基于Landsat影像的玉溪市红塔区土地覆盖分类及变化分析

陈仙春　赵俊三　陈磊士　陈国平

摘要：本文以玉溪市红塔区为例，基于2009年、2013年和2017年的Landsat遥感数据，采用支持向量机（SVM）及人工解译的方法获取对应的土地覆盖分类结果，其分类精度均达到80%以上，滿足变化分析的需求。根据分类结果使用土地覆盖比例、土地覆盖变化幅度、土地覆盖转移矩阵以及土地覆盖动态度共4项指标，对红塔区2009年到2017的土地覆盖变化进行分析。结果表明：①耕地/裸地的覆盖比例减少了6.06%，建设用地、林地/草地、水域覆盖比例分别增加了4.36%、1.67%、0.03%;②建设用地和耕地/裸地的变化幅度较大，建设用地增加41.45 km2，耕地面积减少了57.47km2，水域和林地/草地变化较小，分别增加了 0.27 km2和15.76 km2;③两个研究时段的建设用地和耕地/裸地的变化速度均较快，且在第一时段建设用地单一动态度达到6.81%，但后一时段相对于前一时段的综合动态度降低了0.53%，说明后一时段相对于前一时段土地覆盖变化程度得到了减缓。该研究结果为玉溪市红塔区相关部门更加有效地管理土地资源，提供了必要的决策依据。

关键词：Landsat影像;土地覆盖分类;变化分析;红塔区

中图分类号：TP79;F301.24;P23文献标识码：A文章编号：1006-8023（2019）03-0001-08

Land Cover Classification and Change Analysis of Hongta District

in Yuxi City Based on Landsat Image

CHEN Xianchun， ZHAO Junsan*， CHEN Leishi， CHEN Guoping

（Faculty of Land and Resource Engineering， Kunming University of Science and Technology， Kunming 650093）

Abstract：Takeing Hongta District of Yuxi City as an example， the classification accuracy is more than 80% by using Support Vector Machine （SVM） and manual interpretation to get the corresponding land cover classification results based on the landsat remote sensing data of 2009， 2013 and 2017 and， meet the needs of change analysis. Analysis of land cover change in Hongta District from 2009 to 2017，the four indicators including land cover coverage ratio， the extent of land cover change， land cover transfer matrix， and the degree of land cover dynamics， show：①The coverage ratio of cultivated land/naked land decreased by 6.06%， the proportion of construction land， forest land/grassland and water area increased by 4.36%， 1.67% and 0.03% respectively. ②The construction land and cultivated land/naked land have a large change range， the construction land increased by 41.45km2， and the cultivated land area decreased by 57.47km2， and the water area and forest land/grassland changed little， increasing by 0.27km2 and 15.76km2 respectively. ③The construction land and cultivated land/naked land change faster in the two study periods， and the annual change rate of construction land in the first period reaches 6.81%， but the comprehensive dynamic degree of the latter period is relatively lower than the previous period by 0.53%， indicating that the extent of land cover change in the latter period relative to the previous period has been slowed down. The research results provide the necessary decision-making basis for the relevant departments of Hongta District of Yuxi City to manage land resources more effectively.

Keywords：Landsat image; land cover classification; Change analysis; Hongta district

0引言

随着经济的迅猛发展，城市化进程的加快，土地利用的合理规划变得越来越重要，利用遥感进行土地利用变化监测成为现阶段的重要手段。土地利用变化监测[1]是指凭借广域性、周期性和经济性的遥感信息数据源，结合地面辅助资料，借助计算机图像处理技术，对土地利用状况及其动态变化进行全面系统地评估和分析的科学方法。近年来，基于遥感影像的土地覆盖变化分析取得了大量的研究成果，Aspinall利用统计分析模型在不同的尺度上分析了土地覆盖的变化[2];黄维等运用改进后的主成分分析方法对南通市的土地覆盖变化进行分析;刘生龙[3]等运用影像差值和影像融合等方法，对同一地区不同时相的土地覆盖变化进行比较分析，得出不同方法下的变化结果[4];林耀奔[5]、田传召[6]等人基于TM影像进行土地利用分类，对昆明市和福州市的土地利用面积变化进行分析，得出研究时段两个地区的土地覆盖变化;付中良[7]等运用不同的影像分类对比的方法对上海市2002年到2009年的土地利用变化监测进行了研究，得出城市用地扩张不仅存在量上的差异，同时还存在着空间上的差异;常变荣[8]等采用面向对象的影像分类结果对武汉市1990年到2010年的建設用地扩张进行了遥感监测及空间分异分析;Jia long Zhang[9]等人采用支持向量机分类及土地覆盖转移矩阵的方法对云南省边境1990年到2010年的土地覆盖变化进行研究，得出土地覆盖变化与经济政策的相互关系。基于现有的研究，土地利用变化监测主要分为两大类：一类是基于单个像元波谱值变化的遥感动态监测[2-4，10-11]，如图像叠加对比法、图像差值法和主成分分析法（principal component analysis，PCA）等，其不足在于对影像获取时间要求较高，且目标区的变化性质不易确定;另一类是基于遥感影像分类后的动态监测[5-9，12]，其优势在于通过对比不同时相的分类结果可以很容易的获得土地利用变化的类型、数量以及位置等，在实际运用中非常有效。

本文以玉溪市红塔区作为研究区，采用遥感影像分类后的动态监测法，从土地覆盖比例、土地覆盖的变化幅度、土地覆盖转移矩阵以及土地覆盖动态度4个方面对不同时段的土地覆盖信息进行统计分析，得出土地利用变化同城市发展、生态环境变化之间的关系，从而为玉溪市红塔区相关部门更加有效地管理土地资源，提供了必要的决策依据。

1研究区域概况及数据来源

1.1研究区域概况

红塔区位于南省中部、玉溪市西北部，东经102°17′32″ ～ 102°41′37″、北纬24°08′30″～24°32′18″之间，东接江川县，南邻通海县，西交峨山县，北靠晋宁县。距省会昆明88 km。该地区交通便利，铁路、公路纵贯南北，不仅是云南省南北交通的枢纽站，也是通往东南亚邻国的重要交通要道，总面积950 km2。红塔区的平面呈不规则形状，北部宽南部窄，周围群山环绕。温差在16 ℃之间，以春秋气候为主。年平均气温在17.4～23.8 ℃之间，年均降水量在670～2 412 mm之间，属中亚热带湿润冷冬高原季风气候，立体气候的特征十分明显，气候宜人。

1.2数据来源

为保证云量对分类的精度及季节差异对实验结果的影响，选取了云量最少且季节相近的影像进行实验。Landsat5 TM影像，采集时间为2009年3月24日，轨道号为129-43，空间分辨率为30 m，无云量;Landsat8 OLI影像，采集时间分别为2013年4月20日和2017年3月14日，轨道号为129-43，空间分辨率为30 m，云量分别为1%和3%。

辅助数据包括：云南省第二次全国土地调查玉溪市红塔区范围的矢量数据，用于图像预处理中的裁剪;2009年的野外实测数据以及2013年和2017年的Google Earth高分影像与Landsat数据人工解译结果，作为分类结果样点评估标准数据。

2研究方法及过程

研究过程如图1所示，由图1可以看出，整个过程主要分为影像预的处理、样本选取、影像的分类、分类结果精度评价及土地变化转移矩阵分析，转移矩阵将在变化分析中进行详细分析。

2.1图像的预处理

首先利用ENVI5.3软件，基于2009年的矢量图斑对影像进行遥感影像校正、图像增强、彩色合成和影像裁剪等预处理工作。

（1）遥感影像校正：将Landsat影像数据导入ENVI5.3，使用Radiometric Calibration模块进行辐射定标，输入波段选择热红外波段，辐射亮度值设定为Radiance，以得到精度较高的真实地物反射率。然后使用FLAASH大气校正工具，FLAASH模块能够精确补偿大气的影像，导入MLT文件中的相关参数，辐射率单位调整系数设定为0.1，大气模型参数则按照气候模型设定。在经过校正的三幅像上选取较为均匀的控制点，对三幅影像分别进行几何校正，校正方法选择二次多项式法，将误差控制在0.5个像元之内。通过实验对比，运用15个控制点进行校正时可以取得较好的效果。

（2）图像增强：将校正好的影像导入ENVI5.3，采用直方图均衡化对图像的空间域进行增强，然后采用傅里叶变换增强图像的频率域，得到更好图像效果的影像。

（3）彩色合成：由于Landsat的影像是单个波段存在的，为了便于目视判读，需要根据彩色合成原理选取3个波段分别放于红绿蓝三个通道上，形成彩色图像，遥感图像彩色合成包括伪彩色合成、真彩色合成、假彩色合成和模拟彩色合成4种方法[13]。为了便于后续的人工判读，本文选取真彩色合成的方法，其中2009年的Landsat5 TM影像采用321波段合成，2013年和2017年的Landsat8 OLI影像采用432波段合成。

2.2选取训练样本

监督分类的关键是选取合适的训练样本，此类样本应是光谱特征较为均一的区域，并且要有较多的光谱特征变化较大的地物点，具有区域的代表性，从而能科学可靠地反映该区域的变化情况[7]，且样本在研究区内是均匀分布的。本次研究依据上述要求选取每类不少于15个样本，利用ENVI5.3中的AOI工具在2009年、2013年和2017年的影像上选取合适的样本建立训练区，每类样本数详见表1。

2.3土地覆盖分类

土地覆盖分类的原理是利用影像中不同地物特有的光谱和纹理等特征对图像进行数值处理，进而实现对不同地物进行自动分类识别。计算机分类突破了目视解译中人类用肉眼分辨影像的局限，直接利用像元在各波段上灰度值的差异，分辨出目标地物的微小变化，具有分类精度高、解译速度快等优点[14]。目前常使用的计算机分类方法有监督分类和非监督分类。监督分类又可以分为平行六面体、最小距离、马氏距离、最大似然和支持向量机（Support Vector Machine， SVM）等分类方法[14]，本文采用的是SVM分类方法以及人工判读对不同时相的影像进行分类。SVM分类是基于统计学习理论（Statistical Learning Theory ，SLT）的机器学习方法。SVM 可以自动寻找支持向量，这些向量具有很强的区分分类的能力，由此构造出来的分类器，可以最大化类与类之间的间隔，因而具有较高的分类准确性。

根据《土地利用分类标准》（GB/T21010-2007）及现有的遥感数据，红塔区主要涉及到的土地利用类型包括林地、草地、耕地、水域、裸地和建设用地。但是通过对研究区样本的可分离性计算，结果表明，林地与草地、耕地与裸地的可分离性较低，故将其合并为同一类，则最终将红塔区的土地利用类型分为林地/草地、耕地/裸地、水域及建筑用地4类。土地覆盖分类如图2示。

2.4精度检验

Congalton[15]认为，在进行精度评价时，每类至少有 30 ～ 50个样本点，且样本点的选择要随机分布。为了评价红塔区不同时期的土地利用分类的准确性，使用ENVI5.3软件的混淆矩阵，参照野外实测数据，Google Earth高分影像选取用于检验的AOI作为真实的训练区进行精度验证，各类检验样本数见表2。最终得到不同时期土地利用分类的精度结果。可以看出各时期的总分类精度分别为：80.47%、86.707%和84.39%，均大于80%;kappa系数均大于0.7，一致性检验结果相关，分类可信度较高，满足后续变化分析的需求。

3土地覆盖变化分析

3.1土地覆盖比例

依据研究区土地利用分类的结果，计算出不同时期的土地覆盖比例见表3。从表3中可以看出，林地/草地覆盖比例最大，均达到50%以上，其次是耕地/裸地，均达到28%以上。从各时段的覆盖比例来看，耕地/裸地的覆盖比例减少了6.06%，而建设用地、林地/草地和水域覆盖比例分别增加了4.36%、1.67%、0.03%。

3.2土地覆盖变化幅度分析

土地覆盖变化幅度是指一定时期内某一土地覆盖类型在面积上的变化幅度，可以反映出不同土地覆盖类型在面积数量上的变化，通过分析各土地覆盖类型的面积变化情况，可以对区域内土地覆盖变化的总体趋势和土地覆盖结构的变化有一个直观的了解[16]。其表达式为：

U=Ub-Ua。（1）

L=Ub-UaT。   （2）

式中：△U为研究期间某一土地覆盖类型的变化总幅度;L为研究期间某一土地覆盖类型的年变化幅度;Ua研究初期某一土地覆盖类型的面积;Ub为研究末期某一土地覆盖类型的面积;T为研究时段间隔的年数。

根据公式（1）和（2），研究区每个时段的变化总幅度和年变化幅度见表4。从表4中数据可以看出，2009-2017年8 a的时间里，研究区4类土地覆盖均发生了不同程度的变化。其中2009-2013年建设用地面积增加26.78 km2，林地/草地面积增加11.41 km2，水域面积减少0.15 km2，耕地/裸地面积减少38.04 km2 ;2013-2017年水域、建设用地和林地/草地的面积分别增加了0.42、14.67、4.35 km2，而耕地/裸地的面积减少了4.86 km2。总体而言，建设用地和耕地/裸地的变化幅度较大，建设用地增加41.45 km2，耕地面积减少了57.47 km2，水域和林地/草地变化较小，水域增加了0.27 km2，林地/草地增加了15.76 km2，相比两个研究时段，后一时段的变化幅度较小。出现上述现象的原因：一方面是2009年之后红塔区城市化的进程不断加快，从2009年[17]和2017年[18]的统计年鉴可以发现城市化水平从2009年的57.6%增长到2017年的68.45%，为满足人口居住的需求，建设用地不断增多;另一方面从云南省林业厅对石漠化的状况公报中可以看出，自2008年政府实施石漠化治理政策以来，各州市石漠化的面积呈现出不断减少的趋势，生态环境逐渐转好，故林地/草地不断增加。

3.3覆盖类型转移分析

土地覆盖转移矩阵来源于系统分析中对系统状态与状态转移的定量描述[19]。土地覆盖类型的转移是分析土地覆盖动态变化的重要手段，通过转移分析，能够看出不同土地覆盖类型之间的相互转换关系 ，也能通过转换面积的多少及方向可以了解到土地资源利用变化的趋势。

从表4可以看出，2009年到2017年红塔区增加的建设用地来源于耕地/裸地35，87 km2、林地/草地4.93 km2、水域0.64 km2，林地/草地来源于耕地/裸地27.63 km2、水域0.84 km2，耕地/裸地来源于林地/草地6.1 km2、水域0.65 km2。總体来看大量的耕地资源转化为了建设用地，使得耕地面积逐年减少，这种变化的趋势不容乐观。

3.4土地覆盖变化动态分析

土地覆盖变化主要体现在土地覆盖类型、土地覆盖程度的变化及土地覆盖变化的区域差异等方面[20]。土地覆盖动态变化分析常用土地覆盖动态度来表示，土地覆盖动态度可以从整体上反映土地覆盖变化的程度，并对预测未来土地利用的趋势有着积极作用[21]。土地覆盖动态度分为单一土地覆盖变化动态度和综合土地覆盖变化动态度。

（1）单一土地覆盖动态度

单一土地覆盖类型的动态度表示研究区一定时间范围内某种土地覆盖类型的数量变化[22]。其表达式为：

K=Ub-UaUa×1T×100%。          （3）

式中：K为研究期内某一土地覆盖类型的单一动态度;Ua为研究初期某一土地覆盖类型的面积;Ub为研究期末某一类土地覆盖类型的面积;T为研究时段长，当T的单位为年时，K值为研究区某一土地覆盖类型的年变化率。

（2）综合土地覆盖动态度

综合土地覆盖动态度指数考虑了研究期间土地覆盖类型间的转移并强调转移的过程 ，它能反映出整个研究区土地覆盖变化的剧烈程度 ，有利于在不同空间尺度上找出土地覆盖变化的热点区域[22]，其表达式为：

式中：S为综合土地覆盖动态度;ni=1{LA（i，t1）-ULAi}为监测期间各种土地覆盖转移部分土地面积之和; LA（i，t1）为第i类土地变化期初的面积; ULAi为第 i 类土地期未变化的面积;n为总地类数;T为研究时段的长度，当T的单位为年时，S即为研究区土地覆盖的年变化率。

由公式（3）可得， 2009-2013年和2013-2017年红塔区的单一土地利用动态度如图3所示。由图3可以看出建设用地和林地/草地的两个时段均为正值，水域在第一时段为负值，但值非常小，而第二时段为正值，且值大于第一时段，裸地在两个時段均为负值。这表明在这8 a期间，水域、建设用地和林地/草地成净增长趋势，而耕地/裸地成净减少趋势，且两个时段建设用地和耕地/裸地的变化速度均较快。在第一时段建设用地单一动态度达到6.81%。

由公式（4）可得，2009-2013年和2013-2017年红塔区的综合土地覆盖动态度分别为1.30%和0.77%。从数据可以看出，从2013年开始，红塔区的综合土地覆盖动态度出现了减缓的趋势，降低了0.53%，说明后一时段相对于前一时段土地覆盖变化程度减小了。这与近年来国家政策的改变，尤其是土地政策调整，对土地覆盖产生的显著影响密切相关。

4结论

本文采用支持向量机为代表的监督分类以及人工解译的方法，获得了2009、2013、2017年红塔区的土地覆盖分类图，其分类精度结果均达到80%以上，根据分类结果，采用土地覆盖比例、土地覆盖变化幅度、土地覆盖类型转移及土地覆盖动态度4项指标对红塔区的土地覆盖变化进行分析。分析结果表明，从2009年到2017年，红塔区的耕地/裸地的面积减少，而其他3类的面积扩大，经历了从耕地/裸地到建设用地的大幅度转变，建设用地增加4.36%，耕地/裸地减少6.06%，这种转移出现了不可逆的趋势，但从两个研究时段来看，后一时段相对于前一时段的综合动态度降低了0.53%，说明后一时段相对于前一时段土地覆盖变化程度逐渐得到了缓解。通过该研究获得了红塔区土地覆盖发生变化的位置、数量和变化的趋势，且在一定程度上了解了红塔区的生态环境状况，其结果能为玉溪市红塔区相关部门更加有效地管理土地资源，提供了必要的决策依据。但受限于既有的研究方法，在以下方面仍有改进空间：

（1）在进行Landsat5和Landsat8数据的分类处理时，在多光谱影像提取波段的选取上未进行足够全面的分析和评价，关于波段选取对分类精度的影响有待更深入的分析。

（2）本文所使用的支持向量机的监督分类方法，在样本选取的过程中主要采取的是结合已有的资料和野外调研数据的人工选取办法，未来可以在样本的选取上展开研究，完善选取工作的速度与精度。

【参考文献】

[1]高奇，师学义，张琛，等.中国土地利用遥感动态监测研究进展与展望[J].广东土地科学，2013，12（5）：18-23.

GAO Q， SHI X Y， ZHANG W， et al. Progress and prospects of dynamic monitoring of land use remote sensing in China[J]. Guangdong Land Science， 2013，12（5）： 18-23.

[2]ASPINALL R. Modeling land use change with generalized linear models： a multi-model analysis of change between 1860 and 2000 in Gallatin Valley， Montana[J]. Journal of Environmental Management， 2004， 72（1-2）： 91-103.

[3]黄维，黄进良，王立辉，等.基于PCA的变化向量分析法遥感影像变化检测[J].国土资源遥感，2016，28（1）：22-27.

HUANG W， HUANG J L， WANG L H， et al. Remote sensing image change detection based on PCA-based variation vector analysis[J]. Land and Resources Remote Sensing， 2016， 28（1）： 22-27.

[4]刘生龙，张永红.基于遥感影像的土地利用变化检测[J].测绘与空间地理信息，2018，41（1）：145-148.

LIU S L， ZHANG Y H. Detection of land use change based on remote sensing imagery[J]. Surveying and Spatial Geography Information， 2018， 41（1）： 145-148.

[5]林耀奔，陈炳超.基于TM影像对土地利用动态变化的监测——以福州市为例[J].山西农业科学，2015，43（11）：1468-1470.

LIN Y B， CHEN B C. Monitoring of land use dynamic change based on TM image - a case study of Fuzhou city[J]. Shanxi Agricultural Sciences， 2015， 43（11）： 1468-1470.

[6]田傳召，于阳，肖虹雁，等.基于TM影像的昆明市区土地利用遥感动态监测[J].林业资源管理，2014（4）：103-108.

TIAN C Z， YU Y， XIAO H Y， et al. Dynamic monitoring of land use remote sensing in Kunming city based on TM image[J]. Forestry Resource Management， 2014（4）： 103-108.

[7]付忠良，陈静.多时相Landsat数据动态监测城市土地利用变化一以上海市为例[J].地理信息世界，2016，23（6）：26-30.

FU Z L， CHEN J. Multi-temporal Landsat data dynamic monitoring of urban land use change： take Shanghai as an example[J]. Geographic Information World， 2016， 23（6）： 26-30.

[8]常变蓉，李仁东.武汉市建设用地扩张遥感监测及空间分异分析[J].国土资源遥感，2017，29（3）：118-123.

CHANG B R， LI R D. Remote sensing monitoring and spatial differentiation analysis of construction land expansion in Wuhan[J]. Remote Sensing for Land and Resources， 2017， 29（3）： 118-123.

[9]ZHANG J， PHAM T， KALACSKA M， et al. Using landsat thematic mapper records to map land cover change and the impacts of reforestation programmes in the borderlands of southeast Yunnan， China： 1990-2010[J]. International Journal of Applied Earth Observation and Geoinformation， 2014， 31： 25-36.

[10]吴一全，曹照清.基于小波变换和核独立分量分析的遥感图像变化检测[J].中国空间科学技术，2013，33（6）：9-16.

WU Y Q， CAO Z Q. Remote sensing image change detection based on wavelet transform and kernel independent component analysis[J]. Chinese Space Science and Technology， 2013， 33（6）： 9-16.

[11]张洪敏，张艳芳，田茂，等.基于主成分分析的生态变化遥感监测——以宝鸡市城区为例[J].国土资源遥感，2018，30（1）：203-209.

ZHANG H M， ZHANG Y F， TIAN M， et al. Remote sensing monitoring of ecological change based on principal component analysis——taking Baoji City as an example[J]. Remote Sensing for Land and Resources， 2018， 30（1）： 203-209.

[12]韩鹏鹏，黄进良，李仁东，等.基于面向对象的坑塘遥感监测与动态分析[J].农业机械学报，2015，46（1）：272-277.

HAN P P， HUANG J L， LI R D， et al. Remote sensing monitoring and dynamic analysis of pit-and-pit based on object-oriented[J]. Journal of Agricultural Machinery， 2015， 46（1）： 272-277.

[13]韦玉春.遥感图像数字处理教程[M].北京：科学出版社，2007.

WEI Y C. Remote sensing image digital processing tutorial[M]. Beijing： Science Press， 2007.

[14]张银辉，赵庚星.土地利用/土地覆盖遥感分类方法的研究综述[J].中国农业资源与区划，2002，22（3）：24-28.

ZHANG Y H， ZHAO G X. Review of land use/land cover remote sensing classification methods[J]. China Agricultural Resources and Regional Planning， 2002， 22（3）： 24-28.

[15]CONGALTON R G. A review of assessing the accuracy of classifications of remotely sensed data[J]. Remote Sensing of Environment， 1999， 37（1）： 35-46.

[16]夏清，杨武年.兴宾区土地利用变化遥感动态监测研究[J].测绘科学，2017，42（12）：92-97.

XIA Q， YANG W N. Remote sensing dynamic monitoring of land use change in Xingbin District[J]. Surveying and Mapping Science， 2017， 42（12）： 92-97.

[17]国家统计局.玉溪市红塔区统计年鉴[J].北京：中国统计出版社，2009.

National Bureau of Statistics. Yuxi Hongta District statistical yearbook[J]. Beijing： China Statistics Press， 2009.

[18]国家统计局.玉溪市红塔区统计年鉴[J].北京：中国统计出版社，2017.

National Bureau of Statistics. Yuxi Hongta District statistical yearbook[J]. Beijing： China Statistics Press， 2017.

[19]刘瑞， 朱道林.基于转移矩阵的土地利用变化信息挖掘方法探讨[J].资源科学，2010，32（8）：1544-1550.

LIU R， ZHU D L. Discussion on information mining method of land use change based on transfer matrix[J]. Resources Science， 2010， 32（8）： 1544-1550.

[20]滿苏尔·沙比提，陆吐布拉·依明.新疆南疆地区土地利用变化及其生态效应[J].地理科学，2011，32（4）：440-446.

MANSUER S， LUTUBULA Y. Land use change and its ecological effects in southern Xinjiang[J]. Geoscience， 2011， 32（4）： 440-446.

[21]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）：83-89.

WANG X L， BAO Y H. Discussion on research methods of land use dynamic change[J]. Progress in Geography， 1999， 18（1）： 83-89.

[22]曹智伟，马友鑫，李红梅.正向综合土地利用动态度模型及其应用——以西双版纳公路对土地利用的影响为例[J].云南大学学报（自然科学版），2006（S1）：224-228.

CAO Z W， MA Y X， LI H M. Forward integrated land use dynamics model and its application——taking the influence of Xishuangbanna highway on land use as an example[J]. Journal of Yunnan University （Natural Science Edition）， 2006（S1）： 224-228.