长江口北岸土地利用动态演化模拟研究
|
摘要
江海流域特殊的沿江沿海地理区位,滩涂淤涨侵蚀和滩涂围垦利用等自然和人文因素影响,使得江海流域土地利用类型多样,利用方式高度集约,利用变化活跃,且空间分异显著。因此,江海流域土地利用变化研究是典型区域LUCC研究的重要领域之一。随着江苏省“江海联动”政策的实施,社会经济的高速发展,江海岸工业园区的开发以及沿江沿海港口的建设,长江口北岸流域土地利用变化极为活跃。本文以长江口北岸的土地利用变化为研究对象,长江入海口北岸的启东市行政区域为研究范围,研究时间跨度24年,时间间隔6年。
提出了适合于沿海影像的提升小波变换影像融合模型,选择长江口北岸的沿海滩涂区域ETM+和ALOS影像进行融合试验分析,结合主观目视和客观指标综合评价,并与传统融合方法进行比较,研究表明提升小波融合方法优于传统融合方法,提高影像空间分辨率的同时,能更好地保持影像光谱信息;对融合处理后影像进行分类,分类Kappa系数表明提升小波融合后影像的分类精度最高,提升小波融合可以充分利用全色波段影像的空间分辨率和多光谱波段的光谱信息,从而有效提高影像目视解译分类精度。
结合GIS和RS技术,对长江入口北岸1989年、1995年、2001年和2008年遥感影像进行人机交互解译,研究1989-1995年、1995-2001年和2001-2008年三个阶段内的土地利用格局变化。采用参数构造法,分别从土地利用结构、土地利用转移矩阵、土地利用动态度、土地变化程度、土地利用空间变化和多样化程度六个方面,对长江口北岸土地利用动态变化进行系统分析;采用景观指数法,选取集聚度、分离度、多样性、均匀度和景观分维数等作为景观指标,研究表明:长江口北岸流域景观整体破碎化程度增强、景观斑块形状趋于复杂化、景观多样性和均匀度均增加;采用地统计学方法,进行长江口北岸土地利用样本点半变异函数拟合和结构性分析,研究表明:当样本点间距小于61 km时,土地利用样点间的距离越小,空间相关性越大;当样本点间距大于61 km时,区域化变量的空间相关性不存在。长江口北岸土地利用样本点半变异函数拟合的结构系数为0.7左右,表明长江口北岸土地利用样本间的变异更多是由随机因素引起的,土地利用样本间的空间依赖性较弱,但有增强的趋势。
采用统计和空间分析两种不同方法,揭示了长江口北岸流域土地利用变化的人文驱动因子和空间驱动因素。结合相关分析和主成分分析法,进行长江口北岸土地利用变化的人文驱动力统计分析,研究得出长江口北岸土地利用变化的人文影响因素主要有三方面:(1)城市化进程加快、经济发展、居民生活水平提高;(2)技术进步、人口;(3)政策因素、交通因素。空间驱动分析表明:长江口北岸建设用地变化的空间影响因素主要有公路、河港水域、城市中心和“江海联动”开发战略等几方面。
引进经典的元胞自动机城市扩展与土地利用演化SLEUTH模型,改进元胞自动机控制系数的筛选方法,结合驱动力的研究调整模型控制系数,根据长江口北岸流域实际情况设置模型校准参数,提高模型在长江口北岸流域应用的实用性。本文设计了启东主城区和长江口北岸流域两种不同情景,对两种情景分别进行了土地利用空间演化情景模拟与预测,分析比较两种情景的模拟精度。研究表明:SLEUTH模型方法可以获得精度较高的土地利用变化预测结果,特别是对城市扩展的预测,但是SLEUTH模型没有把社会、经济等人文因素直接纳入模型中,模型校准过程非常耗时。
综合已有的基于神经网络的元胞自动机模型研究,使用遗传算法对神经网络的连接权值和阈值进行优化,采用面向对象建模思路,对ANN-CA模型进行改进和拓展,综合遗传神经网络和元胞自动机,开发了一个基于Matlab平台的GANN-CA模型。该模型充分利用人工神经网络获取模型大量空间变量参数的优势,简化了土地利用转化规则的定义,不仅考虑社会经济环境等因素对流域土地利用演化的影响作用,如空间距离、邻域条件、自然属性等,还充分考虑土地政策、江海开发战略等因素对土地利用演化的影响作用。以长江口北岸为例进行了实证研究,研究表明GANN-CA模型有较好的仿真效果。
该论文有图60幅,表格49个,公式98个,参考文献207篇。
River-sea basin has diverse type, high intensive land-use style, active land-use change and significant spatial variation because of some natural and human factors such as the special geographical position along the coast of River-sea basins, silting and erosion of beach, reclamation and utilization of beach and so on.With the implementation of "river-sea linkage" development strategy, the high-speed development of socio-economic, the development of the river-sea coast industrial park, as well as the construction of river-sea coast ports, land-use change is extremely active in the North Branch of Yangtze River estuary basin.This paper takes land-use change in the North Branch of Yangtze River estuary as the research object and administrative region of Qidong city as study scope, study time span of 24 years, time interval of 6 years.
Raised coastal images fusion model of lifting wavelet transform, selected ETM+ and ALOS images as reseach images and compared with the traditional fusion methods by combining subjective and objective evaluation. It is considered that the effect of lifting wavelet image fusion method is superior to the traditional method. Lifting wavelet method improved the image spatial resolution and maintained image spectral information betterly; Image classification Kappa coefficient showed that image of lifting wavelet fusion has the highest classification accuracy; lifting wavelet fusion can make full use of spatial resolution from panchromatic image and multi-spectral information from spectral bands, and effectively improved the image classification accuracy.
Combined with GIS and RS technology, human-computer interact interpreted remote sensing images of 1989, 1995, 2001 and 2008, researched land-use pattern changes of 1989-1995, 1995-2001 and 2001-2008. Using the parameters Construction method, respectively analysis the North Branch of Yangtze River estuary land use changes from six aspects of land use structure, land-use transfer matrix, land use degree, land change extent, land use space change and diversification; Using landscape index method, chose landscape indexes such as concentration, separation, diversity, evenness and landscape fractal dimension, the study shows that landscape overall fragmentation degree is enhanced, landscape patch shape is tended to complicate, landscape diversity and evenness is increased in the North Branch of Yangtze River estuary; Using statistical methods, analysis land use sample semivariogram fitting and structure of the North Branch of Yangtze River estuary, research shows that the spatial correlation is greater , as the land-use distance between points is smaller in the range of 61 kilometers. When sample interval is greater than 61 kilometers, the space-relation of regionalization variables will not exist. The structure factor of land-use sample semivariogram fitting is around 0.7, which indicated that variation among the land use samples are more caused by random factors, land-use spatial dependence between samples is weak, but the space dependence is trend to enhance.
Two different methods Statistics and spatial analysis is used to study the main driving factors causing land-use change in the North Branch of Yangtze River estuary. Combined with correlation analysis and principal component analysis, human driving force statistical analysis of land use change shows that human driving forces can be divided into three main aspects: (1) speed up the process of urbanization, economic development, residents improve living standards; (2) technological progress, population; (3) policy factors, traffic factors. Space-driven analysis showed that the main space affect factors of construction land in the North Branch of Yangtze River estuary are roads, river waters, the city center, the "River-sea linkage" development strategy and so on.
Introduced the classic cellular automata SLEUTH model using for simulating urban growth and land use evolution and improved model practicality in the north branch of the Yangtze River estuary through improving the screening methods of Cellular automata control coefficient, adjusting control coefficient model by combining the study of the driving force and setting model calibration parameters in accordance with the actual situation in the north branch of the Yangtze River estuary. Designed Qidong City and North Branch of Yangtze River estuary two different scenarios, simulated and predicted land-use evolution of the two scenarios, analysis and compared of the simulation accuracy of the two scenarios. It is shows that SLEUTH model can accurately predict land-use change, especially for the prediction of the city's expansion, but SLEUTH model did not put socio-economic factors such as the humanities into the model and model calibration process is very time-consuming.
Combined with genetic algorithm, artificial neural network and cellular automata, improved and expanded the ANN-CA model, used object-oriented modeling idea, built GANN-CA model based on Matlab, which can make full use of artificial neural network to obtain the variable space parameters and simplify the land use transfer rule. Model considered more comprehensive space impact factors and not only take into account of spatial distance, neighborhood conditions, property, but also give full consideration of land policy, economic development strategy, and take the north branch of the Yangtze River estuary as an example, research shows that the GANN-CA model has better simulation results.
There are 60 figures, 49 tables, 98 formulas and 207 references.
提出了适合于沿海影像的提升小波变换影像融合模型,选择长江口北岸的沿海滩涂区域ETM+和ALOS影像进行融合试验分析,结合主观目视和客观指标综合评价,并与传统融合方法进行比较,研究表明提升小波融合方法优于传统融合方法,提高影像空间分辨率的同时,能更好地保持影像光谱信息;对融合处理后影像进行分类,分类Kappa系数表明提升小波融合后影像的分类精度最高,提升小波融合可以充分利用全色波段影像的空间分辨率和多光谱波段的光谱信息,从而有效提高影像目视解译分类精度。
结合GIS和RS技术,对长江入口北岸1989年、1995年、2001年和2008年遥感影像进行人机交互解译,研究1989-1995年、1995-2001年和2001-2008年三个阶段内的土地利用格局变化。采用参数构造法,分别从土地利用结构、土地利用转移矩阵、土地利用动态度、土地变化程度、土地利用空间变化和多样化程度六个方面,对长江口北岸土地利用动态变化进行系统分析;采用景观指数法,选取集聚度、分离度、多样性、均匀度和景观分维数等作为景观指标,研究表明:长江口北岸流域景观整体破碎化程度增强、景观斑块形状趋于复杂化、景观多样性和均匀度均增加;采用地统计学方法,进行长江口北岸土地利用样本点半变异函数拟合和结构性分析,研究表明:当样本点间距小于61 km时,土地利用样点间的距离越小,空间相关性越大;当样本点间距大于61 km时,区域化变量的空间相关性不存在。长江口北岸土地利用样本点半变异函数拟合的结构系数为0.7左右,表明长江口北岸土地利用样本间的变异更多是由随机因素引起的,土地利用样本间的空间依赖性较弱,但有增强的趋势。
采用统计和空间分析两种不同方法,揭示了长江口北岸流域土地利用变化的人文驱动因子和空间驱动因素。结合相关分析和主成分分析法,进行长江口北岸土地利用变化的人文驱动力统计分析,研究得出长江口北岸土地利用变化的人文影响因素主要有三方面:(1)城市化进程加快、经济发展、居民生活水平提高;(2)技术进步、人口;(3)政策因素、交通因素。空间驱动分析表明:长江口北岸建设用地变化的空间影响因素主要有公路、河港水域、城市中心和“江海联动”开发战略等几方面。
引进经典的元胞自动机城市扩展与土地利用演化SLEUTH模型,改进元胞自动机控制系数的筛选方法,结合驱动力的研究调整模型控制系数,根据长江口北岸流域实际情况设置模型校准参数,提高模型在长江口北岸流域应用的实用性。本文设计了启东主城区和长江口北岸流域两种不同情景,对两种情景分别进行了土地利用空间演化情景模拟与预测,分析比较两种情景的模拟精度。研究表明:SLEUTH模型方法可以获得精度较高的土地利用变化预测结果,特别是对城市扩展的预测,但是SLEUTH模型没有把社会、经济等人文因素直接纳入模型中,模型校准过程非常耗时。
综合已有的基于神经网络的元胞自动机模型研究,使用遗传算法对神经网络的连接权值和阈值进行优化,采用面向对象建模思路,对ANN-CA模型进行改进和拓展,综合遗传神经网络和元胞自动机,开发了一个基于Matlab平台的GANN-CA模型。该模型充分利用人工神经网络获取模型大量空间变量参数的优势,简化了土地利用转化规则的定义,不仅考虑社会经济环境等因素对流域土地利用演化的影响作用,如空间距离、邻域条件、自然属性等,还充分考虑土地政策、江海开发战略等因素对土地利用演化的影响作用。以长江口北岸为例进行了实证研究,研究表明GANN-CA模型有较好的仿真效果。
该论文有图60幅,表格49个,公式98个,参考文献207篇。
River-sea basin has diverse type, high intensive land-use style, active land-use change and significant spatial variation because of some natural and human factors such as the special geographical position along the coast of River-sea basins, silting and erosion of beach, reclamation and utilization of beach and so on.With the implementation of "river-sea linkage" development strategy, the high-speed development of socio-economic, the development of the river-sea coast industrial park, as well as the construction of river-sea coast ports, land-use change is extremely active in the North Branch of Yangtze River estuary basin.This paper takes land-use change in the North Branch of Yangtze River estuary as the research object and administrative region of Qidong city as study scope, study time span of 24 years, time interval of 6 years.
Raised coastal images fusion model of lifting wavelet transform, selected ETM+ and ALOS images as reseach images and compared with the traditional fusion methods by combining subjective and objective evaluation. It is considered that the effect of lifting wavelet image fusion method is superior to the traditional method. Lifting wavelet method improved the image spatial resolution and maintained image spectral information betterly; Image classification Kappa coefficient showed that image of lifting wavelet fusion has the highest classification accuracy; lifting wavelet fusion can make full use of spatial resolution from panchromatic image and multi-spectral information from spectral bands, and effectively improved the image classification accuracy.
Combined with GIS and RS technology, human-computer interact interpreted remote sensing images of 1989, 1995, 2001 and 2008, researched land-use pattern changes of 1989-1995, 1995-2001 and 2001-2008. Using the parameters Construction method, respectively analysis the North Branch of Yangtze River estuary land use changes from six aspects of land use structure, land-use transfer matrix, land use degree, land change extent, land use space change and diversification; Using landscape index method, chose landscape indexes such as concentration, separation, diversity, evenness and landscape fractal dimension, the study shows that landscape overall fragmentation degree is enhanced, landscape patch shape is tended to complicate, landscape diversity and evenness is increased in the North Branch of Yangtze River estuary; Using statistical methods, analysis land use sample semivariogram fitting and structure of the North Branch of Yangtze River estuary, research shows that the spatial correlation is greater , as the land-use distance between points is smaller in the range of 61 kilometers. When sample interval is greater than 61 kilometers, the space-relation of regionalization variables will not exist. The structure factor of land-use sample semivariogram fitting is around 0.7, which indicated that variation among the land use samples are more caused by random factors, land-use spatial dependence between samples is weak, but the space dependence is trend to enhance.
Two different methods Statistics and spatial analysis is used to study the main driving factors causing land-use change in the North Branch of Yangtze River estuary. Combined with correlation analysis and principal component analysis, human driving force statistical analysis of land use change shows that human driving forces can be divided into three main aspects: (1) speed up the process of urbanization, economic development, residents improve living standards; (2) technological progress, population; (3) policy factors, traffic factors. Space-driven analysis showed that the main space affect factors of construction land in the North Branch of Yangtze River estuary are roads, river waters, the city center, the "River-sea linkage" development strategy and so on.
Introduced the classic cellular automata SLEUTH model using for simulating urban growth and land use evolution and improved model practicality in the north branch of the Yangtze River estuary through improving the screening methods of Cellular automata control coefficient, adjusting control coefficient model by combining the study of the driving force and setting model calibration parameters in accordance with the actual situation in the north branch of the Yangtze River estuary. Designed Qidong City and North Branch of Yangtze River estuary two different scenarios, simulated and predicted land-use evolution of the two scenarios, analysis and compared of the simulation accuracy of the two scenarios. It is shows that SLEUTH model can accurately predict land-use change, especially for the prediction of the city's expansion, but SLEUTH model did not put socio-economic factors such as the humanities into the model and model calibration process is very time-consuming.
Combined with genetic algorithm, artificial neural network and cellular automata, improved and expanded the ANN-CA model, used object-oriented modeling idea, built GANN-CA model based on Matlab, which can make full use of artificial neural network to obtain the variable space parameters and simplify the land use transfer rule. Model considered more comprehensive space impact factors and not only take into account of spatial distance, neighborhood conditions, property, but also give full consideration of land policy, economic development strategy, and take the north branch of the Yangtze River estuary as an example, research shows that the GANN-CA model has better simulation results.
There are 60 figures, 49 tables, 98 formulas and 207 references.
引文
[1] C. M. Almeida; J. M. Gleriani; E. F. Castejon; B. S. Soares-Filho.Using neural networks and cellular automata for modeling intra-urban land use dynamics. International Journal of Geographical Information Science, Volume 22, Issue 9 2008, pages 943 - 963
[2] Barredo et al, Modelling dynamic spatial processes: simulation of urban future scenarios through cellular automata.Landscape and Urban Planning, 2003(64):145-160.
[3] Bilsborrow, R. E., and H. W. O. Okoth Ogondo. 1992. Population-driven changes in land use in developing countries. Ambio 21:37–45.
[4] Brown, D. G., B. C. Pijanowski, and J. D. Duh. 2000. Modeling the relationships between land use and land cover on private lands in the Upper Midwest, USA. J Environmental Management 59:247–263.
[5] Briassoulis H (2000) Analysis of land use change: theoretical and modeling approaches. In: Loveridge S (ed) at http://www.rri.wvu.edu/regscweb.htm.West Virginia University, Morgantown.
[6] Candau, 2002 Candau, J T (2002) Temporal Calibration Sensitivity of the SLEUTH Urban Growth Model. M.Sc., Theses. Santa Barbara University, p116.
[7] Clarke, K., (2000) SLEUTH: Land Cover transition Model, version 3.0, http://www.ncgia.ucsb.edu/ projects/gig/project_gig.htm
[8] Dietzel and Clarke, 2006 C. Dietzel and K.C. Clarke, The effects of disaggregating land use categories in cellular automata during model calibration and forecasting, Computers, Environment and Urban Systems 30(2006),pp.78–101.
[9] Engelen, G., R. White, I. Uljee, and P. Drazan. 1995. Using cellular automata for integrated modelling of socio-environmental system. Environmental Monitoring and Assessment 34:203–214.
[10] GUAN, Q. and WANG, L., 2005, An Artificial-Neural-Network-Based Constrained CA Model for Simulating Urban Growth and Its Application. In Auto-Carto Conference, 18–23.March 2005, Las Vegas, NV. Available online at: www.geog.ucsb.edu/~guan/papers/Guan_AutoCarto2005.pdf (accessed 26 December 2005).
[11] Geist,H. J., E. F. Lambin 2001. What drives tropical deforestation? A meta-analysis of proximate and underlying causes of deforestation based on subnational case-study evidence. LUCC Report Series No. 4. LUCC International project office. Louvain-la-Neuve.
[12] Genderen,J.L. van and Pohl, C. 1994. "Image fusion: issues, techniques and applications", in Proceedings of EARSeL Workshop on Intelligent Image Fusion, Strasbourg France.
[13] Geertman S, Hagoort M, Ottens H (2006) Spatial–temporal specific neighbourhood rules forcellular automata land use modelling. Int J Geograph Inform Syst (forthcoming).
[14] Gutman G et al (2004) Land change science. Observing, monitoring and understanding trajectories of change on the earth’s surface remote sensing and digital image processing. Kluwer Academic Publishers, Dordrecht/Boston/London,459 pp.
[15] Heisterman M, Mu¨ller C, Ronneberger K (2006) Land in sight? Achievements, deficits and potentials of continental to global scale land-use modeling. Agric Ecosyst Environ 114(2–4):141–158.
[16] Himiyama, Y., 1999. Historical information bases for land use planning in Japan. Land Use Policy 16,145-151.
[17] Haberl, H., Erb, K. H., Krausmann, F., Adensam, H., Schulz, N. B., 2003. Land-use change and socio-economic metabolism in Austria- Part II: land-use scenarios for 2020. Land Use Policy 19, 123-133.
[18] Hagoort MJ (2006) The neighbourhood rules: land-use interactions, urban dynamics and cellular automata modelling. Netherlands Geographical Studies 334. KNAG/Utrecht University, Utrecht,The Netherlands
[19] Irwin, E. G., and J. Geoghegan. 2000. Theory, data, methods: Developing spatially-explicit economic models of land-use change. Agriculture, Ecosystems and Environment 85:7–24.
[20] John R.Jensen and Dave C.Cowen. Remote Sensing of Urban/Suburban Infrastructure Engineering & Remote Sensing,1999,65(5):611-622.
[21] Junfeng J (2003) Transition rule elicitation for urban cellular automata models, Case study: Wuhan, China.Enschede, International Institute for Geo-Information Science and Earth Observation
[22] Koning, G. H. J., P. H. Verburg, A. Veldkamp, and L. O.Fresco. 1999. Multi-scale modelling of land-use change dynamics for Ecuador. Agricultural Systems 61:77–93.
[23] Kitamura T, Kagatsume M , Hoshino S. A theoretical consideration on the land use change model for the Japan case study area. IIASA Interim Report IR2972064, Laxenburg, 1997.
[24] Kok, K., and M. Winograd. 2002. Modelling land-use change for Central America, with special reference to the impact of hurricane Mitch. Ecological Modelling 149:53–69.
[25] Lambin, E. F. 1997. Modelling and monitoring land-cover change processes in tropical regions. Progress in Physical Geography 21:375–393.
[26] Lambin, E. F., X. Baulies, N. E. Bockstael, G. Fischer, T. Krug, R. Leemans, and others. 2000. Land-use and land-cover change, implementation strategy. IGBP Report 48, IHDP Report 10. Stockholm, Bonn, IGBP, IHDP.
[27] Lambin, E. F., M. D. A. Rounsevell, and H. J. Geist. 2000b. Are agricultural land-use models able to predict changes in land-use intensity? Agriculture, Ecosystems and Environment 82:321–331.
[28] Lambin, E. F., B. I. Turner, H. J. Geist, S. B. Agbola, A. Angelsen, J. W. Bruce, and others. 2001.The causes of land-use and land-cover change: moving beyond the myths.Global Environmental Change 11:261–269.
[29] Loveland, T. R., Merchant, J. W., Ohlen D. O., Brown J. F., 1991., Development of a Land–Cover Characteristics Database for the Conterminous U.S., Photogrammetric Engineering &Remote Sensing, Vol. 57, No. 11, November 1991, pp. 1453-1463.
[30] Pijanowski, B. C , Daniel G. Brown, Bradley A. Shellito and Gaurav A. Manik. 2002. Using neural networks and GIS to forecast land use changes: a Land Transformation Model, Computers, Environment and Urban Systems 26(6): 553-575.
[31] Pijanowski, B. C., B. Shellito, S. Pithadia and K. Alexandridis. 2002. Forecasting and assessing the impact of urban sprawl in coastal watersheds along eastern Lake Michigan
[32] Shoshany, M., Goldshleger, N., 2002. Land-use and population density changes in Israel- 1950 to 1990: analysis of regional and local trends. Land Use Policy 19, 123-133.
[33] Shettigara V K.1992.A Generalized component substitution technique for spatial enhancement of the use of multi-spectral images using a higher-resolution data set[J].Photogrammetric Enginering&Remote Sensing,58(5):561-567.
[34] SLEUTH:http://www.ncgia.ucsb.edu/projects/gig/project_gig.htm
[35] Syphard A D, Clarke K C and Franklin J. Using a cellular automaton model to forecast the effects of urban growth on habitat pattern in southern California. Ecological Complexity, 2005, 2(2),185-203.
[36] Turner II, B. L., D. L. Skole, S. Sanderson, G. Fischer, L. O.Fresco, and R. Leemans. 1995. Land-use and land-cover change-Science/research plan. IGBP Report No. 35; HDP Report No. 7. Stockholm and Geneva.
[37] Turner II BL, Moran EF, Rindfuss RR (2004) Integrated land-change science and its relevance to the human sciences. In: Gutman G et al (eds) Land change science.Observing, monitoring and understanding trajectories of change on the earth’s surface. Kluwer Academic Publishiers, Dordrecht/Boston/London, pp431-447.
[38] Verburg P H., Y. Q. Chen, and A. Veldkamp. 2000. Spatial explorations of land-use change and grain production in China. Agriculture, Ecosystems and Environment 82:333–354.
[39] Verburg P H. , De Koning G H J , Kok K. A spatial explicit allocation procedure for modelling the pattern of land use change based upon actual land use. Ecological Modelling, 1999 ,116 :45-61.
[40] Verburg P H.,Ton C.M. de Nijsc,Jan Ritsema van Eck. A method to analyse neighbourhood characteristics of land use patterns [J].Computers,Environment and Urban Systems,2004 (28): 667-690.
[41] Verburg Peter, W Veldkamp, R Limpiada, etc. Modeling the spatial dynamics of regional land use: the CLUE-S model [J]. Environmental Management,2002,30(3): 391-405.
[42] Verburg, P.H. 2006. Simulating feedback in land use and land cover change models. LandscapeEcology, 21(8): 1171-1183.
[43] Verburg, P.H.,van Bodegom, P.M., Denier van der Gon, H.A.C., Bergsma, A., van Breemen, N., 2006. Upscaling regional emissions of greenhouse gases from rice cultivation: methods and sources of uncertainty. Plant Ecology, 182: 89-106.
[44] Verburg, P.H.,Kok, K., Pontius Jr.,R.G.,Veldkamp,A. 2006. Modeling Land-Use and Land-Cover Change. In: Lambin, E.F., Geist, H.J. (eds.) Land-Use and Land-Cover Change: Local Processes and Global Impacts. The IGBP Series. Springer-Verlag, Berlin Heidelberg.
[45] Ward D P, Murray A T, Phinn S R. A stochastically constrained cellular model of urban growth. Computer, Environment and Urban System, 2000, 24: 539-558.
[46] White R, Engelen G, Uljee I. The use of constrained cellular automata for high-resolution modeling of urban land use dynamics. Environment and Planning B, 1997, 24: 323-343.
[47] Yesou H., Besnus Y. et Rolet J., 1994.Perception of a geological body using multisources remotely sensed data relative influence of the spectral content and of the spatial resolution.International Journal Remote Sensing, 15, 12, 2495-2510.
[48] Yesou H., Besnus Y. et Rolet J., 1994.Perception of a geological body using multisources remotely sensed data relative influence of the spectral content and of the spatial resolution.International Journal Remote Sensing, 15, 12, 2495-2510.
[49] Eric Koomen, John Stillwell, Aldrik Bakema, Henk J. Scholten. Modelling Land-Use Change: Progress and Applications [M] 2007,The GeoJournal Library, Published by Springer,P.O. Box 17, 3300 AA Dordrecht, The Netherlands.
[50]摆万奇,赵士洞.土地利用变化驱动力系统分析[J].资源科学.2001.23(3):39-41.
[51]蔡玉梅,刘彦随,宇振荣,Verburg, P.H.土地利用变化空间模拟的进展—CLUE-S模型及其应用.地理科学进展,2004,23(4):63-70.
[52]蔡银桥,毛政元.基于多特征对象的高分辨率遥感影像分类方法及其应用[J].国土资源遥感,2007(1):77-81.
[53]曹隆坤,张加恭,王婉如.城市边缘区土地利用变化的研究—以广州市黄埔区为例[J].江西农业学报, 2008,20(2):138-141.
[54]曹敏,卞正富.土地利用持续性的生态足迹评价法[J].生态经济,2007(5):64-67.
[55]曹敏,史照良,沈泉飞.ALOS影像在土地覆被分类中最佳波段选取研究[J].测绘通报, 2008(9):16-18.
[56]曹敏,卞正富.基于提升小波融合的土地覆被分类研究.中国矿业大学学报(自然科学版)[J](已录用).
[57]曹敏,史照良,沈泉飞. HIS变换和提升小波变换相结合的影像融合模型研究[J].测绘通报.2009(3):20-23.
[58]曹雪,柯长青.基于对象级的高分辨率遥感影像分类研究[J].遥感信息,2006(5):27-30.
[59]曹银贵,王静,陶嘉等.基于CA与AO的区域土地利用变化模拟研究——以三峡库区为例[J].地理科学进展,2007,26(3):88-95.
[60]陈云浩,冯通,史培军.基于面向对象和规则的遥感影像分类研究[J].武汉大学学报:自然科学版,2006,31(4):316-320.
[61]陈杰,孙志英.模糊逻辑在土地利用遥感分类中的应用[J].土壤学报,2007,44(5):769-775.
[62]陈吉余,恽才兴,徐海根,董永发.两千年来长江河口发育的模式[J].海洋学报(中文版),1979(1): 105-113.
[63]陈佑启等.中国土地利用变化及其影响的空间建模分析[J].地理科学进展,2000, 19(2):116-127.
[64]陈龙乾.矿区土地演变监测与可持续利用研究[D].徐州:中国矿业大学,2002.
[65]陈建军,张树文.黑龙江省20世纪末期土地利用变化特征与空间格局分析[J].资源科学,2005,27(2):83-88.
[66]陈文波,赵小敏.鄱阳湖区土地利用格局特征与安全格局构建研究[M].北京:中国农业出版社,2007.
[67]邓祥征,刘纪远等.区域土地利用变化的多情景分析——以内蒙古自治区太仆寺旗为例[J].地球信息科学,2004,6(1):81-89.
[68]邓慧平,李秀彬.流域土地覆被变化水文效应的模拟—以长江上游源头区梭磨河为例[J].地理学报,2003,58(1):53-62.
[69]丁菡.中国沿海经济发达地区土地利用变化及其驱动机制与预测模型研究—以浙江省沿海地区为例[D].浙江:浙江大学,2006.
[70]董长虹编著.Matlab神经网络与应用[M].北京:国防工业出版社,2007.
[71]杜培军.遥感原理与应用[M].徐州:中国矿业大学出版社,2006.
[72]杜培军.遥感科学与进展[M].北京:中国矿业大学出版社,2007.
[73]杜培军,陈云浩.面向工矿区陆面演变分析的多源遥感信息融合[J].辽宁工程技术大学学报:自然科学版,2005,24(2):172-174.
[74]杜培军,林卉等.基于支持向量机的高光谱遥感分类进展[J].测绘通报,2006(12):37-40.
[75]樊风雷.珠江三角洲核心区域土地利用时空变化遥感监测及其生态环境效应研究[D].广州:中国科学院广州地球化学研究所,2007.
[76]傅文杰,洪金益,林明森.基于光谱相似尺度的支持向量机遥感土地利用分类[J].遥感技术与应用,2006,21(1):25-29.
[77]傅伯杰,陈利顶等.黄土丘陵区小流域土地利用变化对生态环境的影响——以延安市羊圈沟流域为例[J].地理学报,1999,54(3):241-245.
[78]傅伯杰,陈利顶等.土地利用结构与生态过程[J].第四纪研究,2003,23(3):247-255.
[79]傅伯杰,郭旭东.土地利用变化与土壤养分的变化—以河北省遵化县为例[J].生态学报,2001,21(6):926-931.
[80]傅伯杰,马克明.黄土丘陵区土地利用结构对土壤养分分布的影响[J].科学通报,1998,43(22):2444-2448.
[81]傅伯杰等.黄土丘陵区土地利用对土壤水分的影响[J].中国科学基金,1999(4):25-227.
[82]傅伯杰,邱杨等.黄土丘陵小流域土地利用变化对水土流失的影响[J].地理学报,2002,57(6):717-722.
[83]傅伯杰等,景观生态学原理及应用[M].北京:科学出版社,2001
[84]高祥宝,董寒青.数据分析与SPSS应用[M].北京:清华大学出版社,2007.
[85]甘田红,闫利.先进的陆地观测卫星ALOS[J].江西测绘,2007,67(1):11-15.
[86]甘红,刘彦随,王大伟.土地利用类型转换的人文驱动因子模拟分析[J].资源科学,2004,26(2):88-95.
[87]郭敏茹.基于小波变换的遥感图像融合算法的研究[D].北京:北京化工大学,2006.
[88]甘淑,袁希平.遥感专家分类系统在滇西北植被信息提取中的应用试验研究[J].云南大学学报:自然科学版,2003,25(6):553-557.
[89]何书金,李秀彬.环渤海地区耕地变化及动因分析[J].自然资源学报,2002,17(3):345-352.
[90]何春阳,史培军.基于系统动力学模型和元胞自动机模型的土地利用情景模型研究[J].中国科学D辑,2005,35(5):464-473.
[91]胡召玲,杜培军等.徐州煤矿区土地利用变化分析[J].地理学报,2007,62(11):1204-1214.
[92]胡召玲.多源多时相卫星遥感图像数据融合与应用研究[M].徐州:中国矿业大学出版社,2006.
[93]胡贤辉,杨钢桥.江汉平原耕地数量变化驱动机制分析—以仙桃市为例[J].中国人口?资源与环境,2005,15(1):32-35.
[94]胡春海,丁志秀.基于模糊算法的多聚焦图像融合效果评价研究[J].传感技术学报,2007,20(4):885-888.
[95]侯伟,匡文慧等.近50年来三江平原北部土地利用/土地覆被变化及生态效应分析[J].生态环境,2006,(4):752-756.
[96]姜琦刚.中国新疆且末绿洲土地利用变化及驱动力分析[J].吉林大学学报(地球科学版),2003,33(1):83-86.
[97]姜广辉,张凤荣.城市边缘区土地利用规划中的景观谐调问题[J].中国土地科学,2005, 19(3):15-18.
[98]焦明,张世强等.基于"3S"技术的甘肃子午岭自然保护区土地利用变化研究[J]草业科学,2007,24(11):14-17.
[99]贾永红.多源遥感影像数据融合技术[M].北京:测绘出版社,2005.
[100]贾永红,李德仁,黄平.基于Dempster-Shafer特征融合的影像纹理分类[J].武汉大学学报,2000,26(5):430-434.
[101]贾永红,张春森,王爱平.基于BP神经网络的融合算法及其在遥感目标识别中的应用[J].西安科技学院学报,2001,21(1):58-60.
[102]贾永红.人工神经网络在多源遥感影像分类中的应用[J].测绘通报,2000(7):7-8.
[103]赖彦斌.NSTEC不同自然带土地利用覆盖格局分析[J].地球科学进展,2002,17(2):215-220.
[104]刘彦随,陈百明.中国可持续发展问题与土地利用/覆盖变化研究[J].地理研究,2002(5):324-330.
[105]刘文娟,常庆瑞.荒漠化地区土地覆被光谱特征与遥感信息提取方法研究[J].西北农林科技大学学报,2007,35(9):205-209.
[106]刘纪远,刘明亮.中国近期土地利用变化的空间格局分析[J].中国科学D辑,2002,32(12):1031-1043.
[107]刘纪远,王绍强等. 1990-2000年中国土壤碳氮蓄积量与土地利用变化[J].地理学报,2000,59(4):483-496.
[108]刘纪远,张增祥. 20世纪90年代中国土地利用变化时空特征及其成因分析[J].地理研究,2003,22(1):1-12.
[109]刘纪远.中国资源环境遥感宏观调查与动态研究[M].中国科学技术出版社, 1996.
[110]刘纪远等. 20世纪90年代中国土地利用变化时空特征及其成因分析[J].地理研究,2003,22( 1):1-12.
[111]刘纪远.中国土地里用变化现代过程时空特征的研究—基于卫星遥感数据[J].第四纪研究,2000,20(3):229-239.
[112]刘纪远等.20世纪90年代中国土地利用变化时空特征及其成因分析[J].地理研究,2003,22(1):1-12.
[113]刘小平,黎夏,彭晓鹃.“生态位”元胞自动机在土地可持续规划模型中的应用[J].生态学报,2007,27(6):2391-2402.
[114]刘小平,黎夏,艾彬等.基于多智能体的土地利用模拟与规划模型[J].地理学报,2006,61(10):1101-1112.
[115]刘继生,陈彦光.基于的细胞自动机模型与人地关系的复杂性探讨[J].地理研究,2002,21(2):155-162.
[116]林卉,杜培军.基于小波变换的遥感影像融合与评价[J].煤炭学报,2005,30(3):332-336.
[117]黎夏,叶嘉安等.地理模拟系统:元胞自动机与多智能体[M].北京:科学出版社,2007.
[118]黎夏,叶嘉安.基于神经网络的元胞自动机及模拟复杂土地利用系统[J].地理研究,2005,24(1):19-27.
[119]黎夏,伍少坤.面向对象的地理元胞自动机[J].中山大学学报(自然科学版),2006,45(3):90-94.
[120]李敬,蔡晓斌.基于小波的影像融合方法研究[J].现代电子技术,2006,29(11):42-45.
[121]李月臣,刘春霞.北方13省土地利用/覆盖动态变化分析[J].地理科学,2007,27(1):45-52.
[122]李新涛,王昱.IHS变换和小波变换相结合的遥感影像融合[J].测绘科学与工程,2005,25(3):9-13.
[123]李志祥,刘国珍.河北坝上地区土地整理中应着重解决的几个问题[J].河北水利,2005(1):44-45.
[124]李秀彬.全球环境变化研究的核心领域─土地利用/土地覆被变化的国际研究动向[J].地理学报,1996,51(6):553-558.
[125]李茂刚,陈松林.基于分形理论的福州市土地利用空间格局变化研究[J].聊城大学学报(自然科学版),2006,19(4):60-63.
[126]李爽,张二勋.基于决策树的遥感影像分类方法研究[J].地域研究与开发,2003, 22(1):17-20.
[127]李石华,王金亮等.多光谱遥感数据最佳波段选择方法试验研究[J].云南地理环境研究,2005,17(6):29-33.
[128]李才伟,胡瑞安.自组织现象的元胞自动机模拟与图示[J].计算机辅助设计与图形学学报,1997,9(6):532-537.
[129]卢玉东,尹黎明等.利用TM影像在土地利用/覆盖遥感解译中波段选取研究[J].西南农业大学学报:自然科学版,2005,27(4):479-486.
[130]雷英杰等.MATLAB遗传算法工具箱及应用[M].西安:西安电子科技大学出版社,2005.
[131]罗扬帆.基于神经网络的遥感影像分类研究[D].北京:北京林业大学,2007.
[132]罗来平,宫辉力等.遥感图像决策树分类器研究与实现[J].遥感信息,2006(3):13-15.
[133]马玉峰,贾宝全.农牧交错区土地利用变化研究—以内蒙古伊金霍洛旗为例[J].干旱区研究,2007,24(2):159-167.
[134]马文明.资源型城市土地利用变化的景观过程响应[D].徐州:中国矿业大学,2006.
[135]莫宏伟,任志远.农牧交错区土地利用动态与生态效应变化—以榆阳区为例[J].干旱区地理,2005,28(3):352-356.
[136]莫宏伟,任志远,谢红霞.东南丘陵土地利用变化及驱动力研究—以衡阳市为例[J].长江流域资源与环境,2004,13(6):551-556.
[137]梅安新.遥感导论M].北京:高等教育出版社,2001.
[138]孟飞,刘敏.浦东新区土地利用的时空变化分析[J].华东师范大学学报:自然科学版,2006(4):56-63.
[139]彭建.喀斯特生态脆弱区土地利用/覆盖变化研究—以贵州猫跳河流域为例[D].北京:北京大学,2006.
[140] <<启东市土地管理志>>编纂领导组.启东市土地管理志[M].南京:江苏人民出版社,1999.
[141]邱炳文,陈崇成.基于多目标决策和CA模型的土地利用变化预测模型及其应用[J].地理学报,2008,63(2):165-174.
[142]任致远,张艳芳.土地利用变化与生态安全评价[M].北京:科学出版社,2003.
[143]任志远,李晶,王晓峰.城郊土地利用变化与区域生态安全动态[M].北京:科学出版社,2006.
[144]邵景安,阳兵等.区域土地利用变化驱动力研究前景展望[J].地球科学进展,2007, 22(8):798-809.
[145]孙华,林辉,熊育久,莫登奎.Spot5影像统计分析及最佳组合波段选择[J].遥感信息,2006(4):57-61.
[146]孙岩.基于小波变换的遥感图像融合技术研究[D].哈尔滨市:哈尔滨工程大学,2007.
[147] Stéphane Mallat(杨力华,戴道清等译).信号处理的小波导引,北京:机械工业出版社,2002:111-117.
[148]申文明,王文杰.基于决策树分类技术的遥感影像分类方法研究[J].遥感技术与应用,2007,22(3):336-337.
[149]史纪安,陈利顶.榆林地区土地利用覆被变化区域特征及其驱动机制分析[J].地理科学,2003,23(4):493-498.
[150]史培军,宫鹏,李晓兵等.土地利用/覆盖变化研究的方法和实践[M].北京:科学出版社,2000.
[151]史培军,江源,王静爱.土地利用/覆盖变化与生态安全响应机制[M].北京:科学出版社,2004.
[152]史培军,陈晋.深圳市土地利用变化机制分析[J].地理学报,2000,55(2):151-160.
[153]史培军,潘耀忠等.深圳市土地利用覆盖变化与生态环境安全分析[J].自然资源学报,1999,4(4):293-299.
[154]史培军,宋长青.加强我国土地利用覆盖变化及其对生态环境安全影响的研究—从荷兰“全球变化开放科学会议”看人地系统动力学研究的发展趋势[J].地球科学进展,2002,17(2):161-168.
[155]史培军等.深圳市土地利用变化对流域径流的影响[J].生态学报,2001,21(9):1041-1050.
[156]谭永忠.县级尺度土地利用变化驱动机制及空间格局变化模拟研究[D].浙江:浙江大学,2004.
[157]汤君友等.试论元胞自动机模型与LUCC时空模拟[J].土壤,2003,35(6):456-460.
[158]汤国安,杨昕.ArcGIS地理信息系统空间分析实验教程[M].北京:科学出版社,2006.
[159]吐热尼古丽?阿木提.自组织神经网络的土地覆盖图像识别分析应用[J].地球信息科学,2007,9(3):128-131.
[160]吴炜.矿业城市土地利用动态变化研究—以徐州市为例[D].徐州:中国矿业大学,2006.
[161]吴静,张德罡等.基于3S技术的天祝县土地利用/土地覆盖变化研究[J].草原与草坪,2007 (6):29-32.
[162]王国友.新疆于田绿洲-荒漠交错带土地利用变化的社会驱动力研究[J].中国沙漠,2006,(2):17-21.
[163]王夏琰,刘学录.甘肃省土地利用结构变化及其驱动力分析[J].甘肃农业大学学报,2007, 42(4):97-102.
[164]王伟,高敏华.昌吉市土地利用动态变化研究[J].资源与产业,2007,9(2):60-62.
[165]王圆圆,李京.遥感影像土地利用/覆盖分类方法研究综述[J].遥感信息,2004(1):53-58.
[166]王文武.像素级图像融合技术研究[D].武汉:华中科技大学,2005.
[167]王红,闾国年.城市细胞自动机模型研究的回顾与展望[J].经济地理,2003,23(2):154-157.
[168]王坚.滑坡灾害遥感遥测预警建模理论及方法[D].徐州:中国矿业大学,2006.
[169]王占昌.利用决策树对卫星遥感数据进行分类[J].青海科技,2005(5):28-32.
[170]王凤,吴敦银.鄱阳湖区土地利用变化驱动力分析[J].江西水利科技,2006,32(1):15-19.
[171]王玉华,刘彦随等.沿海发达地区土地利用转换的人文驱动机制研究—以温州市为例[J].地理科学进展,2004,23(2):43-50.
[172]王庆光,潘燕芳.多光谱遥感数据最佳波段选择的研究[J].韶关学院学报:自然科学,2006,27(3):42-44.
[173]魏冠军,杨世瑜.基于主成份变换的多源遥感数据融合[J].兰州交通大学学报,2005,24(3):57-60.
[174]魏伟,周婕,许峰.大城市边缘区土地利用时空格局模拟—以武汉市洪山区为例[J].长江流域资源与环境,2006,15(2):174-179.
[175]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,2000.
[176]玄光男,程润伟.遗传算法与工程优化[M].北京:清华大学出版社,2004.
[177]肖鹏峰,刘顺喜,冯学智.基于遥感的土地利用与覆被分类系统评述及代码转换[J].遥感信息,2003(4):54-58.
[178]徐昔保.基于GIS和元胞自动机的城市土地利用动态演化模拟与优化研究—以兰州市为例[D].兰州:兰州大学,2007.
[179]徐建华,梅安新等.20世纪下半叶上海城市景观镶嵌结构演变的数量特征与分形结构模型研究[J].生态科学,2002,21(2):131-137.
[180]杨晓梅,周成虎等.海岸带遥感综合技术与实例研究[M].北京:海洋出版社,2005.
[181]杨世伦等.长江口岸滩近期演变及南水北调工程的可能影响[J].上海地质,2001(2):7-10.
[182]杨开忠,杨咏.生态足迹分析理论与方法[J].地球科学进展,2000,15(6):630-636.
[183]杨国清,刘耀林,吴志峰.基于CA—Markov模型的土地利用格局变化研究[J].武汉大学学报(信息科学版),2007,32(5):414-418.
[184]杨达源等著.长江地貌过程[M].北京:地质出版社,2006.
[185]杨小雄,刘耀林,王晓红等.基于约束条件的元胞自动机土地利用规划布局模型[J].武汉大学学报(信息科学版),2007,32(12):1164-1167.
[186]叶庆华.黄河三角洲土地利用/土地覆被变化的时空复合分析[D].北京:中国科学院地理资源所博士论文,2001.
[187]袁艺,史培军等.快速城市化过程中土地覆盖格局研究—以深圳市为例[J].生态学报,2003,23(9):1833-1841.
[188]贠小苏.第二次全国土地调查培训教材[M].北京:中国农业出版社,2007.
[189]赵小敏,陈文波.土地利用变化及其生态环境效应研究[M].北京:地质出版社,2006.
[190]赵睿,塔西甫拉提?特依拜,丁建丽等.基于神经网络的元胞自动机支持下的干旱区LUCC模拟研究—以新疆于田绿洲为例[J].水土保持研究,2007,14(1):151-158.
[191]赵晶,陈华根,许惠平.元胞自动机与神经网络相结合的土地演变模拟[J].同济大学学报(自然科学版),2007,35(8):1128-1132.
[192]赵晶.基于CA的城市土地利用演变人工神经网络模拟[J].兰州大学学报(自然科学版),2006,42(5):27-31.
[193]张明.区域土地利用结构及其驱动因子的统计分析[J].自然资源学报,1999,14 (4): 381-383.
[194]张德丰.Matlab小波分析与工程应用[M].北京:国防工业出版社,2008.
[195]张永民,赵士洞,Verburg, P.H. CLUE-S模型及其在奈曼旗土地利用时空动态变化模拟中的应用.自然资源学报,2003,18(3):310-318.
[196]张华.干旱地区土地利用/土地覆盖变化研究—以黑河流域为例[J].干旱区资源与环境,2003,17(2):49-54.
[197]张正栋.广东韩江旅城土地利用与土地扭葺变化综合研究[D].广州:中国科学院广州地球化学研究所,2007.
[198]张燕等.不同土地方式下农地土壤侵蚀与养分流失[J].水土保持通报,2003,23(1):23-27.
[199]张银辉,罗毅等.内蒙古河套灌区土地利用变化及其景观生态效应[J].资源科学,2005,27(2):141-146.
[200]张贤坤.人工神经网络及其在盐田水体遥感图像分类中的研究[J].盐业与化工,2006, 35(4):40-42.
[201]张宝光.论遥感数字图像的模糊分类处理[J].天津师范大学学报(自然科学版),2005, 25(2):69-72.
[202]张鸿辉,尹长林,曾永年等.基于SLEUTH模型的城市增长模拟研究—以长沙市为例[J].遥感技术与应用,2008,23(6):618-623.
[203]周成虎,孙战利,谢一春.地理元胞自动机研究[M].北京:科学出版社,1999.
[204]周青,黄贤金等.快速城镇化农村区域土地利用变化及驱动机制研究—以江苏省原锡山市为例[J].资源科学,2004,26(1):22-30.
[205]周生路等著.江苏省农用地资源分等研究[M].南京:东南大学出版社,2004.
[206]朱连奇等.山区土地利用覆被变化对土壤侵蚀的影响[J].地理研究,2003,22(4):432-438.
[207]祝晓坤.D-S证据推理融合模型在遥感分类中的应用[D].武汉:武汉大学,2005.
[2] Barredo et al, Modelling dynamic spatial processes: simulation of urban future scenarios through cellular automata.Landscape and Urban Planning, 2003(64):145-160.
[3] Bilsborrow, R. E., and H. W. O. Okoth Ogondo. 1992. Population-driven changes in land use in developing countries. Ambio 21:37–45.
[4] Brown, D. G., B. C. Pijanowski, and J. D. Duh. 2000. Modeling the relationships between land use and land cover on private lands in the Upper Midwest, USA. J Environmental Management 59:247–263.
[5] Briassoulis H (2000) Analysis of land use change: theoretical and modeling approaches. In: Loveridge S (ed) at http://www.rri.wvu.edu/regscweb.htm.West Virginia University, Morgantown.
[6] Candau, 2002 Candau, J T (2002) Temporal Calibration Sensitivity of the SLEUTH Urban Growth Model. M.Sc., Theses. Santa Barbara University, p116.
[7] Clarke, K., (2000) SLEUTH: Land Cover transition Model, version 3.0, http://www.ncgia.ucsb.edu/ projects/gig/project_gig.htm
[8] Dietzel and Clarke, 2006 C. Dietzel and K.C. Clarke, The effects of disaggregating land use categories in cellular automata during model calibration and forecasting, Computers, Environment and Urban Systems 30(2006),pp.78–101.
[9] Engelen, G., R. White, I. Uljee, and P. Drazan. 1995. Using cellular automata for integrated modelling of socio-environmental system. Environmental Monitoring and Assessment 34:203–214.
[10] GUAN, Q. and WANG, L., 2005, An Artificial-Neural-Network-Based Constrained CA Model for Simulating Urban Growth and Its Application. In Auto-Carto Conference, 18–23.March 2005, Las Vegas, NV. Available online at: www.geog.ucsb.edu/~guan/papers/Guan_AutoCarto2005.pdf (accessed 26 December 2005).
[11] Geist,H. J., E. F. Lambin 2001. What drives tropical deforestation? A meta-analysis of proximate and underlying causes of deforestation based on subnational case-study evidence. LUCC Report Series No. 4. LUCC International project office. Louvain-la-Neuve.
[12] Genderen,J.L. van and Pohl, C. 1994. "Image fusion: issues, techniques and applications", in Proceedings of EARSeL Workshop on Intelligent Image Fusion, Strasbourg France.
[13] Geertman S, Hagoort M, Ottens H (2006) Spatial–temporal specific neighbourhood rules forcellular automata land use modelling. Int J Geograph Inform Syst (forthcoming).
[14] Gutman G et al (2004) Land change science. Observing, monitoring and understanding trajectories of change on the earth’s surface remote sensing and digital image processing. Kluwer Academic Publishers, Dordrecht/Boston/London,459 pp.
[15] Heisterman M, Mu¨ller C, Ronneberger K (2006) Land in sight? Achievements, deficits and potentials of continental to global scale land-use modeling. Agric Ecosyst Environ 114(2–4):141–158.
[16] Himiyama, Y., 1999. Historical information bases for land use planning in Japan. Land Use Policy 16,145-151.
[17] Haberl, H., Erb, K. H., Krausmann, F., Adensam, H., Schulz, N. B., 2003. Land-use change and socio-economic metabolism in Austria- Part II: land-use scenarios for 2020. Land Use Policy 19, 123-133.
[18] Hagoort MJ (2006) The neighbourhood rules: land-use interactions, urban dynamics and cellular automata modelling. Netherlands Geographical Studies 334. KNAG/Utrecht University, Utrecht,The Netherlands
[19] Irwin, E. G., and J. Geoghegan. 2000. Theory, data, methods: Developing spatially-explicit economic models of land-use change. Agriculture, Ecosystems and Environment 85:7–24.
[20] John R.Jensen and Dave C.Cowen. Remote Sensing of Urban/Suburban Infrastructure Engineering & Remote Sensing,1999,65(5):611-622.
[21] Junfeng J (2003) Transition rule elicitation for urban cellular automata models, Case study: Wuhan, China.Enschede, International Institute for Geo-Information Science and Earth Observation
[22] Koning, G. H. J., P. H. Verburg, A. Veldkamp, and L. O.Fresco. 1999. Multi-scale modelling of land-use change dynamics for Ecuador. Agricultural Systems 61:77–93.
[23] Kitamura T, Kagatsume M , Hoshino S. A theoretical consideration on the land use change model for the Japan case study area. IIASA Interim Report IR2972064, Laxenburg, 1997.
[24] Kok, K., and M. Winograd. 2002. Modelling land-use change for Central America, with special reference to the impact of hurricane Mitch. Ecological Modelling 149:53–69.
[25] Lambin, E. F. 1997. Modelling and monitoring land-cover change processes in tropical regions. Progress in Physical Geography 21:375–393.
[26] Lambin, E. F., X. Baulies, N. E. Bockstael, G. Fischer, T. Krug, R. Leemans, and others. 2000. Land-use and land-cover change, implementation strategy. IGBP Report 48, IHDP Report 10. Stockholm, Bonn, IGBP, IHDP.
[27] Lambin, E. F., M. D. A. Rounsevell, and H. J. Geist. 2000b. Are agricultural land-use models able to predict changes in land-use intensity? Agriculture, Ecosystems and Environment 82:321–331.
[28] Lambin, E. F., B. I. Turner, H. J. Geist, S. B. Agbola, A. Angelsen, J. W. Bruce, and others. 2001.The causes of land-use and land-cover change: moving beyond the myths.Global Environmental Change 11:261–269.
[29] Loveland, T. R., Merchant, J. W., Ohlen D. O., Brown J. F., 1991., Development of a Land–Cover Characteristics Database for the Conterminous U.S., Photogrammetric Engineering &Remote Sensing, Vol. 57, No. 11, November 1991, pp. 1453-1463.
[30] Pijanowski, B. C , Daniel G. Brown, Bradley A. Shellito and Gaurav A. Manik. 2002. Using neural networks and GIS to forecast land use changes: a Land Transformation Model, Computers, Environment and Urban Systems 26(6): 553-575.
[31] Pijanowski, B. C., B. Shellito, S. Pithadia and K. Alexandridis. 2002. Forecasting and assessing the impact of urban sprawl in coastal watersheds along eastern Lake Michigan
[32] Shoshany, M., Goldshleger, N., 2002. Land-use and population density changes in Israel- 1950 to 1990: analysis of regional and local trends. Land Use Policy 19, 123-133.
[33] Shettigara V K.1992.A Generalized component substitution technique for spatial enhancement of the use of multi-spectral images using a higher-resolution data set[J].Photogrammetric Enginering&Remote Sensing,58(5):561-567.
[34] SLEUTH:http://www.ncgia.ucsb.edu/projects/gig/project_gig.htm
[35] Syphard A D, Clarke K C and Franklin J. Using a cellular automaton model to forecast the effects of urban growth on habitat pattern in southern California. Ecological Complexity, 2005, 2(2),185-203.
[36] Turner II, B. L., D. L. Skole, S. Sanderson, G. Fischer, L. O.Fresco, and R. Leemans. 1995. Land-use and land-cover change-Science/research plan. IGBP Report No. 35; HDP Report No. 7. Stockholm and Geneva.
[37] Turner II BL, Moran EF, Rindfuss RR (2004) Integrated land-change science and its relevance to the human sciences. In: Gutman G et al (eds) Land change science.Observing, monitoring and understanding trajectories of change on the earth’s surface. Kluwer Academic Publishiers, Dordrecht/Boston/London, pp431-447.
[38] Verburg P H., Y. Q. Chen, and A. Veldkamp. 2000. Spatial explorations of land-use change and grain production in China. Agriculture, Ecosystems and Environment 82:333–354.
[39] Verburg P H. , De Koning G H J , Kok K. A spatial explicit allocation procedure for modelling the pattern of land use change based upon actual land use. Ecological Modelling, 1999 ,116 :45-61.
[40] Verburg P H.,Ton C.M. de Nijsc,Jan Ritsema van Eck. A method to analyse neighbourhood characteristics of land use patterns [J].Computers,Environment and Urban Systems,2004 (28): 667-690.
[41] Verburg Peter, W Veldkamp, R Limpiada, etc. Modeling the spatial dynamics of regional land use: the CLUE-S model [J]. Environmental Management,2002,30(3): 391-405.
[42] Verburg, P.H. 2006. Simulating feedback in land use and land cover change models. LandscapeEcology, 21(8): 1171-1183.
[43] Verburg, P.H.,van Bodegom, P.M., Denier van der Gon, H.A.C., Bergsma, A., van Breemen, N., 2006. Upscaling regional emissions of greenhouse gases from rice cultivation: methods and sources of uncertainty. Plant Ecology, 182: 89-106.
[44] Verburg, P.H.,Kok, K., Pontius Jr.,R.G.,Veldkamp,A. 2006. Modeling Land-Use and Land-Cover Change. In: Lambin, E.F., Geist, H.J. (eds.) Land-Use and Land-Cover Change: Local Processes and Global Impacts. The IGBP Series. Springer-Verlag, Berlin Heidelberg.
[45] Ward D P, Murray A T, Phinn S R. A stochastically constrained cellular model of urban growth. Computer, Environment and Urban System, 2000, 24: 539-558.
[46] White R, Engelen G, Uljee I. The use of constrained cellular automata for high-resolution modeling of urban land use dynamics. Environment and Planning B, 1997, 24: 323-343.
[47] Yesou H., Besnus Y. et Rolet J., 1994.Perception of a geological body using multisources remotely sensed data relative influence of the spectral content and of the spatial resolution.International Journal Remote Sensing, 15, 12, 2495-2510.
[48] Yesou H., Besnus Y. et Rolet J., 1994.Perception of a geological body using multisources remotely sensed data relative influence of the spectral content and of the spatial resolution.International Journal Remote Sensing, 15, 12, 2495-2510.
[49] Eric Koomen, John Stillwell, Aldrik Bakema, Henk J. Scholten. Modelling Land-Use Change: Progress and Applications [M] 2007,The GeoJournal Library, Published by Springer,P.O. Box 17, 3300 AA Dordrecht, The Netherlands.
[50]摆万奇,赵士洞.土地利用变化驱动力系统分析[J].资源科学.2001.23(3):39-41.
[51]蔡玉梅,刘彦随,宇振荣,Verburg, P.H.土地利用变化空间模拟的进展—CLUE-S模型及其应用.地理科学进展,2004,23(4):63-70.
[52]蔡银桥,毛政元.基于多特征对象的高分辨率遥感影像分类方法及其应用[J].国土资源遥感,2007(1):77-81.
[53]曹隆坤,张加恭,王婉如.城市边缘区土地利用变化的研究—以广州市黄埔区为例[J].江西农业学报, 2008,20(2):138-141.
[54]曹敏,卞正富.土地利用持续性的生态足迹评价法[J].生态经济,2007(5):64-67.
[55]曹敏,史照良,沈泉飞.ALOS影像在土地覆被分类中最佳波段选取研究[J].测绘通报, 2008(9):16-18.
[56]曹敏,卞正富.基于提升小波融合的土地覆被分类研究.中国矿业大学学报(自然科学版)[J](已录用).
[57]曹敏,史照良,沈泉飞. HIS变换和提升小波变换相结合的影像融合模型研究[J].测绘通报.2009(3):20-23.
[58]曹雪,柯长青.基于对象级的高分辨率遥感影像分类研究[J].遥感信息,2006(5):27-30.
[59]曹银贵,王静,陶嘉等.基于CA与AO的区域土地利用变化模拟研究——以三峡库区为例[J].地理科学进展,2007,26(3):88-95.
[60]陈云浩,冯通,史培军.基于面向对象和规则的遥感影像分类研究[J].武汉大学学报:自然科学版,2006,31(4):316-320.
[61]陈杰,孙志英.模糊逻辑在土地利用遥感分类中的应用[J].土壤学报,2007,44(5):769-775.
[62]陈吉余,恽才兴,徐海根,董永发.两千年来长江河口发育的模式[J].海洋学报(中文版),1979(1): 105-113.
[63]陈佑启等.中国土地利用变化及其影响的空间建模分析[J].地理科学进展,2000, 19(2):116-127.
[64]陈龙乾.矿区土地演变监测与可持续利用研究[D].徐州:中国矿业大学,2002.
[65]陈建军,张树文.黑龙江省20世纪末期土地利用变化特征与空间格局分析[J].资源科学,2005,27(2):83-88.
[66]陈文波,赵小敏.鄱阳湖区土地利用格局特征与安全格局构建研究[M].北京:中国农业出版社,2007.
[67]邓祥征,刘纪远等.区域土地利用变化的多情景分析——以内蒙古自治区太仆寺旗为例[J].地球信息科学,2004,6(1):81-89.
[68]邓慧平,李秀彬.流域土地覆被变化水文效应的模拟—以长江上游源头区梭磨河为例[J].地理学报,2003,58(1):53-62.
[69]丁菡.中国沿海经济发达地区土地利用变化及其驱动机制与预测模型研究—以浙江省沿海地区为例[D].浙江:浙江大学,2006.
[70]董长虹编著.Matlab神经网络与应用[M].北京:国防工业出版社,2007.
[71]杜培军.遥感原理与应用[M].徐州:中国矿业大学出版社,2006.
[72]杜培军.遥感科学与进展[M].北京:中国矿业大学出版社,2007.
[73]杜培军,陈云浩.面向工矿区陆面演变分析的多源遥感信息融合[J].辽宁工程技术大学学报:自然科学版,2005,24(2):172-174.
[74]杜培军,林卉等.基于支持向量机的高光谱遥感分类进展[J].测绘通报,2006(12):37-40.
[75]樊风雷.珠江三角洲核心区域土地利用时空变化遥感监测及其生态环境效应研究[D].广州:中国科学院广州地球化学研究所,2007.
[76]傅文杰,洪金益,林明森.基于光谱相似尺度的支持向量机遥感土地利用分类[J].遥感技术与应用,2006,21(1):25-29.
[77]傅伯杰,陈利顶等.黄土丘陵区小流域土地利用变化对生态环境的影响——以延安市羊圈沟流域为例[J].地理学报,1999,54(3):241-245.
[78]傅伯杰,陈利顶等.土地利用结构与生态过程[J].第四纪研究,2003,23(3):247-255.
[79]傅伯杰,郭旭东.土地利用变化与土壤养分的变化—以河北省遵化县为例[J].生态学报,2001,21(6):926-931.
[80]傅伯杰,马克明.黄土丘陵区土地利用结构对土壤养分分布的影响[J].科学通报,1998,43(22):2444-2448.
[81]傅伯杰等.黄土丘陵区土地利用对土壤水分的影响[J].中国科学基金,1999(4):25-227.
[82]傅伯杰,邱杨等.黄土丘陵小流域土地利用变化对水土流失的影响[J].地理学报,2002,57(6):717-722.
[83]傅伯杰等,景观生态学原理及应用[M].北京:科学出版社,2001
[84]高祥宝,董寒青.数据分析与SPSS应用[M].北京:清华大学出版社,2007.
[85]甘田红,闫利.先进的陆地观测卫星ALOS[J].江西测绘,2007,67(1):11-15.
[86]甘红,刘彦随,王大伟.土地利用类型转换的人文驱动因子模拟分析[J].资源科学,2004,26(2):88-95.
[87]郭敏茹.基于小波变换的遥感图像融合算法的研究[D].北京:北京化工大学,2006.
[88]甘淑,袁希平.遥感专家分类系统在滇西北植被信息提取中的应用试验研究[J].云南大学学报:自然科学版,2003,25(6):553-557.
[89]何书金,李秀彬.环渤海地区耕地变化及动因分析[J].自然资源学报,2002,17(3):345-352.
[90]何春阳,史培军.基于系统动力学模型和元胞自动机模型的土地利用情景模型研究[J].中国科学D辑,2005,35(5):464-473.
[91]胡召玲,杜培军等.徐州煤矿区土地利用变化分析[J].地理学报,2007,62(11):1204-1214.
[92]胡召玲.多源多时相卫星遥感图像数据融合与应用研究[M].徐州:中国矿业大学出版社,2006.
[93]胡贤辉,杨钢桥.江汉平原耕地数量变化驱动机制分析—以仙桃市为例[J].中国人口?资源与环境,2005,15(1):32-35.
[94]胡春海,丁志秀.基于模糊算法的多聚焦图像融合效果评价研究[J].传感技术学报,2007,20(4):885-888.
[95]侯伟,匡文慧等.近50年来三江平原北部土地利用/土地覆被变化及生态效应分析[J].生态环境,2006,(4):752-756.
[96]姜琦刚.中国新疆且末绿洲土地利用变化及驱动力分析[J].吉林大学学报(地球科学版),2003,33(1):83-86.
[97]姜广辉,张凤荣.城市边缘区土地利用规划中的景观谐调问题[J].中国土地科学,2005, 19(3):15-18.
[98]焦明,张世强等.基于"3S"技术的甘肃子午岭自然保护区土地利用变化研究[J]草业科学,2007,24(11):14-17.
[99]贾永红.多源遥感影像数据融合技术[M].北京:测绘出版社,2005.
[100]贾永红,李德仁,黄平.基于Dempster-Shafer特征融合的影像纹理分类[J].武汉大学学报,2000,26(5):430-434.
[101]贾永红,张春森,王爱平.基于BP神经网络的融合算法及其在遥感目标识别中的应用[J].西安科技学院学报,2001,21(1):58-60.
[102]贾永红.人工神经网络在多源遥感影像分类中的应用[J].测绘通报,2000(7):7-8.
[103]赖彦斌.NSTEC不同自然带土地利用覆盖格局分析[J].地球科学进展,2002,17(2):215-220.
[104]刘彦随,陈百明.中国可持续发展问题与土地利用/覆盖变化研究[J].地理研究,2002(5):324-330.
[105]刘文娟,常庆瑞.荒漠化地区土地覆被光谱特征与遥感信息提取方法研究[J].西北农林科技大学学报,2007,35(9):205-209.
[106]刘纪远,刘明亮.中国近期土地利用变化的空间格局分析[J].中国科学D辑,2002,32(12):1031-1043.
[107]刘纪远,王绍强等. 1990-2000年中国土壤碳氮蓄积量与土地利用变化[J].地理学报,2000,59(4):483-496.
[108]刘纪远,张增祥. 20世纪90年代中国土地利用变化时空特征及其成因分析[J].地理研究,2003,22(1):1-12.
[109]刘纪远.中国资源环境遥感宏观调查与动态研究[M].中国科学技术出版社, 1996.
[110]刘纪远等. 20世纪90年代中国土地利用变化时空特征及其成因分析[J].地理研究,2003,22( 1):1-12.
[111]刘纪远.中国土地里用变化现代过程时空特征的研究—基于卫星遥感数据[J].第四纪研究,2000,20(3):229-239.
[112]刘纪远等.20世纪90年代中国土地利用变化时空特征及其成因分析[J].地理研究,2003,22(1):1-12.
[113]刘小平,黎夏,彭晓鹃.“生态位”元胞自动机在土地可持续规划模型中的应用[J].生态学报,2007,27(6):2391-2402.
[114]刘小平,黎夏,艾彬等.基于多智能体的土地利用模拟与规划模型[J].地理学报,2006,61(10):1101-1112.
[115]刘继生,陈彦光.基于的细胞自动机模型与人地关系的复杂性探讨[J].地理研究,2002,21(2):155-162.
[116]林卉,杜培军.基于小波变换的遥感影像融合与评价[J].煤炭学报,2005,30(3):332-336.
[117]黎夏,叶嘉安等.地理模拟系统:元胞自动机与多智能体[M].北京:科学出版社,2007.
[118]黎夏,叶嘉安.基于神经网络的元胞自动机及模拟复杂土地利用系统[J].地理研究,2005,24(1):19-27.
[119]黎夏,伍少坤.面向对象的地理元胞自动机[J].中山大学学报(自然科学版),2006,45(3):90-94.
[120]李敬,蔡晓斌.基于小波的影像融合方法研究[J].现代电子技术,2006,29(11):42-45.
[121]李月臣,刘春霞.北方13省土地利用/覆盖动态变化分析[J].地理科学,2007,27(1):45-52.
[122]李新涛,王昱.IHS变换和小波变换相结合的遥感影像融合[J].测绘科学与工程,2005,25(3):9-13.
[123]李志祥,刘国珍.河北坝上地区土地整理中应着重解决的几个问题[J].河北水利,2005(1):44-45.
[124]李秀彬.全球环境变化研究的核心领域─土地利用/土地覆被变化的国际研究动向[J].地理学报,1996,51(6):553-558.
[125]李茂刚,陈松林.基于分形理论的福州市土地利用空间格局变化研究[J].聊城大学学报(自然科学版),2006,19(4):60-63.
[126]李爽,张二勋.基于决策树的遥感影像分类方法研究[J].地域研究与开发,2003, 22(1):17-20.
[127]李石华,王金亮等.多光谱遥感数据最佳波段选择方法试验研究[J].云南地理环境研究,2005,17(6):29-33.
[128]李才伟,胡瑞安.自组织现象的元胞自动机模拟与图示[J].计算机辅助设计与图形学学报,1997,9(6):532-537.
[129]卢玉东,尹黎明等.利用TM影像在土地利用/覆盖遥感解译中波段选取研究[J].西南农业大学学报:自然科学版,2005,27(4):479-486.
[130]雷英杰等.MATLAB遗传算法工具箱及应用[M].西安:西安电子科技大学出版社,2005.
[131]罗扬帆.基于神经网络的遥感影像分类研究[D].北京:北京林业大学,2007.
[132]罗来平,宫辉力等.遥感图像决策树分类器研究与实现[J].遥感信息,2006(3):13-15.
[133]马玉峰,贾宝全.农牧交错区土地利用变化研究—以内蒙古伊金霍洛旗为例[J].干旱区研究,2007,24(2):159-167.
[134]马文明.资源型城市土地利用变化的景观过程响应[D].徐州:中国矿业大学,2006.
[135]莫宏伟,任志远.农牧交错区土地利用动态与生态效应变化—以榆阳区为例[J].干旱区地理,2005,28(3):352-356.
[136]莫宏伟,任志远,谢红霞.东南丘陵土地利用变化及驱动力研究—以衡阳市为例[J].长江流域资源与环境,2004,13(6):551-556.
[137]梅安新.遥感导论M].北京:高等教育出版社,2001.
[138]孟飞,刘敏.浦东新区土地利用的时空变化分析[J].华东师范大学学报:自然科学版,2006(4):56-63.
[139]彭建.喀斯特生态脆弱区土地利用/覆盖变化研究—以贵州猫跳河流域为例[D].北京:北京大学,2006.
[140] <<启东市土地管理志>>编纂领导组.启东市土地管理志[M].南京:江苏人民出版社,1999.
[141]邱炳文,陈崇成.基于多目标决策和CA模型的土地利用变化预测模型及其应用[J].地理学报,2008,63(2):165-174.
[142]任致远,张艳芳.土地利用变化与生态安全评价[M].北京:科学出版社,2003.
[143]任志远,李晶,王晓峰.城郊土地利用变化与区域生态安全动态[M].北京:科学出版社,2006.
[144]邵景安,阳兵等.区域土地利用变化驱动力研究前景展望[J].地球科学进展,2007, 22(8):798-809.
[145]孙华,林辉,熊育久,莫登奎.Spot5影像统计分析及最佳组合波段选择[J].遥感信息,2006(4):57-61.
[146]孙岩.基于小波变换的遥感图像融合技术研究[D].哈尔滨市:哈尔滨工程大学,2007.
[147] Stéphane Mallat(杨力华,戴道清等译).信号处理的小波导引,北京:机械工业出版社,2002:111-117.
[148]申文明,王文杰.基于决策树分类技术的遥感影像分类方法研究[J].遥感技术与应用,2007,22(3):336-337.
[149]史纪安,陈利顶.榆林地区土地利用覆被变化区域特征及其驱动机制分析[J].地理科学,2003,23(4):493-498.
[150]史培军,宫鹏,李晓兵等.土地利用/覆盖变化研究的方法和实践[M].北京:科学出版社,2000.
[151]史培军,江源,王静爱.土地利用/覆盖变化与生态安全响应机制[M].北京:科学出版社,2004.
[152]史培军,陈晋.深圳市土地利用变化机制分析[J].地理学报,2000,55(2):151-160.
[153]史培军,潘耀忠等.深圳市土地利用覆盖变化与生态环境安全分析[J].自然资源学报,1999,4(4):293-299.
[154]史培军,宋长青.加强我国土地利用覆盖变化及其对生态环境安全影响的研究—从荷兰“全球变化开放科学会议”看人地系统动力学研究的发展趋势[J].地球科学进展,2002,17(2):161-168.
[155]史培军等.深圳市土地利用变化对流域径流的影响[J].生态学报,2001,21(9):1041-1050.
[156]谭永忠.县级尺度土地利用变化驱动机制及空间格局变化模拟研究[D].浙江:浙江大学,2004.
[157]汤君友等.试论元胞自动机模型与LUCC时空模拟[J].土壤,2003,35(6):456-460.
[158]汤国安,杨昕.ArcGIS地理信息系统空间分析实验教程[M].北京:科学出版社,2006.
[159]吐热尼古丽?阿木提.自组织神经网络的土地覆盖图像识别分析应用[J].地球信息科学,2007,9(3):128-131.
[160]吴炜.矿业城市土地利用动态变化研究—以徐州市为例[D].徐州:中国矿业大学,2006.
[161]吴静,张德罡等.基于3S技术的天祝县土地利用/土地覆盖变化研究[J].草原与草坪,2007 (6):29-32.
[162]王国友.新疆于田绿洲-荒漠交错带土地利用变化的社会驱动力研究[J].中国沙漠,2006,(2):17-21.
[163]王夏琰,刘学录.甘肃省土地利用结构变化及其驱动力分析[J].甘肃农业大学学报,2007, 42(4):97-102.
[164]王伟,高敏华.昌吉市土地利用动态变化研究[J].资源与产业,2007,9(2):60-62.
[165]王圆圆,李京.遥感影像土地利用/覆盖分类方法研究综述[J].遥感信息,2004(1):53-58.
[166]王文武.像素级图像融合技术研究[D].武汉:华中科技大学,2005.
[167]王红,闾国年.城市细胞自动机模型研究的回顾与展望[J].经济地理,2003,23(2):154-157.
[168]王坚.滑坡灾害遥感遥测预警建模理论及方法[D].徐州:中国矿业大学,2006.
[169]王占昌.利用决策树对卫星遥感数据进行分类[J].青海科技,2005(5):28-32.
[170]王凤,吴敦银.鄱阳湖区土地利用变化驱动力分析[J].江西水利科技,2006,32(1):15-19.
[171]王玉华,刘彦随等.沿海发达地区土地利用转换的人文驱动机制研究—以温州市为例[J].地理科学进展,2004,23(2):43-50.
[172]王庆光,潘燕芳.多光谱遥感数据最佳波段选择的研究[J].韶关学院学报:自然科学,2006,27(3):42-44.
[173]魏冠军,杨世瑜.基于主成份变换的多源遥感数据融合[J].兰州交通大学学报,2005,24(3):57-60.
[174]魏伟,周婕,许峰.大城市边缘区土地利用时空格局模拟—以武汉市洪山区为例[J].长江流域资源与环境,2006,15(2):174-179.
[175]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,2000.
[176]玄光男,程润伟.遗传算法与工程优化[M].北京:清华大学出版社,2004.
[177]肖鹏峰,刘顺喜,冯学智.基于遥感的土地利用与覆被分类系统评述及代码转换[J].遥感信息,2003(4):54-58.
[178]徐昔保.基于GIS和元胞自动机的城市土地利用动态演化模拟与优化研究—以兰州市为例[D].兰州:兰州大学,2007.
[179]徐建华,梅安新等.20世纪下半叶上海城市景观镶嵌结构演变的数量特征与分形结构模型研究[J].生态科学,2002,21(2):131-137.
[180]杨晓梅,周成虎等.海岸带遥感综合技术与实例研究[M].北京:海洋出版社,2005.
[181]杨世伦等.长江口岸滩近期演变及南水北调工程的可能影响[J].上海地质,2001(2):7-10.
[182]杨开忠,杨咏.生态足迹分析理论与方法[J].地球科学进展,2000,15(6):630-636.
[183]杨国清,刘耀林,吴志峰.基于CA—Markov模型的土地利用格局变化研究[J].武汉大学学报(信息科学版),2007,32(5):414-418.
[184]杨达源等著.长江地貌过程[M].北京:地质出版社,2006.
[185]杨小雄,刘耀林,王晓红等.基于约束条件的元胞自动机土地利用规划布局模型[J].武汉大学学报(信息科学版),2007,32(12):1164-1167.
[186]叶庆华.黄河三角洲土地利用/土地覆被变化的时空复合分析[D].北京:中国科学院地理资源所博士论文,2001.
[187]袁艺,史培军等.快速城市化过程中土地覆盖格局研究—以深圳市为例[J].生态学报,2003,23(9):1833-1841.
[188]贠小苏.第二次全国土地调查培训教材[M].北京:中国农业出版社,2007.
[189]赵小敏,陈文波.土地利用变化及其生态环境效应研究[M].北京:地质出版社,2006.
[190]赵睿,塔西甫拉提?特依拜,丁建丽等.基于神经网络的元胞自动机支持下的干旱区LUCC模拟研究—以新疆于田绿洲为例[J].水土保持研究,2007,14(1):151-158.
[191]赵晶,陈华根,许惠平.元胞自动机与神经网络相结合的土地演变模拟[J].同济大学学报(自然科学版),2007,35(8):1128-1132.
[192]赵晶.基于CA的城市土地利用演变人工神经网络模拟[J].兰州大学学报(自然科学版),2006,42(5):27-31.
[193]张明.区域土地利用结构及其驱动因子的统计分析[J].自然资源学报,1999,14 (4): 381-383.
[194]张德丰.Matlab小波分析与工程应用[M].北京:国防工业出版社,2008.
[195]张永民,赵士洞,Verburg, P.H. CLUE-S模型及其在奈曼旗土地利用时空动态变化模拟中的应用.自然资源学报,2003,18(3):310-318.
[196]张华.干旱地区土地利用/土地覆盖变化研究—以黑河流域为例[J].干旱区资源与环境,2003,17(2):49-54.
[197]张正栋.广东韩江旅城土地利用与土地扭葺变化综合研究[D].广州:中国科学院广州地球化学研究所,2007.
[198]张燕等.不同土地方式下农地土壤侵蚀与养分流失[J].水土保持通报,2003,23(1):23-27.
[199]张银辉,罗毅等.内蒙古河套灌区土地利用变化及其景观生态效应[J].资源科学,2005,27(2):141-146.
[200]张贤坤.人工神经网络及其在盐田水体遥感图像分类中的研究[J].盐业与化工,2006, 35(4):40-42.
[201]张宝光.论遥感数字图像的模糊分类处理[J].天津师范大学学报(自然科学版),2005, 25(2):69-72.
[202]张鸿辉,尹长林,曾永年等.基于SLEUTH模型的城市增长模拟研究—以长沙市为例[J].遥感技术与应用,2008,23(6):618-623.
[203]周成虎,孙战利,谢一春.地理元胞自动机研究[M].北京:科学出版社,1999.
[204]周青,黄贤金等.快速城镇化农村区域土地利用变化及驱动机制研究—以江苏省原锡山市为例[J].资源科学,2004,26(1):22-30.
[205]周生路等著.江苏省农用地资源分等研究[M].南京:东南大学出版社,2004.
[206]朱连奇等.山区土地利用覆被变化对土壤侵蚀的影响[J].地理研究,2003,22(4):432-438.
[207]祝晓坤.D-S证据推理融合模型在遥感分类中的应用[D].武汉:武汉大学,2005.
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |