的，因為它需要了解土地利用變化的根本性的驅動力［11］，而土地利用預測模擬研究的先決條件是要確認最重要的驅動力［12］。縱觀國際上土地利用/覆被變化的驅動機制研究，目前主要是通過大量的案例與比較，探討土地利用/覆被變化的動力學機制［13］。Fu Congbin 認為土地利用/覆被變化的驅動力是：氣候變化和人類活動［14］，由此可見驅動力研究指標的選取一方面與自然狀況有關；另一方面與人類活動有關。因此驅動力通常分為生物物理（bio-physical）和社會經濟（socio-economic）兩大類。生物物理驅動力包括自然環境的特徵和過程，例如氣候變化、地形、火山爆發、植物演替、土壤類型和過程、自然資源的有效性等［15］；而社會經濟驅動力則包括人口變化、貧富狀況、技術進步、經濟增長、政治經濟結構以及價值觀念等［6，16，17］。有的時候驅動力與被觀察的土地利用變化在空間或時間上相差甚遠，經常涉及宏觀經濟政策的轉變和政策的變化，這些都是很難預測的［18］。由於不同區域土地利用的驅動機制存在一定的差異，因此驅動力方面的研究都是以單一的區域為研究對象。A.Veldkamp 認為土地利用變化的驅動力因子隨著比例尺的不同而發生變化：在農田比例尺的情況下，主要是由社會性的和易近性的驅動因子在起作用；在景觀研究尺度內，主要考慮的是地形和農業氣候條件；在區域和國家尺度下，氣候、人口和宏觀經濟政策將共同作用［12］。
2.1 生物物理驅動力
對於區域性的土地利用/覆被變化研究而言，生物物理方面的驅動力對土地變化的影響在一個比較短的時間段內是比較小的，通常也是不顯著的。石瑞香的研究表明，自然（氣候）因素並未構成樣帶上近年來土地利用（尤其是耕地）變化的主要驅動力［19］，但是並不是沒有影響的。鄒亞榮在中國農牧交錯區土地利用變化的研究中表明，青藏高原的上升是晚新生代北半球氣候變化的重要驅動力，引起了我國北方氣候的乾旱，對我國農牧交錯區的形成，特別是對東部草地變化產生了影響［20］。葉寶瑩在嫩江中上游地區的土地利用變化研究中選取了高程、坡度作為土地利用變化驅動力的指標，結果表明二者與土地利用變化的線性關系明顯［21］。地貌類型也會影響土地利用的變化，草地受地貌條件的影響與控制較耕地小［22］；城市的邊緣區的土地利用會受到地形的影響，北京城鄉過渡區的土地利用變化的發展趨向，在地域上深受西北部山地的阻力作用，可能會形成不對稱發展［23］。袁俊在湖北省土地利用變化的研究表明，湖北省土地利用年變化率較低，主要是由特殊的地形限制的［24］。趙庚星認為50年前黃河三角洲地區的土地利用變化主要是受氣候因素、風暴潮和黃河改道等自然因素驅動［25］。
2.2 社會經濟驅動力
土地利用是社會的一面鏡子［26］，土地利用變化能夠很好地反映社會經濟發展的歷程。土地資源條件雖是土地利用結構形成的決定性因素（基礎因素），但是對於人類活動而言，這種變化是緩慢的，Elena G.Irwin 認為人類活動是引起土地利用變化的一個主要成分［7］，因此分析社會經濟因素對土地利用變化的作用擺在首要的位置［27］。陳百明認為在社會經濟驅動力方面，土地利用變化與人口增長之間有明顯的聯系，但同時這一變化與技術進步、富裕程度、經濟狀況，以至文化、宗教、軍事等之間也能找到一定的相關關系［28］。並且大部分的案例研究都突出了政策對土地利用變化的重要作用，例如京都草案這一國際性的環境政策將對未來的土地利用變化產生深遠的影響［29］。龍花樓研究表明幾年或幾十年的土地利用變化主要是由人類的社會經濟活動影響所導致［30］。袁俊認為城鎮人口的迅速增長、第二產業的發展、對土地產品的需求變化和交通條件及政府政策等社會經濟驅動力導致了湖北省的土地利用變化［24］。周青在農地利用變化驅動機制的理論分析的基礎上，構建了農地利用變化強度的指標體系，在指標體系中特別引入了鄰近城市的輻射和耕地保護政策對土地利用變化的影響［31］。陳百明為深入分析和認識耕地佔用與 GDP增長的關系，運用了 Decoupling （脫鉤）理論，開展我國耕地佔用與 GDP 增長的脫鉤研究，揭示了我國各類區域耕地佔用與 GDP增長的相互關系的典型模式［32］。王秀蘭認為隨著人口數量的變化，供人類生活、生存所需的耕地資源數量在不斷地變化，因而，耕地的生態環境背景質量發生著相應的變化［33］。對於城市土地利用而言，交通條件對土地利用類型的轉變起到了內因作用，轉化為城鎮用地的土地利用類型與距交通干線的距離有一定關系［13］。
3 土地利用變化驅動力模擬
土地利用系統的復雜性需要多學科的分析［34］。A.Veldkamp 認為土地利用模型應該代表土地利用系統部分的復雜性；能夠檢驗社會和生態系統結合的穩定性［12］。土地利用變化模擬是為了明確土地利用變化的原因，定量地證明多個因素對某一個因素的關系和影響，不同的模擬方法已經在土地利用變化中得到廣泛應用。起初，土地利用變化模擬的研究重在生物物理因子方面的模擬研究，例如海拔、坡度、土壤類型等。後來根據研究的需要，土地利用變化社會經濟驅動力方面的數據整合到模型中［35］。但是社會經濟指標缺少空間上的簡化數據，這樣將很難將社會和自然數據結合起來。A.Veldkamp 認為生物物理過程的空間單元和行為組織者決策的空間單元是不一樣的［12］。
在土地利用變化模擬研究的開始階段，基本上都是從數量上進行研究，後來由於遙感技術、空間地理信息系統技術的發展，從空間上實現了土地利用變化的模擬。同時研究的方法也有很大的提升，從單一方法的模擬研究發展到多種方法的結合。
3.1 土地利用變化的數量模擬
土地利用變化的數量模擬是從數量的角度來分析模擬土地利用變化的過程。彭文甫首先利用因子分析的方法，確定了影響土地利用變化的相關因子，然後採用多元線性回歸分析的方法，預測了土地利用的變化［36］。王波利用多元相關分析的方法對經濟管理體制對土地利用變化進行了模擬，用具體的產值代替了無法量化的經濟管理體制［37］。張海龍利用馬爾柯夫模型，確定了渭河盆地各土地利用類型之間相互轉化的初始轉移概率矩陣，從數量上預測了該研究區土地利用變化［38］。雖然馬爾柯夫模型在土地利用變化數量研究上表現出較好的應用性，但是由於這種預測是以末期和基期的時間間隔為預測單位，所以只能預測時間間隔整數倍的特定時期的情況，其靈活性和適用性受到限制［39］。由於灰色預報模型克服了統計回歸分析方法需要大樣本序列的弊端，吳素霞利用該方法預測了石家莊地區未來15年內耕地面積的變化趨勢［40］。吳普特採用 BP 神經網路的方法對耕地減少進行了預測，將影響耕地變化的各驅動因子作為神經網路的輸入層神經元，將耕地面積作為輸出層神經元，經過反復的訓練模擬，表明採用 BP 神經網路的方法在預測耕地資源減少量時精度較高，可靠性較好［41］。另外還有利用元胞自動機的方法研究土地利用變化，重在空間上的變化模擬。
3.2 土地利用變化的空間模擬
土地利用變化的空間模擬主要是從土地利用/覆被在時間序列上的變化過程進行模擬預測，另外還包括從主要的驅動力入手進行空間上的模擬預測。土地利用變化的空間模擬主要是在一些空間變數間建立關系函數，並模擬預測土地利用變化［42］。眾多學者在高度集聚尺度下進行土地利用變化的空間簡化模型研究，例如單個的景觀元胞。同時利用遙感影像獲得空間研究數據，使與土地利用變化相關的基本地理單元和環境過程概念化［7］。Kasper Kok提出了土地利用轉換及效應（CLUE）模型框架，這是一個合理的少見的空間簡化土地利用模型，該模型用來分析復合比例尺條件下的土地利用變化問題［43］。擺萬奇利用Logistic逐步回歸模型，從空間上確定了主要的驅動因素及其定量關系［10］。葉寶瑩在GIS的支持下，利用空間相關分析篩選出影響土地利用變化的主要因子，並利用空間多元線性回歸函數求得研究區土地利用程度變化模型［21］，目前應用較多的是將多種研究方法綜合起來運用。Bryan C.Pijanowski 將 GIS 和神經網路結合起來研究土地利用轉換模型（LTM），從空間上來模擬土地利用變化的復雜過程，這一模型把社會經濟、政策和環境等變數作為輸入，並建立起了土地利用變化與公路、高速公路、居民點道路、河流、湖岸線之間的空間函數關系［42］。現階段土地利用變化的模擬主要是針對單一的土地利用類型的變化模擬，例如國際上許多學者利用元胞自動機（Cellular Automata）開展城市增長的模擬研究［44，45，46］。有研究者利用神經網路的元胞自動機來模擬復雜的土地利用，整個模型的結構十分簡單，用戶不用自己定義轉換規則及參數，該模型是在ARC/INFO GRID環境下利用AML宏語言寫成［47］。侯西勇運用馬爾柯夫的元胞自動機模型模擬研究區2010年土地利用的數量和空間分布，結果比較可信［48］。
4 土地利用模型的精度分析
土地利用模型的精度分析又叫模型的不確定性評價，反映數據輸入及模型本身存在的不確定性和產生的結果［49］。模型的不確定性包含輸入數據的不確定性和模型結構的不確定，遙感數據的獲取會存在不確定性，例如在其糾正時採用的地面控制點的誤差是不可能消除的，糾正過的遙感數據或圖像產品也始終不能與地面實況完全一致，不同程度上存在著殘余誤差［50］。同時在影像解譯的過程中也會出現適當的誤差而產生不確定性。另外在數據轉換的過程中，比如矢量到柵格的轉換，就會產生新的不確定性。由於模型的結構是基於數學方法，用簡化的數學模型來模擬復雜的行為，這也是一種非常重要的不確定性。為了減小不確定性，應該避開矢量—柵格數據的轉換過程，同時使用高解析度的土地利用數據，在模擬分析的過程中，分類型單獨預測模擬，然後再綜合分析［48］。
為了增強土地利用變化科學的研究，必須從三個方面入手。首先是數據方面的准確性，其次是方法的先進性；再次是理論的新穎性，這三個方面是相互聯系的。在土地利用變化研究的過程中，要重點突出決策層思想，在空間上體現人類活動對土地利用變化的影響。要更好地發展土地利用變化的經濟模型，這需要比較成熟的空間經濟理論作為支撐，這樣才能解釋移民、僱用增長、政府行為的時空類型，這些都會影響到土地利用變化。利用相關模型分析土地利用的環境影響評價、政府決策和政策形成。同時在土地利用變化研究的過程中，應該注重多種方法的結合，選擇精度最優的方法來提高研究成果的可信度與參考性。
參考文獻
［1］路雲閣，蔡運龍，許月卿.走向土地變化科學——土地利用/覆被變化研究的新進展［J］.中國土地科學，2006，20 （1）：55～61
［2］王秀蘭，包玉海.土地利用動態變化研究方法探討［J］.地理科學進展，1998，10 （5）：51～54
［3］FAO.Integrated approach to the planning and management of land resources.Draft report of the UNSecretary-General on the implementation of Chapter 10 of Agenda 21 to the Commission on Sustainable Development ［R］，Roma，1994
［4］於興修，楊桂山.中國土地利用/覆被變化研究［J］.地理科學進展，2002，21 （1）：51～57
［5］Turner II，B.L.，W.B.Meyer etal.Global land use/land cover change：towards an integrated program of study.Ambio，1994，23 （1）：91～95
［6］Land use and land cover change science/resesrch plan.IGBP Report No.35：8
［7］Elena G.Irwin，Janqueline Geoghegan.Theory，data，methods：developing spatially explicit economic models of land use change ［J］.Agriculture，Ecosystems and Environment，2001，85：7～23
［8］李長榮，邢玉芬，朱健康等.高吸水性樹脂與肥料相互作用研究［J］.北京農業大學學報，1989，15 （2）：187～192
［9］李忠鋒，王一謀，王建華等.基於 RS 與 GIS 的榆林地區土地利用變化分析［J］.水土保持學報，2003，17 （2）：97～99
［10］擺萬奇，閻建忠，張鐿鋰.大渡河上游地區土地利用/土地覆被變化與驅動力分析［J］.地理科學進展，2004，23 （1）：71～78
［11］Riebsame，W.E.，Meyer，W.B.etal.Modelling land use and cover as part of global environment change.Clim.Change 28：45～64
［12］A.Veldkamp，E.F.Lambin.Predicting land－use change ［J］.Agriculture，Ecosystems and Environment，2001，85：1～6
［13］史培軍，陳晉，潘耀忠.深圳市土地利用變化機制分析［J］.地理學報，2000，55 （1）：151～160
［14］Fu Congbin，Ye Duzheng.Recent progress on global change research in China ［J］.Advance in Earth Science，1995，10 （1）：62
［15］Briassoulis，H.Analysis of land use change：Theoretical and Modeling Approaches.http：//www.rri.wvu.E/WebBook/
［16］Stern，P.C.，O.R.Young etal.Global environment change：understanding the human dimension.National Research Council Report，Washington D.C.，1992
［17］擺萬奇，趙士洞.土地利用變化驅動力系統研究［J］.資源科學，2001，22 （5）：21～25
［18］Suzanne Serneels，Eric F.Proximate causes of land use in Narok District，Kenya：a spatial statistical model ［J］.Agriculture，Ecosystems and Environment，2001，85：65～81
［19］石瑞香，康幕誼.NECT 上農牧交錯區耕地變化及其驅動力分析［J］.北京師范大學學報，2000，36 （5）：700～705
［20］鄒亞榮，張增祥，周全斌.中國農牧交錯區土地利用變化空間格局與驅動力分析［J］.自然資源學報，2003，18 （2）：222～227
［21］葉寶瑩，黃方，劉湘南等.土地利用/覆被變化的驅動力模型研究——以嫩江中上游地區為例［J］.東北師大學報自然科學版，2002，34 （1）：100～104
［22］鄧祥征，戰金艷.中國北方農牧交錯帶土地利用變化驅動力的尺度效應分析［J］.地理與地理科學信息，2004，20 （3）：64～68
［23］王靜愛，何春陽.北京城鄉過渡區土地利用變化驅動力分析［J］.地球科學進展，2002，17 （2）：201～208
［24］袁俊.湖北省土地利用變化及其驅動力分析［J］.國土與自然資源研究，2003，（4）：33～35
［25］趙庚星，李靜，范瑞彬.黃河三角洲土地利用及土地覆蓋變化驅動力分析［J］.西北農林科技大學學報，2003，31 （3）：117～122
［26］TuanY.F..Geography，phenomenology and the study of human nature ［J］.The Canadian Geographer，1971，15：181～192
［27］張惠遠，趙昕奕.喀斯特山區利用變化的人類驅動機制研究［J］.地理研究，1999，18 （2）：136～146
［28］陳百明.試論中國土地利用和土地覆被變化及其人類驅動力研究［J］.自然資源，1997，（2）：31～36
［29］Lambin，E.F..Our emerging understanding of the causes of land use and cover change.Global Environ.Change，in press
［30］龍花樓，王文傑，翟剛等.安徽省土地利用變化及其驅動力分析［J］.長江流域資源與環境，2002，11 （6）：526～530
［31］周青，黃賢金，濮勵傑.區域農地利用強度及其驅動機制研究［J］.長江流域資源與環境，2003，12 （6）：535～540
［32］陳百明，杜紅亮.耕地佔用與GDP增長的Decoupling研究［J］.中國土地資源戰略與區域協調發展研究論文集，2006，7～13
［33］王秀蘭.土地利用/土地覆蓋變化中的人口因素分析［J］.資源科學，2000，22 （3）：39～42
［34］Clayton，A.M.H.，Radcliffe，N.J..Sustainability：A Systems Approach.1996，Earthcan，London
［35］Turner II，B.L.，W.B.Meyer etal.Land use and land cover change.Science/Research Plan.Stockholm and Geneva：IGBP Report No.35，1995
［36］彭文甫，周介銘.近50年四川省耕地變化分析［J］.資源科學，2005，27 （3）：79～85
［37］王波，唐志剛，濮勵傑等.區域土地利用動態變化及人為驅動力初步研究［J］.土壤，2001，（2）：86～91
［38］張海龍，蔣建軍，解修平等.基於 GIS 與馬爾柯夫模型的渭河盆地景觀動態變化研究［J］.乾旱區資源與環境，2005，19 （7）：119～124
［39］陳浮，濮勵傑，彭補拙等.新疆庫爾勒市土地利用變化對土壤性狀的影響研究［J］.生態學報，2001，21 （8）：1290～1295
［40］吳素霞，毛任釗，李紅軍.石家莊地區耕地與人口數量變化動態及其預測［J］.乾旱地區農業研究，2005，23 （3）：8～12
［41］吳普特，員學鋒，汪有科.BP 神經網路在耕地減少預測中的應用研究［J］.中國農業資源與區劃，2005，26 （4）：39～41
［42］Bryan C.Pijanowski，Daniel G.Brown，Bradley A.Shellito etal.Using neural networks and GIS to forecastland use changes：a Land Transformation Model ［J］.Computers，nvironment and Urban Systems，2001，inpress
［43］Kasper Kok，Andrew Farrow，A.Veldkamp etal.A method and application of multi-scale validation in spatialland use models ［J］.Agriculture，Ecosystems and Environment，2001，85：223～238
［44］Batty M，Xie Y.From cells to cities ［J］.Environment and Planning，1994，21：531～548
［45］White R，Engelen G，Uijee I.The use of constrained cellular automato for high-resolution modeling of urbanland use dynamics ［J］.Environment and Planning，1998，25：323～343
［46］Wu F，Webster C J.Simulation of land development through the integration of cellular automata and multicriteria evaluation.Environment and Planning，1998，25：103～126
［47］黎夏，葉嘉安.基於神經網路的元胞自動機及模擬復雜土地利用系統［J］.地理研究，2005，24 （1）：19～27
［48］侯西勇，常斌，於信芳.基於 CA-Markov 的河西走廊土地利用變化研究［J］.農業工程學報，2004，20 （5）：286～291
［49］Luijten.J.C.A tool for community-based water resources management in hillside watershreds ［A］.University of Florida，Gainesville，FL，1999
［50］畢繼成，郭華東，史文中等.遙感數據的不確定性問題［M］.北京：科學出版社，2004
❹ 遙感動態監測常用的方法有哪些以土地利用/覆蓋變化為例簡述遙感動態監測的工作流程
變化監測。使用ERDAS 的DeltaCue，效果很好。
❺ 動態監測分析
動態監測模塊基於柵格數據對土地利用專題信息進行疊加分析，獲取土地利用變化信息，包括圖像對圖像動態監測和分類圖對分類圖動態監測兩個模塊。
圖像對圖像動態監測模塊利用前後兩期遙感影像數據作疊加分析，提取土地利用變換信息。首先要對前後兩期數據作等比拉伸，使其具有可比性，而後通過分別計算出的NDVI植被指數作為特徵變數來進行差值運算獲取土地利用變化信息。選擇兩個時相圖像，進行幾何配准並對對應像元的像元值進行相減處理，得出每個像元的土地覆蓋類型是否發生變化。在圖像上選擇一些類型沒有變化的高反射和低反射像元，對對應的像元值進行比較，確定兩個圖像的平均像元值差異，並以一個時相的圖像為基準，對另一時相圖像上的每一像元值減去(或加上)平均像元值差值。對地類本身特性的變化所引起的光譜變化，如含水量的變化，植被生長狀況的變化，可以結合其他的一些數據來區分，如兩個時相的植被指數差值。該方法能比較有效地確定像元的土地覆蓋類型是否變化，但也會發生一些類型沒有變化的像元被錯分成類型發生變化。
分類圖對分類圖動態監測模塊的輸入數據與前一模塊不同，是兩期數據經過信息自動提取的土地利用現狀類型圖。兩期數據要確保完全配准和具有相同的分類體系。該模塊可以提取特定地物類型的增加和減少情況，以及是由什麼地物轉變而來的，並且可以進行簡單的統計，另外也可以生成所有地物類型的轉換矩陣。
❻ 遙感方法研究珠江口近二十多年來土地覆蓋的變化
李學傑萬榮勝
（廣州海洋地質調查局 廣州 510760）
第一作者簡介：李學傑，男，1964年生，博士，教授級高工，主要從事海洋地質與第四紀地質研究工作，E-mail:[email protected]。
摘要 土地覆蓋變化是全球變化研究的重點之一，尤其是河口地區，對環境變遷十分敏感。對珠江口東部地區1979年的LandsatmmS、1990年Landsat TM和2000年Landsat ETM影像的土地覆蓋分類，並進行對比研究表明，此間，總體水域面積和綠地（包括森林和耕地）面積減少，建築區和裸露地面積增加。但不同區域土地覆蓋類型變化有明顯的區別，西部主要是由於沉積作用和圍海造地，造成水域面積減少，且20世紀90年代圍海造地速率比80年代要大得多。東部海域沉積作用不是主要因素，局部海岸可能還存在侵蝕作用。交椅灣區水域面積變化不大，岸線位置也基本穩定，而且80年代的水域面積有所增多，是由於陸地人工水塘增多的結果。蛇口區主要是由於港口碼頭等建設，導致水域面積減少，碼頭向海域延伸的結果，90年代明顯加大了碼頭建設的規模和速度。
關鍵詞 土地覆蓋 遙感 珠江口
1 概述
海岸帶地處海陸交互地帶，對環境變遷十分敏感，尤其是河口地區，其變遷速率更快。海陸相互作用是全球變化研究的重點（李秀彬，1996），土地利用/土地覆蓋變化（LUCC）是全球變化研究的重點內容（費鮮芸，高祥偉，2002）。
遙感方法在土地利用/土地覆蓋中得到廣泛的應用（Sun et al.，1999；甘甫平等，1999；王素敏，翟輝琴，2004）。各種遙感影像的處理和研究方法也得到迅速的發展（韓濤，2004），包括GIS支持的決策系統在土地利用評估的引用（Tan et al.，2004）、多源多時相遙感數據的融合及土地覆蓋信息的提取技術（周斌，2000；李爽等，2002；王萍等2003）、多步驟分類法提取土地覆蓋信息（許榕峰，徐涵秋，2003）及高解析度影像在海岸帶中的應用（Chauvaud et al，1998）等。
我國利用遙感方法對土地覆蓋類型進行了大量研究（Yong＆Wang，2001）。海岸帶已進行了黃河三角洲（Ye et al.，2004）和珠江三角洲（Seto et al.，2002）的研究。
分類是認識事物的基礎，遙感影像的分類的目的是將遙感影像中每個像素根據其在不同波段的光譜亮度、空間結構特徵及其它信息，按照某種規則或演算法分為不同的類別（趙英時等，2003），以便對事物更好的認識。遙感影像的分類方法有非監督分類、監督分類，以及模糊分類、人工智慧神經網路分類、亞像素分類等（趙英時等，2003；黨安榮等，2003）。
本文採用監督分類方法，在ERDAS中進行，並採用最大似然法進行計算。試圖通過對不同時期土地覆蓋類型變化的分析，研究珠江口東部地區的環境變遷（圖1）。
圖1 研究區位置圖
Fig.1 The location of the research area
2 研究材料與方法
2.1 研究材料
本文以衛星影像為主，包括不同時期的Landsat MSS、Landsat TM、Landsat ETM影像、SPOT衛星影像及IKONOS影像，時間跨度為1979～2003年（表1）。其中SPOT只覆蓋研究的絕大部分，IKONOS只覆蓋蛇口半島，它們解析度較高（圖2），其中IKONOS影像是目前最高的民用衛星影像中之一（圖3）。因此分類研究以 Landsat 影像為主，SPOT和IKONOS作為分類檢驗的依據。此外有1：100，000的地形圖和海圖供參考。
2.2 研究方法
研究方法包括影像的幾何校正、影像分類、精度評估及分類影像的後處理等。Landsat的衛星影像已經有坐標系統（UTM，WGS84），SPOT和IKONOS影像沒有，因此參照Landsat ETM建立SPOT影像坐標系統。
表1 本文採用的衛星影像和地形圖一覽表Table1 The images and topographic maps used in the paper
圖2 Landsat ETM與SPOT影像對比
A—Landsat ETM影像；B—SPOT影像
Fig 2 Comparison of Landsat ETM and SPOT Images
A—Landsat ETM；B—SPOT
2.2.1 監督分類
在ERDAS IMAGINE中對1979年的Landsat MSS、1990年的TM及2000年的ETM影像進行土地覆蓋的監督分類。將Landsat ETM影像的土地覆蓋分為水域、森林、耕地（包括草地）、建築、裸露地等5 種土地覆蓋類型。其中水域包括海域、河流、湖泊、水庫等；森林主要於山地，也包括其它樹木生長區；耕地主要分布於平原及山麓地帶，包括各種種植地和草地；建築區城鎮、碼頭、高速路等區域；裸露地為無植被區，如：採石場、泥地及其它。
從分類結果來看，Landsat ETM的分類中，建築區和裸露地分類的錯漏較多，識別效果不是很好（表2），因此在進行Landsat TM和MSS影像分類時將這兩類合並。
2.2.2 分類結果的誤差估計
分類結果的誤差估計是評價分類結果好壞的基礎（Congalton，1991；Kerle et al.，2004），最好是結合野外進行實地檢驗，本次未進行野外考察，主要採用較高解析度的影像，結合地形圖進行檢驗。
圖3 蛇口半島西南的IKONOS影像（局部）
Fig.3 IKONOS image in the Shekou Peninsular
在ERDAS中對Landsat ETM分類隨機取260 點，並將每一點的分類結果與原圖像進行對比，並參考SPOT、IKONOS影像或地形圖決定分類結果是否正確。誤差估計結果如表2。水域的分類精度較高，其用戶精度和制圖精度分別為98.7%和87.4%。錯分和漏分率較高的是森林和耕地之間以及建築區與裸露地之間，表明它們之間較容易出現錯漏，分類效果相對較差。但總體分類精度達78.5%，表明總體分類效果良好。
表2 Landsat ETM影像分類結果誤差估計Table2 Classification result of the Landsat ETM and its error assessment
同樣對Landsat TM影像和LandmmS影像的分類結果進行隨機取樣檢驗，各取260點，對分類結果的正確與否進行一一判定，結果見表3、表4。由於裸露地與建築區合並，總體精度有明顯提高，分別為90.8%和88.9%，表明分類效果很好，尤其是中水域的識別最佳，錯漏現象極少；而耕地和森林的錯分誤差和漏分誤差相對較大。
表3 Landsat TM 影像分類結果誤差估計Table3 Classification result of the Landsat TM image and its error assessment
表4 LandsatmmS影像分類結果誤差估計Table4 Classification result of the LandsatmmS image and its error assessment
2.2.3 分類影像的後處理
分類影像會存在一些小的斑點，可能是噪音或分類單元，使結果難以解釋和應用。在ERDAS中可以進行影像的聚類統計（Clump）和去除分析（Eliminate）處理，可以將小圖斑合並到相鄰的最大分類中（黨安榮等，2003），使分類圖像簡化，更合理，易於解釋和應用（圖4）。
3 珠江口土地覆蓋的變化
對比1979年Landsat MSS影像、1990年Landsat TM 影像和2000年Landsat ETM影像監督分類結果，可以看出近二十多年本區土地覆蓋類型的變化及其環境變遷。為了更好地反映近岸的土地覆蓋類型變化特徵，將其分為4區討論（圖5）。
圖4 分類圖像後處理前後的對比
A—處理前；B—處理後
Fig.4 Comparison of classified image between before and after image processing
A—before；B—after
圖5 2000年珠江口土地覆蓋類型分布（Landsat ETM）
Fig.5 Distribution of Land cover in the Pearl River Estuary（Landsat ETM）
3.1 南沙區
南沙區位於研究區的西北，匯集了珠江口的4大口門：虎門、蕉門、洪奇門和橫門，也是廣州開發發展的重點地區，並於1993年成為廣州南沙經濟技術開發區。本區最明顯的變化是由於沉積作用和圍海造地，陸地面積不斷增大，水域面積逐年減少。1979年水域面積396km2，佔全區面積的 36.8%；1990年下降到 358km2，佔全區的 33.3%，1979～1990平均每年減少3.5km2。而到2000年只有304km2，1990～2000年平均每年減少5.4km2，顯然水域較少的速率在增大（圖6）。
圖6 1979年以來南沙區土地覆蓋類型變化柱狀圖
Fig.6 Land cover Change in Nansha region since 1979
1979～1990年，本區建築區與裸露地只有少量增長，表明這期間該區的建築增長不快。而綠地（包括森林和耕地）從513km2增加到543km2，凈增30km2。但1990～2000年，建築區明顯增大，從174km2下降到353km2，面積成倍增長。此期間不僅水域面積減少，綠地面積也大幅減少。顯然這與上世紀90年代的南沙開發，大量建設有關。
3.2 淇澳島區
本區的土地覆蓋類型變化與南沙區相似，總體是由於沉積作用和圍海造地致使水域面積減少，陸地面積增加。水域面積，1979～1990年，減少5.4km2，年均較少0.49km2；1990～2000年，減少15.2km2，年均較少1.52km2，其下降速率在增大。
同樣綠地面積也在逐年減少，而且下降速率也是90年代比80年代大。只有建築區（包括裸露地）面積迅速增加，前11年增加7.4km2，後10年增加22.5km2。90年代建築區增加的面積是80年代的3倍多（圖7）。
3.3 交椅灣區
東部的土地覆蓋類型的變化模式與西部明顯不同，伶仃洋的東部河流來沙少（劉沛然等，2000；溫令平，2001），沉積作用不強，一些地區可能還存在海岸侵蝕作用。1979～1990年，本區水域面積從231km2增加到258km2，凈增加27km2。主要是由於交椅灣原來的許多低地，此間成為魚塘等水域，主要是人工，也可能部分為侵蝕作用而成，致使水域面積明顯增大。兩個時相的潮位只相差17m，顯然潮差不是影響海岸線分布的主要原因。本區的池塘主要是人工為主，但也可能部分由於海岸侵蝕作用，人工的堤壩建設，保障了岸線本身不致後退，卻在岸線後形成水塘。1990～2000年，水域面積下降，但岸線位置變化也不大，主要是水塘被建築區或其它類型所覆蓋（圖8）。
圖7 1979年以來淇澳島區土地覆蓋類型變化柱狀圖
Fig.7 Land cover change in Qi』Ao region since 1979
圖8 交椅灣三個時相影像分類結果的對比
Fig.8 Comparison of land cover distribution in 3 classified image
圖9 1979年以來交椅灣區土地覆蓋類型變化柱狀圖
Fig.9 Land cover change in Jiaoyi region since 1979
建築區和裸露地的變化與其它區相似，也呈逐年增加的趨勢。1979年，面積為48.9km2，到1990年，增加到100km2，凈增51km2，此間年增長4.6km2；到2000年，其面積達165.5km2，再增65km2，此間年增長6.5km2，比80年代大。相反，綠地面積在不斷下降，從1979年的151km2，1990年的72km2，減少近一半，到2000年38km2，再減少一半。因此本區總體水域變化不大，岸線也沒有明顯的變遷，主要變化是建築區增加，結果陸地面積減少（圖9）。
3.4 蛇口—深圳區
本區又是另一種類型的變化模式，水域面積的減少和陸地增大主要是由於在海域進行港口碼頭及其它建設的結果。
1979～1990年，水域面積從174.7km2到166.6km2，減少8km2，年均減少0.74km2；1990～2000，水域面積再減少22km2，年均減少2.2km2，是前一時期的3 倍，顯然90年代的港口及其它圍海減少規模比80年代要大得多（圖10）。
圖10 1979年以來蛇口—深圳區土地覆蓋類型變化柱狀圖
Fig.10 Land cover change in Shekou-Shenzhen region since 1979
建築區和裸露地從1979～1990迅速增加，而陸地迅速減少，可能由於本區1990年的影像部分被雲層覆蓋，影像分類結果，致使建築區與裸露地增加。
4 結論
對珠江口1979年以來三個時相 LandsatmmS、Landsat TM和 Landsat ETM 影像在ERDAS進行土地覆蓋分類，隨機取樣檢驗表明，其分類效果良好。其結果對比研究表明，伶仃洋海域1979～2000年，總體水域面積和綠地（包括森林和耕地）面積減少，建築區和裸露地面積增加。
不同區的土地覆蓋類型變化有明顯的區別，西部主要是由於沉積作用和圍海造地，造成水域面積減少，況且20世紀90年代的變化速率比80年代要大的多，同樣90年代的建築規模也比80年代大。東部海域沉積不是主要因素，局部海岸可能還存在侵蝕作用。交椅灣區水域面積變化不大，岸線位置也基本穩定，而且80年代的水域面積有所增多，是由於陸地人工水塘增多的結果。蛇口區主要是由於港口碼頭等建設，導致水域面積減少，碼頭向海域延伸的結果，90年代的發展速度也比80年代要大得多。
參考文獻
黨安榮，王曉棟，陳曉峰，張建寶.2003.ERDAS IMAGINE遙感圖像處理方法.北京：清華大學出版社，577
費鮮芸，高祥偉.2002.土地利用/土地覆蓋遙感分類研究綜述.山東農業大學學報（自然科學），33（3）：391～394
甘甫平，王潤生，王永江，付正文.1999.基於遙感技術的土地利用與土地覆蓋的分類方法.國土資源遙感，（4）：40～45
韓濤.2004.遙感監測土地覆蓋變化的方法及研究進展.乾旱氣象，22（2）：76～81
李爽，錢樂祥，丁聖彥.2002.遙感影像土地覆蓋（LC）專題信息提取方法研究.中國土地科學，16（2）：30～33
李秀彬.1996.全球環境變化的核心領域-土地利用/土地覆被變化的國際研究動向［J］.地理學報，51（6）：553～557
王萍，張繼賢，林宗堅，李春霞.2003.基於多源遙感數據融合的土地利用/土地覆蓋變化信息提取試驗.測繪通報，（3）：14～17
王素敏，翟輝琴.2004.遙感技術在我國土地利用/覆蓋變化中的應用.地理空間信息，2（2）：31～38
許榕峰，徐涵秋.2003.多步驟分類法在土地利用/覆蓋專題提取中的應用.31（4）：408～412
趙英時等.2003.遙感應用分析原理與方法.北京：科學出版社，478
周斌.2000.針對土地覆蓋變化的多時相遙感探測方法.礦物學報，20（2）：165～171
Chauvaud S，Bouchon C，Maniere R.1998.Remote sensing techniques adapted to high resolution mapping of tropical coastal marine ecosystems（coral reefs，seagrass beds and mangrove）.Int.J.Remote Sensing，19（18）：3625～3639
Congalton R C.1991.A review of assessing the accuracy of classification of remotely sensed data.Remote Sensing of Environment，37：35～46
Kerle N，Janssen L L F，Huurneman G C（eds.）.2004.Principle of remote sensing.The International Institute for GeoInformation Science and Earth Observation.
Seto K C，Woodcock C E，Song C，Huang X，Lu J and Kaofmann R K.2002.Monitoring land-use change in the Pearl River Delta using Landsat TM.Int.J.Remote Sensing，23（10）：1985～2004
Sun D F，Ji C Y，Lin P.1999.Land cover classification of remote sensing imagery using self-organizing Neural Network.J.Romote Sensing.3（2）：139～143
Tan Guoxin，Ryosuke Shibasaki，Kanichiro Matsumura.2004.Development of a GIS-based Decision Support System for Assessing Land Use Status.Geo-spatial Information Science（Quarterly），7（1）：72～78
Weng Qihua.2002.Land use change analysis in the Zhujiang Delata of China using satellite remote sensing，GIS and stochastic modeling.J.Environmental Management.64：273～284
Ye Qinghua，Liu Gaohuan，Tian Guoliang，et al.2004.spatial-temporal analysis of land-use changes in the Yellow River Delta ring the last 40 years.Science in China Ser.D Earth Sciences 47（11）：1008～1024
Young S S，Wang C Y.2001.Land-cover change analysis of China using global-scale Pathfinder AVHRR Land cover（PAL）data，1982～92.Int.J.Remote Sensing.22（8）：1457～1477
The Research of Land Cover Change in Recent Decades in the Pearl River Estuary by Remote Sensing Methods
Li XuejieWan Rongsheng
（Guangzhou Marine Geological Survey，Guangzhou，510760）
Abstract：Land cover change is one of the key content for research of global changes，especially in the estuary which is very sensitive for environmental changes.Three images of LandsatmmS in 1979，Landsat TM in 1990 and Landsat ETM in 2000 in the Pearl River Estuary，southern China，were classified for land cover in ERDAS IMAGINE，and the result were checked by referenced to higher resolution images of SPOT and IKONOS and topographic maps.It is suggested that water area and green area were shrinking in 1980s and 1990s，but construction and bare land area were increasing in the same periods.The change rate was increasing from 1980 s to 1990 s.The main changes in the eastern region were the water area shrinking mainly e to the sedimentation and reclamation.But sedimentation was not the main reason for shoreline changes in the eastern region.The water area in Jiaoyi Bay region was increase from 1979 to 1990，mainly e to the increase of fish-pond in the land area or some erosion in coast.The main changes of shoreline in Shekou region were its extension by the construction of harbours and other infrastructure in the coast，and the changes rate was higher in 1990s than in 1980s.
Key Words：land cover remote sensing Pearl River Estuary
❼ 土地利用趨勢分析地理元胞自動機
土地利用/土地覆被變化(LUCC)是全球環境變化研究的重要組成部分，是人類活動對自然環境施加影響的顯著表現形式之一。土地利用未來如何變化，當屬目前土地利用變化研究的核心問題。Lambin等人的研究表明，動態的基於過程的模擬模型比經驗的、隨機的和靜態優化模型更適合於預測土地利用(Lambin，2000)。到目前為止，直接地和明確地針對土地利用變化的理論和機理建構的模型還較少，真正將土地利用變化與其空間分布相結合，探討不同尺度上土地利用的時空演變規律的動態模型更不多見(郭程軒，甄堅偉，2003)。
土地利用趨勢預測的模型方法主要有回歸預測法、馬爾可夫法、人工神經網路、灰色模型、元胞自動機模型等方法。回歸預測法是利用表明變數之間相互關系的數學方程式，由其他變數中的已知值推斷預測變數的數值進行預測的一種方法。該方法適用於各個變數之間具有較強相關性的標准變數組。由於不同土地利用類型之間相互影響、相互制約，所以該方法常被用來研究土地利用變化與人文因素之間的關系。該模型的不足之處在於，不適合大范圍的預測以及因經濟因子難以定量化造成的預測值的誤差。
馬爾可夫過程是一種無後效性的過程，運用馬爾可夫過程模擬土地利用動態變化首先要確定土地利用類型的初始狀態矩陣和轉移概率矩陣。該預測模型的優點在於計算和實現比較簡單，可以揭示不同土地利用類型之間的數量轉化規律和總體變化趨勢。模型運算只需要考慮土地利用的現狀信息，而無需考慮土地利用變化的內在機制，不足之處在於模型缺乏揭示土地動態變化驅動機制的能力及缺乏空間表達能力，該模型適用於土地利用變化驅動力變化機制不清及預測短期土地利用變化的狀況。
人工神經網路能模擬人的部分形象思維能力，預測的過程就是利用不同時期獲取的信息源，在對它們進行綜合分析和對比的基礎上，發現土地變化的區域和變化類型。該模型的優點在於能夠對動態數據進行分析，並根據歷史資料歸納規律，不足之處是受預測區域范圍大小和時間長短的限制，一些主要因素特徵難以確定，預測結果並不十分精確。
灰色系統動態模型GM(n，h)是依據灰色系統理論原理，利用系統的離散採集數據建立其動態微分方程，以灰色模塊為基礎，微觀擬合分析為核心的建模方法。土地利用系統本質上是一個灰色系統，運用灰色模型可在土地資料不完整的情況下對中長期的土地利用結構進行過程分析。
元胞自動機(Cellular Automata)模型，是離散動態系統概念和應用建模的一種方法，其框架簡單、開放，適於模擬具有自組織結構的復雜性系統，並且具有很強的生命力。以模型「自下而上」的研究思路、強大的復雜計算功能、固有的並行計算能力和時空動態特徵，使得它在模擬土地利用變化這一空間復雜系統的時空動態演變方面具有自然性、合理性和可行性，CA模型與GIS軟體相結合為土地利用動態建模提供了新的思路和建模方法。相比較其他模型，其優勢在於:①更為簡單、自然;②建立在空間相互作用，而不是社會、經濟指標間的相互影響關系的基礎上，更能反映空間格局變化以及由此帶來的進一步反饋作用。
土地利用變化的復雜性決定了土地利用研究必須採取復雜系統的理論方法，特別是建立基於復雜系統思想的數學模型，這是土地利用過程研究的重要領域之一。因此，結合土地利用變化的規律，採用復雜系統的研究方法，建立土地利用變化的科學模型是土地變化復雜性研究的關鍵。目前國際上在復雜系統理論的背景下，利用元胞自動機模型研究地理過程的復雜行為是地理建模領域的前沿地帶，是一項跨領域的前沿技術，將它應用於土地利用變化的預測和模擬，具有較強的理論價值和實踐意義。
(1)元胞自動機模型(CA)可表現復雜系統結構的時空動態演化，利用CA對土地利用覆蓋變化(LUCC)進行動態模擬，定量探討土地利用變化過程並進行預測，對區域可持續發展、土地利用規劃與土地管理決策意義重大。模型從研究一個地區土地利用現狀入手，藉助GIS軟體分析土地利用動態變化的過程，研究不同土地利用類型的轉移規律，探求土地利用變化的內在機制，為不同發展目標的土地利用調控提供理論依據。
(2)將GIS與Geo-CA相結合用於土地利用變化分析，不僅能夠提高模型運算的效率，將模型全部過程進行計算機模擬，還能直觀地顯示土地利用性質的變化及土地預測的結果，通過調整模型參數獲得未來不同預測年份土地利用的結果，可為區域決策者進行土地利用評價提供依據。
(3)研究流域的土地利用變化不僅可以為流域土地的合理利用及河流水資源的合理調配提供重要的決策依據，同時也為流域居民的生產生活、生態環境、經濟的協調發展提供重要保障。將Geo-CA模型應用於流域土地利用變化的模擬和預測，目前尚處於探索性研究階段。通過建立較為恰當的GeoCA-Lanse模型，並將其應用於塔里木河流域，不僅開闊了 Geo-CA 模型應用的領域，同時也為其他流域土地利用預測起到了很好的示範作用。
20 世紀 80 年代至 90 年代 Batty 和 Xie 利用分形理論與 CA 相結合對城市的形成和擴展進行了細致的研究。他們設計的凝聚擴散模型 ( diffusion-limited aggregation，DLA) 可以認為是廣義的 CA 模型。1994 年 Me 提出了城市發展動態模型 ( dynamic urban evolutionmodel，DUEM) ，該模型用 CA 理論來描述具有自相似性和分形分維特徵的城市及其發展過程。Clark ( 1998) 根據城市發展的歷史數據以及交通、地形條件，設定適當的模型參數，建立了城市增長的 CA 模型，並將此模型與 GIS 平台鬆散耦合，對美國的舊金山和巴爾的摩的市區進行了成功模擬和預測。90 年代以來，Wu F. ( 1998) 將元胞自動機模型與多因子評價模型有機集成，並在 ArcInfo 中應用 AML 和 C 語言，在統一的界面上實現了GIS 和 CA 模型、MCE 模型的集成。在此平台上，實現了對我國廣東省廣州市城市擴張的模擬。加拿大的 White 和荷蘭的 Engelen ( 1994) 將約束性 CA 模型用於模擬土地利用動態變化，如美國 Cincinnati 市的城市增長、受全球氣候變暖影響 Caribbean 島土地利用構成的變化等。
武曉波、趙鍵等 ( 2002) 利用基於遙感和地理信息系統的 CA 模型模擬海口市1987 ～ 2000 年城市發展進程。陳建平、丁火平等 ( 2004) 提出了基於 GIS 軟體和 CA 模型的荒漠化演化預測模型，並以北京及其鄰區為例，取得了較好的模擬效果。陳龍泉( 2004) 從 Markov 和 CA 兩種模型所具有的特點出發，探討用 Markov-CA 模型對土地利用/土地覆蓋變化進行動態模擬和預測的可行性。Markov-CA 吸收了 Markov 和 CA 等理論對於有關時間序列的模擬和預測的優點，利用兩期 TM 數據的試驗證明，Markov-CA 模型能很好地對土地利用/土地覆蓋變化進行模擬和預測。張顯峰 ( 2000、2001) 提出了集成GIS 與 CA 模型進行地理時空過程模擬與預測的新方法，即首先將標准 CA 模型的 4 元組進行擴展以滿足 GIS 環境下時空動態模擬的要求，然後以城市土地利用演化這一動態過程為例，建立了土地利用演化動態模擬與預測模型 ( LESP) ，最後運用此模型對包頭市城市擴展和土地可持續利用演化進行了比較成功的模擬和預測。周成虎等 ( 2001) 利用 Geo-CA 構造了一個實用化且可運行的空間動力學模型 ( GeoCA-Urban) ，模型適應於模擬城市的發展和演變，模擬效果良好。
本系統的生態專業分析子系統以三源河流域和阿拉爾人工綠洲地區為研究樣區，在GIS 軟體和 Geo-CA 理論模型的支持下，從兩個時相土地利用專題圖的疊加分析和轉移分析入手，結合土地利用變化的計量模型，分析土地利用動態變化特徵，定量研究了土地利用變化與水系、交通、土壤、地形之間的關系，並據此構建控制因素層，結合社會經濟數據調整模型參數，確定合理的鄰居及轉換規則，經過反復的調試和修改，最終構架出合理的土地利用動態演變模型 ( GeoCA-Lanse 模型) 及其軟體系統。