0 引言
地表覆盖变化是全球变化、地理国情监测的重点研究内容之一,其变化过程研究大多基于对时空对象的分析。时空分析研究与现有GIS(geographic information system)时空分析类似,也存在相对空间与绝对空间的描述[1]。当前地表覆盖研究主要通过栅格时序遥感数据来表达地理绝对空间的位置和形状变化,如城市扩张范围或耕地、林地的范围变化;在此基础上,配合统计学方法分析地表覆盖的宏观变化量、变化趋势、变化过程[2]。而有关地表覆盖变化地理相对空间变化表达的研究较少,没有对地表覆盖斑块的时空过程进行描述,割裂了全局变化与局部变化之间的关系[3]。随着动态监测需求的增加,有必要对地表覆盖时空变化过程表达建模,分析变化的原因、规律和模式。
由于栅格数据的广泛使用,地表覆盖相对空间变化过程的研究往往将完整的斑块拆分成多个像素进行模拟,未能体现出斑块的变化过程和变化模式。时空动态变化的组合也导致地表覆盖斑块表现出更多的复杂变化行为,而基于元胞自动机的很多扩展模型处理时空变化的能力较弱[4]。因此,需要建立地表覆盖变化的相对时空关系,将斑块的变化通过时空对象和时空过程的方式进行表达。通过分析斑块组成和配置的变化过程来理解地表覆盖变化空间结构的动态,弥补现有地表覆盖时空过程表达的缺陷;建立斑块的变化过程与空间格局之间的关系,从而解决基于过程和基于格局的方法未能有效联系的问题[5]。
1 时空过程表达方法地表覆盖变化属于缓慢的过程事件变化,现有的地表覆盖变化时空变化表达主要通过栅格时空序列数据的变化检测得到变化的总体情况[6]。地表覆盖数据属于固定周期采集数据,研究范围从全球、国家区域到小范围景观区域,研究尺度变化大。因此,本文为实现斑块级别的变化过程与景观格局变化的关联,在时空表达时顾及多尺度之间的斑块标记,同时考虑借鉴基于事件或过程的时空过程表达模型。
Peuquet等[7]最早提出基于事件的时空数据变化表达模型(an event-based spatio-temporal data model, ESTDM),该模型属于抽象概念模型,通过记录对象所涉及的所有栅格像元来表达对象的变化。孟令奎等[8]通过基于地理事件时变序列的时空数据模型有效记录土地划拨或宗地变更事件,但对于地表覆盖等自然景观变化的事件描述需要通过数据采集后的事件判断才能确定。Sadahiro等[9]在研究面状地理实体变化时采用了一种基于事件的时空变化过程表达模型,该模型定义了6种面状地理实体变化的类型和判断方法,解决了面状地理对象自身变化表达的问题;但没有给出不同地理对象间相互变化的研究方法。吴长彬等[10]对事件-过程模型进行改进,满足了地籍变更表达应用的需求;但地表覆盖方式与地籍变更的时空过程表达区别在于对事件、过程的定义和表达的内容等方面。薛存金等[11]利用抽象的过程对象隐式表达地理实体动态变化机制,该方法很好地解决了移动对象的连续表达问题,并将矢量、栅格数据进行联合存储;但对于面状地理实体的变化表达处理方法未有提及。Cheung等[12]提取了栅格斑块中心点,然后通过图论对中心点建立关联,虽然弥补了栅格数据不能获得斑块间连通度的缺点,但并未有效建立斑块的时空事件序列。Mcintosh等[13]通过栅格矢量双重表达的方法来表达地理信息系统中的降雨时空分布现象,但其判断对象边界的拓扑约束条件并不适用于对象彼此互不包含的地表覆盖数据。
综上所述,当前研究主要集中在基于快照数据模型面状地理实体自身变化过程及其时空拓扑关系之间的研究。而地表覆盖变化不仅要研究斑块自身的变化,同时需要理清斑块之间相互转化的规律和机制,以及斑块之间变化和整体景观格局之间变化的联系。因此,本文在针对LUCC时空数据模型研究的基础上[14],从地表覆盖斑块自身变化和相互转化的角度出发,研究面状地理实体间变化过程的表达方法。表达地表覆盖变化过程时,以斑块为最小单位表达的时空变化过程可以灵活地通过组合表达尺度更大的景观变化过程,最终表达全局的景观格局变化。本文的地表覆盖变化研究在空间尺度上相当于景观生态学中的中尺度景观研究,在时间尺度上相当于小尺度景观变化研究。下文将借用景观生态学的定义来辅助定义一些地表覆盖的时空变化过程。
2 基于过程对象的时空过程表达模型 2.1 地表覆盖斑块对象时空变化过程定义地表覆盖斑块是本文研究中最小的空间研究单元,指与相邻地表覆盖分类不同并具有一定内部均质性的空间单元。地表覆盖时空过程指地表覆盖斑块在时间变化过程中发生的空间格局变化。本文在景观生态学中主要空间格局变化过程[15-16]的基础上进行扩展,表达斑块自身和斑块间的变化。在表达斑块变化之前首先要对斑块进行编码。斑块的变化通过采集时间相邻的两期地表覆盖斑块时序空间数据求并后对比获得。
在求并结果图层中继续判断斑块发生变化的位置与斑块之间的空间拓扑关系,从而确定斑块的变化类型。本文将斑块的自身变化类型归纳为7类,斑块相互转化类型归纳为4类,如表 1所示。“出现”表示一个斑块从无到有的过程,“消亡”为反过程,如表 1中的Ⅰ、Ⅶ所示。若斑块的边缘发生变化,且由自身类别转变为其他类别,则判定为该斑块的“收缩”,如表 1中Ⅱ所示。如果斑块边缘发生变化,且由其他类别转变为自身类别,判定为该斑块的“扩张”,如表 1中Ⅲ所示。若发生转变的空间范围在斑块的内部,且完全包含,则判定为“穿孔”,如表 1中Ⅳ所示。若斑块发生转变后导致原有斑块分裂成若干个彼此不相连的同类别小斑块,则判定为“破碎”,如表 1中Ⅴ所示。若斑块自身空间形态未发生明显变化且分类属性未变,则判定为“稳定”,如表 1中Ⅵ所示。
序号 | tN-1 | tN | 自身变化 | 相互转化 |
Ⅰ | 出现 | 干扰/转变 | ||
Ⅱ | 收缩 | 转变 | ||
Ⅲ | 扩张 | 转变 | ||
Ⅳ | 穿孔 | 干扰 | ||
Ⅴ | 破碎 | 破碎 | ||
Ⅵ | 稳定 | 稳定 | ||
Ⅶ | 消亡 | 转变 | ||
tN-1.斑块变化初始状态的采集时间;tN.斑块变化结束状态的采集时间。 |
在自身变化过程确定后,再根据变化情况确定斑块间相互转化的时空过程。本文将不同地表覆盖斑块间的变化分为转变、干扰和破碎3类(图 1)。转变定义为不同地表覆盖分类斑块间相接的空间区域相互侵蚀的转变过程,如图 1b所示。在景观生态学中,干扰指发生在一定地理范围上、对生态系统结构造成直接损伤或导致其分布不连续的物理作用或者事件[17]。本文中的“干扰”定义为地表覆盖斑块空间范围内部发生分类变化的过程,该过程破坏了原有斑块所在空间范围内的连续性,如图 1c所示。破碎定义为斑块由于发生转变而导致其分裂成几个小的同类别斑块,且这些斑块都在原斑块的空间范围内,如图 1d所示。斑块自身变化和不同分类斑块间的变化过程存在一定的对应关系,如表 1所示。例如,在斑块间的转变过程中可能出现斑块的出现、消亡、收缩和扩张的自身变化过程,而斑块间的干扰过程中可能出现斑块的出现和穿孔的自身变化过程。
2.2 模型对象关系定义基于上节所述地表覆盖变化类型,阐述面向过程对象模型中各元素的关系定义。由于地表覆盖数据是定期采集数据,因此模型采用离散的时间密度标记过程事件的起止时间,使模型支持有效时间。为表达斑块的变化规律,本文采用面状矢量数据表达斑块的空间范围及分布情况。因此,表示一对斑块在时间段TimePeriod内发生的类型为PT的时空过程可表示为
其中:PID表示过程的编号;Patches记录事件涉及的斑块,包含空间信息和属性信息,Patches={Patchi, Patchj},其中Patchi、Patchj表示参与时空过程的两个斑块,Patch包含斑块的唯一编码和变化过程中斑块的空间范围;PT描述发生的时空过程,PT={PName, Event},其中PName记录当前描述的过程名称,Event记录触发该过程发生的驱动事件;TimePeriod={StartTime, EndTime}, 其中StartTime和EndTime分别记录时空过程的开始和结束时间。
斑块变化过程之间的联合可以反映出更为宏观的变化过程,为景观格局变化与微观斑块变化之间建立联系。例如一个典型的城市扩张过程可能表示为Pseries(UE)={P(1), P(2), …, P(n)}, 其中P(1) 代表城市斑块对周围林地的扩张过程,P(2) 代表城市对周围实地的扩张过程等。
2.3 模型实现根据上述分析,表达地表覆盖的时空过程需要从空间对象、变化过程、采集时间3个方面进行。空间对象描述参与变化过程的空间语义信息;变化过程用来表达变化类型、变化原因等;采集时间用来描述变化过程的时间语义。模型的UML(unified modeling language)如图 2所示。
图 2中:ProcSeriesCls为过程序列集合,由众多变化过程组成;ProcCls为过程类,用于描述变化过程的类型、起止时间、驱动原因等;TimeCls为时间类,描述数据的采集时间信息;PatchCls为斑块类,描述参与过程的斑块信息,一个过程类中包含两个斑块;SpatialCls为空间对象类,通过唯一值编码与斑块对象进行关联,一个过程序列中允许有多个空间对象参与;ProcTypeCls是过程类型类,负责描述过程的类型、名称、驱动原因等信息;AttrCls描述斑块、空间对象和过程对象的非空间属性信息,且通过属性信息进一步与其他社会经济、生态或气候信息关联。
在物理数据表存储上,主要通过建立过程序列表、斑块对象表和空间对象表之间的外键关联达到记录和查询的目的,如图 3所示。
3 实验与分析地表覆盖斑块的空间变化主要指斑块形状、位置和空间拓扑关系的变化;时间变化主要指斑块空间形态的采集时间、斑块的生命周期和过程的持续时间;属性变化主要指斑块中所含的生物种类、水化学特性等内容的记录。过程语义指景观格局发生变化时,所有参与变化斑块的变化过程。本文采用基于过程的时态模型记录斑块的变化以表达空间变化语义、时间变化语义、属性变化语义,可将过程进行组合来表达景观格局变化中的一个完整事件。
本文采用MODIS MCD12Q1土地覆盖类型产品数据。该数据通过经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,分辨率为500 m,每景影像包含大约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漠河地区,面积1.8万km2。实验数据包含范围如图 4所示。
数据入库和处理过程在Windows 7操作系统下基于Oracle 11g和ArcSDE 10.1实现,计算机主要硬件配置为3.2 GHz CPU,8G内存。地表覆盖时空过程的建立通过斑块编码、时空过程判定、数据入库3个主要步骤实现。下文着重介绍斑块编码规则和时空过程判定以及数据入库后的时空过程检索实现方法。
3.1 斑块对象编码为标识地表覆盖斑块时空过程,首先要对斑块研究对象进行唯一值编码。本文编码规则在1:5万分幅格网基础上对每个格网内的地表覆盖斑块地理实体进行唯一值编码,编码形式如图 5所示。
编码包含4个部分:① 1:5万分幅编号,② 监测实体第一次创建的时间(精确到年份),③ 地表覆盖分类类别编码,④ 地表覆盖斑块所属类别内的序号。其中:1:5万分幅编号的选择是为了确定研究区域在我国的具体位置,可为进一步与图幅内或图幅周边地区的数据接合做基础,从而实现多尺度的数据互通;斑块所属类别内的序号从1开始,在格网内从北向南、从西向东依次增加。
3.2 时空过程判定为了记录斑块的变化过程,需要对斑块的变化事件进行判定。本文采用一种先判断斑块继承关系、再判断斑块变化过程的方法。首先通过时间相邻两个图层求并(union),在结果union图层中进行判断,如果tN-1图层中的斑块与tN图层中的同类斑块彼此相交的区域都占自身面积的50%以上,则将tN图层中的斑块判定为tN-1图层中斑块的继承者,将tN-1图层中斑块的编码赋以tN图层中的斑块;再将其他在判定继承关系过程中未被编码的斑块重新按编码规则编码后,进行进一步的时空过程判定。判定流程如图 6所示。经过判定识别的时空过程被输入数据库保存。
3.3 时空过程检索与分析将MODIS数据进行投影变换和矢量数据提取,对地表覆盖斑块的面状矢量数据进行编码并通过时空过程判定确定继承关系后,斑块自身变化的时空过程通过与相邻采集时间同一斑块的空间形态对比获得。以编号为N51E019011200300140000001的斑块为例(图 7)说明变化的判定过程。
由图 7可以看出,该斑块在一年的变化中发生了收缩、扩张和穿孔的时空过程。由于地表覆盖,斑块间是没有空隙间隔的,所以斑块自身的变化必然会影响与其相邻的斑块;因此,自身变化的过程也是斑块间相互变化的过程。图 7中A区域为斑块的稳定区域;B区域为收缩转变区域;C区域为斑块的扩张转变区域,且C区域原斑块消亡;D区域为斑块的扩张转变区域。
基于SQL(structured query language)可以对斑块发生的变化过程进行查询,如表 2所示。
项目 | 内容 |
查询对象 | ProcessObject |
查询语句 | Select PatchObject,ProcessObject from ProcessSerisView where ProcessType=’shrinkage’and patchtype=’Mixed Forests’ and Between (03, 04) |
语义解释 | 查找20032004年发生收缩的混交林斑块和过程记录对象 |
查询结果 | 斑块编码为N51E023011200300050000001、N51E017011200300050000001、N51E019013200300050000001等,共计206个斑块;过程编号PID为171、778、4203等,共计974个过程 |
可视化结果(红色区域为变化区域) |
基于查询结果进行统计分析后得到表 3,其中地表覆盖分类编码采用国际地圈生物圈计划(IGBP)定义的17类[18]。
序号 | 分类编码 | 斑块数量 | 总面积/km2 |
1 | 0 | 7 | 0.001 |
2 | 3 | 476 | 2 288.857 |
3 | 8 | 23 | 23.034 |
4 | 9 | 122 | 118.725 |
5 | 10 | 10 | 4.915 |
6 | 12 | 4 | 1.037 |
7 | 13 | 3 | 0.650 |
8 | 14 | 267 | 321.818 |
通过分析转换过程发现,混交林转换成为落叶针叶林的面积最大,其次是作物面积。发生收缩的区域主要发生在南部地区。
通过以上实验可以看出,本文提出的时空过程表达方法可以存储并表达地表覆盖斑块时空过程,可以对地表覆盖的变化过程进行斑块级别的微观表达和整体的宏观变化表达。将斑块中含有的其他物种数量、物质传播、能量流动测算数据赋予斑块的属性信息,即可研究斑块运动状态下景观生态格局变化与空间景观变化之间的关系。
4 结论与展望1) 通过斑块编码、变化事件判定、变化过程存储查询应用实验分析可以初步证明,该方法可以满足地表覆盖时空变化过程表达,存储检索、时空分析应用的需求。
2) 与传统快照数据模型记录的地表覆盖变化时空过程相比,该模型将斑块进行唯一值编码,可以追述每一个监测区域内斑块的变化过程。模型支持变化过程中斑块的空间关系、拓扑关系和属性的查询分析。模型可通过属性信息进一步与生态、社会经济或气候等信息进行关联,为地表覆盖变化的时空规律分析、时空数据挖掘等提供基础。同时,本文成果对于研究面状空间对象的时空分布变化过程同样具有参考意义。
在实验过程中发现,时空过程变化事件判定计算耗时较多,算法上存在改进空间。下一步将继续研究模型中不同尺度下的时空过程组合与拆分方法,量化土地利用动态,实现地表覆盖变化与空间实体的组织级别匹配。
[1] |
李建松, 唐雪华.
地理信息系统原理[M]. 第二版. 武汉: 武汉大学出版社, 2015.
Li Jiansong, Tang Xuehua. The Principle of Geographic Information System[M]. 2nd ed. Wuhan: Wuhan University Press, 2015. |
[2] |
朱利凯, 蒙吉军. 国际LUCC模型研究进展及趋势[J].
地理科学进展, 2009, 28(5): 782-790.
Zhu Likai, Meng Jijun. Advance in and Tendencies of Land Use and Cover Change Model[J]. Progress in Geography, 2009, 28(5): 782-790. DOI:10.11820/dlkxjz.2009.05.017 |
[3] | Risser P G, Iverson L R. 30 Years Later-Landscape Ecology: Directions and Approaches April 25-27, 1983 Allerton Park, Illinois, USA[J]. Landscape Ecology, 2013, 28(3): 367-369. DOI:10.1007/s10980-013-9856-2 |
[4] | Verburg P H, Schot P P, Dijst M J, et al. Land Use Change Modelling: Current Practice and Research Priorities[J]. GeoJournal, 2004, 61(4): 309-324. DOI:10.1007/s10708-004-4946-y |
[5] | Lambin E F, Geist H J. Land-Use and Land-Cover Change[M]. Berlin: Springer, 2006. |
[6] |
刘纪远, 邓祥征. LUCC时空过程研究的方法进展[J].
科学通报, 2009, 54(21): 3251-3258.
Liu Jiyuan, Deng Xiangzheng. Progress of the Research Methodologies on the Temporal and Spatial Process of LUCC[J]. Chinese Sci Bull, 2009, 54(21): 3251-3258. |
[7] | Peuquet D J, Duan N. An Event-Based Spatiotemporal Data Model (ESTDM) for Temporal Analysis of Geographical Data[J]. International Journal of Geographical Information Systems, 1995, 9(1): 7-24. DOI:10.1080/02693799508902022 |
[8] |
孟令奎, 赵春宇, 林志勇, 等. 基于地理事件时变序列的时空数据模型研究与实现[J].
武汉大学学报(信息科学版), 2004, 28(2): 202-207.
Meng Lingkui, Zhao Chunyu, Lin Zhiyong, et al. Research and Implementation of Spatio-Temporal Data Model Based on Time-Varying Sequence of Geographical Events[J]. Geomatics and Information Science of Wuhan University, 2004, 28(2): 202-207. |
[9] | Sadahiro Y, Umemura M. Spatio-Temporal Analysis of Polygon Distributions: Event-based Approach[Z]. CiteSeer, 2000. |
[10] |
吴长彬, 闾国年. 一种改进的基于事件-过程的时态模型研究[J].
武汉大学学报(信息科学版), 2009, 33(12): 1250-1253.
Wu Changbin, Lü Guonian. Research on Event-Process Based Spatio-Temporal Model[J]. Geomatics and Information Science of Wuhan University, 2009, 33(12): 1250-1253. |
[11] |
薛存金, 周成虎, 苏奋振, 等. 面向过程的时空数据模型研究[J].
测绘学报, 2010, 39(1): 95-101.
Xue Cunjin, Zhou Chenghu, Su Fenzhen, et al. Research on Process-Oriented Spatio-Temporal Data Model[J]. Acta Geodaetica et Cartographica Sinica, 2010, 39(1): 95-101. |
[12] | Cheung A K L, O'sullivan D, Brierley G. Graph-Assisted Landscape Monitoring[J]. International Journal of Geographical Information Science, 2015, 29(4): 1-26. |
[13] | Mcintosh J, Yuan M. A Framework to Enhance Se-mantic Flexibility for Analysis of Distributed Phenomena[J]. International Journal of Geographical Information Science, 2005, 19(10): 999-1018. DOI:10.1080/13658810500197652 |
[14] |
李寅超, 李建松. 一种面向LUCC的时空数据存储管理模型[J].
吉林大学学报(地球科学版), 2017, 47(1): 294-304.
Li Yinchao, Li Jiansong. A Spatiotemporal Data Model for LUCC[J]. Journal of Jilin University (Earth Science Edition), 2017, 47(1): 294-304. |
[15] | Forman R T T. Land Mosaics: The Ecology of Land-scapes and Regions[M]. 9th ed. Cambridge: Cambridge University Press, 2006. |
[16] |
张娜.
景观生态学[M]. 北京: 科学出版社, 2014.
Zhang Na. Landscape Ecology[M]. Beijing: Science Press, 2014. |
[17] |
邬建国.
景观生态学:格局、过程、尺度与等级[M]. 北京: 高等教育出版社, 2007.
Wu Jianguo. Landscape Ecology: Pattern, Process, Scale and Hierarchy[M]. Beijing: Higher Education Press, 2007. |
[18] | Loveland T, Belward A. The IGBP-DIS Global 1 km Land Cover Data Set, Discover: First Results[J]. International Journal of Remote Sensing, 1997, 18(15): 3289-3295. DOI:10.1080/014311697217099 |