桑 瀟， 國巧真， 潘應(yīng)陽， 付 盈

(天津城建大學(xué)地質(zhì)與測繪學(xué)院，天津 300384)

0 引言

土地利用直觀地記錄了被人類改變的地球表面特征的空間格局。人類的生存生產(chǎn)等活動依存于土地，人類長久發(fā)展的前提是土地資源的合理利用。土地利用研究的目的是了解土地利用在研究區(qū)域范圍內(nèi)的連續(xù)變化，能直觀地表明人與環(huán)境的相互關(guān)系。從全球變化的角度看，主要研究的是土地利用和土地覆蓋變化(land use and land cover change，LUCC)對全球氣候等變化的影響[1]。從區(qū)域研究的角度看，主要研究的是LUCC對區(qū)域經(jīng)濟(jì)的可持續(xù)發(fā)展作用[2]。

目前對于土地利用的研究已經(jīng)應(yīng)用在各種不同的領(lǐng)域，如環(huán)境評估、土地資源管理規(guī)劃、歷史遺跡保護(hù)和大氣污染等[3-8]。隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，LUCC研究可以借助許多新興的技術(shù)，如GIS技術(shù)、RS技術(shù)和計(jì)算機(jī)技術(shù)等。通過各種技術(shù)與資源的結(jié)合不僅擴(kuò)大了土地資源變化研究的深度與廣度，同時建立了適應(yīng)各種不同地區(qū)的模型，進(jìn)而提高了研究的精確度，為土地等資源的可持續(xù)利用提供理論與技術(shù)上的支持[9-14]。

本文以山西省潞城市為研究區(qū)，基于RS與GIS技術(shù)，利用1995—2015年間5期遙感影像數(shù)據(jù)對研究區(qū)20 a間的土地利用動態(tài)變化情況進(jìn)行分析研究，并采用灰度預(yù)測法GM(1，1)模型對2020年的土地利用情況進(jìn)行預(yù)測，進(jìn)而為該區(qū)的可持續(xù)發(fā)展提供依據(jù)。

1 研究區(qū)概況及數(shù)據(jù)源

潞城市位于山西省的東南部，太行山西麓，地理坐標(biāo)在E112°59′36″～113°25′40″，N36°14′00″～36°29′30″之間。作為國家園林城市、國家衛(wèi)生城市及山西省造林綠化先進(jìn)市，研究區(qū)歷史悠久、自然資源豐富。

本文所用的數(shù)據(jù)為山西省潞城市1995年、2000年、2005年和2010年4期TM影像、2015年OLI影像、行政區(qū)劃圖以及其他文字資料。

2 數(shù)據(jù)預(yù)處理

利用行政邊界矢量數(shù)據(jù)對遙感影像進(jìn)行裁剪，提取出研究區(qū)范圍。根據(jù)土地分類系統(tǒng)原則與潞城市的區(qū)域特點(diǎn)將研究區(qū)內(nèi)的土地利用類型分為5類： 林地、耕地、居民地、水域及未利用地。采用決策樹分類算法(classification and regression tree，CART)進(jìn)行分類，提取土地利用信息，并對已分類的圖像進(jìn)行后處理得到最終的結(jié)果。

CART算法是把數(shù)據(jù)集中最小的Gini值作為節(jié)點(diǎn)將數(shù)據(jù)集分為2個子數(shù)據(jù)集，最后根據(jù)驗(yàn)證數(shù)據(jù)進(jìn)行剪枝。Gini指數(shù)[15]是判斷收入分配公平程度的指標(biāo)，也被用來度量任何不均勻分布，其范圍在[0，1]之間，值越小說明數(shù)據(jù)對象為同一類的概率越高。所以，基于CART獲取規(guī)則的決策樹是結(jié)構(gòu)簡單的二叉樹。CART算法不適用于有多個離散特征的情況，因此若要使用此方法，最好先將離散特征取值縮減?；贑ART獲取規(guī)則的決策樹分類法的步驟為： ①構(gòu)建多源數(shù)據(jù)集，包括： Landsat5 TM和Landsat8 OLI影像的多光譜波段、歸一化差值植被指數(shù)(normalized difference vegetation index,NDVI)和迭代自組織數(shù)據(jù)分析技術(shù)(iterative self-organizing data analysis technique,ISODATA)非監(jiān)督分類結(jié)果； ②獲取規(guī)則，通過選擇訓(xùn)練樣本獲取規(guī)則； ③土地覆蓋信息提取，在Decision Tree中選擇決策樹txt文件，提取出土地覆蓋信息。最終分類結(jié)果如圖1所示。對結(jié)果進(jìn)行精度評定，評價(jià)結(jié)果如表1所示。從圖1和表1中可以看出，分類結(jié)果可以滿足本文對數(shù)據(jù)質(zhì)量的精度要求。

(a) 1995年 (b) 2000年 (c) 2005年

(d) 2010年 (c) 2015年

圖1潞城市土地利用分類結(jié)果

Fig.1LanduseclassificationresultsofLuchengCity

3 土地利用動態(tài)變化分析

研究區(qū)總面積為61 235.77 hm2，其在1995年、2000年、2005年、2010年和2015年5個時期各類土地利用類型面積的大小及其對于研究區(qū)總面積的占比情況如表2所示。

表2 潞城市各類土地利用類型面積及占比Tab.2 Area and ratio change of land use types of Lucheng City

由表2可知，林地和耕地是研究區(qū)主要土地利用類型，約占研究區(qū)總面積的85%。耕地占地面積最大，主要分布在西部與南部； 其次是林地，主要在研究區(qū)東南部和北部地區(qū)； 居民地主要集中在中南部與西北部。在1995—2015年的20 a間，耕地面積變化最大，約減少了10%； 水域面積基本保持不變； 林地面積有少量持續(xù)增加； 未利用地面積逐期減少； 居民地面積不斷增加。

3.1 土地利用變化量

3.1.1 土地利用變化幅度

土地利用變化幅度為土地利用類別面積的變化[9]，即

(1)

式中：S為研究區(qū)某一土地利用類型的土地利用變

化幅度，正值表示增加的幅度，負(fù)值表示減少的幅度；Ui和Uj分別表示研究初期和研究末期的某一土地利用類型面積。

把研究區(qū)1995—2015年間土地利用類別的面積導(dǎo)入式(1)中進(jìn)行計(jì)算，可以得到研究區(qū)1995—2015年每5 a間的土地利用類型的變化幅度，其結(jié)果見表3。

表3 潞城市1995年、2000年、2005年、2010年和2015年土地利用變化幅度Tab.3 Extent of land use change of Lucheng City in 1995, 2000, 2005, 2000, 2015

由表3可知，在1995—2000年5 a間，研究區(qū)土地利用類型中面積呈正增長的為林地和居民地2類，其中面積增加最多同時變化幅度最大的是居民地，增加面積為1 002.42 hm2，增加幅度為17.81%； 土地利用類型中面積呈負(fù)增長的有耕地、水域和未利用地3類，耕地面積減少最多，為1 673.80 hm2，水域面積雖有所減少但是幅度很小可忽略不計(jì)，而未利用地減少幅度最大，為13.38%。在2000—2005年5 a間，研究區(qū)土地利用類型中面積呈正增長的有林地、居民地和水域3類，其中面積增加最多的是林地，為1 315.20 hm2，增加幅度最大的是居民地，為7.30%，水域面積雖有小幅度增加但可忽略不計(jì)； 土地利用類型中面積呈負(fù)增長的有耕地和未利用地2類，耕地面積減少最多，為1 496.00 hm2，未利用地減少幅度最大，為14.84%。在2005—2010年5 a間，研究區(qū)土地利用類型中面積呈正增長的有林地、居民地和水域3類，面積增加最多的是林地，為1 126.50 hm2，增加幅度最大的是居民地，為7.18%，水域面積雖有小幅度增加但可忽略不計(jì)； 土地利用類型中面積呈負(fù)增長的有耕地和未利用地2類，面積減少最多的是耕地，為1 346.50 hm2，減少幅度最大的是未利用地，為16.75%。在2010—2015年5 a間，研究區(qū)土地利用類型中面積呈正增長的有林地和居民地2類，其中面積增加最多的是林地，為734.30 hm2，增加幅度最大的是居民地，為8.26%； 土地利用類型中面積呈負(fù)增長的有耕地、水域和未利用地3類，其中面積減少最多的是耕地，為901.90 hm2，減少幅度最大的是未利用地，為29.16%。

3.1.2 單一土地利用動態(tài)度

單一土地利用動態(tài)度為研究區(qū)某一土地利用類型的年均變化情況[9]，即

K=S/T，

(2)

式中：K為研究區(qū)某一土地利用類型的單一土地利用動態(tài)度；T為研究初期與末期的間隔年數(shù)。

將研究區(qū)5個年份的土地利用變化幅度導(dǎo)入式(2)中進(jìn)行計(jì)算，得到研究期間潞城市的單一土地利用動態(tài)度，其結(jié)果見表4。

表4潞城市1995年、2000年、2005年、2010年和2015年單一土地利用動態(tài)度

Tab.4SinglelandusedynamicdegreeofLuchengCityin1995,2000,2005,2000,2015(%)

土地利用類型1995—2000年2000—2005年2005—2010年2010—2015年1995—2005年2000—2010年2005—2015年1995—2015年林地0.851.080.880.540.991.010.730.89耕地-1.14-1.08-1.02-0.72-1.08-1.02-0.86-0.92居民地3.561.461.441.662.641.501.602.33水域-0.070.190.22-1.480.060.21-0.64-0.29未利用地-2.68-2.97-3.35-5.84-2.62-2.91-4.03-2.83

根據(jù)表4對潞城市1995年、2000年、2005年、2010年和2015年的土地利用動態(tài)變化情況進(jìn)行詳細(xì)分析。近20 a間，潞城市林地面積有所增加，且其單一土地利用動態(tài)度始終為正，截止到2015年研究區(qū)林地面積呈增加狀態(tài)，且年均增長0.89%； 耕地面積有所減少，其單一土地利用動態(tài)度始終為負(fù)，截止到2015年研究區(qū)耕地面積呈減少狀態(tài)，且年均減少0.92%； 居民地面積有所增加，其單一土地利用動態(tài)度始終為正，截止到2015年研究區(qū)居民地面積呈增加狀態(tài)，年均增長2.33%； 水域面積有所減少，其單一土地利用動態(tài)度有正有負(fù)，截止到2015年研究區(qū)水域面積呈減少狀態(tài)，年均減少0.29%； 未利用地面積有所減少，其單一土地利用動態(tài)度始終為負(fù)，截止到2015年研究區(qū)未利用地面積呈減少狀態(tài)，年均減少2.83%。

3.2 土地利用變化程度

土地的屬性是人與自然的總體反應(yīng)效果，體現(xiàn)了人類對土地利用的特點(diǎn)。本文結(jié)合土地利用現(xiàn)狀分類標(biāo)準(zhǔn)(GBT21010—1007)與研究區(qū)土地利用的特點(diǎn)以及人類對土地的開發(fā)利用程度將該研究區(qū)土地利用類型分為4個等級，見表5。

表5 土地利用類型分級指數(shù)Tab.5 Land use type classification index

土地利用程度變化綜合指數(shù)為研究區(qū)內(nèi)土地利用的程度[16]，即

(3)

式中：L為研究區(qū)內(nèi)土地利用程度變化的綜合指數(shù)；Ai為第i類土地利用類別的分級指數(shù)；Ci為第i類土地利用類別的面積占比；n為土地利用類別總數(shù)。

把研究區(qū)5個年份的土地利用類別的面積占比與相應(yīng)的分級指數(shù)帶入式(3)中進(jìn)行計(jì)算，得到研究期間研究區(qū)土地利用程度變化綜合指數(shù)，其結(jié)果見表6。

表6 潞城市土地利用程度變化綜合指數(shù)Tab.6 Land use change composite index of Lucheng City

由表6可知，研究區(qū)土地利用程度在1995—2015年間無顯著變化。從土地利用程度變化綜合指數(shù)的范圍(100～400)來看，潞城市的開發(fā)程度已達(dá)到中等程度，土地利用還有很大的發(fā)展空間，政府可以在可持續(xù)利用的前提下開發(fā)土地資源發(fā)展經(jīng)濟(jì)，提高居民的生活質(zhì)量。

3.3 土地利用變化結(jié)構(gòu)

通過研究區(qū)各土地利用類型的面積占比可以得到研究區(qū)土地利用結(jié)構(gòu)情況，其結(jié)果如圖2所示。

圖2 潞城市土地利用類型結(jié)構(gòu)

從類別角度分析數(shù)據(jù)，研究區(qū)面積占比最大的2類土地利用類型是林地與耕地，這2類在各時期所占研究區(qū)總面積均在80%以上； 其次，居民地在各時期所占研究區(qū)總面積介于9%～14%之間； 而其他各類在各時期所占研究區(qū)總面積都不足5%。

“現(xiàn)在，我們這里有30多個村莊變成了旅游專業(yè)村，包括石頭村、軟籽石榴村、齊長城村、畫家村、攝影村、奇石村等。我們盡量挖掘文化要素，基本沒有同質(zhì)化的村莊，使游客始終有一種新鮮感，回頭客不減?！鄙綎|淄博市淄川區(qū)文化和旅游局局長唐加福說，有溫度的產(chǎn)品、有文化的包裝、有品質(zhì)的服務(wù)，才能真正實(shí)現(xiàn)可帶走的記憶。

從時間角度分析數(shù)據(jù)，①林地的變化在1995—2015年間面積占比逐漸增大，尤其在2000—2005年間的變化幅度最大，為2.14%，2010—2015年間的變化幅度最小，為1.20%； ②耕地的變化在1995—2015年間面積占比逐漸減少，在1995—2000年間的變化幅度最大，為2.74%，2010—2015年間的變化幅度最小，為1.47%； ③居民地的變化在1995—2015年間面積占比逐漸增大，在1995—2000年間的變化幅度最大，為1.64%，2000—2005年間的變化幅度最小，為0.79%； ④水域的變化在1995—2015年面積占比有增有減，最終呈減少趨勢，在2010—2015年間的變化幅度最大，為0.05%，在1995—2000年與2005—2010年間無變化，變化幅度為0； ⑤未利用地的變化在1995—2015年間面積占比逐漸減少，在2010—2015年間的變化幅度最大，為0.70%，在2005—2010年間的變化幅度最小，為0.48%。

4 土地利用預(yù)測

科學(xué)有效地對土地利用進(jìn)行預(yù)測能夠?yàn)檠芯繀^(qū)的可持續(xù)發(fā)展提供相應(yīng)的技術(shù)支持[17]。灰色預(yù)測法是一種對含有不確定因素的系統(tǒng)進(jìn)行預(yù)測的方法。首先，通過關(guān)聯(lián)分析來鑒別系統(tǒng)各因素之間的發(fā)展趨勢的相異程度； 然后，生成處理原始數(shù)據(jù)尋找出系統(tǒng)的變化規(guī)律，即生成一組具有較強(qiáng)規(guī)律性的數(shù)據(jù)序列； 最后，通過建立相應(yīng)的微分方程模型預(yù)測出事物未來的發(fā)展?fàn)顩r。

本文利用GM(1，1)模型，首先利用1995年、2000年、2005年和2010年4期的遙感數(shù)據(jù)對研究區(qū)2015年的居民地面積進(jìn)行預(yù)測并與實(shí)際數(shù)據(jù)進(jìn)行對比，再利用1995年、2000年、2005年、2010年和2015年5期的數(shù)據(jù)對研究區(qū)2020年的耕地與居民地進(jìn)行預(yù)測。

GM(1，1)模型中建立的微分方程為

(4)

式中：X(t+1)表示預(yù)測年份的相應(yīng)預(yù)測結(jié)果；a為發(fā)展系數(shù)，表示行為序列估計(jì)值的發(fā)展態(tài)勢；b為灰色作用量，是從行為序列中挖掘出來的數(shù)據(jù)，反映了數(shù)據(jù)變化的關(guān)系。此模型使用均方差比值C與小誤差概率P作為檢驗(yàn)?zāi)Ｐ皖A(yù)測精度的標(biāo)準(zhǔn)。具體指標(biāo)如表7所示。

表7 精度預(yù)測等級Tab.7 Level of prediction accuracy

4.1 2015年土地利用預(yù)測

將研究區(qū)1995年、2000年、2005年和2010年4期的居民地面積帶入GM(1，1)模型中，得到

X(t+1)=91 700.248 281e0.069 816 t-86 070.388 281，

(5)

式中： 參數(shù)a=-0.069 816；b=6 009.080 448。

根據(jù)GM(1，1)模型得到的式(5)對2000年、2005年和2010年居民地?cái)M合結(jié)果如表8所示。

表8 2000年、2005年和2010年居民地?cái)M合結(jié)果Tab.8 Fitting results for residential area in 2000,2005,2010

評價(jià)結(jié)果：C=0.002 8，P=1.000 0，表明當(dāng)前模型的評價(jià)效果很好。計(jì)算得到2015年預(yù)測值為8 175.894 08 hm2，而實(shí)際面積為8 256.78 hm2，相差80.885 92 hm2，僅占總面積的0.013 2%，誤差很小，滿足精度要求。

4.2 2020年土地利用預(yù)測

4.2.1 耕地預(yù)測

將研究區(qū)5期的耕地面積數(shù)值帶入GM(1，1)模型中，得到

X(t+1)=-578 846.731 18e-0.049 017 t+608 311.231 118，

(6)

式中： 參數(shù)a=0.049 017；b=29 817.656 301。

利用式(6)對2000年、2005年、2010年和2015年耕地?cái)M合結(jié)果如表9所示。

表9 2000年、2005年和2010年和2015年耕地?cái)M合結(jié)果Tab.9 Fitting results for agriculture area in2000,2005,2010,2015

評價(jià)結(jié)果：C=0.062 9，P=1.000 0，表明當(dāng)前模型的評價(jià)效果較好。2020年耕地面積的預(yù)測值為22 759.324 45 hm2，耕地持續(xù)減少的趨勢保持不變。由于城市有更多的就業(yè)機(jī)會、更好的教育資源和居住環(huán)境，這些因素使得大量的農(nóng)村勞動力涌入城市，而缺乏勞動力的農(nóng)村使得部分耕地退化為荒地，面積減少。

4.2.2 居民地預(yù)測

將研究區(qū)域5期的居民地面積數(shù)值帶入GM(1，1)模型中，得到

X(t+1)=87 488.284 157e0.072 892 t-81 858.424 157 ，

(7)

式中： 參數(shù)a=-0.072 892 ，b=5 966.783 952。

利用式(7)對2000年、2005年、2010年和2015年居民地?cái)M合結(jié)果如表10所示。

表10 2000年、2005年和2010年和2015年居民地?cái)M合結(jié)果Tab.10 Fitting results for residential area in2000,2005,2010,2015

評價(jià)結(jié)果：C=0.022 0，P=1.000 0，表明當(dāng)前模型的評價(jià)效果很好。2020年居民地面積的預(yù)測值為8 854.757 69 hm2，居民地持續(xù)增加的趨勢保持不變。城鎮(zhèn)化的加速發(fā)展使得更多的農(nóng)村人口涌入城市，城市常住人口的增加使得城市不斷擴(kuò)張，居民地面積增加。

5 結(jié)論

1)1995—2015年間，研究區(qū)林地和居民地所占用地逐漸增加，耕地和未利用地所占用地逐漸減少，水域所占用地基本保持不變。

2)1995年、2000年、2005年、2010年和2015年該區(qū)土地利用程度變化綜合指數(shù)分別為262.59，263.66，263.30，263.26和264.53。從土地利用程度變化綜合指數(shù)的范圍來看，研究區(qū)開發(fā)程度已達(dá)到中等水平，近20 a間研究區(qū)處于發(fā)展時期。

3)在土地利用結(jié)構(gòu)方面，從類別角度看，林地與耕地是研究區(qū)2大土地利用類型； 從時間角度看，截止到2015年研究區(qū)面積增加的有林地和居民地； 面積減少的有耕地、水域和未利用地。

4)應(yīng)用GM(1，1)模型，采用1995年、2000年、2005年和2010年4期數(shù)據(jù)預(yù)測2015年居民地面積為8 175.89 hm2，實(shí)際面積為8 256.78 hm2，相差80.89 hm2； 應(yīng)用該模型，采用1995年、2000年、2005年、2010年和2015年5期數(shù)據(jù)預(yù)測2020年耕地面積為22 759.32 hm2，居民地面積為8 854.76 hm2。

參考文獻(xiàn)(References)：

[1] 何美香.縣域土地利用動態(tài)變化研究——以山西省懷仁縣為例[D].長沙:中南大學(xué),2010.

He M X.Study on Dynamic Change of County-Level Land Use：A Case Study of Huairen Country in Shanxi Province[D].Changsha:Central South University,2010.

[2] Durieux L,Lagabrielle E,Nelson A.A method for monitoring building construction in urban sprawl areas using object-based analysis of SPOT5 images and existing GIS data[J]. ISPRS Journal of Photogrammetry and Remote Sensing,2008,63(4):339-408.

[3] Sylla L,Xiong D,Zhang H Y,et al.A GIS technology and method to assess environmental problems from land use/cover changes: Conakry,Coyah and Dubreka region case study[J].The Egyptian Journal of Remote Sensing and Space Science,2012,15(1):31-38.

[4] Zhang Y J,Li A J,Fung T.Using GIS and multi-criteria decision analysis for conflict resolution in land use planning[J].Procedia Environmental Sciences,2012,13:2264-2273.

[5] Martine N.GIS and multi-criteria decision analysis for land use resource planning[J].Journal of Geographic Information System,2012,4(4):341-348.

[6] 朱曉強(qiáng),李滿春,金曉斌,等.土地利用規(guī)劃在城市郊區(qū)歷史遺跡保護(hù)中的應(yīng)用——以無錫市新區(qū)為例[J].北京第二外國語學(xué)院學(xué)報(bào),2006(5):43-46,22.

Zhu X Q,Li M C,Jin X B,et al.Application of land use planning in historic sites protection in urban fringe： Example the studies of the new district of Wuxi[J].Journal Beijing International Studies University,2006(5):43-46,22.

[7] 吳健生,謝舞丹,李嘉誠.土地利用回歸模型在大氣污染時空分異研究中的應(yīng)用[J].環(huán)境科學(xué),2016,37(2):413-419.

Wu J S,Xie W D,Li J C.Application of land-use regression models in spatial-temporal differentiation of air pollution[J].Environmental Science,2016,37(2):413-419.

[8] 李 炟,束 炯,談建國,等.基于土地利用和人為熱修正的城市夏季高溫?cái)?shù)值試驗(yàn)[J].熱帶氣象學(xué)報(bào),2015,31(3):364-373.

Li D,Shu J,Tan J G,et al.A numerical simulation experiment of an urban summer heat wave based on modified data of land-use and anthropogenic heat[J].Journal of Tropical Meteorology,2015,31(3):364-373.

[9] 史澤鵬,馬中文,馬友華,等.基于J48決策樹算法的遙感土地利用變化分析[J].遙感信息,2014,29(1):78-84.

Shi Z P,Ma Z W,Ma Y H,et al.Land use change of remote sensing based on J48 decision tree algorithm[J].Remote Sensing Information,2014,29(1):78-84.

[10] 丁月平.輔以紋理特征的面向?qū)ο筮b感影像土地分類研究——以南通市港閘區(qū)為例[D].南京:南京林業(yè)大學(xué),2014.

Ding Y P.Research on Land Classification of Object Oriented Remote Sensing Image Based on Texture Features ：A Case Study of Gangzha District of Nantong City[D].Nanjing:Nanjing Forestry University,2014.

[11] 江 華.基于eCognition面向?qū)ο蠹夹g(shù)的高分辨率遙感影像土地利用分類——以福州瑯岐島為例[J].海峽科學(xué),2014(8):12-17.

Jiang H.High resolution remote sensing image classification of land use based on eCognition object-oriented technology：Setting Langqi Island of Fuzhou as an example[J].Straits Science,2014(8):12-17.

[12] 領(lǐng) 梅,安慧君,賀曉輝,等.基于決策樹的涼城縣土地利用分類研究[J].內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào),2013,34(6):43-48.

Ling M,An H J,He X H,et al.Research of land use classification based on decision tree in Liangcheng[J].Journal of Inner Mongolia Agricultural University,2013,34(6):43-48.

[13] 吳健生,潘況一,彭 建,等.基于QUEST決策樹的遙感影像土地利用分類——以云南省麗江市為例[J].地理研究,2012,31(11):1973-1980.

Wu J S,Pan K Y,Peng J,et al.Research on the accuracy of TM images land-use classification based on QUEST decision tree:A case study of Lijiang in Yunnan[J].Geographical Research,2012,31(11):1973-1980.

[14] 肖 艷,姜琦剛,王 斌,等.基于Relief F和PSO混合特征選擇的面向?qū)ο笸恋乩梅诸怺J].農(nóng)業(yè)工程學(xué)報(bào),2016,32(4):211-216.

Xiao Y,Jiang Q G,Wang B,et al.Object based land-use classification based on hybrid feature selection method of combining Relief F and PSO[J].Transactions of the Chinese Society of Agricultural Engineering,2016,32(4):211-216.

[15] 黃秀霞,孫 力.C4.5算法的優(yōu)化[J].計(jì)算機(jī)工程與設(shè)計(jì),2016,37(5):1265-1270,1361.

Huang X X,Sun L.Optimization of C4.5 algorithm[J].Computer Engineering and Design,2016,37(5):1265-1270,1361.

[16] 吳琳娜,楊勝天,劉曉燕,等.1976年以來北洛河流域土地利用變化對人類活動程度的響應(yīng)[J].地理學(xué)報(bào),2014,69(1):54-63.

Wu L N,Yang S T,Liu X Y,et al.Response analysis of land use change to the degree of human activities in Beiluo River basin since 1976[J].Acta Geographica Sinica,2014,69(1):54-63.

[17] 宗 瑋.上海海岸帶土地利用/覆蓋格局變化及驅(qū)動機(jī)制研究[D].上海:華東師范大學(xué),2012.

Zong W.Research on Land Use/Land Cover Change and Driving Forces Mechanism in Coastal Zone of Shanghai[D].Shanghai:East China Normal University,2012.