0 引言
LUCC (land-use and land-cover change，LUCC)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的重要数据来源。LUCC研究在地球科学发展的影响下，重心由调查监测向模拟实验转移[1]。为满足常态化、周期性、大范围、多源数据LUCC监测、模拟、预测与统计评估的需求，以及地理国情监测对时空变化模式、时空变化异常等时空数据挖掘的需求，传统的以文件形式分散管理的时序空间数据应进一步处理成为时空数据以支持LUCC研究的新需求。
当前LUCC研究集中在LUCC监测预测[2-11]、LUCC与环境变化之间的关系[12-17]、LUCC驱动力分析[18-22]和LUCC应用建模[22-25]这4个方向。目前，国内外LUCC数据管理系统[26-29]以数据存储查询功能为主，时空数据处理分析功能薄弱。现有LUCC时空分析集中在时空变化过程进行模拟、预测，模型从元胞自动机发展而来[30]，继而形成了CLUE[31]、SLEUTH[32]和GEOMOD[33]等模型。为了弥补各自存在的弱点，时空过程模型在使用中形成了诸如Dyna-CLUE[4]、CA-Markov[34]、ATEAM[35]和EURURALIS[36]等混合模型。LUCC时空过程模拟主要基于栅格时序空间数据，以文件形式存储的栅格空间数据可以满足时空建模数据提取的需求；但这种组织方式显然无法满足时空过程演变动态展示和进一步时空数据挖掘等工作的需求。
本文认为，一个支撑LUCC时空过程建模并可以进行动态模拟展示和时空数据挖掘的时空数据模型应该具有以下4个基本点：1)能够兼顾栅格、矢量时空数据管理；2)能够动态模拟LUCC过程；3)能够提供LUCC时空过程建模所需指标、数据；4)能够管理发布时空和非空间属性成果数据。下面介绍该时空数据模型的设计思路与方法。
1 LUCC时空演变分析土地利用与地表覆盖状态和形态具有特定的时间和空间属性，可在多种时空尺度上变化。地类斑块从出现到消亡拥有自己的生命周期。由于人类或自然活动的影响，地类斑块在生命周期内会随时间发生改变。这种改变包括空间上位置、大小的变化以及属性上的变化。本文将地类斑块生命周期中的变化分为产生、变化、转变、消亡4个过程事件。某个地类斑块在原有空间范围内随时间从无到有的过程为产生过程；地类斑块随时间产生的变化不足以引起其地表覆盖分类变化的过程称为变化过程；地类斑块发生的变化引起其地表覆盖分类改变的过程称为转变过程；某个地类斑块在原有空间范围内随时间从有到无的过程为消亡过程。
根据以上分析，本文提出一个面向LUCC的时空数据模型，用于存储与管理监测地表覆盖时空变化过程中产程的时空数据，以便支持LUCC的动态模拟与时空分析建模。首先对该模型时空语义支持条件进行说明。
本文设定LUCC时空演变研究的基本单位为地表覆盖地类斑块。LUCC普遍将地类作为研究的基本单位，为更好地支持生态环境过程、区域规划、空间格局演变等研究，故将基本单位进一步细化。地表覆盖地类斑块的边界划分依据国际地圈-生物圈计划(IGBP)17类覆盖类型分类系统确定[37]。每个地类斑块即代表一个LUCC地理实体，具有空间、时间、属性特征，拥有唯一值编码。
LUCC时空数据模型基于离散时间元素建模。现有地表覆盖数据以定期采集为主，LUCC时空分析建模的时间粒度通常以整数年为单位，因此本文提出的时空数据采用离散时间表达。模型将时间记录在地理实体中，以标识地理实体的采集时间。模型支持通过地理实体唯一编码查询地理实体的所有历史状态。
LUCC时空数据模型同时支持矢量、栅格空间数据。现有的地表覆盖时空分析数据以栅格数据为主，矢量数据需栅格化后使用；这使得矢量数据精度高，支持拓扑分析等数据结构优势未能在LUCC研究中充分体现。在时空信息挖掘、时空规律分析的研究中，也需要矢量数据支持。
LUCC时空数据模型支持非空间数据记录。地类斑块的变化不仅体现在空间、时间上，也体现在自身属性信息的变化上。例如，一个林地地类斑块在未发生地表覆盖分类变化时，仍然存在郁闭度、蓄积量等非空间的属性变化。在LUCC驱动力分析研究中，也同样需要社会经济信息等含有时态的非空间信息支持。
2 LUCC时空数据建模 2.1 时空数据模型理论基础当前同时支持栅格和矢量数据的时空数据模型有面向事件的模型、面向对象的时空数据模型、位移对象数据模型和快照模型。
快照模型中，每个栅格图层是时态一致的像素的集合，表示地理分布在不同时间的状态，常用于森林资源监测[38]。这种时空数据组织方式与现有LUCC研究数据组织方式近似，LUCC变化量、变化率以及土地利用转换矩阵等数据的提取方法几乎不需做改动即可在快照模型组织的数据上复用。面向对象的时空数据模型将时间作为对象的属性进行记录，支持连续、离散的时间密度、时态操作，支持有效时间与数据库事务时间[39]，支持矢量数据和栅格数据，支持拓扑关系操作。该模型以地理对象作为表达载体，能够表达空间信息、属性信息和空间关系同时发生变化的地理实体类型[40]。在时空数据库建模中，使用面向对象的技术有4个优点[41]：①一个单独的对象可以表达一个实体对象的整个历史；②查询简单，查询针对实体的每个单独对象；③高效的事态数据处理；④空间和时间数据统一处理。面向对象的时空数据模型对时间密度的支持更为灵活，能够支持智能体单体模拟与复合体模拟。
因此，本文采用快照模型组织栅格时间序列数据，采用面向对象的时空数据模型组织管理面状矢量地表覆盖数据以及其他矢量数据和非空间数据。两模型通过时间属性和地理位置进行关联，形成混合模型。在混合模型中：面向对象的时空数据模型起主要作用，负责时空数据索引和时空数据操作；快照数据起到辅助作用，负责存储管理栅格数据，为创建时空数据库、基于栅格的时空数据分析提供基础数据。
2.2 时空语义表达面向对象的时空数据实体可表示为
(1) 式中：GE(i, t)为t时刻的第i个地类实体；n为t时刻地类斑块总数；EID为地理实体的唯一标识号，对应监测实体唯一标识码；ESi为第i个地类实体的空间信息；EAi为第i个地类实体的非空间属性信息，其中包含时间信息；EPi为第i个地类实体相关的行为，对应地表覆盖变化发生的过程事件。
快照数据的地理实体可表示为
(2) 式中：GEs表示地理实体；l表示地理实体的地理范围；R(t, l)表示距离时刻t最近的地理范围l内的栅格数据，当tn-1 < t < tn时，取时间较早的快照，即R(t, l)=R(tn-1, l)；C(t, l)为时空演变插值函数，用来确定地理实体在时刻t的最可能的地理形态。
因此，本文根据面向对象的时空数据实体检索快照数据可表示为
(3) 式中，EAi.t表示面向对象模型中地理实体的一个时间节点。
2.3 时空数据模型模型支持二维面状矢量数据，将地表覆盖的每一个地类斑块作为一个地类实体。地类实体的时空演变过程由地理实体、属性实体、事件实体和时间实体来记录。
地类实体的时间记录在实体每一个版本对象对应的时间属性上。模型支持有效时间(valid time)，将地理实体第一次被采集到的时间设为产生时间，最后一次被采集到的时间为消亡时间。模型支持时间拓扑查询。
模型支持对指定监测实体拓扑关系、形状、位置随时间变化的存储与查询，支持地类实体非空间属性信息随时间变化的存储与查询。
模型UML (unified modeling language)逻辑结构如图 1所示。
|
| 图 1 时空数据模型UML结构 Figure 1 UML structure of the spatio-temporal data model |
|
|
在模型中，地类实体是模型的核心。每个地类实体代表了地表覆盖类别中的一个具体实例，即地类斑块。每个地类实体拥有唯一标识码。地类实体的类别对象属性记录地表覆盖类别信息。地表覆盖类别被定义为抽象类。地表覆盖类别的唯一标识编码可根据不同的分类体系进行定义。地类实体的地理实体属性负责关联当前实体和它所代表的地理实体。通过地理实体可查询地类实体任意采集时间的栅格和矢量空间数据。地类实体的属性实体负责关联属性实体。属性实体用于记录地类实体的非空间属性。若地类实体的记录时间是离散的，则时间属性记录地类实体的新建和消亡时间。如果地类实体的记录时间是连续的，实体的时间则需要通过时间实体中的时间函数求得。地类实体包含了新建、变化、转变和消亡4个操作方法，负责在实体出现、消亡、发生变化时产生行为实体，记录地类实体的变化，变化的结果由时空事件实体负责记录。
根据上述逻辑结构实现的数据库主要物理结构如图 2所示。
|
| 图 2 时空数据模型物理结构 Figure 2 Physical structure of the spatio-temporal data model |
|
|
图 1中的“地表覆盖类别”由TCATAGORY表实现；“地类实体”由TOBJECT表实现，并通过TCATA_VS_OBJ关系表与TCATAGORY表关联；“地理实体”由TGeometry表实现，通过TOBJ_VS_SPA关系表与TOBJECT表关联，表中SPATIALID字段同时与空间数据关联；“时空事件实体”通过TBEHAVIOR表实现，通过OBJECTID与TOBJECT表关联；TBEHAVIORTYPE表记录数据库支持的时空事件类型；TOBJECTTYPE表记录行为事件发生变化的来源，如地理实体变化、属性变化等。“时间实体”在记录离散时间时直接记录在TBEHAVIOR表中，作为连续时间记录时在TTIME表中记录时间函数；TTIME表通过TOBJ_VS_TIME与TOBJECT表关联。
3 实验分析 3.1 实验数据与环境本文采用MODIS MCD12Q1土地覆盖类型产品数据，该数据通过高质量地表覆盖训练的监督分类算法生产，采用正弦曲线投影(sinusoidal)，空间分辨率为500 m，每井影像包含大约1 200 km×1 200 km的范围，像素为2 400×2 400。数据覆盖地区为黑龙江省，介于北纬43°26′-53°33′、东经121°11′-135°05′之间，面积约面积47.3万km2，如图 3所示。
|
| 图 3 研究区范围 Figure 3 The study area |
|
|
数据制作时间及图幅号如表 1所示。
| 制作年份 | 数据名称 |
| 2002 | MCD12Q1.A2002001.h25v037 MCD12Q1.A2002001.h26v03 MCD12Q1.A2002001.h26v04 MCD12Q1.A2002001.h27v04 |
| 2007 | MCD12Q1.A2007001.h25v03 MCD12Q1.A2007001.h26v03 MCD12Q1.A2007001.h26v04 MCD12Q1.A2007001.h27v04 |
| 2012 | MCD12Q1.A2012001.h25v03 MCD12Q1.A2012001.h26v03 MCD12Q1.A2012001.h26v04 MCD12Q1.A2012001.h27v04 |
试验时序影像数据由基于Oracle 11g的ArcSDE镶嵌数据集进行组织管理；矢量数据由要素数据集进行组织管理；属性数据由Oracle数据库进行统一组织管理，如图 4所示。
|
| 图 4 数据组织 Figure 4 Organization of data |
|
|
原型系统在Windows 7操作系统下基于Visual Studio 2010和ArcEngine 10.1实现。原型系统包含空间分析工具、统计分析工具、时空过程建模工具以及时空数据分析工具，逻辑结构如图 5所示。
|
| 图 5 原型系统 Figure 5 Prototype system |
|
|
原型系统首先通过时空过程建模预处理工具将时序栅格数据中的地类斑块矢量化，然后根据命名规则对矢量地类斑块进行唯一值编码并生成时空过程事件，最终形成时空数据库。时空数据库支持单时期地类统计与多时期地类统计分析，如图 6所示。
|
| 图 6 LUCC统计分析 Figure 6 LUCC statistical analysis |
|
|
原型系统支持时空过程可视化。根据地类斑块唯一值编码跟踪某一特定地块的变化情况，并且可以与栅格数据联动，实现从单一斑块变化到全局景观格局变化之间的空间关联，如图 7所示。
|
| 图 7 时空过程可视化 Figure 7 Visualization of spatio-temporal process |
|
|
原型系统支持时空过程建模参数的提取，可提供相对空间和绝对空间的相关参数。实验根据栅格快照数据生成了2002-2012年哈尔滨地区的6大类土地类型的转移矩阵，如表 2所示。
| hm2 | |||||||
| 2002年 | |||||||
| 水体 | 林地 | 草原 | 耕地 | 建设用地 | 未利用地 | ||
| 2012年 | 水体 | 4 625.22 | 2 720.72 | 408.11 | 408.11 | 0.00 | 136.04 |
| 林地 | 272.07 | 1 707 931.77 | 0.00 | 107 468.43 | 0.00 | 0.00 | |
| 草原 | 1 360.36 | 408.12 | 11 018.91 | 11 835.13 | 680.18 | 1 768.47 | |
| 耕地 | 21 629.72 | 138 892.74 | 23 670.26 | 3 217 931.19 | 2 856.76 | 4 761.26 | |
| 建设用地 | 0.00 | 0.00 | 0.00 | 952.25 | 62.848.62 | 0.00 | |
| 未利用地 | 1 088.29 | 136.04 | 0.00 | 816.26 | 0.00 | 0.00 | |
根据提取的地类转移矩阵，结合CA-Markov预测模型对哈尔滨市区范围的地类发展进行模拟预测。预测结果如图 8所示：在保持2002-2012年的发展条件下，建设用地和湿地面积有增加趋势，耕地面积会减少，林地、水域面积基本保持不变。
|
| 图 8 2002-2022年哈尔滨市地表覆盖时空分布模拟预测 Figure 8 Distribution of land cover in Harbin City during 2002-2022 |
|
|
进一步分析哈尔滨市2002-2012年的景观格局变化，结果如表 3所示。哈尔滨市辖区地表覆盖斑块数目、破碎度略有下降，多样性指数略有提升；说明此期间景观格局保持良好。地表覆盖斑块平均面积在3 000 hm2左右，但是斑块面积变异系数很大；说明研究区内斑块面积差异大。形状指数和分维数反映地表覆盖斑块的形状的复杂性，斑块的几何形状越简单，表明受干扰的程度越大；2002-2012年间形状指数下降，分维数保持不变。2012-2022年，斑块数增加，平均斑块面积下降，形状指数下降，分维数略有下降(表 3)；说明人类活动在2012-2022年间相对2002-2012年间对地表覆盖格局的影响有变强趋势。
| 年份 | 斑块数 | 平均斑块面积/hm2 | 斑块面积变异指数 | 形状指数 | 分维数 | 多样性指数 | 破碎度/(个/km2) |
| 2002 | 1 881 | 2 832.86 | 1 945.01 | 8.40 | 1.25 | 1.27 | 0.035 |
| 2012 | 1 710 | 3 115.91 | 1 437.30 | 6.96 | 1.25 | 1.38 | 0.032 |
| 2022 | 2 773 | 1 922.44 | 1 622.23 | 4.27 | 1.23 | 1.81 | 0.052 |
实验分析验证了本文提出的LUCC时空数据模型适合存储管理可视化矢量和栅格时空序列数据，具有对数据进行静态、动态分析的功能。模型的数据文件和分析成果管理依托于Oracle 11g数据库，可与ArcSDE、ArcServer等空间数据管理与发布软件配合，实现空间信息和一般信息的管理和发布。
4 结论与建议1) 本文回顾了近期地表覆盖变化研究进展，总结了地表覆盖变化时空过程研究的特点。随后结合当前LUCC应用发展的需求提出一种基于快照与面向对象混合的时空数据模型。
2) 该方法利用快照时空数据模型管理原始影像和影像解译分类后的栅格数据，将分类栅格数据矢量化后利用面向对象的时空数据模型进行管理。两种时空数据模型通过时间和空间位置进行绑定。与以往的以文件形式管理的LUCC数据相比，该时空数据模型在数据库软件的辅助下可方便地对数据进行存储、查询和可视化。
3) 本文提出的原型系统实现了时空查询显示和时空统计分析，可提供时空规律分析、数据挖掘分析等研究所需的基础数据。与以往的LUCC研究环境相比更加强调一体化，使研究过程更加连贯。
在实验过程中发现地类斑块的前后继承关系判断过程耗时较多，因此在未来的研究中，将进一步探讨面向对象时空数据模型下自然地物先后继承关系自动提取效率的提升。同时，依靠面向对象模型良好的编程语言实现性和功能扩展性对原型系统功能进行扩展，使之直接支持时空预测、时空数据挖掘，以便更好地支持LUCC研究。
| [1] | 承继成. 地球信息科学技术的最新发展趋势[J]. 地球信息科学, 2008, 10 (2) : 280-281. Cheng Jicheng. New Trend of Geo-Information Science Technology Development[J]. Journal of Geo-Information Science, 2008, 10 (2) : 280-281. |
| [2] | Ferreira Filho J B D S, Horridge M. Ethanol Expan-sion and Indirect Land Use Change in Brazil[J]. Land Use Policy, 2014, 36 : 595-604. DOI:10.1016/j.landusepol.2013.10.015 |
| [3] | Chen C F, Son N T, Chang N B, et al. Multi-Decadal Mangrove Forest Change Detection and Prediction in Honduras, Central America, with Landsat Imagery and a Markov Chain Model[J]. Remote Sensing, 2013, 5 (12) : 6408-6426. DOI:10.3390/rs5126408 |
| [4] | Verburg P H, Eickhout B, Meijl H. A Multi-Scale, Multi-Model Approach for Analyzing the Future Dynamics of European Land Use[J]. The Annals of Regional Science, 2007, 42 (1) : 57-77. |
| [5] | Wilson T S. Land-Cover Change Research at the US Geological Survey:Assessing Our Nation's Dynamic Land Surface[J/OL].[2015-08-12]. http://pubs.usgs.gov/fs/2011/3080/. |
| [6] | Raumann C G, Soulard C E. Land-Cover Trends of the Sierra Nevada Ecoregion, 1973-2000[J/OL].[2015-08-23]. http://pubs.usgs.gov/sir/2007/5011/. |
| [7] | 张文海, 赵阳, 余新晓, 等. 基于LUCC的黄土丘陵区生态服务价值动态演变研究[J]. 应用基础与工程科学学报, 2013, 21 (3) : 442-452. Zhang Wenhai, Zhao Yang, Yu Xinxiao, et al. Dynamic Evolution of the Ecological Service Value Based on LUCC in Loess Hilly-Gully Region[J]. Journal of Basic Science and Engineering, 2013, 21 (3) : 442-452. |
| [8] | Bin Q, Romkens M J M, Jianjunl T, et al. Spatial-Temporal Pattern and Population Driving Force of Land-Use Change in Liupan Mountains Region, Southern Ningxia, China[J]. Chinese Geographical Science, 2008, 18 (4) : 323-330. DOI:10.1007/s11769-008-0323-y |
| [9] | Zhenbo W, Chuanglin F, Shaowen C, et al. Evolution of Coordination Degree of Eco-Economic System and Early-Warning in the Yangtze River Delta[J]. Journal of Geographical Sciences, 2013, 23 (1) : 147-162. DOI:10.1007/s11442-013-1000-3 |
| [10] | Chen X, Yu S X, Zhang Y P. Evaluation of Spatio-temporal Dynamics of Simulated Land Use/Cover in China Using a Probabilistic Cellular Automata-Markov Model[J]. Pedosphere, 2013, 23 (2) : 243-255. DOI:10.1016/S1002-0160(13)60013-2 |
| [11] | 朱长明, 李均力, 张新, 等. 新疆博斯腾流域湿地遥感监测及时空变化过程[J]. 吉林大学学报(地球科学版), 2013, 43 (3) : 954-961. Zhu Changming, Li Junli, Zhang Xin, et al. Wetlands Mapping and Spatio-Temporal Change Analysis:A Case Study on Bosten Basin, Xinjiang[J]. Journal of Jilin University (Earth Science Edition), 2013, 43 (3) : 954-961. |
| [12] | 杨玉盛, 谢锦升, 盛浩, 等. 中亚热带山区土地利用变化对土壤有机碳储量和质量的影响[J]. 地理学报, 2007, 62 (11) : 1123-1131. Yang Yusheng, Xie Jinsheng, Sheng Hao, et al. The Impact of Land Use/Cover Change on Soil Organic Carbon Stocks and Quality in Mid-Subtropical Mountainous Area of Southern China[J]. Acta Geographica Sinica, 2007, 62 (11) : 1123-1131. |
| [13] | Seto K C, Shepherd J M. Global Urban Land-Use Trends and Climate Impacts[J]. Current Opinion in Environmental Sustainability, 2009, 1 (1) : 89-95. DOI:10.1016/j.cosust.2009.07.012 |
| [14] | 张汪寿, 李晓秀, 黄文江, 等. 不同土地利用条件下土壤质量综合评价方法[J]. 农业工程学报, 2011, 26 (12) : 311-318. Zhang Wangshou, Li Xiaoxiu, Huang Wenjiang, et al. Comprehensive Assessment Methodology of Soil Quality Under Different Land Use Conditions[J]. Transactions of the Case, 2011, 26 (12) : 311-318. |
| [15] | 常龙飞, 王晓龙, 李恒鹏, 等. 巢湖典型低山丘陵区不同土地利用类型壤中流养分流失特征[J]. 生态与农村环境学报, 2012, 28 (5) : 511. Chang Longfei, Wang Xiaolong, Li Hengpeng, et al. Characteristics of Soil Nutrient Losswith Interflow from Uplands as Affected by Land-Uses in Low Hill Region of Chaohu Basin[J]. Journal of Ecology and Rural Environment, 2012, 28 (5) : 511. |
| [16] | Lambin E F, Geist H J. Land-Use and Land-Cover Change[M].[S. l.]:Springer, 2006. |
| [17] | Lorz C, Abbt-Braun G, Bakker F, et al. Challenges of an Integrated Water Resource Management for the Distrito Federal, Western Central Brazil:Climate, Land-Use and Water Resources[J]. Environmental Earth Sciences, 2011, 65 (5) : 1575-1586. |
| [18] | Lambin E F, Turner B L, Geist H J, et al. The Ca-uses of Land-Use and Land-Cover Change:Moving Beyond the Myths[J]. Global Environmental Change, 2001, 11 (4) : 261-269. DOI:10.1016/S0959-3780(01)00007-3 |
| [19] | Bürgi M, Hersperger A M, Schneeberger N. Driving Forces of Landscape Change:Current and New Directions[J]. Landscape Ecology, 2004, 19 (8) : 857-868. DOI:10.1007/s10980-004-0245-8 |
| [20] | Kanianska R, Kizeková M, Nováček J, et al. Land-Use and Land-Cover Changes in Rural Areas During Different Political Systems:A Case Study of Slovakia from 1782 to 2006[J]. Land Use Policy, 2014, 36 : 554-566. DOI:10.1016/j.landusepol.2013.09.018 |
| [21] | Lourdes L, Karina Z, Pedro L, et al. A Dynamic Simulation Model of Land-Cover in the Dulce Creek Basin, Argentina[J]. Procedia Environmental Sciences, 2011, 7 : 194-199. DOI:10.1016/j.proenv.2011.07.034 |
| [22] | 黄庆旭, 何春阳, 史培军, 等. 城市扩展多尺度驱动机制分析[J]. 经济地理, 2009, 29 (5) : 714-721. Huang Qingxu, He Chunyang, Shi Peijun, et al. Understanding Multi-Scale Urban Expansion Driving Forces:In the Case Study of Beijing[J]. Economic Geography, 2009, 29 (5) : 714-721. |
| [23] | Leemans R, Van Amstel A, Battjes C, et al. The Land-Cover and Carbon Cycle Consequences of Large-Scale Utilizations of Biomass as an Energy Source[J]. Global Environmental Change, 1996, 6 (4) : 335-357. DOI:10.1016/S0959-3780(96)00028-3 |
| [24] | Dai S, Zhang B, Wang H, et al. Vegetation Cover Change and the Driving Factors over Northwest China[J]. Journal of Arid Land, 2011, 3 (1) : 25-33. DOI:10.3724/SP.J.1227.2011.00025 |
| [25] | Vicente-Serrano S M, Lasanta T, Romo A. Analysis of Spatial and Temporal Evolution of Vegetation Cover in the Spanish Central Pyrenees:Role of Human Management[J]. Environmental Management, 2004, 34 (6) : 802-818. DOI:10.1007/s00267-003-0022-5 |
| [26] | Homer C, Huang C, Yang L, et al. Development of a 2001 National Land-Cover Database for the United States[J]. Photogrammetric Engineering & Remote Sensing, 2004, 70 (7) : 829-840. |
| [27] | Gutman G, Huang C, Chander G, et al. Assessment of the NASA-USGS Global Land Survey (GLS) Datasets[J]. Remote Sensing of Environment, 2013, 134 : 249-265. DOI:10.1016/j.rse.2013.02.026 |
| [28] | Liu J, Liu M, Deng X, et al. The Land-Use and Land-Cover Change Database and Its Relative Studies in China[J]. Journal of Geographical Sciences, 2002, 12 (3) : 275-282. DOI:10.1007/BF02837545 |
| [29] | 陈军, 陈晋, 宫鹏, 等. 全球地表覆盖高分辨率遥感制图[J]. 地理信息世界, 2011, 9 (2) : 1586-1672. Chen Jun, Chen Jin, Gong Peng, et al. Higher Resolution Global Land Cover Mapping[J]. Geomatics World, 2011, 9 (2) : 1586-1672. |
| [30] | 史文中. 地理国情监测理论与技术[M]. 北京: 科学出版社, 2013 . Shi Wenzhong. Methods and Technologies of National Geographic State Monitoring[M]. Beijing: Science Press, 2013. |
| [31] | Veldkamp A, Fresco L. Clue:A Conceptual Model to Study the Conversion of Land Use and Its Effects[J]. Ecological Modelling, 1996, 85 (2) : 253-270. |
| [32] | Candau J. Calibrating a Cellular Automaton Model of Urban Growth in a Timely Manner[C]//4th International Conference on Integrating Geographic Information Systems and Environmental Modeling:Problems, Prospects, and Research Needs. Banff:[S. l.], 2000:2-8. |
| [33] | Hall C, Tian H, Qi Y, et al. Modelling Spatial and Temporal Patterns of Tropical Land-Use Change[J]. Journal of Biogeography, 1995 : 753-757. |
| [34] | Mokadi E, Mitsova D, Wang X. Projecting the Im-pacts of a Proposed Streetcar System on the Urban Core Land Redevelopment:The Case of Cincinnati, Ohio[J]. Cities, 2013, 35 : 136-146. DOI:10.1016/j.cities.2013.07.005 |
| [35] | Cramer W. Advanced Terrestrial Ecosystem Analysis and Modelling[J]. Regional Environmental Change, 2008, 8 (3) : 89-90. DOI:10.1007/s10113-008-0063-7 |
| [36] | Klijn J A, Vullings L, Van Den Berg M, et al. The EURURALIS Study:Technical Document[M]. Wageningen:[s. n.], 2005. |
| [37] | Friedl M A, Sulla-Menashe D, Tan B, et al. Modis Collection 5 Global Land Cover:Algorithm Refinements and Characterization of New Datasets[J]. Remote Sensing of Environment, 2010, 114 (1) : 168-182. DOI:10.1016/j.rse.2009.08.016 |
| [38] | 夏凯, 刘仁义, 刘南, 等. 序列状态的林业资源时空数据模型研究[J]. 测绘学报, 2013, 42 (3) : 433-439. Xia Kai, Liu Renyi, Liu Nan, et al. Research of Forestry Spatio-Temporal Data Model in Sequence States[J]. Acta Geodeatica et Cartographica Sinica, 2013, 42 (3) : 433-439. |
| [39] | 曹志月, 刘岳. 一种面向对象的时空数据模型[J]. 测绘学报, 2002, 31 (1) : 87-92. Cao Zhiyue, Liu Yue. An Object-Oriented Spatio-Temporal Data Model[J]. Acta Geodeatica et Cartographica Sinica, 2002, 31 (1) : 87-92. |
| [40] | 薛存金, 谢炯. 时空数据模型的研究现状与展望[J]. 地理与地理信息科学, 2010, 26 (1) : 1-6. Xue Cunjin, Xie Jiong. A Review on Current and Future Studies on Spatio-Temporal Data Models[J]. Geography and Geo-Information Science, 2010, 26 (1) : 1-6. |
| [41] | Pelekis N, Theodoulidis B, Kopanakis I, et al. Lite-rature Review of Spatio-Temporal Database Models[J]. The Knowledge Engineering Review, 2004, 19 (3) : 235-274. |