❶ 云南丽江地区土地利用变化的遥感检测与分析
李喆1 马润赓2
（1.北京大学遥感与地理信息系统研究所，北京，100871；2.中国地质大学地球科学与资源学院，北京，100083）
摘要：利用1999年2月和2001年4月2幅TM影像资料和其他辅助资料为资料源，对主成分分析处理后的遥感影像进行计算机自动识别，采用人机交互式解译方法获得各种土地利用类型分布信息，并使用地理信息系统的空间分析和数理统计功能分析丽江坝子地区土地利用变化的数量变化，土地利用动态度等特征，以及各类型之间的转化情况。结果表明：本区域耕地面积增加了0.27km2，城乡用地面积增加了0.19km2，水体面积减少了0.11km2，林地和草地基本保持不变；各类型的转化突出表现为水域向城乡用地，未利用土地向城乡用地和耕地转换。
关键词：土地利用变化；马尔柯夫矩阵；云南丽江地区；遥感和 GIS
区域土地利用/覆被变化（LUCC）是全球环境变化研究中的重要领域之一。土地利用变化数据可以提供研究区域土地利用状况的现实状况，保证国家及时、准确地掌握土地利用变化情况，为制定国民经济发展规划、计划和宏观决策提供科学依据［1］。土地利用变化包括时间变化、空间变化和质量变化等三个方面，其中空间变化反映土地利用变化的空间类型、变化类型的空间分布以及区域差异，是土地管理和规划关注的焦点问题［2］。这一问题的解决关键在于如何提取土地利用变化数据以及如何对获取的信息进行科学的分析处理。遥感技术以其快速、准确、周期短等优点在大中尺度的土地利用/覆盖变化的监测中具有明显的优势。本文利用遥感和 GIS 相结合的方法，通过数理统计分析，描述了丽江坝子地区1999～2001年间土地利用的数量变化和空间变化特征，为该区域土地管理决策、生态环境保护、资源合理开发等奠定了基础，对于区域土地可持续发展和利用具有重要意义。
1 研究区概况
丽江位于云南省西北部［3］，金沙江中游，地理坐标为：99°23′E～101°31′E，25°59′N～27°56′N。四周分别与迪庆州、怒江州、大理州、楚雄州和四川省攀枝花市、凉山州毗邻，辖丽江纳西族自治县、宁蒗彝族自治县、永胜县和华坪县，国土总面积有931.02km2。由于地处青藏高原和云贵高原的结合部，属横断山区，地形复杂，山高谷深，长期自然环境相对封闭，形成具有典型特点的垂直自然带和立体气候，动植物区系极为复杂，珍稀野生动植物丰富。全区总人口109 万，包括汉、纳西、彝、傈僳、藏、白、普米等23个民族，其中少数民族人口占57%［3］。
2 研究方法
2.1 研究资料
分别拍摄于1999年2月和2001年4月2幅 LANDSAT－TM 图像，地面分辨率为30m，在研究区域内没有云层覆盖，质量较好；另有1∶1 万地形图和1∶5 万土地利用图，用于辅助训练样区的选择和目视解译；还有其他统计资料（气象、水文、人口、土壤、社会经济）等。
2.2 主要工作流程
使用遥感图像信息进行变化检测的方法主要有三种：分类后比较法，多时相图像直接求交法和多时相图像分类法［4］。多时相图像直接求交法要求两个时相比较接近，检测变化信息一般使用图像差值、比值或主成分分析，操作简单，但是得不到变化的具体地物类型。本文所使用遥感图像时间差异接近3个月，不宜使用直接求交法。多时相图像分类法在使用时要使用静态类型和动态类型，动态类型的训练样本一般不易确定。本文主要使用分类后比较法。
本研究的主要工作流程如图1 所示：首先使用 PCI 软件分别对2 幅 TM 图像进行图像预处理（如几何纠正等），并分别对以上两个时相的影像做主成分分析，然后充分结合各种知识（如地形图，植被图等）进行监督分类［3］。监督分类时采用《中国土地利用现状调查技术规程》规定，将土地利用类型划分为：耕地，林地，草地，水域，城乡工矿居民地和未利用土地共6 类。采用人机交互式方法判读分类结果，并将解译结果以栅格形式转入地理信息系统软件 ARC GIS 中进行数据处理，对二期数据进行空间叠置分析，获得土地利用变化数据，以此为基础进行土地利用动态变化分析。
图1 项目主要工作流程图
2.3 几个关键技术的处理
2.3.1 遥感图像的几何配准
两个时相遥感图像的几何配准是动态变化研究的基础。为了便于利用地学信息进行辅助分析，可以将遥感图像配准到大地坐标系中。本文选择1∶1 万地形图为基准，在遥感图像上均匀选择12个地面控制点，使用二次多项式拟合，灰度采样方式为双三次卷积，进行几何配准和灰度重采样处理。结果总体均方误差为0.624，配准误差小于1个像元，满足土地利用动态监测的要求。
2.3.2 遥感图像的主成分分析
主成分分析（又称主分量变换）是一种尽可能不丢失信息用几个综合性指标汇集多个变量的测量值而进行描述的方法［5］。在多光谱图像中，由于各波段的数据间存在相关的情况很多，通过主成分分析就可以把图像的大部分信息用少数波段表示出来，使得信息几乎不丢失但数据量可以减少。本文分别对于二期 LANDSAT－TM 图像的除热红外波段的6个波段采用主成分分析，把获得的第一到第三主成分进行彩色合成，得到处理后的结果图像。
2.3.3 结果数据的生成
根据各种辅助资料，在经过主成分分析处理后的二期遥感图像上选择6个土地利用类型的训练样本，采用最大释然法进行计算机自动识别。由于遥感影像上存在同物异谱、异物同谱以及混合像元等情况，计算机自动识别在某些类别的区分上不太理想，例如未利用土地和城镇用地极易发生混淆。实际工作还需要辅助各种实测资料进行目视修正，以得到两个时相的最终分类结果，然后将分类结果以栅格形式转入地理信息系统软件ARC GIS中，对二期数据进行空间叠置分析，获得土地利用变化数据，并进行必要的数理统计，以便结果分析使用。
3 结果分析
3.1 土地利用变化幅度分析
区域土地利用变化幅度主要体现在不同土地利用类型的面积总量变化上，可以提供区域土地利用变化总态势和土地利用结构变化信息。
利用二期遥感资料，对丽江坝子地区两期土地利用数据进行统计分析，得到结果见表1。
表1 1999～2001年土地利用变化表
表1说明，3年来本区域耕地面积增加了0.27km2，城乡用地面积增加了0.19km2，水体面积减少了0.11km2，林地和草地则基本保持不变。
3.2 土地利用动态度分析
土地利用动态度可以简单采用单一土地利用动态度和综合土地利用动态度来描述［6］。其中单一土地利用动态度可定量描述区域一定时间范围内某种土地利用类型变化的速度，可提供土地利用变化的区域差异和预测未来土地利用变化趋势；综合土地利用动态度用于表征区域土地利用变化的速度。
单一土地利用动态度公式表达式为：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
式中，Ua，Ub分别表示研究初期及研究末期某一种土地利用类型的数量；T表示研究期时段长。
综合土地利用动态度表达式为：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
式中，LUi 表示研究初期第 i 地物类研究末期转为其他土地利用的面积；ΔLUi 表示第i地物类研究末期转为其他土地利用类型的面积；T表示研究时段。
根据公式（1）和（2）计算丽江坝子地区土地利用六种类型的年变化率。结果说明，1999～2001年丽江坝子地区土地利用的年变化率为0.17%，其中城乡用地和未利用地变化速度最大，年变化率分别达到0.36%和0.21%，林地和草地基本保持不变，耕地和水域的年变化率分别为0.15%和0.09%。
3.3 土地利用区域差异分析
由于地形地貌和气候等自然条件差异，经济发展和人口增长速度不同，使得土地利用区域差异显着。对于土地利用变化的区域差异，可用某一特定土地利用类型相对变化率来表示。相对变化率是一种很好地反映土地利用变化区域差异的方法，其表达式为：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
式中，Kb、Ka分别代表某区域某特定土地利用类型研究初期和研究末期的面积；Cb、Ca分别代表全区域某特定土地利用类型研究初期和研究末期的面积。
根据行政区划，将丽江划分成丽江县、宁蒗县、永胜县和华坪县4个区域，根据遥感数据分别计算6 种土地利用类型的相对变化率，其结果见表2。
表2 1999～2001年土地利用区域差异表
从表2中可以看出，土地利用变化存在明显差异：①就耕地而言，丽江县最大，达到1.53，明显大于永胜县，宁蒗县和华坪县也大于永胜县；②林地，草地，水域变化各区域差异不大；③城乡用地的区域差异最为明显，丽江县大于其他3县很多，达到5.36；④未利用地的变化在华坪县较突出，约为4.89，几乎是永胜县的3倍。
3.4 土地利用类型转换矩阵分析
土地利用类型之间的相互转化情况，可采用马尔柯夫转移矩阵模型来进一步描述［7］。马尔柯夫链是一种具有“无后效性”的特殊随机过程，它反映的是一系列特定时间间隔下，一个亚稳定系统由n时刻向n＋1 时刻状态转换的一系列过程中，n＋1 时刻的状态只与n时刻的状态有关。由于土地利用类型演变具有马尔柯夫随机过程的性质：①一定区域内，不同土地利用类型之间具有相互可转化性；②土地利用类型之间的相互转化过程包含着较多尚难用函数关系准确描述的事件，故可采用马尔柯夫转移矩阵模型来描述土地利用类型动态转换。
马尔柯夫模型在土地利用类型转化上应用的关键是确定土地利用类型之间相互转化的转移概率矩阵P。若采用斑块相互之间面积的转移概率为矩阵元素，则转移矩阵模型为：
土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集
式中，Pij为土地利用类型i转化为土地利用类型j的转移概率。
遥感图像计算机自动识别中得到的土地利用变化转移概率矩阵如表3所示。
表3 1999～2001年土地利用变化转移概率矩阵单位：%
从表3可以看出：
（1）耕地的增加量主要是来自草地和未利用地，分别占1.51%和0.21%，减少量大部分转化为未利用地和草地，各占4.46%和2.10%。
（2）林地的增加量主要来自于草地和耕地，各有4.06%和1.06%，有1%的林地转换为草地。
（3）草地的增加量中有2.10%和 1.00%来自于耕地和林地，减少量中有 4.06%和1.51%分别转化为林地和耕地。
（4）水域有2.32%转化为城乡用地，有0.36%转化为未利用地，有0.18%转化为林地，表明水体的减少主要受人为因素影响。
（5）城乡用地的增加主要来自于耕地、未利用地和水域，分别占 0.74%、0.61%和0.39%。
（6）城乡用地、耕地、草地和林地各有 17.06%、4.46%、0.93%和 0.58%转化为未利用地，表明本区域土地利用状况不太好，大量的农田遭到占用却未合理开发。
4 结论
土地利用/土地覆被变化（LUCC）研究旨在深入了解土地利用状况及其变化的动态过程、主导原因及演化机理，以提高人们对土地利用变化的预测、管理、决策和调控能力，对于其数据的获取和分析处理十分重要。通过对本次研究获得数据的分析，可以得到如下结论：
（1）1999～2001年间云南丽江坝子地区的土地利用状况发生一定的变化。3年来耕地面积增加了0.27km2，城乡用地面积增加了0.19km2，水体面积减少了0.11km2，林地和草地基本保持不变；各类型的转化突出表现为水域向城乡用地、未利用土地向城乡用地和耕地转换。
（2）土地利用的年变化率为 0.17%。其中城乡用地增加速度最快，以平均每年0.36%的速度递增，未利用地则以0.21%的速度递减，林地和草地基本保持不变。
（3）土地利用类型相互间的转化突出表现为水域向城乡用地，未利用土地向城乡用地和耕地转换。3年来本区域共有0.068km2 即2.32%的水域面积转换为城乡用地，未利用土地中有0.14km2 和 0.07km2 转化为城乡用地和耕地，分别占未利用土地面积的17.06%和5.46%。
参考文献
［1］朱会议，李秀彬，何书金等.环渤海地区土地利用的时空变化分析［J］.地理学报，2001，56 （3）：253～260
［2］王思远，刘纪元，张增祥等.近10年中国土地利用格局及其演变［J］.地理学报，2002，57 （5）：523～530
［3］丽江地区地方志办公室.丽江年鉴（1997） ［M］.昆明：云南民族出版社，1997，293～294
［4］李天宏，韩鹏.厦门市土地利用/覆盖动态变化的遥感检测与分析［J］.地理科学，2001，21 （6）：537～544
［5］村井俊治等.遥感精解［M］.北京.测绘出版社，1993，12：194～196
［6］王秀兰，包玉海.土地利用动态变化研究方法探讨［J］.地理科学进展，1999，18 （1）：81～87
［7］李忠峰，王一谋，王建华等.基于RS与GIS的榆林地区土地利用变化分析.水土保持学报，2003，6：97～99
❷ 土地利用动态变化分析
通过对1999年～2002年～2004年土地利用数据叠加分析可知，上述3年间土地利用变化明显，分析统计数据(表9－9，表9－10)可知，和田河流域1999年～2002年～2004年之间土地利用变化的最大特点是耕地增加，林地、天然草地、荒草地的面积减少，湖泊水面以及沙地面积虽然也有减少。但是幅度较小。
1999～2002年间和田河流域耕地增加3.638万亩，而2002～2004年间耕地增加12.598万亩，灌溉水田和水浇地均有增加，但主要增加的耕地为水浇地，1999～2002年之间占新增耕地77%，2002～2004年间占新增耕地的92%。虽然总体变化趋势相似，但和田河流域耕地增加特征与阿克苏河流域有着明显差别，首先表现为增加幅度不同，和田河流域表现为2002～2004年间耕地增加的幅度明显强于1999～2002年间，其次为灌溉水田一直保持增加势头。而阿克苏流域虽然耕地总量增加，但2002～2004年间耕地增加幅度减弱，灌溉水田面积明显缩小。
表9－9 1999年～2002年～2004年和田河流域土地利用变化统计表
续表
在新增耕地的转入类型方面，从表9－10分析可知，在2002～2004年间增加的耕地主要是从荒草地和天然草地转变而来，其次为林地，其中荒草地转入比例达50.377%，说明流域范围耕地的增加主要是开垦人工绿洲周围的林草植被所获得。
表9－10 和田河流域2002～2004年耕地变化类型转换表
从耕地增加的空间分布位置与规模分析，流域范围新增耕地有两类:一类集中在绿洲与戈壁滩交接地带(图版9－3、图版9－4)，是人工绿洲的惯性扩张，该类新增耕地重要分布在洛浦县东北部的绿洲边缘以及和田县北部边缘，扩展形式为零星分布，逐渐连通并形成规模;另一类为大规模集中开发，典型区为皮山与墨玉交界处的皮墨恳区。
❸ 土地利用/土地覆被变化研究进展
曹银贵1，2 王静1 程烨1，2 郝银3 许宁1，2
（1.中国土地勘测规划院土地利用重点实验室，北京，100035；2.中国地质大学土地科学技术系，北京，100083；3.湖北省荆州市土地整理中心）
摘要：综合叙述土地利用/覆被变化研究20 多年来的研究进展，总结了在土地利用数量变化研究、驱动力研究、土地利用变化模拟研究方面取得的丰硕成果。一方面是驱动力因子的多样性；另一方面是土地利用变化模拟方法的交叉性，从数量模拟研究转向空间模拟研究，从单方法模拟研究转向多种方法结合的模拟研究，从生物物理驱动力的建模方式转向生物物理驱动力与社会经济驱动力相结合的建模方式，未来研究则要加强精度的要求，使其研究成果能真正引导土地利用规划。
关键词：土地利用/土地覆被变化；驱动力；土地利用变化模拟
土地利用/覆被变化（LUCC）研究于1995年启动。10余年间，LUCC 研究始终是全球变化研究的热点之一，并取得了丰硕的研究成果［1］。除了体现在 LUCC 监测技术、驱动力、生态环境效应和建模研究等不同方面外，LUCC 研究在理论上也取得了非常大的突破。土地利用/覆被变化研究之所以能够取得重大突破，一方面是因为土地利用/覆被变化是引起其他全球变化问题的主要原因，因而在全球环境变化与可持续发展研究中占有重要地位；另一方面是因为地球系统科学、全球环境变化以及可持续发展涉及到自然和人文多方面的问题，而在全球环境变化问题中，土地利用/覆被变化可以说是自然和人文过程交叉最为密切的问题［2］。LUCC 的研究起初是从全球变化研究入手，发展到现在，开始重视典型区的研究；从简单的数量研究发展到空间变化上的研究；从简单的土地利用转换的研究发展到生态足迹、能流与物流的转换研究。总的来看，LUCC 的研究是越来越微观，在此简要回顾一下 LUCC 研究的进展。
土地覆被是指存在于地表的植被（自然的或者是种植的）以及人工建筑，例如水体、冰面、裸露的岩石、沙地都可以认为是具体的一种土地覆被形式［3］，土地利用则定义为同时包括改变土地生物物理属性的利用方式和产生这种利用方式的目的［5］。土地利用的形式是多种多样的，耕地、林地、园地等都是土地利用的类型。从土地覆被与土地利用二者的含义来看：土地覆被主要是指自然的地表形态，而土地利用重在突出人类的社会经济活动对土地资源的作用，体现出了土地的使用状况或土地的社会、经济属性；因此土地利用和土地覆被构成了土地的两种属性［2］。通常情况下，土地覆被的变化会影响土地利用决策，土地利用变化则会导致土地覆被变化，再影响到土地利用决策，从而产生新一轮的土地利用变化［4，5］。由于当代的土地覆被变化主要是人类对土地利用影响造成的，所以认识土地利用变化，是了解土地覆被变化的首要条件。
自20世纪90年代以来，全球环境变化研究领域逐渐加强了对土地利用/覆被变化的研究。“国际地圈与生物圈计划”（IGBP）和“全球环境变化人文计划”（IHDP）于1995年共同发起了“土地利用/覆被变化”（LUCC）研究计划，并于1996年提出了5个关于土地利用/覆被问题及3个焦点［6］。5个框架问题是：①过去的300年中人类的活动是如何改变土地覆盖的？②在不同的历史阶段、不同地理单元，土地利用变化的主要人为因素是什么？③在今后50～100年中土地利用变化将如何影响土地覆盖？④直接的人文和生物物理过程是如何影响特定土地利用类型的承载力的？⑤气候和全球生物地球化学作用怎样影响土地利用和土地覆盖？反之又如何？3个焦点是：①土地利用动态变化——典型对比分析研究；②土地覆被动态变化——直接观察和诊断模型；③区域的与全球的模式——综合评价的框架。总的来看，土地利用变化研究主要是理解土地利用变化的原因和结果，同时模拟土地转换的时空类型［7］。
1 土地利用数量变化研究
区域土地利用变化包括土地利用类型的面积变化、空间变化和质量变化［8］。面积变化首先反映在不同类型的总量变化上，通过分析土地利用类型的总量变化，可了解土地利用变化总的态势和土地利用结构的变化［9］。目前土地利用的数量变化指标有：土地利用变化的幅度、土地利用变化的速度和土地变化的区域差异。通过各地类之间的转化，得出土地利用的转化矩阵。
2 驱动力研究
有关 LUCC 驱动力的研究是探索 LUCC 驱动机制的核心问题［10］。Riebsame 认为土地利用变化的预测研究是很艰难的，因为它需要了解土地利用变化的根本性的驱动力［11］，而土地利用预测模拟研究的先决条件是要确认最重要的驱动力［12］。纵观国际上土地利用/覆被变化的驱动机制研究，目前主要是通过大量的案例与比较，探讨土地利用/覆被变化的动力学机制［13］。Fu Congbin 认为土地利用/覆被变化的驱动力是：气候变化和人类活动［14］，由此可见驱动力研究指标的选取一方面与自然状况有关；另一方面与人类活动有关。因此驱动力通常分为生物物理（bio-physical）和社会经济（socio-economic）两大类。生物物理驱动力包括自然环境的特征和过程，例如气候变化、地形、火山爆发、植物演替、土壤类型和过程、自然资源的有效性等［15］；而社会经济驱动力则包括人口变化、贫富状况、技术进步、经济增长、政治经济结构以及价值观念等［6，16，17］。有的时候驱动力与被观察的土地利用变化在空间或时间上相差甚远，经常涉及宏观经济政策的转变和政策的变化，这些都是很难预测的［18］。由于不同区域土地利用的驱动机制存在一定的差异，因此驱动力方面的研究都是以单一的区域为研究对象。A.Veldkamp 认为土地利用变化的驱动力因子随着比例尺的不同而发生变化：在农田比例尺的情况下，主要是由社会性的和易近性的驱动因子在起作用；在景观研究尺度内，主要考虑的是地形和农业气候条件；在区域和国家尺度下，气候、人口和宏观经济政策将共同作用［12］。
2.1 生物物理驱动力
对于区域性的土地利用/覆被变化研究而言，生物物理方面的驱动力对土地变化的影响在一个比较短的时间段内是比较小的，通常也是不显着的。石瑞香的研究表明，自然（气候）因素并未构成样带上近年来土地利用（尤其是耕地）变化的主要驱动力［19］，但是并不是没有影响的。邹亚荣在中国农牧交错区土地利用变化的研究中表明，青藏高原的上升是晚新生代北半球气候变化的重要驱动力，引起了我国北方气候的干旱，对我国农牧交错区的形成，特别是对东部草地变化产生了影响［20］。叶宝莹在嫩江中上游地区的土地利用变化研究中选取了高程、坡度作为土地利用变化驱动力的指标，结果表明二者与土地利用变化的线性关系明显［21］。地貌类型也会影响土地利用的变化，草地受地貌条件的影响与控制较耕地小［22］；城市的边缘区的土地利用会受到地形的影响，北京城乡过渡区的土地利用变化的发展趋向，在地域上深受西北部山地的阻力作用，可能会形成不对称发展［23］。袁俊在湖北省土地利用变化的研究表明，湖北省土地利用年变化率较低，主要是由特殊的地形限制的［24］。赵庚星认为50年前黄河三角洲地区的土地利用变化主要是受气候因素、风暴潮和黄河改道等自然因素驱动［25］。
2.2 社会经济驱动力
土地利用是社会的一面镜子［26］，土地利用变化能够很好地反映社会经济发展的历程。土地资源条件虽是土地利用结构形成的决定性因素（基础因素），但是对于人类活动而言，这种变化是缓慢的，Elena G.Irwin 认为人类活动是引起土地利用变化的一个主要成分［7］，因此分析社会经济因素对土地利用变化的作用摆在首要的位置［27］。陈百明认为在社会经济驱动力方面，土地利用变化与人口增长之间有明显的联系，但同时这一变化与技术进步、富裕程度、经济状况，以至文化、宗教、军事等之间也能找到一定的相关关系［28］。并且大部分的案例研究都突出了政策对土地利用变化的重要作用，例如京都草案这一国际性的环境政策将对未来的土地利用变化产生深远的影响［29］。龙花楼研究表明几年或几十年的土地利用变化主要是由人类的社会经济活动影响所导致［30］。袁俊认为城镇人口的迅速增长、第二产业的发展、对土地产品的需求变化和交通条件及政府政策等社会经济驱动力导致了湖北省的土地利用变化［24］。周青在农地利用变化驱动机制的理论分析的基础上，构建了农地利用变化强度的指标体系，在指标体系中特别引入了邻近城市的辐射和耕地保护政策对土地利用变化的影响［31］。陈百明为深入分析和认识耕地占用与 GDP增长的关系，运用了 Decoupling （脱钩）理论，开展我国耕地占用与 GDP 增长的脱钩研究，揭示了我国各类区域耕地占用与 GDP增长的相互关系的典型模式［32］。王秀兰认为随着人口数量的变化，供人类生活、生存所需的耕地资源数量在不断地变化，因而，耕地的生态环境背景质量发生着相应的变化［33］。对于城市土地利用而言，交通条件对土地利用类型的转变起到了内因作用，转化为城镇用地的土地利用类型与距交通干线的距离有一定关系［13］。
3 土地利用变化驱动力模拟
土地利用系统的复杂性需要多学科的分析［34］。A.Veldkamp 认为土地利用模型应该代表土地利用系统部分的复杂性；能够检验社会和生态系统结合的稳定性［12］。土地利用变化模拟是为了明确土地利用变化的原因，定量地证明多个因素对某一个因素的关系和影响，不同的模拟方法已经在土地利用变化中得到广泛应用。起初，土地利用变化模拟的研究重在生物物理因子方面的模拟研究，例如海拔、坡度、土壤类型等。后来根据研究的需要，土地利用变化社会经济驱动力方面的数据整合到模型中［35］。但是社会经济指标缺少空间上的简化数据，这样将很难将社会和自然数据结合起来。A.Veldkamp 认为生物物理过程的空间单元和行为组织者决策的空间单元是不一样的［12］。
在土地利用变化模拟研究的开始阶段，基本上都是从数量上进行研究，后来由于遥感技术、空间地理信息系统技术的发展，从空间上实现了土地利用变化的模拟。同时研究的方法也有很大的提升，从单一方法的模拟研究发展到多种方法的结合。
3.1 土地利用变化的数量模拟
土地利用变化的数量模拟是从数量的角度来分析模拟土地利用变化的过程。彭文甫首先利用因子分析的方法，确定了影响土地利用变化的相关因子，然后采用多元线性回归分析的方法，预测了土地利用的变化［36］。王波利用多元相关分析的方法对经济管理体制对土地利用变化进行了模拟，用具体的产值代替了无法量化的经济管理体制［37］。张海龙利用马尔柯夫模型，确定了渭河盆地各土地利用类型之间相互转化的初始转移概率矩阵，从数量上预测了该研究区土地利用变化［38］。虽然马尔柯夫模型在土地利用变化数量研究上表现出较好的应用性，但是由于这种预测是以末期和基期的时间间隔为预测单位，所以只能预测时间间隔整数倍的特定时期的情况，其灵活性和适用性受到限制［39］。由于灰色预报模型克服了统计回归分析方法需要大样本序列的弊端，吴素霞利用该方法预测了石家庄地区未来15年内耕地面积的变化趋势［40］。吴普特采用 BP 神经网络的方法对耕地减少进行了预测，将影响耕地变化的各驱动因子作为神经网络的输入层神经元，将耕地面积作为输出层神经元，经过反复的训练模拟，表明采用 BP 神经网络的方法在预测耕地资源减少量时精度较高，可靠性较好［41］。另外还有利用元胞自动机的方法研究土地利用变化，重在空间上的变化模拟。
3.2 土地利用变化的空间模拟
土地利用变化的空间模拟主要是从土地利用/覆被在时间序列上的变化过程进行模拟预测，另外还包括从主要的驱动力入手进行空间上的模拟预测。土地利用变化的空间模拟主要是在一些空间变量间建立关系函数，并模拟预测土地利用变化［42］。众多学者在高度集聚尺度下进行土地利用变化的空间简化模型研究，例如单个的景观元胞。同时利用遥感影像获得空间研究数据，使与土地利用变化相关的基本地理单元和环境过程概念化［7］。Kasper Kok提出了土地利用转换及效应（CLUE）模型框架，这是一个合理的少见的空间简化土地利用模型，该模型用来分析复合比例尺条件下的土地利用变化问题［43］。摆万奇利用Logistic逐步回归模型，从空间上确定了主要的驱动因素及其定量关系［10］。叶宝莹在GIS的支持下，利用空间相关分析筛选出影响土地利用变化的主要因子，并利用空间多元线性回归函数求得研究区土地利用程度变化模型［21］，目前应用较多的是将多种研究方法综合起来运用。Bryan C.Pijanowski 将 GIS 和神经网络结合起来研究土地利用转换模型（LTM），从空间上来模拟土地利用变化的复杂过程，这一模型把社会经济、政策和环境等变量作为输入，并建立起了土地利用变化与公路、高速公路、居民点道路、河流、湖岸线之间的空间函数关系［42］。现阶段土地利用变化的模拟主要是针对单一的土地利用类型的变化模拟，例如国际上许多学者利用元胞自动机（Cellular Automata）开展城市增长的模拟研究［44，45，46］。有研究者利用神经网络的元胞自动机来模拟复杂的土地利用，整个模型的结构十分简单，用户不用自己定义转换规则及参数，该模型是在ARC/INFO GRID环境下利用AML宏语言写成［47］。侯西勇运用马尔柯夫的元胞自动机模型模拟研究区2010年土地利用的数量和空间分布，结果比较可信［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确定性评价，反映数据输入及模型本身存在的不确定性和产生的结果［49］。模型的不确定性包含输入数据的不确定性和模型结构的不确定，遥感数据的获取会存在不确定性，例如在其纠正时采用的地面控制点的误差是不可能消除的，纠正过的遥感数据或图像产品也始终不能与地面实况完全一致，不同程度上存在着残余误差［50］。同时在影像解译的过程中也会出现适当的误差而产生不确定性。另外在数据转换的过程中，比如矢量到栅格的转换，就会产生新的不确定性。由于模型的结构是基于数学方法，用简化的数学模型来模拟复杂的行为，这也是一种非常重要的不确定性。为了减小不确定性，应该避开矢量—栅格数据的转换过程，同时使用高分辨率的土地利用数据，在模拟分析的过程中，分类型单独预测模拟，然后再综合分析［48］。
为了增强土地利用变化科学的研究，必须从三个方面入手。首先是数据方面的准确性，其次是方法的先进性；再次是理论的新颖性，这三个方面是相互联系的。在土地利用变化研究的过程中，要重点突出决策层思想，在空间上体现人类活动对土地利用变化的影响。要更好地发展土地利用变化的经济模型，这需要比较成熟的空间经济理论作为支撑，这样才能解释移民、雇用增长、政府行为的时空类型，这些都会影响到土地利用变化。利用相关模型分析土地利用的环境影响评价、政府决策和政策形成。同时在土地利用变化研究的过程中，应该注重多种方法的结合，选择精度最优的方法来提高研究成果的可信度与参考性。
参考文献
［1］路云阁，蔡运龙，许月卿.走向土地变化科学——土地利用/覆被变化研究的新进展［J］.中国土地科学，2006，20 （1）：55～61
［2］王秀兰，包玉海.土地利用动态变化研究方法探讨［J］.地理科学进展，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］于兴修，杨桂山.中国土地利用/覆被变化研究［J］.地理科学进展，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］李长荣，邢玉芬，朱健康等.高吸水性树脂与肥料相互作用研究［J］.北京农业大学学报，1989，15 （2）：187～192
［9］李忠锋，王一谋，王建华等.基于 RS 与 GIS 的榆林地区土地利用变化分析［J］.水土保持学报，2003，17 （2）：97～99
［10］摆万奇，阎建忠，张镱锂.大渡河上游地区土地利用/土地覆被变化与驱动力分析［J］.地理科学进展，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］史培军，陈晋，潘耀忠.深圳市土地利用变化机制分析［J］.地理学报，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］摆万奇，赵士洞.土地利用变化驱动力系统研究［J］.资源科学，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，康幕谊.NECT 上农牧交错区耕地变化及其驱动力分析［J］.北京师范大学学报，2000，36 （5）：700～705
［20］邹亚荣，张增祥，周全斌.中国农牧交错区土地利用变化空间格局与驱动力分析［J］.自然资源学报，2003，18 （2）：222～227
［21］叶宝莹，黄方，刘湘南等.土地利用/覆被变化的驱动力模型研究——以嫩江中上游地区为例［J］.东北师大学报自然科学版，2002，34 （1）：100～104
［22］邓祥征，战金艳.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［J］.地理与地理科学信息，2004，20 （3）：64～68
［23］王静爱，何春阳.北京城乡过渡区土地利用变化驱动力分析［J］.地球科学进展，2002，17 （2）：201～208
［24］袁俊.湖北省土地利用变化及其驱动力分析［J］.国土与自然资源研究，2003，（4）：33～35
［25］赵庚星，李静，范瑞彬.黄河三角洲土地利用及土地覆盖变化驱动力分析［J］.西北农林科技大学学报，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］张惠远，赵昕奕.喀斯特山区利用变化的人类驱动机制研究［J］.地理研究，1999，18 （2）：136～146
［28］陈百明.试论中国土地利用和土地覆被变化及其人类驱动力研究［J］.自然资源，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］龙花楼，王文杰，翟刚等.安徽省土地利用变化及其驱动力分析［J］.长江流域资源与环境，2002，11 （6）：526～530
［31］周青，黄贤金，濮励杰.区域农地利用强度及其驱动机制研究［J］.长江流域资源与环境，2003，12 （6）：535～540
［32］陈百明，杜红亮.耕地占用与GDP增长的Decoupling研究［J］.中国土地资源战略与区域协调发展研究论文集，2006，7～13
［33］王秀兰.土地利用/土地覆盖变化中的人口因素分析［J］.资源科学，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，周介铭.近50年四川省耕地变化分析［J］.资源科学，2005，27 （3）：79～85
［37］王波，唐志刚，濮励杰等.区域土地利用动态变化及人为驱动力初步研究［J］.土壤，2001，（2）：86～91
［38］张海龙，蒋建军，解修平等.基于 GIS 与马尔柯夫模型的渭河盆地景观动态变化研究［J］.干旱区资源与环境，2005，19 （7）：119～124
［39］陈浮，濮励杰，彭补拙等.新疆库尔勒市土地利用变化对土壤性状的影响研究［J］.生态学报，2001，21 （8）：1290～1295
［40］吴素霞，毛任钊，李红军.石家庄地区耕地与人口数量变化动态及其预测［J］.干旱地区农业研究，2005，23 （3）：8～12
［41］吴普特，员学锋，汪有科.BP 神经网络在耕地减少预测中的应用研究［J］.中国农业资源与区划，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，叶嘉安.基于神经网络的元胞自动机及模拟复杂土地利用系统［J］.地理研究，2005，24 （1）：19～27
［48］侯西勇，常斌，于信芳.基于 CA-Markov 的河西走廊土地利用变化研究［J］.农业工程学报，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］毕继成，郭华东，史文中等.遥感数据的不确定性问题［M］.北京：科学出版社，2004
❹ 遥感动态监测常用的方法有哪些以土地利用/覆盖变化为例简述遥感动态监测的工作流程
变化监测。使用ERDAS 的DeltaCue，效果很好。
❺ 动态监测分析
动态监测模块基于栅格数据对土地利用专题信息进行叠加分析，获取土地利用变化信息，包括图像对图像动态监测和分类图对分类图动态监测两个模块。
图像对图像动态监测模块利用前后两期遥感影像数据作叠加分析，提取土地利用变换信息。首先要对前后两期数据作等比拉伸，使其具有可比性，而后通过分别计算出的NDVI植被指数作为特征变量来进行差值运算获取土地利用变化信息。选择两个时相图像，进行几何配准并对对应像元的像元值进行相减处理，得出每个像元的土地覆盖类型是否发生变化。在图像上选择一些类型没有变化的高反射和低反射像元，对对应的像元值进行比较，确定两个图像的平均像元值差异，并以一个时相的图像为基准，对另一时相图像上的每一像元值减去(或加上)平均像元值差值。对地类本身特性的变化所引起的光谱变化，如含水量的变化，植被生长状况的变化，可以结合其他的一些数据来区分，如两个时相的植被指数差值。该方法能比较有效地确定像元的土地覆盖类型是否变化，但也会发生一些类型没有变化的像元被错分成类型发生变化。
分类图对分类图动态监测模块的输入数据与前一模块不同，是两期数据经过信息自动提取的土地利用现状类型图。两期数据要确保完全配准和具有相同的分类体系。该模块可以提取特定地物类型的增加和减少情况，以及是由什么地物转变而来的，并且可以进行简单的统计，另外也可以生成所有地物类型的转换矩阵。
❻ 遥感方法研究珠江口近二十多年来土地覆盖的变化
李学杰万荣胜
（广州海洋地质调查局 广州 510760）
第一作者简介：李学杰，男，1964年生，博士，教授级高工，主要从事海洋地质与第四纪地质研究工作，E-mail:[email protected]。
摘要 土地覆盖变化是全球变化研究的重点之一，尤其是河口地区，对环境变迁十分敏感。对珠江口东部地区1979年的LandsatmmS、1990年Landsat TM和2000年Landsat ETM影像的土地覆盖分类，并进行对比研究表明，此间，总体水域面积和绿地（包括森林和耕地）面积减少，建筑区和裸露地面积增加。但不同区域土地覆盖类型变化有明显的区别，西部主要是由于沉积作用和围海造地，造成水域面积减少，且20世纪90年代围海造地速率比80年代要大得多。东部海域沉积作用不是主要因素，局部海岸可能还存在侵蚀作用。交椅湾区水域面积变化不大，岸线位置也基本稳定，而且80年代的水域面积有所增多，是由于陆地人工水塘增多的结果。蛇口区主要是由于港口码头等建设，导致水域面积减少，码头向海域延伸的结果，90年代明显加大了码头建设的规模和速度。
关键词 土地覆盖 遥感 珠江口
1 概述
海岸带地处海陆交互地带，对环境变迁十分敏感，尤其是河口地区，其变迁速率更快。海陆相互作用是全球变化研究的重点（李秀彬，1996），土地利用/土地覆盖变化（LUCC）是全球变化研究的重点内容（费鲜芸，高祥伟，2002）。
遥感方法在土地利用/土地覆盖中得到广泛的应用（Sun et al.，1999；甘甫平等，1999；王素敏，翟辉琴，2004）。各种遥感影像的处理和研究方法也得到迅速的发展（韩涛，2004），包括GIS支持的决策系统在土地利用评估的引用（Tan et al.，2004）、多源多时相遥感数据的融合及土地覆盖信息的提取技术（周斌，2000；李爽等，2002；王萍等2003）、多步骤分类法提取土地覆盖信息（许榕峰，徐涵秋，2003）及高分辨率影像在海岸带中的应用（Chauvaud et al，1998）等。
我国利用遥感方法对土地覆盖类型进行了大量研究（Yong＆Wang，2001）。海岸带已进行了黄河三角洲（Ye et al.，2004）和珠江三角洲（Seto et al.，2002）的研究。
分类是认识事物的基础，遥感影像的分类的目的是将遥感影像中每个像素根据其在不同波段的光谱亮度、空间结构特征及其它信息，按照某种规则或算法分为不同的类别（赵英时等，2003），以便对事物更好的认识。遥感影像的分类方法有非监督分类、监督分类，以及模糊分类、人工智能神经网络分类、亚像素分类等（赵英时等，2003；党安荣等，2003）。
本文采用监督分类方法，在ERDAS中进行，并采用最大似然法进行计算。试图通过对不同时期土地覆盖类型变化的分析，研究珠江口东部地区的环境变迁（图1）。
图1 研究区位置图
Fig.1 The location of the research area
2 研究材料与方法
2.1 研究材料
本文以卫星影像为主，包括不同时期的Landsat MSS、Landsat TM、Landsat ETM影像、SPOT卫星影像及IKONOS影像，时间跨度为1979～2003年（表1）。其中SPOT只覆盖研究的绝大部分，IKONOS只覆盖蛇口半岛，它们分辨率较高（图2），其中IKONOS影像是目前最高的民用卫星影像中之一（图3）。因此分类研究以 Landsat 影像为主，SPOT和IKONOS作为分类检验的依据。此外有1：100，000的地形图和海图供参考。
2.2 研究方法
研究方法包括影像的几何校正、影像分类、精度评估及分类影像的后处理等。Landsat的卫星影像已经有坐标系统（UTM，WGS84），SPOT和IKONOS影像没有，因此参照Landsat ETM建立SPOT影像坐标系统。
表1 本文采用的卫星影像和地形图一览表Table1 The images and topographic maps used in the paper
图2 Landsat ETM与SPOT影像对比
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 监督分类
在ERDAS IMAGINE中对1979年的Landsat MSS、1990年的TM及2000年的ETM影像进行土地覆盖的监督分类。将Landsat ETM影像的土地覆盖分为水域、森林、耕地（包括草地）、建筑、裸露地等5 种土地覆盖类型。其中水域包括海域、河流、湖泊、水库等；森林主要于山地，也包括其它树木生长区；耕地主要分布于平原及山麓地带，包括各种种植地和草地；建筑区城镇、码头、高速路等区域；裸露地为无植被区，如：采石场、泥地及其它。
从分类结果来看，Landsat ETM的分类中，建筑区和裸露地分类的错漏较多，识别效果不是很好（表2），因此在进行Landsat TM和MSS影像分类时将这两类合并。
2.2.2 分类结果的误差估计
分类结果的误差估计是评价分类结果好坏的基础（Congalton，1991；Kerle et al.，2004），最好是结合野外进行实地检验，本次未进行野外考察，主要采用较高分辨率的影像，结合地形图进行检验。
图3 蛇口半岛西南的IKONOS影像（局部）
Fig.3 IKONOS image in the Shekou Peninsular
在ERDAS中对Landsat ETM分类随机取260 点，并将每一点的分类结果与原图像进行对比，并参考SPOT、IKONOS影像或地形图决定分类结果是否正确。误差估计结果如表2。水域的分类精度较高，其用户精度和制图精度分别为98.7%和87.4%。错分和漏分率较高的是森林和耕地之间以及建筑区与裸露地之间，表明它们之间较容易出现错漏，分类效果相对较差。但总体分类精度达78.5%，表明总体分类效果良好。
表2 Landsat ETM影像分类结果误差估计Table2 Classification result of the Landsat ETM and its error assessment
同样对Landsat TM影像和LandmmS影像的分类结果进行随机取样检验，各取260点，对分类结果的正确与否进行一一判定，结果见表3、表4。由于裸露地与建筑区合并，总体精度有明显提高，分别为90.8%和88.9%，表明分类效果很好，尤其是中水域的识别最佳，错漏现象极少；而耕地和森林的错分误差和漏分误差相对较大。
表3 Landsat TM 影像分类结果误差估计Table3 Classification result of the Landsat TM image and its error assessment
表4 LandsatmmS影像分类结果误差估计Table4 Classification result of the LandsatmmS image and its error assessment
2.2.3 分类影像的后处理
分类影像会存在一些小的斑点，可能是噪音或分类单元，使结果难以解释和应用。在ERDAS中可以进行影像的聚类统计（Clump）和去除分析（Eliminate）处理，可以将小图斑合并到相邻的最大分类中（党安荣等，2003），使分类图像简化，更合理，易于解释和应用（图4）。
3 珠江口土地覆盖的变化
对比1979年Landsat MSS影像、1990年Landsat TM 影像和2000年Landsat ETM影像监督分类结果，可以看出近二十多年本区土地覆盖类型的变化及其环境变迁。为了更好地反映近岸的土地覆盖类型变化特征，将其分为4区讨论（图5）。
图4 分类图像后处理前后的对比
A—处理前；B—处理后
Fig.4 Comparison of classified image between before and after image processing
A—before；B—after
图5 2000年珠江口土地覆盖类型分布（Landsat ETM）
Fig.5 Distribution of Land cover in the Pearl River Estuary（Landsat ETM）
3.1 南沙区
南沙区位于研究区的西北，汇集了珠江口的4大口门：虎门、蕉门、洪奇门和横门，也是广州开发发展的重点地区，并于1993年成为广州南沙经济技术开发区。本区最明显的变化是由于沉积作用和围海造地，陆地面积不断增大，水域面积逐年减少。1979年水域面积396km2，占全区面积的 36.8%；1990年下降到 358km2，占全区的 33.3%，1979～1990平均每年减少3.5km2。而到2000年只有304km2，1990～2000年平均每年减少5.4km2，显然水域较少的速率在增大（图6）。
图6 1979年以来南沙区土地覆盖类型变化柱状图
Fig.6 Land cover Change in Nansha region since 1979
1979～1990年，本区建筑区与裸露地只有少量增长，表明这期间该区的建筑增长不快。而绿地（包括森林和耕地）从513km2增加到543km2，净增30km2。但1990～2000年，建筑区明显增大，从174km2下降到353km2，面积成倍增长。此期间不仅水域面积减少，绿地面积也大幅减少。显然这与上世纪90年代的南沙开发，大量建设有关。
3.2 淇澳岛区
本区的土地覆盖类型变化与南沙区相似，总体是由于沉积作用和围海造地致使水域面积减少，陆地面积增加。水域面积，1979～1990年，减少5.4km2，年均较少0.49km2；1990～2000年，减少15.2km2，年均较少1.52km2，其下降速率在增大。
同样绿地面积也在逐年减少，而且下降速率也是90年代比80年代大。只有建筑区（包括裸露地）面积迅速增加，前11年增加7.4km2，后10年增加22.5km2。90年代建筑区增加的面积是80年代的3倍多（图7）。
3.3 交椅湾区
东部的土地覆盖类型的变化模式与西部明显不同，伶仃洋的东部河流来沙少（刘沛然等，2000；温令平，2001），沉积作用不强，一些地区可能还存在海岸侵蚀作用。1979～1990年，本区水域面积从231km2增加到258km2，净增加27km2。主要是由于交椅湾原来的许多低地，此间成为鱼塘等水域，主要是人工，也可能部分为侵蚀作用而成，致使水域面积明显增大。两个时相的潮位只相差17m，显然潮差不是影响海岸线分布的主要原因。本区的池塘主要是人工为主，但也可能部分由于海岸侵蚀作用，人工的堤坝建设，保障了岸线本身不致后退，却在岸线后形成水塘。1990～2000年，水域面积下降，但岸线位置变化也不大，主要是水塘被建筑区或其它类型所覆盖（图8）。
图7 1979年以来淇澳岛区土地覆盖类型变化柱状图
Fig.7 Land cover change in Qi’Ao region since 1979
图8 交椅湾三个时相影像分类结果的对比
Fig.8 Comparison of land cover distribution in 3 classified image
图9 1979年以来交椅湾区土地覆盖类型变化柱状图
Fig.9 Land cover change in Jiaoyi region since 1979
建筑区和裸露地的变化与其它区相似，也呈逐年增加的趋势。1979年，面积为48.9km2，到1990年，增加到100km2，净增51km2，此间年增长4.6km2；到2000年，其面积达165.5km2，再增65km2，此间年增长6.5km2，比80年代大。相反，绿地面积在不断下降，从1979年的151km2，1990年的72km2，减少近一半，到2000年38km2，再减少一半。因此本区总体水域变化不大，岸线也没有明显的变迁，主要变化是建筑区增加，结果陆地面积减少（图9）。
3.4 蛇口—深圳区
本区又是另一种类型的变化模式，水域面积的减少和陆地增大主要是由于在海域进行港口码头及其它建设的结果。
1979～1990年，水域面积从174.7km2到166.6km2，减少8km2，年均减少0.74km2；1990～2000，水域面积再减少22km2，年均减少2.2km2，是前一时期的3 倍，显然90年代的港口及其它围海减少规模比80年代要大得多（图10）。
图10 1979年以来蛇口—深圳区土地覆盖类型变化柱状图
Fig.10 Land cover change in Shekou-Shenzhen region since 1979
建筑区和裸露地从1979～1990迅速增加，而陆地迅速减少，可能由于本区1990年的影像部分被云层覆盖，影像分类结果，致使建筑区与裸露地增加。
4 结论
对珠江口1979年以来三个时相 LandsatmmS、Landsat TM和 Landsat ETM 影像在ERDAS进行土地覆盖分类，随机取样检验表明，其分类效果良好。其结果对比研究表明，伶仃洋海域1979～2000年，总体水域面积和绿地（包括森林和耕地）面积减少，建筑区和裸露地面积增加。
不同区的土地覆盖类型变化有明显的区别，西部主要是由于沉积作用和围海造地，造成水域面积减少，况且20世纪90年代的变化速率比80年代要大的多，同样90年代的建筑规模也比80年代大。东部海域沉积不是主要因素，局部海岸可能还存在侵蚀作用。交椅湾区水域面积变化不大，岸线位置也基本稳定，而且80年代的水域面积有所增多，是由于陆地人工水塘增多的结果。蛇口区主要是由于港口码头等建设，导致水域面积减少，码头向海域延伸的结果，90年代的发展速度也比80年代要大得多。
参考文献
党安荣，王晓栋，陈晓峰，张建宝.2003.ERDAS IMAGINE遥感图像处理方法.北京：清华大学出版社，577
费鲜芸，高祥伟.2002.土地利用/土地覆盖遥感分类研究综述.山东农业大学学报（自然科学），33（3）：391～394
甘甫平，王润生，王永江，付正文.1999.基于遥感技术的土地利用与土地覆盖的分类方法.国土资源遥感，（4）：40～45
韩涛.2004.遥感监测土地覆盖变化的方法及研究进展.干旱气象，22（2）：76～81
李爽，钱乐祥，丁圣彦.2002.遥感影像土地覆盖（LC）专题信息提取方法研究.中国土地科学，16（2）：30～33
李秀彬.1996.全球环境变化的核心领域-土地利用/土地覆被变化的国际研究动向［J］.地理学报，51（6）：553～557
王萍，张继贤，林宗坚，李春霞.2003.基于多源遥感数据融合的土地利用/土地覆盖变化信息提取试验.测绘通报，（3）：14～17
王素敏，翟辉琴.2004.遥感技术在我国土地利用/覆盖变化中的应用.地理空间信息，2（2）：31～38
许榕峰，徐涵秋.2003.多步骤分类法在土地利用/覆盖专题提取中的应用.31（4）：408～412
赵英时等.2003.遥感应用分析原理与方法.北京：科学出版社，478
周斌.2000.针对土地覆盖变化的多时相遥感探测方法.矿物学报，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 土地利用趋势分析地理元胞自动机
土地利用/土地覆被变化(LUCC)是全球环境变化研究的重要组成部分，是人类活动对自然环境施加影响的显着表现形式之一。土地利用未来如何变化，当属目前土地利用变化研究的核心问题。Lambin等人的研究表明，动态的基于过程的模拟模型比经验的、随机的和静态优化模型更适合于预测土地利用(Lambin，2000)。到目前为止，直接地和明确地针对土地利用变化的理论和机理建构的模型还较少，真正将土地利用变化与其空间分布相结合，探讨不同尺度上土地利用的时空演变规律的动态模型更不多见(郭程轩，甄坚伟，2003)。
土地利用趋势预测的模型方法主要有回归预测法、马尔可夫法、人工神经网络、灰色模型、元胞自动机模型等方法。回归预测法是利用表明变量之间相互关系的数学方程式，由其他变量中的已知值推断预测变量的数值进行预测的一种方法。该方法适用于各个变量之间具有较强相关性的标准变量组。由于不同土地利用类型之间相互影响、相互制约，所以该方法常被用来研究土地利用变化与人文因素之间的关系。该模型的不足之处在于，不适合大范围的预测以及因经济因子难以定量化造成的预测值的误差。
马尔可夫过程是一种无后效性的过程，运用马尔可夫过程模拟土地利用动态变化首先要确定土地利用类型的初始状态矩阵和转移概率矩阵。该预测模型的优点在于计算和实现比较简单，可以揭示不同土地利用类型之间的数量转化规律和总体变化趋势。模型运算只需要考虑土地利用的现状信息，而无需考虑土地利用变化的内在机制，不足之处在于模型缺乏揭示土地动态变化驱动机制的能力及缺乏空间表达能力，该模型适用于土地利用变化驱动力变化机制不清及预测短期土地利用变化的状况。
人工神经网络能模拟人的部分形象思维能力，预测的过程就是利用不同时期获取的信息源，在对它们进行综合分析和对比的基础上，发现土地变化的区域和变化类型。该模型的优点在于能够对动态数据进行分析，并根据历史资料归纳规律，不足之处是受预测区域范围大小和时间长短的限制，一些主要因素特征难以确定，预测结果并不十分精确。
灰色系统动态模型GM(n，h)是依据灰色系统理论原理，利用系统的离散采集数据建立其动态微分方程，以灰色模块为基础，微观拟合分析为核心的建模方法。土地利用系统本质上是一个灰色系统，运用灰色模型可在土地资料不完整的情况下对中长期的土地利用结构进行过程分析。
元胞自动机(Cellular Automata)模型，是离散动态系统概念和应用建模的一种方法，其框架简单、开放，适于模拟具有自组织结构的复杂性系统，并且具有很强的生命力。以模型“自下而上”的研究思路、强大的复杂计算功能、固有的并行计算能力和时空动态特征，使得它在模拟土地利用变化这一空间复杂系统的时空动态演变方面具有自然性、合理性和可行性，CA模型与GIS软件相结合为土地利用动态建模提供了新的思路和建模方法。相比较其他模型，其优势在于:①更为简单、自然;②建立在空间相互作用，而不是社会、经济指标间的相互影响关系的基础上，更能反映空间格局变化以及由此带来的进一步反馈作用。
土地利用变化的复杂性决定了土地利用研究必须采取复杂系统的理论方法，特别是建立基于复杂系统思想的数学模型，这是土地利用过程研究的重要领域之一。因此，结合土地利用变化的规律，采用复杂系统的研究方法，建立土地利用变化的科学模型是土地变化复杂性研究的关键。目前国际上在复杂系统理论的背景下，利用元胞自动机模型研究地理过程的复杂行为是地理建模领域的前沿地带，是一项跨领域的前沿技术，将它应用于土地利用变化的预测和模拟，具有较强的理论价值和实践意义。
(1)元胞自动机模型(CA)可表现复杂系统结构的时空动态演化，利用CA对土地利用覆盖变化(LUCC)进行动态模拟，定量探讨土地利用变化过程并进行预测，对区域可持续发展、土地利用规划与土地管理决策意义重大。模型从研究一个地区土地利用现状入手，借助GIS软件分析土地利用动态变化的过程，研究不同土地利用类型的转移规律，探求土地利用变化的内在机制，为不同发展目标的土地利用调控提供理论依据。
(2)将GIS与Geo-CA相结合用于土地利用变化分析，不仅能够提高模型运算的效率，将模型全部过程进行计算机模拟，还能直观地显示土地利用性质的变化及土地预测的结果，通过调整模型参数获得未来不同预测年份土地利用的结果，可为区域决策者进行土地利用评价提供依据。
(3)研究流域的土地利用变化不仅可以为流域土地的合理利用及河流水资源的合理调配提供重要的决策依据，同时也为流域居民的生产生活、生态环境、经济的协调发展提供重要保障。将Geo-CA模型应用于流域土地利用变化的模拟和预测，目前尚处于探索性研究阶段。通过建立较为恰当的GeoCA-Lanse模型，并将其应用于塔里木河流域，不仅开阔了 Geo-CA 模型应用的领域，同时也为其他流域土地利用预测起到了很好的示范作用。
20 世纪 80 年代至 90 年代 Batty 和 Xie 利用分形理论与 CA 相结合对城市的形成和扩展进行了细致的研究。他们设计的凝聚扩散模型 ( diffusion-limited aggregation，DLA) 可以认为是广义的 CA 模型。1994 年 Me 提出了城市发展动态模型 ( dynamic urban evolutionmodel，DUEM) ，该模型用 CA 理论来描述具有自相似性和分形分维特征的城市及其发展过程。Clark ( 1998) 根据城市发展的历史数据以及交通、地形条件，设定适当的模型参数，建立了城市增长的 CA 模型，并将此模型与 GIS 平台松散耦合，对美国的旧金山和巴尔的摩的市区进行了成功模拟和预测。90 年代以来，Wu F. ( 1998) 将元胞自动机模型与多因子评价模型有机集成，并在 ArcInfo 中应用 AML 和 C 语言，在统一的界面上实现了GIS 和 CA 模型、MCE 模型的集成。在此平台上，实现了对我国广东省广州市城市扩张的模拟。加拿大的 White 和荷兰的 Engelen ( 1994) 将约束性 CA 模型用于模拟土地利用动态变化，如美国 Cincinnati 市的城市增长、受全球气候变暖影响 Caribbean 岛土地利用构成的变化等。
武晓波、赵键等 ( 2002) 利用基于遥感和地理信息系统的 CA 模型模拟海口市1987 ～ 2000 年城市发展进程。陈建平、丁火平等 ( 2004) 提出了基于 GIS 软件和 CA 模型的荒漠化演化预测模型，并以北京及其邻区为例，取得了较好的模拟效果。陈龙泉( 2004) 从 Markov 和 CA 两种模型所具有的特点出发，探讨用 Markov-CA 模型对土地利用/土地覆盖变化进行动态模拟和预测的可行性。Markov-CA 吸收了 Markov 和 CA 等理论对于有关时间序列的模拟和预测的优点，利用两期 TM 数据的试验证明，Markov-CA 模型能很好地对土地利用/土地覆盖变化进行模拟和预测。张显峰 ( 2000、2001) 提出了集成GIS 与 CA 模型进行地理时空过程模拟与预测的新方法，即首先将标准 CA 模型的 4 元组进行扩展以满足 GIS 环境下时空动态模拟的要求，然后以城市土地利用演化这一动态过程为例，建立了土地利用演化动态模拟与预测模型 ( LESP) ，最后运用此模型对包头市城市扩展和土地可持续利用演化进行了比较成功的模拟和预测。周成虎等 ( 2001) 利用 Geo-CA 构造了一个实用化且可运行的空间动力学模型 ( GeoCA-Urban) ，模型适应于模拟城市的发展和演变，模拟效果良好。
本系统的生态专业分析子系统以三源河流域和阿拉尔人工绿洲地区为研究样区，在GIS 软件和 Geo-CA 理论模型的支持下，从两个时相土地利用专题图的叠加分析和转移分析入手，结合土地利用变化的计量模型，分析土地利用动态变化特征，定量研究了土地利用变化与水系、交通、土壤、地形之间的关系，并据此构建控制因素层，结合社会经济数据调整模型参数，确定合理的邻居及转换规则，经过反复的调试和修改，最终构架出合理的土地利用动态演变模型 ( GeoCA-Lanse 模型) 及其软件系统。