土地利用变化与碳效应关系系统设计与实现

李海江，刘耀林，何建华，邱丽娟

（1. 武汉大学 资源与环境科学学院，湖北 武汉430079；2. 地理信息系统教育部重点实验室，湖北 武汉430079；3. 数字制图与国土信息应用工程国家测绘地理信息局重点实验室，湖北 武汉430079）

土地利用变化与土壤有机碳之间有密切关系[1,2]。它不仅可以改变土壤有机物的输入，还可以改变土壤有机碳的储量[3-5]。当前对土地利用变化监测的研究较多[6-8]，但集成碳的时空分布、土地利用变化监测、土地利用变化与碳效应关系模型等技术的平台很少研究。本文以高分辨率遥感影像为数据源，对土地利用变化实施监测，并设计一整套碳储量分析流程，探讨土地利用变化与碳效应的关系模型。在此基础上，设计并实现土地利用变化与碳效应关系系统，为土地利用变化与土壤碳效应方面的研究提供平台。

1 系统业务需求分析

图1 系统业务流程图

土地利用变化与碳效应关系系统由碳的时空分布分析、土地利用变化监测、土地利用变化与碳效应关系模型、碳效应预测、成果表达与输出5个阶段构成，如图1。各阶段具体内容分别为：①碳的时空分布分析，设计碳储量分析流程，通过分析得到研究区的碳储量分布图，并对多时期碳储量图进行变化分析；②土地利用变化监测，根据遥感影像进行土地利用分类，并比较多期影像进行变化分析；③土地利用变化与碳效应关系模型，根据前两步分别得到的碳密度数据和土地利用分类数据，建立两者的关系模型；④碳效应预测，运用关系模型对新时期的碳密度进行预测分析；⑤成果表达与输出，将以上成果数据进行可视化表达，并制成专题图输出。

2 系统总体架构

土地利用变化与碳效应关系系统以业务模型库为核心，系统总体架构可分为数据服务层、应用逻辑层和表现层3个层次，如图2。

1）数据服务层。采用Microsoft Office Access的MDB格式数据库实现系统的空间数据库和系统参数库的构建和存储，分别通过系统层次的I/O、ADO.net和空间数据库引擎实现数据库文件、非空间表和空间数据的矢量和影像的访问、操作。

2）应用逻辑层。选取ESRI的ArcEngine组件库作为GIS开发平台，实现土地利用变化与碳效应关系系统所需功能的系统定制。

3）表现层。可分为数据管理、碳的时空分布分析、土地利用变化监测、土地利用变化与碳效应关系模型、碳效应预测、系统辅助工具6个模块：①数据管理模块实现对系统所需数据和运行产生的数据进行管理；②碳的时空分布分析模块对样本点布设进行优化设计，并根据模型拟合研究区的碳密度分布；③土地利用变化监测模块对遥感数据进行监督和非监督分类，并对不同时相的分类结果作变化分析；④土地利用变化与碳效应关系模型模块实现土地利用数据与碳密度数据关系模型的建立；⑤碳效应预测模块根据上一模块得到的模型，针对新时期的影响因子数据预测碳密度图；⑥系统辅助工具模块包括地图的基本操作、图层管理、成果数据的表达与输出功能、空间数据查询和统计分析等基本的用户交互操作功能。

图2 系统总体架构图

3 数据组织

系统采用关系型数据库组织和管理数据，以Personal Geodatabase作为空间数据引擎。依据系统业务流程，构建由基础地理数据、碳效应影响因子数据、碳的时空分布分析数据、土地利用变化监测数据、关系模型数据和成果数据几部分组成的系统空间数据库。各部分关系如图3所示。

图3 数据关系图

基础地理数据主要包括水系、居民地及设施、交通、境界与行政区和地貌等基础地理信息要素。该数据一方面作为专题图制作的底图，同时其中的行政区数据用作碳的时空分布分析的采样底图。

碳效应影响因子数据包括土地利用类型、土壤类型、NDVI指数、坡度等因子，可由用户自行定制。该数据在碳的时空分布分析中作为分层布样的分层图层供用户选择，同时在构建土地利用变化与碳效应关系模型中作为自变量因子供用户选择。

碳的时空分布分析数据包括样本点数据和研究区的碳密度图。样本点数据是用户样本点布设得到的布样数据，包括样本光谱数据和野外采集数据等。

土地利用变化监测数据包括遥感影像、土地利用分类图，遥感影像通过分类得到土地利用分类图。

关系模型数据包括用于建模的多元回归模型和神经网络模型的模型参数数据。

成果数据指系统运行过程中得到的一些结果数据，包括土地利用变化数据、碳密度图预测数据等。

4 系统关键技术

4.1 碳的时空分布分析技术

该模块的设计思路如下：先进行样本布设优化设计，采用随机布样、系统布样或分层布样的方法产生一组样本点，并实地采集样本数据，再采取相关模型拟合研究区的碳密度图，如图4。

图4 碳的时空分布分析流程图

本文的土壤有机碳密度计算公式如下：

式中，DTOC为土壤有机碳密度（kg/m2）；ωTOC为有机碳含量（g/kg）；w表示容重（g/cm3）；d为采样深度（cm）；ρ为砾石含量（%）。根据上述模型计算得到该样本点的碳密度值后，将其通过插值（包括克里金插值和反距离权重插值）完成对研究区的碳密度估算，得到该区域的碳密度图。

4.2 土地利用变化监测技术

该部分的分析方法包括两种：

1）对目标时间的遥感影像直接进行土地利用分类，包括监督分类和非监督分类两种方式。其中非监督分类包括ISODATA聚类法和K均值法，监督分类包括最大似然法和支持向量机法。然后采用分类后比较法对两期土地利用分类图进行对比分析，得出土地利用变化图以及地类属性变化情况，如图5a所示。

图5 土地利用变化监测流程图

2）针对同源遥感数据，用户可以先进行土地利用变化监测预处理，采用图像差值法或图像比值法，通过设置合理的阈值直接提取变化区域。然后对变化区域进行土地利用分类，结合基期的土地利用分类图得到目标时间的土地利用分类结果。最后，再对两期分类图使用分类后比较法进行对比分析。该方法流程上比第一种复杂，但能减少目标时间遥感影像的分类范围，并有效减少检验样本的数量，如图5b。

4.3 土地利用变化与碳效应关系模型

以样本点所在的各个影响因子数据值为自变量，以样本点的碳密度值为因变量，建立它们的关系模型。为了使关系模型能适应不同的区域特征，系统集成了多元回归模型和神经网络模型两类模型。其中多元回归模型属于经典的关系模型建立方法，能有效拟合多个影响因子和碳密度之间的关系；而神经网络模型能够针对数据冗余和数据缺失等问题通过模型训练机制进行分析，然后运用知识和训练构建的神经网络模型完成模型预测。

5 系统示范

选取湖北省洪湖市汊河镇为示范区，采用资源三号测图卫星数据作为数据源构建数据库。系统运行界面如图6所示。结果显示，碳密度图准确反映了示范区的空间规律性和分布特征，关系模型拟合度较好，系统各项性能稳定，达到实际应用要求，具有一定的推广价值。

图6 系统运行界面

[1]Delcourt H R, Harris W F. Carbon Budget of the Southeastern US Biota: Analysis of Historical Change in Trend from Source to Sink[J]. Science, 1980,210(4 467):321-323

[2]方精云, 唐艳鸿, 林俊达. 全球生态学气候变化与生态响应[M]. 北京: 高等教育出版社, 2000

[3]周广胜. 全球碳循环[M]. 北京: 气象出版社, 2003

[4]李玉强, 赵哈林, 陈银萍. 陆地生态系统碳源与碳汇及其影响机制研究进展[J]. 生态学杂志, 2005(1):37-42

[5]卢娜. 土地利用变化碳排放效应研究[D]. 南京：南京农业大学, 2011

[6]白明哲, 岳秋丽. 基于GIS模型库集成的土地利用变化预测系统[J]. 东华理工学院学报, 2007(4):345-349

[7]张敬波, 马虹, 杨国安. 和田绿洲土地利用动态监测系统研究[J]. 干旱区地理, 2001(3):265-269

[8]夏春林, 王雪, 余宗莉, 等. 基于3S的土地利用动态监测系统[J]. 辽宁工程技术大学学报：自然科学版， 2008(1):25-27[9]石培礼, 于贵瑞. 拉萨河下游河谷不同土地利用方式下土壤有机碳储量格局[J]. 资源科学, 2003,25(5):96-102