坦桑尼亚梅鲁山斜坡上土地利用和土地覆盖的变化
Aldo japet Kitalika1*
，撤销拉扎罗·马昆达1Hans Charles Komakech1和Karoli NIcholas Njau1
1纳尔逊·曼德拉非洲科学技术研究所水与环境科学与工程系，坦桑尼亚腾格鲁-阿鲁沙，邮政信箱447号
http://dx.doi.org/10.12944/CWE.13.3.07
土地空间利用与土地变化研究是土地利用规划可持续发展的必然要求。在IDRISI软件环境下，利用卫星土地利用/覆被图和元胞自动机(CA)空间滤波，对1986 - 2016年30年间梅鲁山丘陵坡地部分土地进行了环境变迁分析，并评估了重要的土地利用变化。基于元胞自动机马尔可夫模型，对2026年即未来10年的土地利用进行了模拟。研究结果表明，阿鲁沙的土地利用发生了明显的转变，灌木林用地(BL)和农用地(AG)向人类住区(ST)转变，导致阿鲁沙镇向城市转变。此外，这些变化还引起了混交林水体的轻微变化。此外，未来土地利用/土地覆盖(LULC)模拟表明，由于大部分丛林土地和部分农业用地将用于建设不同的结构，从而干扰城市的淡水和食物供应，未来十年的LULC变化将是不可持续的。这些变化要求有关的规划当局为良好的城市发展制定最佳战略。
元胞自动机;土地覆盖变化;土地利用变化;马尔可夫链变化检测;遥感;空间建模
复制下面引用这篇文章:
Kitalika A. J, Machunda R. L, Komakech H. C, Njau K. N.坦桑尼亚梅鲁山坡地土地利用和土地覆盖变化。印度。当代世界环境，2018;13(3)。DOI:http://dx.doi.org/10.12944/CWE.13.3.07
复制以下内容引用此URL:
Kitalika A. J, Machunda R. L, Komakech H. C, Njau K. N.坦桑尼亚梅鲁山坡地土地利用和土地覆盖变化。印度。当代世界环境，2018;13(3)。可以从:https://bit.ly/2DBOu9o
在现代社会，人类的发展离不开环境，土地利用与土地利用是不可避免的。人类可以利用地球的大气层、地表和地下进行发展，这样做可能会影响环境。这种变化是复杂过程的结果，涉及土地覆盖和土地利用的改变，1它们是由生物物理和人类活动在空间和时间上的相互作用决定的。2这些进程包括但不限于扩大农业、基础设施、住区、工业发展和自然灾害。在地球上的一些地区，河流生态系统和土地覆盖已经发生了变化，这是各种力量持续作用的结果，这些力量导致了水流状况的改变。3、4生态的变化。这些力量包括森林砍伐、过度放牧、农业扩张和基础设施发展。此外，据说许多河流上游对用水和土地利用转换的竞争加剧，促成了许多河流和湿地水文状况的变化。5、6不同的政府政策、政治影响以及技术变革也可能导致土地利用/土地覆盖的变化，从而影响流域和集水区。3、7、8上述问题是包括坦桑尼亚在内的许多发展中国家退化大环境的若干活动之一。
土地利用和土地覆盖变化的影响研究一直是许多研究者关注的热点。例如,2、9 - 11他们的研究试图提供对土地利用和土地覆盖变化的原因和影响的见解和理解，他们的研究最侧重于土地利用和土地覆盖变化的生物物理方面。目前，据说坦桑尼亚北部的大片地区已转为农业用地和其他用途，包括种植粮食和经济作物、过度放牧、扩大住区和发展诸如灌溉计划系统、采矿和其他工业等基础设施，这是由于移徙和国内人口增加的结果。这些地区包括坦桑尼亚的梅鲁山斜坡，这是潘加尼盆地重要的次集水区之一，为潘加尼河提供水源。12、13该地区面临着毁林和森林退化，农业扩张不力，包括增加沟灌技术，在处女地上建立新的大型商业农场，过度放牧，移民和自然过程导致的人口快速增长威胁着该地区的土地利用和土地覆盖，从而影响了该地区的水文系统。6、13、14目前，潘加尼盆地分集水区的农业和畜牧业活动显著增加。这引起了草地、林地和森林向农田和牧场的急剧转变，最终导致湿地面积和河流状况的负面变化。6
了解河流土地利用和土地覆盖变化的主要驱动因素及其各个方面是至关重要的，这种理解既包括对土地利用和土地覆盖变化(LULC)的预期速率和空间格局的评估，也包括对主要的人类和生物物理驱动因素的熟悉。2这些复杂的问题可以通过GIS环境下的土地利用变化建模来解决。此外，分析、预测和评价任何地方未来土地使用变化的过程涉及一套复杂的任务，应利用对土地转变的自然程度、性质和后果的更好的科学知识来进行。15在LULC动力学分析和建模中，遥感和GIS工具被广泛应用于元胞自动机和马尔可夫链的定量和定性研究(CA-MC)空间模型及基于历史土地覆盖数据的未来土地利用变化情景预测。10日,16 - 19此外，归一化植被指数(Normalized Difference Vegetation Index, NDVI)、主成分分析(PCA)、图像定量、图像差分、量值与方向的变化向量分析、偏差与回归分析等技术也可用于GIS环境下的土地利用价值变化研究。17日,20日,21日在本研究中，CA-MC被用于评估Pangani流域部分地区的土地利用变化并模拟未来的LULC。
土地覆盖变化与排水
土地覆盖在排水系统和任何集水区的保护中起着至关重要的作用。不同的研究表明，与土壤类型相关的不同类型植被覆盖的土地可以影响特定集水区的排水和可持续性。22、23不同研究人员的进一步研究表明，土地覆盖变化的压力尤其会引起一个地区水文状况的变化，特别是在发生了大面积砍伐森林的情况下。24当这种情况发生时，集水区的研究表明，一个地区的水文状况可以在很长一段时间内没有显著的降水变化。25其他研究表明，森林地区的年流量比毁林地区高，但没有显示这种情况发生的季节。26
元胞自动机
CA是用来模拟土地变化的方法之一，根据地理空间位置的发展和变化的数量。在该模型中，地理空间动态由CA空间过滤器或转换势图确定的局部规则控制。27CA模型被定义为由相同自动机单元组成的一维或二维网格，其中每个自动机单元处理各自的信息，并根据从其环境接收的数据和遵循其内部存储或持有的规则进行操作。28一个简单的CA有五个组成部分，分别是模型运行的网格空间、网格空间中的单元状态和决定空间动态过程的转换规则。其他包括影响中心单元和迭代数的邻居状态。29此外，自动机网格必须由一组来自相邻细胞状态的输入来定义，才能成为CA。此外，二维CA必须在网格晶格上考虑，其影响邻域包含四个(冯·诺伊曼函数)或八个(摩尔函数)相邻细胞。30.CA模型最重要的优势是基于它控制复杂的空间分布过程的能力，以及提供对各种本地行为和全局模式的洞察。此外，通过适当定义CA模型中的转换规则，可以很好地模拟和表示许多现象的时空复杂性。29由于这些重要的优势，CA模型越来越多地用于模拟包括土地利用变化在内的各种空间现象31以及城市发展。32这些特征是CA建模中最重要的关注点，CA建模需要根据控制模型的训练数据定义适当的转换规则。此外，线性边界被用来定义规则;然而，土地利用动态和许多其他地理空间现象极其复杂，需要非线性边界来定义规则。29
马尔可夫链模型
马尔可夫链的前提是一个随机序列，它描述了一种状态如何改变到另一种状态的概率。马尔可夫链产生一个关键的描述性结果，决定从一个类别到另一个类别的变化概率，从而管理土地利用/覆盖类别之间的时间动态，基于过渡概率(例如保护到建成区)，这也被称为过渡概率矩阵。10日,33该模型广泛用于水资源系统研究和降水序列模拟，特别是用于描述和预测岩性转变。34植物演替35土地利用的变化。36该模型是在几种通过Chapman-Kolmologov方程计算转移概率的数学概率论假设下工作的。在本研究中，这种数学操作被省略，因为GIS软件被用于相同的目的。
CA-马尔可夫链模型
CA-MC模型是一个综合系统，在多准则评价LULC变化中发挥着重要作用。由于GIS和遥感数据可以很好地集成以给出有意义的结果，因此它是进行LULC变化的数量估计、时空动态建模的最佳方法和技术之一。33该模型利用MC工具生成过渡概率统计、过渡面积统计和条件过渡图像数据作为输入，根据CA模型中相邻像素的条件、位置和接近程度，预测特定像素在空间上的后期状态。10、16、18、19 37-40 本文采用CA-MC空间模型评价了梅鲁山坡地土地利用和土地覆被变化对水资源的影响。这两个模型将用于估计和预测研究区未来土地覆盖和土地利用的变化。
材料与方法
研究范围描述
研究区域涉及Meru山东部和西南部的山麓，该山麓是位于坦桑尼亚北部的整个Pangani盆地集水区的一部分(图1)。41该地区的自然植被为典型的热带森林到稀树草原，地形以更新世至近代起源的梅鲁山火山锥为主。当地气候属温带非高寒气候，日最低气温20.6℃，最高气温28.5℃。2月至5月中旬是主要雨季，9月至11月是次要雨季，降水分布不均匀，年平均降雨量为535.3毫米。42、43河(源)集水区以人工针叶林和混交林为主;河中部地区是农业和城市混合居住的地区。洪泛平原(下游)区以裸地、集约放牧、大规模农业、经过处理的城市污水处理、雨季洪水严重为特征。44
 |
图1:研究区的位置 |
数据来源和数据收集
在本研究中，我们同时使用了一手和第二手数据。使用的主要数据包括2016年小流域内河流的降水和水位，以及1986年降水的次要数据。1996年和2006年的数据来自潘加尼盆地水务局(PBWO)(表1)。其他次要数据包括从美国地质调查局(USGS)地球探测器下载的Landsat专题制图器(LTM)图像，如表2所示。收集的卫星图像用于确定该地区土地利用/土地覆盖在30年内(1986-2016)的变化。利用分类后的卫星影像，在马尔可夫-元胞自动机动态模型(MCA)中预测10年后的土地利用/土地覆盖状况。
数据分析
收集到的卫星图像在分析之前首先进行预处理，该过程包括将其投影到与阿鲁沙地区对应的UTM 36s区，然后创建每年的红绿蓝(RGB)合成图像。RGB是通过层叠加创建的，其中Landsat TM 4-5涉及波段2、3和4,Landsat 8涉及波段3、4和5。利用研究区图提取每幅具有复合颜色的图像覆盖研究区。利用IDRISI-Selva软件对影像进行分析，并结合土地利用变化及其与水库的关联对结果进行评价。对卫星图像进行预处理，然后将其转换为假色合成图像，通过监督分类，可以清楚地识别出植被、定居点和水源等不同土地用途的区域。16、18采用最大似然(MAXLIKE)算法对图像进行分类，进行变化检测分析。基于Kappa协议指数(KIA)，对森林覆盖、定居点和农业等各种土地用途的净收益和损失进行了分析，并利用时间步长卫星图像进行了解释。10为获得最具代表性的影像，建立了未来土地利用土地变化预测模型。整个程序活动在方案1中进行了总结。此外，一些年份的降雨和河流水位被用来评估与土地利用/土地覆盖变化的相关性。
卫星图像分类、训练、签名开发与分类
采用监督图像分类是因为整个过程由用户控制，特别是在确定要识别的类别数量，创建训练样本以及详细了解真实研究区域的土地利用和土地覆盖分布等方面。451986年、1996年、2006年和2016年的训练样本代表了特定土地覆盖的像素，在Google earth图像的支持下，利用多边形辅助GPS点创建。此外，还使用了国土部制图司收集的四分之一度广场(QDS) 55-3和55-4研究区域的类似年份土地利用地形图。将土地LULC划分为混交林(MF)、灌木林(BL)、农业(AG)、聚落(ST)、水体(WB)和岩石(RK) 6类。各使用25个像素用于WB和RK的训练和验证，而对于MF、AG和ST，则使用50个像素用于相同目的。将相同的训练样本存储并用于创建整个图像监督分类过程的签名文件。表3描述了研究区内的土地用途类别。
表1:1986 - 2016年河流年降水量和流量
一年 |
安。前的。(毫米) |
放电(m3./秒) |
||||
特米 |
Nduruma |
Tengeru |
马吉雅柴 |
Av水平。 |
||
1986 |
503.3 |
0.67 |
0.75 |
0.66 |
0.30 |
0.60 |
1996 |
225.4 |
0.29 |
0.34 |
0.28 |
0.13 |
0.26 |
2006 |
229.6 |
0.31 |
0．35 |
0.31 |
0.14 |
0.28 |
2016 |
464.3 |
0.61 |
0.75 |
0.38 |
0.19 |
0.48 |
资料来源:Pangani Basin Water Office (PBWO) 2016, Ann。前的。-年降水量;Av. -平均
表2:USGS收集的用于LULC的Landsat TM特征
卫星图像 |
决议 |
路径 |
行 |
收集日期 |
Landsat TM 4-5 |
30m × 30m |
168 |
062 |
1986年9月- |
Landsat TM 4-5 |
30m × 30m |
168 |
062 |
1996年9月- |
Landsat TM 4-5 |
30m × 30m |
168 |
062 |
2006年9月- |
陆地卫星etm8 TIR/OLI |
30m × 30m |
168 |
062 |
2016年10月, |
表3：研究区土地用途分类说明
土地使用 |
描述 |
混交林(MF) |
有人工林和天然林、柴火、木炭、杆木和木材的地区 |
丛林地带(BL) |
有灌木、农林带、牧场和灌丛的地区 |
农业(AG) |
有商业和农民农业用地的地区 |
定居点(ST) |
各种形式和类型的建筑 |
水体(WB) |
所有被水覆盖的区域(河流、雪、湖泊、洪水和废水处理场) |
岩石(RK) |
所有有岩石和采矿的地区 |
签名文件生成后进行监督图像分类;在最大似然分类算法中，每个合成图像连同相关的签名文件一起作为输入。算法运行后，生成了具有训练类别的土地利用和土地覆盖图，并准备进行分类精度评估。所有这些过程都是在ArcGIS 10.3软件中对每张单独的图像进行的。
准确性评估和变更检测分析
通过将土地利用类别与33个地面真实GPS点进行比较，建立误差矩阵表，对每个分类地图进行分类精度评估;生产者、用户和总体准确率由Microsoft excel表格中的表格计算，Coppin和Bauer(1996)建议，这要求可接受的分类结果至少在70%及以上。总体精度由关系式(1)到(3)给出的关系决定。表2.5给出了1986年至2016年的精度评估总结，这些评估都符合进一步采用的条件。
变更检测分析
利用1986年、1996年、2006年和2016年土地利用和土地覆被分类图的统计数据，检测了30 a期间的变化。变化检测涉及在一定的时间间隔内发现土地利用、土地覆盖变化的数量、发生变化的地点和发生变化的类型。10, 46岁在岗位分类过程中;通过比较连续的分类地图对，用过去土地利用类别的数量减去当前土地利用类别的数量，可以检测到数量变化;从每对得到的差异通过关系转换为变化的百分比。4
通过变化检测，可以深入了解人为对土地利用和土地覆盖的干扰，从而有助于了解环境保护战略。
LULC分析
图2 (a)和(b)至图3 (c)和(d)为研究区1986年、1996年、2006年和2016年的LULC地图，其统计数据汇总于表4至表8。研究表明，农业用地占土地利用总量的比例从1986年的46.85%增加到1996年的50.42%，土地利用面积为545.8 km2至587.4公里2,分别。与此同时，灌木土地从31.5%减少到24.19%，这意味着农业的增长是以牺牲灌木土地的转化为代价的。同样在类似年份，混交林从139.7公里增加2至174.9公里2这意味着部分灌木地可能是1996年恢复的森林砍伐的结果(表4和8)。此外，人类居住的面积在十年内从74.3公里增加21986年达到110.4公里2(表8)。水体居住面积由1986年的1.2%下降到1996年的0.45%。有几个原因可以解释为什么会发生这种情况，因为环境中的水体是由于降雨、降水、土壤类型和占蒸发指数的冠层覆盖程度而贡献的。降雨是地表水的主要来源，因此预计降雨的波动可能是解释地表水体范围和存在的最佳原因。
1996年农用地利用率为50.42%，2006年农用地利用率下降，仅为42.8%。交叉表法研究表明，农用地部分转为丛林用地(15.5 km)2长期未开垦，改为灌木地)和90.6公里2由于城市化而变成了定居点。总体而言，住区增加了96.8公里253.9公里2然而，在十年后(2016年)，农业被刺激到45.62%(增长2.82%)，净增长32.8公里2)，原因是定居点建设率下降，部分灌木土地被重新转化为农业用地(图3(d)和10，表4和8)。更多的分析表明，混交林(MF)保护在1996年至2016年期间连续下降，但下降幅度为8.2公里21996至2006年及0.7公里2十年后。这意味着，在2006年至2016年期间，大力实施了森林保护，将部分灌木地恢复为森林，或增加灌木地的人工林。这种改良的森林种植园包括Midawe和Temi瀑布集水区，在那里种植了大片针叶树(松树)。水体(WB)在10.6 km处继续减小2到2006年，而2016年则增加了0.8公里2。这是一个10年的案例，总体而言，水体在30年(1986-2016)中减少了9.8公里2这可能是一个令人担忧的全球形势。应该指出的是，阿鲁沙市的大多数河流的主要汇水源都在Meru山的山顶，这是研究区域的一部分，因此就淡水资源而言，这是一个非常重要的地区。仔细检查图2和图3中研究区域的LULC地图，可以发现山顶水体逐渐减少，这可能与冰盖融化、降水减少、大气温度升高和蒸发有关。非常不幸的是，不同的学者对冠层覆盖对水体的影响有不同的看法，一些学者主张随着森林砍伐的增加，河流流量也会增加25其他人则持不同观点。26虽然这些论点仍然是相互矛盾的，但应该记住，径流量总是随着森林砍伐而增加，这是由于水口减少而导致的入渗。此外，土壤条件(沙质、粘土、壤土或岩石)作为河流和含水层补给的主要来源，解释了水的渗透(土壤和水分析工具，SWAT)。松散的土壤可能比致密的土壤允许更多的渗透，反之亦然。表7总结了1986 - 2016年各类别LULC的变化比例。
 |
方案1:Arsanjani解释的CA-Markov模型过程流程图等。2011年由Kitalika修改等。2018 按此浏览计划 |
 |
图2:(a) 1986年(b) 1996年在梅鲁山斜坡上的LULC变化检测 点击此处查看图 |
 |
图3:Mer山斜坡(c) 2006 (d) 2016年LULC变化检测u 点击此处查看图 |
 |
图4:1986 - 1996年梅鲁山坡面LULC变化检测的交叉制表 点击此处查看图 |
 |
图5:1996 - 2006年梅鲁山坡面LULC变化检测交叉制表 |
 |
图6 2006 - 2016年梅鲁山坡面LULC变化检测交叉制表 |
 |
图7 1986 - 2026年梅鲁山坡面LULC变化检测交叉制表 |
 |
图8:(a) it = 5 (b) it = 8时Meru山斜坡上的模拟LULC C。 点击此处查看图 |
 |
图9:(C) it = 10 (d) it = 15时Meru Mount坡面模拟的LULC C。 点击此处查看图 |
 |
图10:2026年梅鲁山斜坡上在它= 10时的投影LULC。 点击此处查看图 |
 |
图11:LULC分析 从1986年到2016年。 点击此处查看图 |
表4:1986 - 2026年实际LULC检测值及其预测。
LULUC |
区(公里2） |
净损益(公里)2） |
净损益(%) |
||||||||||||
1986 |
1996 |
2006 |
2016 |
2026 * |
1996 - 1986 |
2006 - 1996 |
2016 - 2006 |
2016 - 1986 |
2026 * -2016 |
1996 - 1986 |
2006 - 1996 |
2016 - 2006 |
2016 - 1986 |
2026 * -2016 |
|
曼氏金融 |
139.7 |
174.9 |
166.7 |
166.0 |
172.5 |
35.2 |
-8.2 |
-0.7 |
26.3 |
6.5 |
3.0 |
-0.7 |
-0.1 |
2.3 |
0.6 |
提单 |
372.3 |
281.8 |
237.0 |
158.4 |
199.3 |
-90.5 |
-44.9 |
-78.5 |
-213.9 |
40.9 |
-7.8 |
-3.9 |
-6.7 |
-18.4 |
3．5 |
AG) |
545.8 |
587.4 |
498.6 |
531.5 |
434.7 |
41.6 |
-88.8 |
32.9 |
-14.3 |
-96.7 |
3.6 |
-7.6 |
2.8 |
-1.2 |
-8.3 |
圣 |
74.2 |
110.4 |
207.3 |
261.2 |
333.8 |
36.2 |
96.8 |
53.9 |
187.0 |
72.6 |
3.1 |
8.3 |
4.6 |
16.1 |
6.2 |
白平衡 |
14.0 |
5.6 |
3.4 |
4.2 |
2．5 |
-8.4 |
-2.2 |
0.8 |
-9.8 |
-1.7 |
-0.7 |
-0.2 |
0.1 |
-0.8 |
-0.1 |
RK |
19.0 |
4.9 |
52.0 |
43.8 |
21.8 |
-14.1 |
47.1 |
-8.2 |
24.8 |
-22.0 |
-1.2 |
4.0 |
-0.7 |
2.1 |
-1.9 |
表5:2016年分类准确率评估及其他整体准确率
LULC |
曼氏金融 |
提单 |
AG) |
圣 |
白平衡 |
RK |
总计 |
精度(%) |
总体精度(%) |
||||
用户的 |
生产商的 |
一年 |
总测试点 |
正确的分 |
精度 |
||||||||
曼氏金融 |
4 |
1 |
0 |
0 |
0 |
0 |
5 |
80 |
One hundred. |
1986 |
25 |
20. |
80 |
提单 |
0 |
4 |
1 |
0 |
0 |
0 |
5 |
80 |
80 |
1996 |
25 |
21 |
84 |
AG) |
0 |
0 |
5 |
1 |
0 |
0 |
6 |
83 |
63 |
2006 |
25 |
20. |
80 |
圣 |
0 |
0 |
1 |
6 |
0 |
0 |
7 |
86 |
75 |
2016 |
33 |
27 |
81.5 |
白平衡 |
0 |
0 |
0 |
0 |
5 |
0 |
5 |
One hundred. |
One hundred. |
||||
RK |
0 |
0 |
1 |
1 |
0 |
3. |
5 |
60 |
One hundred. |
||||
总计 |
4 |
5 |
8 |
8 |
5 |
3. |
33 |
81.5 |
|||||
表6 1996 - 2006年马尔可夫转移概率矩阵
曼氏金融 |
提单 |
AG) |
圣 |
白平衡 |
RK |
模型验证 |
||
曼氏金融 |
0.7434 |
0.2178 |
0 |
0.032 |
0．003 |
0．004 |
Kstandard |
0.87 |
提单 |
0.1243 |
0.5867 |
0 |
0.270 |
0．004 |
0.015 |
先 |
0.88 |
AG) |
0.0003 |
0.0638 |
0.7 |
0.192 |
0 |
0.057 |
Klocation |
0.91 |
圣 |
0.0051 |
0 |
0.9 |
0.106 |
0.002 |
0.002 |
它 |
10 |
白平衡 |
0.3431 |
0.2284 |
0 |
0.014 |
0.303 |
0.112 |
||
RK |
0 |
0.2311 |
0 |
0.025 |
0.023 |
0.721 |
||
表7:交叉表的变化比例
1986 |
Kappa指数(KIA) |
|||||||||
LULC |
曼氏金融 |
提单 |
AG) |
圣 |
白平衡 |
RK |
总计 |
1986 |
1996 |
|
1996 |
曼氏金融 |
0.059 |
0.088 |
0.001 |
0.001 |
0.002 |
0.000 |
0.150 |
0.401 |
0.309 |
提单 |
0.036 |
0.165 |
0.030 |
0.005 |
0.005 |
0.002 |
0.242 |
0.361 |
0.532 |
|
AG) |
0.020 |
0.062 |
0.386 |
0.029 |
0.001 |
0.007 |
0.504 |
0.645 |
0.560 |
|
圣 |
0．004 |
0.005 |
0.051 |
0.029 |
0.001 |
0.006 |
0.095 |
0.389 |
0.253 |
|
白平衡 |
0.002 |
0.000 |
0.000 |
0.000 |
0.002 |
0.000 |
0.005 |
0.181 |
0.460 |
|
RK |
0.000 |
0.000 |
0.001 |
0.000 |
0.002 |
0.001 |
0．004 |
0.074 |
0.293 |
|
总计 |
0.120 |
0.320 |
0.469 |
0.064 |
0.012 |
0.016 |
1.000 |
整体 |
0.459 |
|
1996 |
Kappa指数(起亚) |
|||||||||
LULC |
曼氏金融 |
提单 |
AG) |
圣 |
白平衡 |
RK |
总计 |
1996 |
2006 |
|
2006 |
曼氏金融 |
0.102 |
0.037 |
0.002 |
0.001 |
0.002 |
0.000 |
0.143 |
0.627 |
0.663 |
提单 |
0.038 |
0.123 |
0.039 |
0.002 |
0.001 |
0.001 |
0.203 |
0.383 |
0.478 |
|
AG) |
0.001 |
0.013 |
0.336 |
0.078 |
0.000 |
0.000 |
0.428 |
0.417 |
0.567 |
|
圣 |
0.008 |
0.063 |
0.094 |
0.012 |
0.000 |
0.000 |
0.178 |
-0.060 |
-0.029 |
|
白平衡 |
0.001 |
0.001 |
0.000 |
0.000 |
0.001 |
0.000 |
0．003 |
0.227 |
0.372 |
|
RK |
0.001 |
0.005 |
0.034 |
0.002 |
0.001 |
0．003 |
0.045 |
0.626 |
0.056 |
|
总计 |
0.150 |
0.242 |
0.504 |
0.095 |
0.005 |
0．004 |
1.000 |
整体 |
0.393 |
|
2006 |
Kappa指数(KIA) |
|||||||||
LULC |
曼氏金融 |
提单 |
AG) |
圣 |
白平衡 |
RK |
总计 |
2006 |
2016 |
|
2016 |
曼氏金融 |
0.138 |
0.005 |
0.000 |
0.000 |
0.000 |
0.000 |
0.143 |
0.956 |
0.961 |
提单 |
0.005 |
0.127 |
0.000 |
0．003 |
0.000 |
0.001 |
0.136 |
0.564 |
0.915 |
|
AG) |
0.000 |
0.000 |
0.428 |
0.024 |
0.000 |
0.005 |
0.456 |
1.000 |
0.892 |
|
圣 |
0.000 |
0.071 |
0.000 |
0.151 |
0.000 |
0.002 |
0.224 |
0.806 |
0.604 |
|
白平衡 |
0.001 |
0.000 |
0.000 |
0.000 |
0．003 |
0.000 |
0．004 |
0.914 |
0.750 |
|
RK |
0.000 |
0.000 |
0.000 |
0.000 |
0.000 |
0.037 |
0.038 |
0.832 |
0.996 |
|
总计 |
0.143 |
0.203 |
0.428 |
0.178 |
0．003 |
0.045 |
1.000 |
整体 |
0.837 |
|
1986 |
Kappa指数(KIA) |
|||||||||
LULC |
曼氏金融 |
提单 |
AG) |
圣 |
白平衡 |
RK |
总计 |
1986 |
2016 |
|
2016 |
曼氏金融 |
0.061 |
0.078 |
0.001 |
0.001 |
0.002 |
0.000 |
0.143 |
0.425 |
0.349 |
提单 |
0.024 |
0.085 |
0.018 |
0．004 |
0.005 |
0.001 |
0.136 |
0.150 |
0.446 |
|
AG) |
0.017 |
0.038 |
0.347 |
0.043 |
0.001 |
0.010 |
0.456 |
0.522 |
0.549 |
|
圣 |
0.016 |
0.117 |
0.078 |
0.012 |
0.001 |
0.001 |
0.224 |
-0.053 |
-0.013 |
|
白平衡 |
0.001 |
0.000 |
0.000 |
0.000 |
0.002 |
0.000 |
0．004 |
0.159 |
0.540 |
|
RK |
0.001 |
0.001 |
0.025 |
0．004 |
0.002 |
0．004 |
0.038 |
0.223 |
0.095 |
|
总计 |
0.001 |
0.320 |
0.469 |
0.064 |
0.012 |
0.016 |
1.000 |
整体 |
0.311 |
|
表8:按数量变化(km)交叉制表2）
1986 |
||||||||
LULUC |
曼氏金融 |
提单 |
AG) |
圣 |
白平衡 |
RK |
总计 |
|
1996 |
曼氏金融 |
68.6 |
102.5 |
1.2 |
0.9 |
1.7 |
0.0 |
174.9 |
提单 |
41.6 |
192.0 |
34.7 |
6.2 |
5.6 |
1.7 |
281.8 |
|
AG) |
22.7 |
71.8 |
449.9 |
33.4 |
1.0 |
8.6 |
587.4 |
|
圣 |
4.4 |
5.5 |
59.4 |
33.2 |
0.9 |
7.0 |
110.4 |
|
白平衡 |
2.1 |
0.5 |
0.1 |
0．2 |
2.6 |
0.0 |
5.6 |
|
RK |
0．2 |
0.0 |
0.6 |
0.3 |
2.2 |
1.5 |
4.9 |
|
总计 |
139.7 |
372.3 |
545.8 |
74.2 |
14.0 |
19.0 |
1165.0 |
|
1996 |
||||||||
LULUC |
曼氏金融 |
提单 |
AG) |
圣 |
白平衡 |
RK |
总计 |
|
2006 |
曼氏金融 |
118.9 |
42.6 |
2.4 |
0.6 |
2.0 |
0.0 |
166.7 |
提单 |
43.7 |
143.2 |
45.0 |
2.4 |
1.4 |
1.3 |
237.0 |
|
AG) |
0.9 |
15.5 |
391.4 |
90.6 |
0.0 |
0.0 |
498.6 |
|
圣 |
9.7 |
73.6 |
109.2 |
14.2 |
0．2 |
0．2 |
207.3 |
|
白平衡 |
0.6 |
1.2 |
0.1 |
0.1 |
1.3 |
0.1 |
3.4 |
|
RK |
1.0 |
5.6 |
39.3 |
2.4 |
0.6 |
3.1 |
52.0 |
|
总计 |
174.9 |
281.8 |
587.4 |
110.4 |
5.6 |
4.9 |
1165.0 |
|
2006 |
||||||||
LULUC |
曼氏金融 |
提单 |
AG) |
圣 |
白平衡 |
RK |
总计 |
|
2016 |
曼氏金融 |
160.4 |
5.6 |
0.0 |
0.0 |
0.0 |
0.0 |
166.0 |
提单 |
5.7 |
147.6 |
0.0 |
3.7 |
0．2 |
1.2 |
158.4 |
|
AG) |
0.0 |
0.3 |
498.5 |
27.4 |
0.0 |
5.2 |
531.5 |
|
圣 |
0.1 |
82.9 |
0.0 |
176.1 |
0.0 |
2.0 |
261.2 |
|
白平衡 |
0.6 |
0.3 |
0.0 |
0.0 |
3.1 |
0.0 |
4.2 |
|
RK |
0.0 |
0.0 |
0.1 |
0.1 |
0.0 |
43.6 |
43.8 |
|
总计 |
166.7 |
237.0 |
498.6 |
207.3 |
3.4 |
52.0 |
1165.0 |
|
1986 |
||||||||
LULUC |
曼氏金融 |
提单 |
AG) |
圣 |
白平衡 |
RK |
总计 |
|
2016 |
曼氏金融 |
70.8 |
91.2 |
1.5 |
0.7 |
1.9 |
0.0 |
166.0 |
提单 |
27.7 |
98.8 |
20.9 |
4.2 |
6.1 |
0.9 |
158.4 |
|
AG) |
19.8 |
44.6 |
404.0 |
50.6 |
0.7 |
11.7 |
531.5 |
|
圣 |
18.4 |
136.2 |
90.6 |
13.6 |
0.6 |
1.6 |
261.2 |
|
白平衡 |
1.4 |
0.1 |
0．2 |
0．2 |
2.2 |
0.0 |
4.2 |
|
RK |
1.5 |
1.4 |
28.7 |
5.0 |
2.6 |
4.8 |
43.8 |
|
总计 |
1.5 |
372.3 |
545.8 |
74.2 |
14.0 |
19.0 |
1165.0 |
|
表9:2016年位置模型验证
LULC |
曼氏金融 |
提单 |
AG) |
圣 |
白平衡 |
RK |
总计 |
精度(%) |
曼氏金融 |
7 |
1 |
0 |
0 |
0 |
0 |
8 |
87.5 |
提单 |
0 |
6 |
1 |
1 |
0 |
0 |
8 |
75 |
AG) |
0 |
1 |
6 |
1 |
0 |
0 |
8 |
75 |
圣 |
0 |
0 |
0 |
7 |
0 |
1 |
8 |
87.5 |
白平衡 |
0 |
0 |
0 |
0 |
8 |
0 |
8 |
One hundred. |
RK |
0 |
0 |
1 |
1 |
0 |
4 |
6 |
66.7 |
总计 |
7 |
8 |
8 |
10 |
8 |
5 |
46 |
82 |
模型验证
有必要对自定义CA-Markov模型进行验证，并评估其是否可以用于10年(2026年)预测LULC的模拟。通过将2006年5、8、10和15次迭代的几张模拟地图(图8和9)与2006年的实际LULC地图进行比较，并评估其各自迭代的Kappa指数(KIA)最优值，完成了这一过程。在第10次迭代时观察到验证的模型Kappa满足模型验证所需的最小值0.80，其中本研究得到的Kstandard、Kno和Klocation分别为0.87、0.88和0.91(表6)，因此采用该模型。47-50Arsanjani也对德黑兰未来的土地利用进行了类似的模型验证et al .,在他们的研究中发现，在Kstandard或0.91的实际地图和预测模型地图之间存在很强的相关性，在迭代3000时Klocation为0.97。10
土地利用变化预测
通过验证模型对未来10年(2026年)的LULC进行了预测。该过程与2006年土地利用图、1996-2006年过渡区域矩阵以及2006年过渡潜力图一起完成。表4和图11总结了各种土地用途变化的结果值。从图11(e)可以看出，到2026年，农业用地(AG)总量将减少8.29%，取而代之的是人类住区(ST)和丛林用地(BL)，两者也将分别增加6.2%和3.51%。显然，人口的增加将导致人类住区的增加，这是一个地区城市化进程中预期的主要土地利用变化之一。预计未来10年，混交林(MF)将有0.56%的小幅增长，这是政府良好的森林保护战略的一个好兆头。应该指出的是，城市化进程的增加通常与建设用地需求的增加有关，这可能涉及到一些保护区的自然资源，如森林和水，在本研究中，如果目前的政府法律和法规将继续严格遵守，保护的森林将继续生存。此外，随着人口的增加，水体的状况将会很糟糕，因为如果不发明其他水源，对淡水的需求将会很高。研究表明，从2016年到2026年，淡水水体(WB)减少了0.15%，这对舒适的城市地区来说是非常令人担忧的。此外，在未来10年，被岩石覆盖的面积将减少1.89%，其中大部分预计将被转换为定居点，因为在任何剩余的土地利用类别中，被岩石覆盖的面积都是最小的可能性。
尽管预计未来10年土地利用将发生变化，但在图像和土地利用分类过程中出现了一些挑战，因此在投影模型中。例如，研究区域的山峰和其他区域的岩石，其反射率不知何故类似于铁和白色塑料片，塑料覆盖了建筑物和花卉农场的其他几个温室。这一定导致了对实际土地使用类别分类的混淆。不幸的是，世界范围内最常用的验证投影LULC地图的方法是在模型验证部分中规定的三(3)个Kappa值下使用经过验证的模型。另一方面，经过指定时间推移后的投影图像与真实图像的对比也可以用来观察真实环境中发生了什么。第二种选择是毫无价值的，因为预测未来LULC环境变化的目的在于保护它们免受当前观察到的惊人变化的影响。然而，在任何正确的映射过程中，都有一些必要的特征，如比例和位置，它们对任何特征的表示都很敏感。51、52在本研究中，通过开窗确保所有分析图像都使用了相似的比例尺，并进行了正确的地理参考，并与模拟地图和真实地图进行了正确的LULC分类。由于没有真实的参考资料，因此在模拟和投影地图的验证中出现了困难。因此，本研究设计了最佳验证方法，以确保模型能够合理预测预测的开发单元的位置和土地利用，并与实际地图进行比较，评估其可行性。10根据2006年预测模型图与同年真实图进行真实特征比较，结果如表9所示。从表中比较显示，准确率为82%，这也可以解释2026年项目LULC地图的类似百分比正确性。
最低成本和排放
在其他参数保持不变的情况下，对冠层盖度变化是否有影响进行了研究。分析表明两者之间的相关性很弱。r≤0.3,n = 4, p≤0.03，图12)。这些结果表明，良好的冠层覆盖特征的存在并不是流域补给潜力最大化的唯一原因，而是增加了河流长期排放和补给的潜力。因此，除了冠层覆盖外，土壤结构和质地、地形和天气条件等因素的组合也可以解释。通过以10年为间隔进行30年降水与河流流量模式的相关分析，需要进一步分析找出河流流量潜力的其他影响因素。分析表明两者之间存在很强的正相关关系[a]。r= 0.99, n = 4, p≤0.003，(b)r= 0.97, n = 4, p≤0.01 (c)r= 0.88, n = 4, p≤0.05，(d)r= 0.93, n = 4, p≤0.04)，图13和图14)]表明河流的主要水源是降水。虽然这两种关系的正相关关系是有希望的，但应该记住，当一个地区有良好的冠层覆盖时，沉淀水保持能力的可行性更为明显，以便最大限度地减少径流，蒸发并增加土壤对水和多孔含水层的保持能力，这反过来将给任何流域提供良好的补给潜力。还应明确指出，这项评估是在假设排放的其他混杂因素，如土壤类型、水、农业和蒸腾(SWAT)全年保持不变的情况下进行的，否则分析可能无效。需要注意的是，本研究区域的河流大部分发源于梅鲁山的山顶，LULC研究表明，从1986年到2016年，山顶水体呈持续减少的趋势(图3和表3)。这些呼吁坦桑尼亚国家和整个世界采取一切必要的环境保护措施，例如减少温室气体排放，温室气体排放是全球气候变化的主要原因，例如大气温度升高，加速了包括研究区域内的梅鲁山在内的世界各地冰盖的融化。
 |
图12 1986 - 2016年河流径流量与降水的相关分析 |
 |
图13 1986 - 2016年MF与排放量的相关分析 点击此处查看图 |
 |
图14:1986年至2016年河流的降水和流量模式 |
此外，图14的分析表明，Temi河和Nduruma河与Tengeru河和Maji ya Chai河的流量模式和流量水平几乎相似且更高。尽管有这样的相似性，但由于AWSA在该季节的高抽水量，Nduruma的排放能力在旱季下降，下游的灌溉实践进一步加速了这一趋势。两个因素的结合导致河漫滩地区的河流在旱季特别干涸，因此造成水生生物和河岸植被的大量死亡。
结论
研究表明，该地区的土地利用发生了重大变化，甚至可能引起其他环境参数的变化，如自然植被覆盖、生物和水特征。这项研究表明，丛林和农业用地迅速转变为人类住区，这可能是任何向城市化过渡的地区的常见情况。然而，当反映人口增加的人类住区的增加以减少农业用地为代价时，挑战就出现了。这意味着，在人口增加的同时，由同一环境提供食物的能力被降到最低，这意味着这些城市人口的可持续性必须涉及从其他地区进口粮食和粮食产品，这最终将增加生活成本。此外，本研究仅利用卫星图像中作为影响因素结果的特征评估了该地区的LULC。影响环境的因素包括社会、政治、科学、技术、社会经济和生物物理等因素，如果将这些因素整合到CA-Markov模型中，可以提高模拟的准确性，从而给出土地利用变化的实际情况，准确度可以达到82%以上。此外，在岩石分类中一定发生了错误，因为在研究区域有温室和道路，它们可能与岩石显示相似的反射率，因此一些分类可能包括在定居点或岩石中。这些错误可能导致18%的不准确性。最后，观察到的该地区土地利用的持续变化引起了人们对其他可能也受到影响的相关环境特征的进一步研究的注意。
致谢
作者感谢坦桑尼亚政府和达累斯萨拉姆大学教育学院为这项研究提供资金，并感谢VLIR-UOS项目为整个研究提供了一些实验室仪器和交通工具。
参考文献
- 图3 .青藏高原土地利用变化动态及其对野生动物走廊的影响。乞力马扎罗山和安博塞利国家公园，达累斯萨拉姆，坦桑尼亚。2003。
- 刘建军，刘建军，刘建军，刘建军，刘建军。中国土地利用和土地覆盖变化的研究进展。全球环境变化。2001; 11(4): 261 - 269。
CrossRef - Richter S.， Postel B.《生命之河:为人类和自然管理水》，岛屿出版社，华盛顿特区，2003。
- 国际复兴开发银行/世界银行。水资源与环境技术说明C1。《环境流动》(Richard Davis RH主编)，华盛顿特区，2003年。
- [2]王晓明，王晓明，王晓明，等。基于gis的青藏高原资源可持续利用研究[j]。国际可持续发展与世界生态学报农业气象学。3(4): 23-34。1996;
CrossRef - 马文杰。人口流动、人口迁移与水资源冲突。地理学报。2006。
- 涂明。气候变率和土地利用变化对默兹河流域水文的影响评估。A.A. Balkema出版社，牛津郡。2006。
- 张建军，张建军，李建军，等。气候变化和流域生态系统生态系统的研究进展。地球物理和化学。2013; 61 - 62:1 - 11所示。
CrossRef - 苏贝迪，张建军，张建军，等。混合元胞自动机-马尔可夫模型在土地利用变化预测中的应用——以美国佛州鞍溪流域为例。应用生态与环境科学。2013; 1(6): 126 - 132。
CrossRef - 张建军，张建军，张建军，等。基于空间显式马尔可夫链的土地利用动态变化跟踪研究——以北京市为例。国际图像与数据融合杂志。2011; 2(4): 329 - 345。
CrossRef - 韦伯平，王晓明，王晓明，王晓明。土地利用变化对自然保护区的影响分析。应用地理。2006; 26:153 - 173。
CrossRef - 水与自然倡议，潘加尼河流域流量评估情景报告，国际自然保护联盟和潘加尼流域水务局，坦桑尼亚莫希，2010;295。
- 李建军，李建军，李建军，等。流域生态系统的研究进展一个€¯:国际自然保护联盟(IUCN)2005.
- 李建军，李建军，李建军，等。气候变化对流域生态系统的影响。中国科学院学报。生态水文学和水生生物学。2014; 67:1-13。
- 国际人文地理百科全书。:国际人文地理百科全书。第8版。爱思唯雅。603;2009。
- 胡建军，胡建军，胡建军。基于元胞自动机的土地利用和土地覆盖变化模型研究。欧洲遥感协会实验室。2007; 5(1): 63 - 76。
- 基于遥感数据的数字变化检测技术。国际遥感杂志。2010; 10(6): 989 - 1003。
CrossRef - 李建军，李建军，李建军，等。基于马尔可夫链和元胞自动机的土地覆盖变化预测模型研究[j]。地球与环境科学。2016年,47(012032)。
- 张建军，张建军，张建军，等。基于元胞自动机-马尔可夫模型的流域动态建模与分析。地球系统与科学学报。2012, 121(4): 1011 - 1024。
CrossRef - 李玉品，李云斌，王艳，洪宁。基于遥感、城市增长模型和水文模型的台湾包桥流域土地利用变化和水文监测与预测[j]。传感器。2008; 8:658 - 680。
CrossRef - 王志强，王志强。基于景观尺度的经济政策分析:以菲律宾流域为例。农业生态系统与环境。。2004; 104:159 - 170。
CrossRef - 昆都PM, Olang LO。土地利用变化对肯尼亚维多利亚湖流域Nyando河径流和洪峰流量的影响。水与社会。2011; 153:83 - 94。
- Mulubrehan K. H.土地覆盖变化对流域流量的影响分析。提格雷》2014。
- Schilling K. E.， Jha M. K.，张勇，Gassman P. W.土地利用和土地覆盖变化对大型农业流域水平衡的影响:历史效应与未来方向:土地利用和土地覆盖变化对大型农业流域水平衡的影响:历史效应。水资源研究。2016年,44 (W00A09)。
- 贺建平。大尺度土地覆盖变化对亚马逊东南部Tocantins河流量的影响。水文学杂志。2003; 283:206 - 217。
CrossRef - Cristina L.， Dias P.， Macedo M. N.， Heil M.， Coe M. T.， Neill C.巴西中部新古河上游流域土地覆盖变化对流域蒸散量和流量的影响。水文杂志:区域研究。2015; 4:108 - 122。
- 地理信息科学中的建模与模拟:综合模型与重大挑战。社会与行为科学学报。2011; 21:10-17。
CrossRef - Neumann J.自动机的一般逻辑理论。行为中的大脑机制;希克森研讨会。1951; 10(3): 1-41。
- 王峰，王峰。基于元胞自动机的土地利用动态邻域模型的实现。计算机环境与城市系统。2009; 33(1): 44-54。
一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱CrossRef - 地理模拟:基于对象的城市现象建模。计算机环境与城市系统。2004; 28(1 - 2): 1 - 8。
- de Almeida C. M, Batty M, Monteiro A. M. V, Filho G. S, Cerqueira B. S, Pennachin G. C, Lopes C.城市土地利用动态的随机元胞自动机模型:实证发展与估计。计算机环境与城市系统。2003年,27(5):481 - 509。
一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱CrossRef - 李建军，李建军，李建军，等。基于元胞自动机模型的城市发展对人居环境的影响。复杂性。2005; 2:185 - 203。
一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱CrossRef - 李建军，李建军，李建军，等。基于马尔可夫元胞自动机模型的津巴布韦农村可持续发展研究——基于马尔可夫元胞自动机模型的土地利用/覆盖变化模拟。应用地理。2009; 29(3): 435 - 447。
一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱CrossRef - 李建军，李建军，李建军，等。马尔可夫链和熵函数在岩石层序旋回性分析中的应用——以塔里木盆地为例。地质与地球物理学报。2015; 4(5): 224。
- 马瑞尔。植被动力学与动态植被。荷兰植物学报。45 1996;(4): 421 - 442。
一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱CrossRef - [m] M. R. M. A . M. A .土地利用变化动态的马尔可夫模型。]景观生态学。1994; 9(2): 151 - 157。
- 张建军，张建军，李建军，等。基于元胞自动机的土地利用变化模型研究。国际摄影测量、遥感和空间信息科学档案。2017; 42-4 / W4:7-10。
一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱CrossRef - 杨艳，张生，杨军，邢霞，王东。基于元胞自动机-马尔可夫模型的镇来县土地利用空间格局重构。能量。2015; 8:3882 - 3902。
一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱CrossRef - 基于元胞自动机的深度城市扩张建模。埃及遥感与空间科学杂志。2014年,17(2):179 - 187。
一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱CrossRef - 李建军，李建军，李建军，等。基于模糊层次分析法的城市景观动态建模。雪茄烟。978 - 1 2014; 4799:3160 - 3163。
- Kitalika A. J, Machunda R. L.， Komakech H. C, Njau K. N.。坦桑尼亚meru山斜坡上河流中氟化物的变化。化学杂志。2018, 2018(7140902): 18。
一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱CrossRef - 联合国开发计划署。阿鲁沙地区水资源总体规划，最终报告，2000。
- Gea F. Uwiro村周围马赛牧场供水问题分析(阿鲁沙，坦桑尼亚)。2005.
- 李建平，李建平，李建平，等。中国河流微生物学特征及其在河流生态系统中的应用。国际科学与工程研究杂志。2017; 8(9): 1320 - 1346。
一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱CrossRef - Coppin POLR。[3]王晓明，王晓明，王晓明，等。基于遥感数字图像的森林生态系统变化检测。遥感评论。1996; 13:207 - 234。
一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱CrossRef - 李建军，李建军，李建军，等。乌桑古平原湿地生态系统研究进展[J]。地球物理和化学。2006; 31:967 - 975。
一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱CrossRef - [3]李建平。热带土地利用变化模型及其对非洲二氧化碳排放的影响，环境科学硕士课程。纽约锡拉丘兹州立大学esf, 1994。
- [3]李建军，李建军。基于多分辨率的分类地图一致性分析。参见:Lyon RSL和JG主编。遥感与GIS精度评估。Boca Raton FL. 233-251;2004)。
- 李建军，李建军。基于多分辨率分类地图数量和位置划分效应的统计方法[j]。摄影测量工程与遥感。2002年,68 (10):1041 - 10
- 李建军，李建军。分类地图的定量误差与定位误差的比较。摄影测量工程与遥感。2000, 66(8): 1011 - 1016。
- 李建军，李建军，李建军，等。空间显性土地变化模型的有效性研究。生态模型。2004年,179(4):45 - 461。
一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱CrossRef - 李建军，李建军，李建军，等。基于gis的土地变化分类分析。农业生态系统与环境。2004, 101(2): 251 - 268。
一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱一个€喜爱CrossRef
