时空数据存储、管理建模和分析建模一直是数据库和数据分析研究的热点问题。研究者建立了基于空间的^[1]、基于时间的^[2-3]、面向对象^[4-5]的，以及混合模型^[6-8]等多种类型的时空数据模型用于时空序列数据的存储和管理，进而支持时空分析、规律挖掘。但时空数据变化类型多、分析计算复杂、应用目的不同，建立通用时空数据模型具有高度复杂性。为了降低建模的复杂性，需建立一个有针对性应用的时空数据模型。

地表覆盖变化(land cover change, LCC)数据是土地利用/地表覆盖变化(land use/cover change, LUCC)的数据组成之一，是区域规划、全球变化、地理国情监测和生态环境资源管理等重要数据源，应用具有广泛性和基础性。LCC数据具有几何位置、拓扑关系、属性和时间等多种变化类型，选择其作为时空数据建模研究对象具有代表性。LCC宏观微观的演化发展相互依赖，互为前提，须建立二者之间的时空变化关联才能整体、定量地研究地表覆盖变化的机理、规律。而当前LCC研究大多采用单一的快照模型组织时序遥感影像数据^[9-13]。这虽然可以表达地表覆盖的总体时空分布变化，对整体格局变化规律、变化趋势进行分析。但其割裂了对象的时间连续性表达，缺乏对研究对象个体的时空过程、拓扑关系变化、一般属性变化等微观表达的存储机制。因此现有地表覆盖时空数据存储模型方法，无法同时存储管理地表覆盖数据的宏观分布表征和状态，以及诸如土地退化监测中地表覆盖斑块时空演变过程、生态个体或群体相互侵蚀等模拟预测时空拓扑关系变化等信息。在土地利用、地籍管理林业资源管理等方面研究中^[14-20]，针对多边形时空变化及时空数据组织模型将焦点集中在微观个体变化的表达与存储，未针对地表覆盖斑块的时空变化种类及表达方法进行阐述，且未能与宏观变化建立关联。

因此本文提出了一种结合快照、面向对象建模思路的混合数据存储管理模型。其中快照用于描述地表覆盖整体时空分布的宏观时空过程，面向对象描述地表覆盖微观斑块变化的时空过程。两者通过时间和位置形成逻辑关联，以此将基于过程的面向对象时空模型和基于格局的快照时空模型方法联系起来，以解决LCC动态整体监测、定量化研究的问题。

1 地表覆盖时空数据建模方法分析

地表覆盖时空数据由周期性、范围固定的遥感数据经过分类解译处理而成，可以将其看作一种由斑块多边形要素组成的时序空间数据。斑块多边形要素根据其所属分类可组合成为复合多边形要素，且其间无间隔、空缺，从出现到消亡拥有自己的生命周期。斑块在生命周期内发生的改变包括空间上的位置、形状、拓扑的变化，属性上的变化。引起这些变化的外在驱动力因素有自然和社会经济等方面，内在的驱动力为地表覆盖斑块彼此间的变化相互作用，地表覆盖斑块变化也是内外驱动力共同作用的反馈结果^[21]。

在多边形地理对象的时空过程表达研究中，有研究者^{[7, 22]}分别利用基于时间面向事件时空过程表达方法对地产、地籍变更数据建模。这虽然与地表覆盖斑块表达需求相似，但其变更事件发生时间明确且可实地考察、实时更新，而LCC大多通过时序遥感影像判断前后发生的变化，斑块变化类型和数据更新存储的方式也不同。且模型注重微观时空过程进行表达，导致宏观时空分布变化的过程表达难度加大。文献[18]利用矢量多边形快照结合面向对象方法虽然可以解决森林资源调查中小班的时空过程表达的问题，但没有给出不同分类地理对象之间转化表达的解决办法。有研究者利用面向对象时空数据模型^{[4, 23-26]}表达土地利用或生态环境数据的时空拓扑关系，但还原整体时空分布需要重新组合时空对象，且现有LCC分析模型对基于对象的数据结构支持不足。有研究者对快照对象的变化类型进行总结^[27]，对本文表达地表覆盖斑块间相互转化的表达具有指导意义，但文中并未将变化的类型与具体的地理对象关联，未形成单一对象的时空变化过程。

通过上述分析可以看出，采取某一种时空建模方法无法同时处理地理对象宏观和微观时空变化过程表达。因此本文将快照模型和面向对象的时空数据模型在时空对象宏观和微观时空过程表达的优势结合，在生态环境和土地利用时空过程表达方法基础上进行改进，提出了一种针对地表覆盖变化研究的混合时空数据模型建模方法：

(1) 地表覆盖宏观变化表达通过栅格快照数据存储。在模型中，栅格快照数据按采集时间组成栅格快照时空对象，每个对象表达研究区域在固定采集时间的总体分布。

(2) 地表覆盖微观斑块时空过程通过提取和存储其矢量多边形记录。通过改进环境对象的建模方法^[24]，以斑块为时空对象进行面向对象的数据组织存储，在逻辑上将离散的时空对象连续起来。空间对象通过时空关联关系将栅格快照与面向对象模型中的时空对象进行关联，形成混合模型。

(3) 对土地利用、地籍、林业等研究中多边形地理对象时空变化类型进行扩展，定义不同分类斑块间相互转化的类型，并确定相互转化与斑块自身变化间的对应关系，形成地表覆盖斑块的时空事件存储方法。利用时空事件对象记录地表覆盖斑块自身的和斑块相互作用的时空事件以及变化的原因。

(4) 模型通过面向对象继承、多态的特性实现地表覆盖分类的多层级体系的表达，通过分级体系支持不同级别分类的时空统计分析。

2 混合时空数据建模方法 2.1 地表覆盖斑块对象时空变化过程定义

本文中时空过程指时间前后相邻的同一区域内地表覆盖斑块时空对象所发生的变化。时序遥感数据通过变化检测可得出地表覆盖分类发生变化的区域，即斑块间发生互相转化的区域。本文对斑块间相互转化的情况进行分类，同时对斑块自身的变化进行分类表达。斑块间的时空变化类型分为：侵蚀、干扰。斑块自身的时空变化类型分为产生、稳定、扩张、收缩、消亡5类过程事件。变化类型的示例与对应关系如表 1所示，其中相互转化列中Ⅰ、Ⅱ、Ⅲ类型为斑块B对A的侵蚀时空变化过程。其中Ⅰ类相互变化伴随着斑块A的收缩和斑块B的扩张自身变化事件。Ⅱ类变化过程导致斑块A破碎成一个或几个空间上不相连的同类斑块C，伴随着斑块A消亡和斑块B扩张以及与斑块A地表覆盖分类相同的一个或多个斑块出现。Ⅲ类变化过程伴随斑块A的消亡和斑块B的扩张。相互转化列中Ⅳ类型为斑块A受到斑块C的干扰。Ⅳ类型中伴随着斑块A的收缩，斑块C的出现，以及表现稳定的斑块B。

2.2 模型对象定义及对象间关系定义

基于对地表覆盖时空数据及时空变化过程的分析，模型对象元素定义如下：

地表覆盖斑块时空对象(ST_Patch):表达地表覆盖斑块随时空变化的对象，拥有唯一标识的混合时空模型基本时空单元。该对象封装时空数据存储与查询，属性、时空事件关联与查询等相关操作。

空间对象(Geometry)：记录地表覆盖斑块在特定采集时间的空间状态，由矢量空间对象(Shape)和栅格快照对象(Snapshot)组成。矢量空间对象以矢量多边形表达地表覆盖斑块的时序空间状态。栅格快照对象以栅格快照表达地表覆盖时序分布状态。

属性对象(Attribute)：记录地表覆盖斑块的特定采集时间的属性，如林木蓄积量、物种数量、土壤质量、地表湿度等属性。

时空事件对象(Event)：记录地表覆盖斑块在前后相邻采集时间内发生的变化和变化原因。

地表覆盖分类对象(LCCATE)：记录地表覆盖多级分类体系，不同分类层级间的关系通过面向对象的继承关系表达，封装时态操作和空间、属性统计查询的相关操作。

时间标记：时间标记在地表覆盖斑块时空对象和其组成部分中，模型支持有效时间。斑块时空对象标记其出现和消亡的采集时间，空间、属性对象标记数据采集时间，时空事件对象标记前后相邻的两个采集时间。

模型中每个空间对象在相同采集时间上由一个矢量空间对象和一个栅格快照对象组成。栅格快照对象表达特定采集时间的所有空间对象的空间分布，因此一个栅格快照对象对应多个同时矢量空间对象。矢量空间对象和栅格快照对象通过空间对象的时空查询函数相互关联。空间对象中包含的时空查询函数负责在混合模型中根据一个确定的查询时间和空间矢量对象来查询对应的栅格快照对象，也可根据一个确定的时间和栅格快照对象中选定的空间位置来查找对应的空间矢量对象。通过该函数，实现混合模型的时空关联。基于上文对地表覆盖时空对象的组成关系描述，基于对象和快照的混合时空数据模型(mixed spatio-temporal data model based on object-oriented and snapshot，MSTDMBOOS)的UML结构如图 1所示。

2.3 时空数据模型的实现

时空数据模型的实现主要是定义数据表达存储结构。根据图 1所示的数据模型，定义的主要数据结构如图 2所示。图 1中的“LCCATE”对象由CATEGORY表记录，其中PID字段负责记录当前地表覆盖分类的父类UID值；“ST_Patch”对象由PATCH表记录，并通过CATE_VS_PAT关系表与CATEGORY表关联；“Geometry”对象由GEOMETRY表记录，通过PAT_VS_GEO关系表与PATCH表关联，表中SHAPE字段存储矢量多边形。“Snapshot”对象由SNAPSHOT表记录，LAYER字段记录快照栅格图层的存储路径，并通过LAYER字段同GEOMETRY表关联；“Event”对象通过EVENT表记录，通过PATCHUID与PATCH表关联；EVENTTYPE表记录数据库支持的时空事件类型。“Attribute” 对象由Attribute表记录，通过PATCHUID与PATCH表关联。

3 试验与分析

为检验数据模型的组织管理和信息检索能力的有效性，以及对时空分析和数据挖掘的支持，本文以基于时空事件快照对象模型开发的时空信息系统原型为基础说明。本文采用MODIS MCD12Q1土地覆盖类型产品数据，针对黑龙江地区约47万平方公里地表覆盖验证混合时空模型。数据入库和处理过程在Windows 7操作系统下基于Oracle 11g与ArcSDE 10.1实现。入库数据地表覆盖解译影像8幅，共703 MB数据。提取研究区域内斑块总数约30万个，共统计时空事件约134万条。数据入库处理方法拟另文介绍。

系统可依时间查询研究区域宏观分布情况，根据2003年和2012年地表覆盖分布情况进行的CA-Markov预测，如图 3所示。根据地表覆盖分类进行变化统计结果，如表 2所示。根据图表可看出在2003-2012年这10年间，黑龙江省建设用地、耕地面积保持稳定，草地面积有所下降，林地、水域面积增加。根据此趋势结合黑龙江地区的地形条件进行CA-Markov预测结果，显示黑龙江地区的水域、林地面积、耕地、未利用地面积会进一步减少，草地、建设用地面积大幅增加。

宏观的分布格局变化会在微观的斑块变化上得到反馈，可按照地表覆盖分类、斑块对象编码等属性信息或时空信息对斑块的变化信息进行查询。根据查询结果可分析某类或某个地表覆盖斑块的变化规律。图 4为根据水体斑块(编号：N51E020007200300030000053)3个时间点的形态，默认斑块为连续变化的情况下对数据进行插值后得到斑块的连续形态变化。通过这种模拟可以得出非采集时间的任意时间点斑块的形态。

图 5为该斑块时空演变过程表达，图 4为代表该斑块的时空对象在2003年至2012年间与其相接N51E021007200200100000007草地斑块时空对象的间转变的时空过程。可以看出水体斑块被草地斑块侵蚀，水体斑块空间范围发生收缩，草地斑块空间范围发生扩张。

4 结 论

本文通过基于黑龙江地区地表覆盖时空数据建库、查询检索、整体格局演变分析和斑块变化时空过程检索与表达的应用试验分析初步证明，该模型可以表达地表覆盖宏观格局变化和微观斑块时空过程，实现了宏观格局和微观时空过程的相互关联，满足区域地表覆盖变化研究时空过程存储管理检索、时空数据建库和时空分析应用的需求。

与单一时空数据模型相比，该模型将宏观、微观的地表覆盖变化表达建立时空联系，支持从局部斑块演变到整体时空分布变化模拟。模型支持地表覆盖斑块的空间、拓扑关系和属性变化的时空事件记录，支持有效时间。相对于其他时空数据模型，该模型不仅可以表达对象的自身变化，还可表达对象间互相转变的时空事件，将对象的时空变化通过时空事件进行关联，形成连续的表达。模型支持多级分类的对象表达，还可进一步关联非空间的社会经济属性信息、生态环境信息或气候信息，为时空规律分析、时空数据挖掘等提供基础。同时面向对象的时空数据模型使得模型具有良好的编程语言实现性和功能扩展性。本文研究成果对于景观个体或群体行为变化、生态环境变化等时空过程研究同样具有参考意义。

试验过程中也发现模型在判断地表覆盖斑块时间先后继承关系时存在一定误差，时空数据入库效率还有待提高。今后应进一步研究在该时空数据模型支持下，大数据量地表覆盖时空继承关系自动识别算法优化，斑块对象编码压缩，时空数据时空过程检索的优化，以及基于多边形地理对象的时空探索性分析等，以便更好地支持地表覆盖时空数据的应用。