基于遥感技术与数学模型的土地利用/覆盖变化研究进展

冯丁饶，谢炘格，雷昊仪，刘 彪，陈乃鸽，常虔浩

（1.中国地质大学（北京）土地科学技术学院，北京 100083；2.北京科技大学材料科学与工程学院，北京 100083）

土地利用/覆盖变化 （Land Use/Cover Change，简称LUCC）由国际地圈—生物圈计划（IGBP）和全球环境变化中的人文领域计划（HDP）联合提出，土地利用／覆盖变化是人类—自然环境相互复杂作用的结果［1］，与全球气候、生物多样性、生态环境、人类自然与经济的可持续发展密切相关［2－4］。土地利用与土地覆盖之间既有密切联系也有本质的区别，土地利用是指人类活动对于土地利用的各种方式，表现出人类在地球上开发与改造事物的意图。而土地覆盖则更加偏向于自然要素，指土地本身的覆盖物［5］。土地利用/覆盖变化在驱动力驱动下使土地利用类型发生变化，驱动力包括自然驱动力与人为驱动力，城市扩张、农村向城市转型、人口快速增长是改变城市地区土地利用／覆盖的主要动力［6］。随着社会的不断发展，人类对土地利用的强度不断增加，造成一系列人与土地之间、人与大自然之间的矛盾。近20年来已有很多学者对LUCC进行相关研究。李秀彬［7］系统地论述了土地利用／覆被变化的研究内容、研究方法等；王秀兰等［8］概述了土地利用变化研究内容，重点介绍了相关模型；刘彦随等［9］对可持续发展的LUCC研究展开相关讨论；陈佑启等［10］重点讨论了尺度与土地利用／覆盖变化研究的相关问题；宋乃平等［11］梳理了土地利用／覆盖变化研究热点，并提出研究中的相关问题；张景华等［12］评述了LUCC分类系统在国内外的研究进展；刘纪远等［13］重点分析了中国土地利用变化的基本特征，并概述了土地利用类型变化的主要原因。

土地利用／覆盖变化现成为国际研究的前沿和热点，在土地资源各个方面都起到了重要作用［14］。遥感技术的蓬勃发展使现在的土地利用/覆盖研究更趋向于多元化，与生态、经济、社会、人文等要素息息相关。土地利用/覆盖变化的热门领域主要有3个方面：基于遥感技术的LUCC研究、LUCC模型研究、LUCC驱动力机制研究（表1）。3个热门领域已有诸多学者做出总结与展望，陈百明等［15］对基于遥感、GIS的 LUCC研究进行了评述；唐华俊等［16］对LUCC模型理论、应用方面进行了总结；何英彬等［17］对土地利用驱动力机制领域进行了探讨；路云阁等［18］对这3个热门研究领域进行了综合评述。近些年遥感技术蓬勃发展，土地利用/覆盖变化研究使用的遥感影像图分辨率不断提高，同时新的变化检测方法层出不穷，使得分类和检测精度日益提高。模型由过去的单一化、简单化不断趋向于高效化、多元化，土地利用／覆盖变化模拟和预测准确度随之增加。基于遥感技术和模型的LUCC研究成为热门领域。本研究重点对这两方面的最新研究成果进行梳理，综述了有关土地利用变化的遥感技术与模型研究进展，并展望LUCC在这两方面的未来发展趋势。

表1 土地利用/覆盖变化热门研究领域

1 基于遥感技术的LUCC研究

LUCC借助遥感数据展开研究，全球各类卫星为研究提供了数据源，尤其是Landsat卫星为LUCC研究提供了极大帮助，其拥有其他卫星所不具备的长时间尺度连续性和数据广泛性，Landsat系列卫星成为研究中使用率很高的遥感数据源。同时尺度的不同（局部、地区、国家、全球）使得遥感数据源的使用不同，大尺度的研究区域使用分辨率相对较低的Landsat卫星，而小尺度的区域研究更加倾向于使用Spot、Quickbird等卫星。中国的高分系列、中巴地球资源系列卫星在国内LUCC研究中使用率很高。

1.1 LUCC信息提取研究

LUCC研究中使用的遥感影像图分辨率从过去的几十米到现在的米级，甚至趋向于亚米级。高时间分辨率与高空间分辨率之间矛盾问题逐步解决，使得LUCC信息提取研究更加便捷化、精确化。多学科与遥感技术相融合，同时借助计算机技术、数学理论等有力工具，使LUCC各领域研究不断趋向精确、高速和即时。

土地利用/覆盖变化信息提取一般基于遥感技术并结合不同的变化检测方法完成，国内外学者使用不同卫星影像数据同时利用各类不同检测方法都达到了信息提取的目的。Wondrade等［19］使用3年的Landsat遥感影像数据，用监督分类法、混合法判断出研究区土地利用/覆盖变化类型及变化比率。孟莹［20］利用Landsat TM数据，并基于GIS技术对辽河源头区土地利用变化进行研究，得出土地利用变化的驱动力与财政收入增加和房地产开发相关。谢叶伟等［21］以3年的Landsat遥感影像图为数据，基于RS和GIS技术对海伦市研究区景观格局特征和土地利用变化情况进行了分析研究。Wang等［22］利用间隔为5年的影像数据，使用遥感技术和数学统计对天津滨海新区的土地利用变化进行了分析。宁立新等［23］用Landsat影像图对江苏海岸带土地利用变化特征进行了分析。遥感技术以及辅助的数学理论与计算机方法是土地利用／覆盖变化非理论性研究的关键所在，更先进的方法会极大地带动LUCC的研究，例如，Li等［24］提出一种超分辨的变化检测方法（SRCD），使用不同时期的高分辨率土地覆盖图与低分辨率图像来检测土地覆被变化的信息，以达到高空间分辨率和时间分辨率检测土地覆盖变化的目的。

1.2 LUCC信息提取方法研究

1.2.1 多源数据融合法 多源数据融合法是现在比较成熟的提高土地利用/覆盖变化信息提取方法之一，此方法可以吸收各个单源遥感数据的优点，丰富了地物的特征，可以有效提高某些特征地物土地利用信息的提取精度，但是同时会有部分地物的提取精度会趋于下降。Chen等［25］提出多源遥感数据融合， 以 Landsat－8 OLI与 MODIS、HJ－1A、ASTER 三者DEM数据融合后的结果与融合前进行对比，发现融合后比原RS数据更加准确，可以有效提高土地覆盖分类精度，减少因精度不佳造成土地利用变化信息提取上的错误。王亚琴等［26］也利用了MODIS、Landsat TM、Quickbird三者融合数据对山西芦山植被变化进行分析，提出应采用多源数据综合分析。翟天林等［27］以武汉中心城区作为样本，利用Sentinel－1A和Landsat8 OLI影像融合，分别采取了最大似然法、支持向量机、CART决策树、BP神经网络方法提取土地利用信息，证明了融合后影像总体分类精度、KAPPA系数大于融合前影像。陈劲松等［28］将HJ光学影像、Landsat－TM／ETM、TerraSAR 数据融合，以雷州半岛作为融合影像的研究区，证明融合后数据可以有效提高土地利用信息提取的精度。多源数据融合法可以结合多源遥感数据的优点，提高总体分类精度，但不可避免对某些具体地类的提取精度偏低。1.2.2 土地利用现状图与高分辨率遥感影像叠加应用 土地利用现状图与高分辨率遥感影像的应用主要利用高分辨率遥感影像图与现有土地利用现状图相结合，通过不同方法和理论检测到像斑或像素的变化，从而达到土地利用变化信息提取的目的。李丹丹等［29］配准套合土地利用图和遥感影像，得到的影像像斑用聚类算法按类别进行样本的更新，利用更新后的样本进行土地利用变化检测。王琰等［30］提出将不同时期高分辨率影像和土地利用图配准套合，生成的像斑再分割形成子像斑，将子像斑的特征提取，并利用子像斑参照不同时期的分类底图进行变化检测，从而获得最终变化检测结果。王志杰［31］也将两种图进行叠加，分割出单元进行像素灰度值分析，成功判断出土地利用的变化范围。超高分辨率遥感影像图的快速普及让LUCC研究更加精确［32］。

以土地利用现状图作为底图与变化年份的高分辨率图像叠加应用，可以有效地检测到图斑变化信息，但许多学者的试验精度表明土地变化检测的准确度并不理想。由此可见，像斑或灰度值检测约束于检测技术和人为误差的限制，土地利用现状图不可避免地存在绘图导致的毫米级误差，加之检测技术也存在一定误差，导致精度检验结果不甚理想。但从快速检测方面来看，此种方法具有一定推广意义。1.2.3 降低提取错误率 土地利用变化的判断是时间序列变化检测与综合分析的结果，但是在实际土地利用变化中有部分是由于分类错误导致土地利用／覆盖变化判断上产生误差，并不能代表实际的土地利用变化。为此，研究中减少土地利用变化认定时的虚假判断，尽可能降低此类状况的产生。Abercrombie［33］就提出在低空间分辨率的影像中可以使用隐马尔可夫模型框架（HMM）。在特定的MLCT产品中，有效地减少了一个时间序列上不同土地利用分类图的虚假利用变化，它的框架和理论可以有效地改进传统常规多时相的土地覆盖分类方法，减少多时相土地利用覆盖因分类错误产生较大幅度的变化。Jin等［34］开发的AKUP11综合方法，在阿拉斯加的三个试点中检测变化与不变化的准确度达到了90%。降低了提取错误，可以有效提高提取效率，增加土地利用/覆盖变化判断的准确性。

遥感技术与土地利用/覆盖变化的研究息息相关，总体来说结合遥感技术的研究是从精度与准确度两个方面进行的。精度的提高主要依托高分辨率遥感影像图以及先进的遥感数据处理方法，准确度的提高主要依托分类方法的研究。基于遥感技术提取信息的误差不可避免，误差所导致的误判与错判是科学研究或实际工作中经常出现的问题之一。更高精度的空间分辨率遥感影像图在一定程度上减少了土地利用变化的判断错误，但由于高分辨率影像图的成本相对较高，难以推广使用，实际中往往结合实地考察以弥补遥感影像图解译判断所产生的误判与错判，或通过Google Earth验证土地利用变化判断的成果，考察与验证过程中工作量较大、花费时间较多。

2 LUCC数学模型的应用

LUCC数学模型研究主要应用于土地利用变化模拟与预测。不同地区具有不同的地理、经济和社会条件，对于模型的选取和参数的选择有不同要求，因不同条件而产生不同的参数设置变化。现在主要使用的LUCC模型有马尔可夫模型（Markov）、元胞自动机模型（Cellular Automaton）、系统动力模型（System Dynamic）、CLUE－S 模型（表 2）。 模型建立过程中的技术方法主要依托于计算机与数学理论；该方法有效地提高了土地利用变化预测精确度，为规划者和决策者提供了很大程度的帮助。

2.1 马尔可夫模型

马尔可夫链是预测离散随机模型的有效方法，具有“无后效性”的性质，该方法的基本原理为某个随机的过程从现在所处的时期到下个时期的状态按照一定的概率进行转移，并且下个时期的状态与以前各时期的状态无关，只取决于这个时期的状态［35］。马尔可夫模型广泛应用于水文、气象、林业等各个领域，在土地利用／覆盖变化中，利用某一变量因素建立马尔可夫模型，可以较为详细地应用于预测土地利用／覆盖未来变化，建模得到的数据可以为土地利用规划和土地利用／覆盖变化研究提供有效帮助。Huang等［36］结合统计学方法和马尔可夫模型，预测了北京地区2015年和2019年的土地利用变化，其土地利用变化的预测准确性足以帮助规划者和决策者尤其是此次试验的验证误差低于以前研究中的验证误差。

表2 土地利用/覆盖变化研究主要模型

2.2 元胞自动机模型

元胞自动机模型在城市扩张等土地利用变化模拟中被大量应用。它是一种时间、空间和状态均离散的动力学模型，时间与空间上整体变化模式是由个体之间局部的行为演化出来［37］。在土地利用变化模拟和城市扩展的预测中发挥着重要作用。胡茂贵等［38］利用元胞自动机模型对莫莫格土地覆盖状况进行研究，分析了土地动态覆盖变化情况，并预测了未来的覆盖变化，这对土地保护与管理起着重要的作用。杨俊等［39］用多地类元胞自动机对大连市经济技术开发区土地利用变化进行模拟，结果显示此模型具有良好的模拟精度。

2.3 系统动力模型

系统动力模型源于系统动力原理，最初用于评估和展示实际问题的分析［40］。其本质上是时滞的一阶微分方程，反映复杂的系统结构。非线性系统问题能够使用系统动力模型进行处理，应用于土地利用结构的模拟和土地利用变化的预测可行性较高。秦钟等［41］使用系统动力模型对广州市的土地利用变化进行模拟，结果证明了系统动力模型能够有效地模拟土地利用变化格局。Xu等［42］以山西北部地区作为研究对象，将系统动力模型和元胞自动机模型结合使用，结果证明了两模型的综合使用可以有效表征各类因素，在准确模拟土地利用／覆盖变化方面十分有效。整合系统动力模型与元胞自动机模型可以有效吸收两种模型的优点。

2.4 CLUE-S 模型

CLUE－S模型主要基于现有土地利用模式的经验并结合自然、社会、人文等驱动因素进行空间模拟［43］，具有较高的可信度。模型基于光栅的多尺度模型，可识别未来土地利用变化概率很高的地区以及不同地域条件、不同政策法律所导致土地利用变化［44］。 Waiyasusri等［45］基于遥感技术，利用 CLUE－S模型对Changwat Uthaithani地区过去土地利用状况进行模拟，并可以预测未来20年土地利用格局，这对土地利用的预测来说是比较长的时间尺度。Verburg等［46］将模型应用于马来西亚和新加坡地区，所得到的结果验证说明了此模型应用研究领域的广泛性，可以适用于土地利用变化的模拟。同时小区域尺度的模拟同样可达到较好的模拟性［47］。但此模型无法模拟没有发生过土地利用变化的地区，CLUE－S是基于经验进行派生模拟土地利用的模型，对原始森林的人为砍伐就无法进行模拟。

土地利用／覆盖变化的模型向着准确化和高效化发展，土地系统是有着自然、经济、人文、社会等诸多要素的复杂系统，模型的建立需要考虑到每一种驱动因子，并根据研究地区的现状判断主要驱动力和次要驱动力，从而建立适宜的模型。同时两种或两种以上模型的使用成为趋势，多模型的整合使用可以有效结合不同模型的优点，使土地利用／覆盖变化模拟更加准确，反映各驱动力因素对LUCC的影响，可以有效预测未来土地利用变化。

3 总结与展望

1）遥感技术不断发展，卫星的空间分辨率向着亚米级进步，遥感影像时间尺度的连续性不断提升，社会进入海量数据时代，利用最先进的技术和方法可以有效提高在海量数据中处理土地利用／覆盖信息的效率和准确率。新技术、新方法紧密结合可有效解决LUCC研究中的一些问题，例如土地利用变化判断的准确性问题、土地利用变化预测的可信度问题和土地利用变化模拟的契合度问题等。随着卫星分辨率的瓶颈不断突破，LUCC研究也会随之向着错误率低、分辨率高、检测速度快、监测成本低的方向发展。

2）土地利用系统是由诸多要素组成的复杂系统，这使得土地利用／覆盖变化研究具有复杂性、综合性。研究对象是自然与社会的一个巨大系统，需要地理学、地质学、生态学、经济学等多学科相互协同配合，充分发挥LUCC研究所起到的纽带作用，综合利用各个学科已成型的理论体系与最新的研究方法。现在高新技术和理论蓬勃发展，遥感技术、GIS技术、计算机技术、数学统计快速带动着LUCC研究技术的提升，如何将成熟的理论体系与LUCC有效结合并应用还需继续研究。尺度的综合仍是未来的趋势，在某一尺度特定研究区域内的研究成果应用到其他不同地区和不同研究尺度。同时，不同尺度的综合性研究、融合多学科理论和方法，使土地利用／覆盖变化研究更加具有科学性，从而促进理论体系系统化、层次化和规模化。

3）不同的模型具有不同方法与理论基础，将模型适当地结合使用，可以有效地吸收不同模型的优点，土地利用／覆盖变化模拟与预测将更加准确可信。但土地利用／覆盖变化的“完全”模拟依然存在挑战，由于LUCC涉及自然要素和社会经济要素等因素，在不同空间尺度内（局部、地区、国家、全球）、时间空间尺度内自然数据与经济社会数据不能很好地匹配，使得模拟和预测的结果存在误差。因此，模型的进一步发展应弥补以上不足，以更好地模拟并预测土地利用／土地覆盖变化。

4）在LUCC研究过程中要注重结合国家发展需求和国家相关政策。国家建设生态文明与可持续发展的大方向必然要退耕还林、植树造林、节约资源，LUCC研究要紧密结合国家相关需要展开研究，在研究中服务国家发展需求。